.png){kind=icon}
返回
Exploring high-level patterns for portfolio selection through pre-training
.png){kind=icon}
PRE
AI
DOI：10.1177/1088467x261441362.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于Transformer的策略网络在投资组合选择（PS）中展现出良好前景。然而，受限于高计算复杂度，它们主要关注短期价格序列（如过去12小时），而忽视了有价值的长周期特征。此外，固有的波动性和噪声容易导致模型在低层信息上过拟合。为应对这些挑战，我们提出了一种创新方法。该方法利用预训练模型从扩展价格序列（如过去两周）中提取高层模式，随后增强策略网络的决策能力。预训练模型基于离散表示设计，以实现更好的泛化性和可解释性。具体而言，我们通过向量量化变分自编码器（VQ-VAE）将价格序列分词为离散标记，并鼓励预训练模型根据遮蔽价格序列重构这些标记。随后，我们引入一种紧凑的仅编码器策略网络，命名为投资组合Transformer编码器（PTE）。最终，PTE通过预训练模型获得高层模式，以做出更全面的决策。我们将整个方法称为向量量化投资组合Transformer编码器（VQ-PTE）。VQ-PTE在真实货币和标普500数据集上表现出卓越性能，收益提升最低达35%。此外，可视化结果凸显了其优越的可解释性。
Keyword:
portfolio selection
vector quantization
pre-training
representation learning
期刊
I
IF:
0.8
论文数:
72
被引数:
1.3K
机构
引用论文
.png){kind=icon}
Meta-Optimized Risk-Aware Portfolio Management: A Hybrid Deep Reinforcement Learning and LSTM-GRU Ensemble元优化风险感知投资组合管理：深度强化学习与LSTM-GRU集成
PREAI
分享收藏Adaptive and Explainable Margin Trading via Large Language Models on Portfolio Management基于大型语言模型的自适应与可解释的证券组合管理保证金交易
PREAI
分享收藏分享收藏Lower Risks, Better Choices: Stock Correlation Based Portfolio Selection in Stock Markets降低风险，优化选择：基于股票相关性的股票市场投资组合选择
PREAI
分享收藏A Multimodal and Sentiment-Based Trading System for Financial Portfolio Optimisation基于多模态和情感分析的金融投资组合优化交易系统
PREAI
分享收藏
查看更多内容