本报告提出了Patched Channel Integration Encoder (PCIE)模型,通过创新的股票价格数据“分块令牌化”方法,融合绝对价格与价格变动通道,实现多步股票价格的预测与预测。该方法有效缓解了多步预测中的累计误差问题,并显著提升了模型在两个真实股票数据集上的均方误差和平均绝对误差表现,实现了当前最先进的多步股票价格预测与预测性能。
报告标题:Tokenizing Stock Prices for Enhanced Multi-Step Forecast and Prediction
作者:Zhuohang Zhu, Haodong Chen, Qiang Qu, Xiaoming Chen, Vera Chung
发布机构:悉尼大学(University of Sydney)与北京工商大学(Beijing Technology and Business University)联合研究
时间:基于文中数据最晚至2023年及部分参考文献最新至2024年
主题:股票价格的多步时间序列预测与变化预测,尤其是引入“Token化”方法及新型编码器模型 (PCIE) 来提升多步股票价格预测和变化预测的精度。
核心论点:
报告开篇从全球股票市场规模和交易量切入,强调准确的股价预测对于投资、风险管理等领域的重要性。提出股票价格时间序列的非平稳性(均值与方差随时间变化)和噪声性(随机性)是预测难点,当前研究多聚焦于单步预测,少有覆盖多步预测的综合模型,尤其是同时解决价格预测和变化预测的模型较少,1]。
输入为多通道股票数据序列:开盘价、最高价、最低价、收盘价、成交量及他们的百分比变化。预测任务区分为:
强调数据时间频率可调,比如日线或毫秒高频数据。
该图展示了输入的多通道时间序列(如开盘价、高价、低价、收盘价)经过“实例归一化”后切成多个局部patch块(univariate patching),每个patch为一个小段时间序列。经过自适应时间学习块后各patch独立编码,随后拼接成矩阵执行通道混合处理(channel mixing),生成适合自注意力模型的token序列,显著减少了序列长度但保留了关键局部动态和多通道依赖。
解读:此流程通过“分片编码”捕获了时间序列中微观且复杂的局部动态模式,结合跨通道融合增强了对不同价格属性关联性的建模。避免了直接使用长序列带来的噪声影响和计算瓶颈,有助于提高预测稳定性及效率。
图示PCIE整体架构流程:
解读:该图细致展示了token生成、编码和最后预测的流程,强调多头注意力对多通道混合信息的处理能力,模型结构设计兼顾横向多变量信息及纵向时序依赖,是传统单通道或迭代预测模型的提升。
| 数据集 | 时间范围 | 股票数量 | 交易日数 |
|---|---|---|---|
| US_71 | 2016/01/04 - 2023/12/29 | 71 | 2011 |
| US_14L | 2005/01/04 - 2023/12/29 | 14 | 4780 |
说明两个数据集覆盖范围长,且包含高交易量和市值代表性股票。US_14L时间跨度明显更长,测试模型在数据分布显著漂移情况下的稳定性及泛化能力。
主要结果:
【示例数据】
US_71 Forecast 10步时,PCIE MSE为0.0690,最接近的PatchTST为0.0851,D-Va高至0.2229。
US_14L Prediction 60步,PCIE MSE为1.4611,PatchTST为1.5116,Informer为1.5362等,10]。
将价格和价格变化混合输入后,所有模型性能均获提升,其中PCIE提升最明显(接近3-4%),而Informer提升较小不到1%。这验证了本文提出的新型数据预处理策略对模型泛化及准确性的贡献。
去除tokenization模块后,PCIE性能在所有任务中均下降,集中体现为MSE和MAE均有显著恶化,尤其是多步预测任务。表明tokenization通过捕获跨通道与局部时间信息,是模型性能瓶颈提升的关键途径。
示例:
US_71 Forecast 10步,带tokenization时MSE 0.0690,去除tokenization后增至0.0838,体现性能提升明显。
预测任务变化类似。
本研究并非直接针对财务估值领域,而是聚焦时间序列预测模型性能提升。关于估值层面,文中未涉及具体的估值方法(比如PE、DCF等),也无相关敏感性分析。主要着眼于模型预测准确度提升带来的实用意义。
报告未专门列出风险评估章节,但从文中及方法可间接识别潜在风险:
作者通过结合实例归一化、tokenization和自适应时间学习模块缓解了大部分分布漂移和噪声风险,但未来仍需关注模型对极端行情及新型数据特征的适应性。文末也提及未来探索宏观经济指标与新闻情绪等,旨在降低单一价格数据局限导致的风险,12]。
本文提出的Patched Channel Integration Encoder(PCIE)模型,通过将多通道股票价格及价格变化序列token化、采用自适应时间学习块和跨通道混合自注意力机制,有效捕获时间序列内局部与全局复杂模式,并显著缓解了传统多步预测累积误差不足。
实证上,在两个高质量股票历史数据集(71只高流动性股票与14只高市值长时间序列)上,PCIE在多步股票价格预测和价格变化预测任务中均达到领先现有SOTA水平,MSE与MAE指标均优越于PatchTST、D-Va、Autoformer及Informer模型。此外,创新的数据预处理(将价格与价格变动合并输入)进一步提升了多模型性能,显示出优良的泛化潜力。
图表分析中,Tokenization流程精细化了复杂股价时序的局部特征学习,通道混合有效增强不同价格指标间的依赖建模。消融实验明确表明此tokenization对达成性能提升不可或缺。
综上,作者通过理论分析、创新模型设计与严谨实验验证,展示了PCIE在股价多步预测领域的显著优势与应用潜力。后续导入更多宏观及非结构化信息、探索更复杂的注意力结构以及在线自适应学习将进一步推动该方向发展。
本研究准确定位了股价多步预测中的关键技术瓶颈——输入数据的噪声与非平稳性、累积误差及稳健性问题,通过tokenization分片编码和跨通道整合注意力机制创新设计,实现了高性能且高效的多步预测。实验证明PCIE模型稳健有效,在多任务多数据集上均优于当下主要基线,验证了其方法论的科学性和实用价值。相关技术对于金融机构的风险管理、交易策略制定和衍生品定价均具有良好的现实意义和推广潜力。
(本文所有结论均基于原文内容,引用页码如标注)
2504.17313v1.pdf