DSTNet：用于因果多步金融预测的动态谱轨迹网络

01 摘要

该工作针对小波类金融预测器通常仅将变换用于去噪、或在预测原点仅取单一谱快照且卷积具有双边性（可越过预测原点）的问题，提出用单边Morlet滤波器组与显式burn-in构造因果动态谱轨迹。作者在七个股票指数与黄金上按扩展窗口与一年未触碰的留出集，对比九种学习基线和随机游走持续性基准，报告DSTNet在MAE与MAPE下均低于持续性基准。作者将下游资产配置诊断的负面结果也一并报告，未声称择时优势。

02 关键点

1. 以二十日回看、七种技术指标和单边Morlet滤波器组构造因果动态谱轨迹，并显式处理左边界瞬态。
2. 采用分解的尺度-时间谱Transformer、学习门控融合CNN-BiLSTM，以及按步长门控一次输出1、3、5、10日预测。
3. 在32个序列-步长单元中，持续性基准在29个单元是最强固定竞争对手，DSTNet是唯一在所有单元低于它的模型。