>> 華安證券-學海拾珠系列之二百七十七-HANET：基于層次化混合頻率注意力模型的宏觀感知時間序列預測-260702
| 上傳日期： |
2026/7/5 |
大?。?/td>
| 3615KB |
| 格式： |
pdf 共29頁 |
來源： |
華安證券 |
| 評級： |
-- |
作者： |
嚴佳煒,駱昱杉 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
主要觀點：
本篇是學海拾珠系列第二百七十七篇，文章聚焦于宏觀經(jīng)濟信息與深度學習時序預測模型的融合問題：借鑒少樣本檢索式注意力的建模思路，提出層次化交叉注意力網(wǎng)絡(luò)HANET，探索能否在不犧牲日度高頻信息顆粒度的前提下，使模型學會在低頻宏觀歷史中檢索相似體制、在高頻數(shù)據(jù)上執(zhí)行交易決策。
研究背景與動機
金融深度學習長期受限于小樣本、非平穩(wěn)與結(jié)構(gòu)性突變?nèi)爻钢狻Ｍ瑫r宏觀數(shù)據(jù)為月度低頻，而交易決策依賴日度高頻信號。本文將檢索式注意力范式擴展為"對完整低頻宏觀歷史做注意力"，并設(shè)計層次化機制，將月度體制檢索結(jié)果投射回日度網(wǎng)格，從而在查詢/鍵使用月度宏觀信息、值保留日度市場信息的結(jié)構(gòu)下完成條件化預測。
結(jié)構(gòu)化的宏觀交叉注意力顯著優(yōu)于簡單的特征拼接
將HANET以層次化交叉注意力方式引入同樣的宏觀因子后，動量任務(wù)夏普比率提升至1.99，套利任務(wù)提升至0.91。
注意力權(quán)重提供可解釋的"體制記憶"機制，并在極端事件中展現(xiàn)跨周期類比能力
模型呈現(xiàn)"稀疏定位型"與"密集背景型"分化：前者鎖定沃爾克緊縮、2008年危機等結(jié)構(gòu)性節(jié)點，后者提供彌散的周期性背景。COVID沖擊期間模型上調(diào)2008年危機權(quán)重，2022年通脹飆升期間則轉(zhuǎn)而激活1980年代初高通脹記憶，顯示出與歷史相似宏觀環(huán)境相匹配的能力。
文獻來源
核心內(nèi)容摘選自Daniel Cunha Oliveira、Kieran Wood、Stefan Zohren、Mihai Cucuringu、André Fujita等人2026年發(fā)表于KDD會議的論文《Macro-aware Time Series Forecasting via Hierarchical Mixed-Frequency Attention Models》。
風險提示
文獻結(jié)論基于歷史數(shù)據(jù)與海外文獻進行總結(jié)；不構(gòu)成任何投資建議。
|
|
