Stock-JEPA：以金融先验为锚的潜在修正表征学习

01 摘要

事实：Stock-JEPA采用联合嵌入预测框架，先由低复杂度金融模型生成多期收益和风险统计，经先验投影器映射为目标编码器潜在空间中的锚点；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偏移；两类损失分别更新锚点和修正分支；下游读出模块在冻结表征后通过横截面排序和组合表现评估。作者从理论上证明最优修正使先验锚点对同一未来表征的期望平方误差减少恰好等于修正向量的期望平方范数。作者观点：该设计能结合经典线性金融模型的可解释性与深度模型捕捉非线性信号的能力，实验在中国和美国大规模股票集合上优于13个强基线，消融和表征分析显示学习到的修正对股票市场表征学习有价值。

02 关键点

1. Stock-JEPA以低复杂度金融模型产生的多期收益与风险统计作为固定先验，经投影后作为目标编码器潜在空间中的锚点。
2. 上下文条件修正预测器估计未来表征相对锚点的可预测偏移，锚点与修正分支分别用不同损失更新，下游读出模块在冻结表征上评估横截面排序与组合表现。
3. 作者证明最优修正使先验锚点的期望平方误差减少修正向量的期望平方范数，并在中国和美国股票集合的5项指标上优于13个强基线。