2023，59（13）随着国民投资理财意识的不断提高，股票市场作为市场经济的重要组成部分，成为国民经济发展的“风向标”。市场行为涵盖一切信息，股价的涨跌行情一定程度上受到政治、经济、社会以及心理等多方面因素影响，具有高度的随机性及波动性，投资股票成为一项高风险、高回报的经济行为。投资者希望通过对股市未来趋势或价格的预测，多头排列时加仓盈利，空头排列时减仓止损，以防范风险并最大程度获取收益。如果能够对股价变化作出较为及时、准确的判断，也就能够提前作出相应的应对措施，因此，对股票价格变化趋势的预测融合因果注意力Transformer模型的股价预测研究任佳屹，王爱银新疆财经大学统计与数据科学学院，乌鲁木齐830012摘要：股票价格预测是金融研究和量化投资共同关注的重点话题，近年来利用深度学习技术揭示股票市场的行情规律成为研究热点。现有股票价格预测深度学习模型多数仅研究时间点数据，这种结构上的缺陷导致其不能反映出特征因子的累积作用对股价的影响。针对此，通过重新设计模型处理时间序列数据，提出一种基于Transformer的股票价格预测模型Stockformer。它通过因果自注意力机制挖掘股票价格与特征因子之间的时序依赖关系，采用趋势增强模块为模型提供序列的趋势特征，同时利用编码器的特定输入为预测提供输入特征的直接先验信息。实验结果表明，Stockformer的预测精度显著优于已有深度学习模型，且相较经典Transformer预测模型的平均绝对误差和均方根误差分别降低了23.2%和25.7%，预测值与真实值更为拟合；通过消融实验分别评估了Stockformer的因果注意力机制、时序特征提取手段以及特定的模型输入的效果及必要性，验证了所提模型的优越性及普适性。关键词：股票价格预测；时间序列；深度学习；Transformer；注意力机制文献标志码：A中图分类号：TP181doi：10.3778/j.issn.1002-8331.2212-0127CausalAttentionTransformerModelforStockPricePredictionRENJiayi,WANGAiyinSchoolofStatisticsandDataScience,XinjiangUniversityofFinanceandEconomics,Urumqi830012,ChinaAbstract：Stockpricepredictionisakeytopicofcommonconcernforfinancialresearchandquantitativeinvestment,andtheuseofdeeplearningtechniquestorevealthemarketpatternsofstockmarketshasbecomeahotresearchtopicinrecentyears.Mostoftheexistingdeeplearningmodelsforstockpricepredictiononlystudypoint-in-timedata,andthisstructuralshor...
