标签： 股票预测

在金融时序预测领域，股票价格预测因其高噪声、非线性和强随机性的特点，始终是机器学习领域的重大挑战。传统方法如ARIMA模型受限于线性假设，LSTM网络难以有效捕捉超长序列依赖，这些方法在复杂市场环境中的预测精度存在明显天花板。本文提出基于Transformer架构的创新性改进方案，通过多维度技术优化