Multi-scale TSMixer: una novedosa arquitectura de series temporales para predecir futuros del índice de acciones A-Share
Autores: Pei, Zhiyuan; Yan, Jianqi; Yan, Jin; Yang, Bailing; Liu, Xin
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Multi-scale TSMixer: una novedosa arquitectura de series temporales para predecir futuros del índice de acciones A-Share
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Avance
Aprendizaje profundo
Pronóstico del mercado financiero
Modelo Multi-Scale TsMixer
Futuros de índices bursátiles
Acciones constituyentes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Con el avance del aprendizaje profundo, su aplicación en la predicción del mercado financiero se ha convertido en un tema de investigación candente. Este documento propone un innovador modelo Multi-Scale TsMixer para predecir futuros de índices bursátiles en el mercado A-share, que cubre SSE50, CSI300 y CSI500. Al integrar características de series temporales de múltiples escalas a corto, mediano y largo plazo, el modelo captura de manera efectiva las fluctuaciones y tendencias del mercado. Además, dado que los futuros de índices bursátiles reflejan el movimiento colectivo de sus acciones constituyentes, introducimos un enfoque novedoso: predecir acciones constituyentes individuales y fusionar sus pronósticos utilizando tres estrategias de fusión (fusión promedio, fusión ponderada y fusión con decaimiento ponderado). Los resultados experimentales demuestran que el método de fusión con decaimiento ponderado mejora significativamente la precisión y estabilidad de la predicción, validando la efectividad de Multi-Scale TsMixer.
Descripción
Con el avance del aprendizaje profundo, su aplicación en la predicción del mercado financiero se ha convertido en un tema de investigación candente. Este documento propone un innovador modelo Multi-Scale TsMixer para predecir futuros de índices bursátiles en el mercado A-share, que cubre SSE50, CSI300 y CSI500. Al integrar características de series temporales de múltiples escalas a corto, mediano y largo plazo, el modelo captura de manera efectiva las fluctuaciones y tendencias del mercado. Además, dado que los futuros de índices bursátiles reflejan el movimiento colectivo de sus acciones constituyentes, introducimos un enfoque novedoso: predecir acciones constituyentes individuales y fusionar sus pronósticos utilizando tres estrategias de fusión (fusión promedio, fusión ponderada y fusión con decaimiento ponderado). Los resultados experimentales demuestran que el método de fusión con decaimiento ponderado mejora significativamente la precisión y estabilidad de la predicción, validando la efectividad de Multi-Scale TsMixer.