加载中...
本文提出 WaveLSFormer:一个将可学习小波前端与 Transformer 背靠背耦合、端到端直接优化交易回报与风险调整指标的模型。核心包括可微谱正则化引导的可学习低/高频滤波器、低引导高频注入(LGHI)用于稳定的跨频信息融合,以及基于验证集的固定风险预算缩放实现可执行多空头寸。实证上,在五年小时级美股行业数据的多次随机种子实验中,WaveLSFormer 将整体 ROI 从 0.225±0.056 提升到 0.607±0.045,Sharpe 从 1.024±0.122 提升到 2.157±0.166,显著优于 MLP/LSTM/Transformer 等基线
| Loss | ROI (test) | Sharpe (test) |
|---|---|---|
| MSE | 0.078 ± 0.039 | 0.586 ± 0.275 |
| MAE | 0.125 ± 0.061 | 0.899 ± 0.355 |
| Soft-label | 0.377 ± 0.045 | 1.943 ± 0.311 |
元数据与概览(引言与报告概览)
逐节深度解读(逐章精读与剖析)
图表(每个表/图的逐一深度解读)
估值分析(在本报告语境下即模型性能与“价值”评估)
风险因素评估(报告中识别的风险与潜在影响)
批判性视角与细微差别(审慎评价)
结论性综合(汇总与关键发现)
参考性溯源(报告中关键断言的页码)
2601.13435.pdf