Enhanced forecasting of stock prices based on variational mode decomposition, PatchTST, and adaptive scale-weighted layer

要約

近年の株価指数の大幅な変動は、投資および財務戦略の指針となる正確な予測の重要な必要性を浮き彫りにしています。
この研究では、これらの課題に対処するために、変分モード分解 (VMD)、PatchTST、および適応スケール重み層 (ASWL) を統合する新しい複合予測フレームワークを導入します。
2000 年から 2024 年までの 4 つの主要株価指数 (SP500、DJI、SSEC、FTSE) のデータセットを利用して、提案された手法はまず、VMD を使用して生の価格系列を固有モード関数 (IMF) に分解します。
次に、各 IMF は PatchTST を使用してモデル化され、時間的パターンを効果的にキャプチャします。
ASWL モジュールを適用してスケール情報を組み込むことで、予測精度が向上します。
最終的な予測は、すべての IMF からの予測を集約して導き出されます。
VMD-PatchTST-ASWL フレームワークは、従来のモデルと比較して予測精度が大幅に向上し、さまざまな指数にわたって堅牢なパフォーマンスを示しています。
この革新的なアプローチは、株価指数の予測に強力なツールを提供し、さまざまな財務分析や投資意思決定の場面で応用できる可能性があります。

要約(オリジナル)

The significant fluctuations in stock index prices in recent years highlight the critical need for accurate forecasting to guide investment and financial strategies. This study introduces a novel composite forecasting framework that integrates variational mode decomposition (VMD), PatchTST, and adaptive scale-weighted layer (ASWL) to address these challenges. Utilizing datasets of four major stock indices–SP500, DJI, SSEC, and FTSE–from 2000 to 2024, the proposed method first decomposes the raw price series into intrinsic mode functions (IMFs) using VMD. Each IMF is then modeled with PatchTST to capture temporal patterns effectively. The ASWL module is applied to incorporate scale information, enhancing prediction accuracy. The final forecast is derived by aggregating predictions from all IMFs. The VMD-PatchTST-ASWL framework demonstrates significant improvements in forecasting accuracy compared to traditional models, showing robust performance across different indices. This innovative approach provides a powerful tool for stock index price forecasting, with potential applications in various financial analysis and investment decision-making contexts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google