Sign In

MaGNet: A Mamba Dual-Hypergraph Network for Stock Prediction via Temporal-Causal and Global Relational Learning

Created by
  • Haebom
Category
Empty

저자

Peilin Tan, Chuanqi Shi, Dian Tu, Liang Xie

MaGNet: Mamba Dual-HyperGraph Network for Stock Prediction

개요

본 논문은 주식 시장 예측을 위한 새로운 모델인 MaGNet을 소개합니다. MaGNet은 시장 변동성, 복잡한 시간적 역학, 다면적인 종목 간 관계를 효과적으로 다루기 위해 개발되었습니다. MaGNet은 Mamba 기반의 Temporal modeling, Feature-wise 및 Stock-wise 2D Spatiotemporal Attention, 그리고 Temporal-Causal Hypergraph (TCH)와 Global Probabilistic Hypergraph (GPH)로 구성된 듀얼 하이퍼그래프 프레임워크를 통합합니다. 실험 결과, MaGNet은 주요 주식 지수 예측에서 기존 방법들을 능가하는 성능과 강력한 투자 수익률을 보였습니다.

시사점, 한계점

•
시사점:
◦
Mamba 기반의 Temporal Modeling을 통해 시간적 의존성을 효과적으로 포착합니다.
◦
Feature-wise 및 Stock-wise 2D Spatiotemporal Attention을 통해 다변량 특징과 종목 간 의존성을 융합합니다.
◦
TCH 및 GPH를 활용한 듀얼 하이퍼그래프 프레임워크는 로컬 시간적 영향과 즉각적인 글로벌 구조를 분리하여 멀티 스케일 관계 학습을 가능하게 합니다.
◦
주식 시장 예측 및 투자 전략에 대한 획기적인 발전을 제시합니다.
◦
우수한 예측 성능과 강력한 투자 수익률을 실험적으로 입증했습니다.
•
한계점:
◦
논문 내용만으로는 모델의 복잡성과 계산 비용에 대한 직접적인 정보가 부족합니다.
◦
특정 주식 지수에 대한 실험 결과만 제시되어 다른 시장에서의 일반화 가능성에 대한 추가 연구가 필요합니다.
◦
모델의 실제 투자 전략 적용 시 위험 관리 및 시장 상황 변화에 대한 적응 능력을 추가로 검증해야 합니다.
👍
Made with Slashpage