STOCK-JEPA: Prior-Anchored Latent Revision Representation Learning in Equity Markets
Aggiunta all'archivio di AIChronos il (numero del 4 ottobre 2026 ricostruito)· fonte del · Yizhi Luo, Jiahe Yi, Jianhui Zhang, Shuo Sun
Stock-JEPA è un framework a embedding congiunto che combina modelli finanziari lineari interpretabili con la capacità dei deep learning di catturare pattern complessi. Il metodo utilizza una rappresentazione latente ancorata da statistiche prior (rendimenti e rischi multi-orizzonte) per apprendere revisioni incrementali prevedibili relative al contesto storico. Attraverso un predittore condizionato dal contesto, il modello stima lo spostamento futuro dalla rappresentazione di riferimento senza sovrappassare il rumore del campione. Infine, si dimostra teoricamente che la riduzione dell'errore quadratico medio è pari alla magnitudine attesa del segnale aggiuntivo prevedibile.
- Integra modelli lineari a bassa complessità con encoder deep learning per bilanciare interpretabilità e capacità di cattura non-lineare.
- Utilizza un 'prior projector' che mappa statistiche finanziarie fisse nello spazio latente dell'encoder target come punto di ancoraggio.
- Adotta una strategia di training separato dove le modifiche ai moduli di rappresentazione sono congelate per addestrare il readout downstream.
- Supera 13 baseline forti su universi azionari cinesi e statunitensi utilizzando metriche cross-sectional ranking e performance dei portafogli.
- Fornisce una prova teorica che la revisione ottimale riduce l'errore atteso del prior anchor esattamente della magnitudine del segnale aggiuntivo.
Perché conta. Per uno sviluppatore di agenti AI o sistemi locali, questo approccio offre un modo per ancorare le rappresentazioni latenti a dati finanziari strutturati, riducendo il rischio di allucinazioni causate dal rumore nei dataset ad alto rapporto segnale-rumore. L'architettura ibrida permette di incorporare vincoli economici noti direttamente nel processo di inference senza sacrificare la flessibilità dei modelli transformer.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.