Stock-JEPA 股票表征学习框架预印本发布

Yizhi Luo 等提交论文预印本，提出 Stock-JEPA 联合嵌入预测框架：用低复杂度金融模型生成多周期收益与风险统计作为先验锚点，再由上下文条件修正预测器估计未来表征相对锚点的可预测位移。作者称理论上最优修正可将先验锚点对同一未来表征的期望平方误差降低 E[‖Δ‖₂²]。 在中国和美国大规模股票池的实验中，该框架在 5 项关键指标上优于 13 个基线，上述效果出自论文自身的实验报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。