标签
本文提出了一种用于并购套利的语言模型预测系统，该系统结合了专家引导的上下文工程和对历史交易的精调，在覆盖42个国家400多笔大型交易中取得了最先进的性能。
本文研究了不同的推理时部署规则（展开策略）如何影响多期限波动率预测。结果表明，非默认的展开策略通常能提升性能，且基于验证的部署策略相比标准MIMO部署提供了低成本改进，强调了部署策略与模型架构同等重要。
MOSAIC 提出了一种用于自动化数据科学的结构化代理框架，该框架基于记忆驱动的模型选择和工作流构建，并在金融时间序列任务上得到验证。其性能优于 AutoML 及其他基于代理的基准方法。
提出了一种基于双层混沌融合的图卷积网络用于股市预测区间，在2016-2026年NSE数据上，相比基线模型，在Winkler分数、PIAW和PICP指标上取得了显著改进。