כתבה
arXiv cs.LG ·
STN-TGAT: בניית תיק השקעות Top-K
STN-TGAT: Top-K Portfolio Construction via Prior-Guided Graph Attention with Learnable Soft-Threshold Sparsification
STN-TGAT משלב רשת תרגום זמנית עם רשת תשומת לב גרפית. המודל משפר את יציבות המבנה על ידי הפחתת קורלציות רועשות. הוא מוכיח עליונות על מודלים אחרים בניבוי ורווחיות.
תקציר מקורי באנגליתarXiv:2607.19385v1 Announce Type: new Abstract: This paper tackles the problem of stock ranking and portfolio construction under realistic investment settings by jointly modeling temporal dynamics and cross-sectional dependencies. We propose the Soft-Threshold NMI-prior Transformer Graph Attention Network (STN-TGAT), which integrates a temporal Transformer with a Graph Attention Network to capture long-horizon sequential patterns and dynamic inter-stock relationships. An NMI-based prior graph combined with a soft-threshold sparsification mechanism enhances structural robustness by mitigating noisy correlations while preserving informative connections. The portfolio formation process incorporates practical considerations, including Top-5 selection within the Top-50 $S\&P$ 500 constituents,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית