论文Agent 与开发者19:23混合LSTM-XGBoost框架用于多时间跨度股票回报预测这篇论文介绍了如何结合LSTM和XGBoost来预测股票回报,比单独使用LSTM效果更好,对金融从业者可能有参考价值。#LSTM#XGBoost#股票预测#金融时间序列aarXiv cs.AI@Seif ElDein Mostafa 等 4 人原文稍后读已读值得跟进有用关注 LSTM
论文11:43EvoTS-Agent:面向金融时间序列变化点检测的自进化LLM智能体金融时间序列变化点检测的新方法EvoTS-Agent,能自动优化模型选择和参数,无需专家干预。#EvoTS-Agent#LLM#金融时间序列#智能体aarXiv cs.AI@Lei Jiang 等 10 人原文稍后读已读值得跟进有用关注 EvoTS-Agent
模型11:54Adaptive Financial Transformer 用体制门控注意力预测股票收益要预测股票涨跌?这篇论文搞了个自适应 Transformer,把95个金融指标分成11组,根据市场风向调整注意力,还省了15%的算力。#AFT#自适应Transformer#股票预测#金融时间序列aarXiv cs.LG@Dishan Sarkar原文稍后读已读值得跟进有用关注 AFT