股票趋势预测模型评测

近年来，人工智能在股票市场趋势预测中的应用越来越广泛。传统的金融分析方法可以提供一些市场洞察，但这些方法通常需要更多的时间和更高的成本。相比之下，人工智能技术可以克服这些限制，提高投资决策的效率和有效性。我们选取了A股市场的CSI300和CSI500指数的成分股，收集了07年至23年的数据集，并利用Alpha158和Alpha360因子从这些数据中精心提取特征。采用8种不同的深度学习模型进行实验，模型包括LSTM、ALSTM、GRU、Transformer、DoubleAdapt、D-VA、HIST和TRA。实验通过九9个性能指标和3个计算成本指标全面验证这些模型的有效性，其中性能指标有"MAE"、"MSE"、"IC"、"ICIR"、"RANK IC"、"RANK ICIR"、"ANNUALIZED RETURN"、"INFORMATION RATIO"、"MAX DRAWDOWN"，计算成本指标有"INFER_TIME"、"MODEL_SIZE"、"TRAIN_TIME"。