文章 "交易中的神经网络：具有预测编码的混合交易框架（StockFormer）"

[MetaQuotes]

新文章 交易中的神经网络：具有预测编码的混合交易框架（StockFormer）已发布：

在本文中，我们将讨论混合交易系统 StockFormer，其结合了预测编码和强化学习（RL）算法。该框架用到 3 个变换器分支，集成了多样化多头注意力（DMH-Attn）机制，改进了原版的注意力模块，采用多头前馈模块，能够捕捉不同子空间中的多元化时间序列形态。

StockFormer 定位于通过强化学习（RL）预测金融市场，并制定交易决策。传统方法的一个关键局限在于它们无法有效为资产与其未来趋势之间的动态依赖关系建模。这在条件变化迅速、且不可预测的市场中尤为重要。StockFormer 经由两个核心阶段解决这一挑战：预测编码和交易策略学习。

在第一阶段，StockFormer 利用自我监督学习从嘈杂的市场数据中提取隐藏形态。这令模型能够捕捉短期和长期的动态，以及交叉资产间的依赖关系。通过这种方式，模型提取出重要的隐藏状态，随后在下一步骤中用于制定交易决策。

金融市场在多种资产间展现出高度多元化的时态模式，令从原产数据中提取有效表述变得复杂。为解决这一点，StockFormer 修改了雏形变换器的多头注意力机制，将单一的前馈网络（FFN）替换为一组并行 FFN。无需增加参数的数量，该设计增强了多头注意力分解特征的能力，从而改善跨子空间异构时态模式的建模。

作者：Dmitriy Gizlyk