首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

金融市场中曼巴选择性门的机制解释:一项泄漏控制研究

2026-11-17 1 阅读 约2分钟阅读 Dip Roy, Rajiv Misra, Sanjay Kumar Singh, Anisha Roy
分享:
字号:
arXiv:2611.18599v1 公告类型:新 摘要:选择性门控状态空间模型(SSM),特别是 Mamba,越来越多地用于金融时间序列,但它们内部如何表示市场状况(牛市、熊市、横盘)仍然不透明。本文将机械可解释性 (MI) 应用于六层 Mamba,该六层 Mamba 接受了大约 21 年的标准普尔 500 成分股每日数据集以及宏观经济和 Fama-French 因素的训练,并使用 Top-K 稀疏自动编码器 (SAE) 分解每层隐藏状态。我们的核心贡献是方法论和警示性的。先前的不受控制的配置在 F1 = 1.00 时从 SAE 特征中恢复了市场状态。在受控协议下,(i) 删除与 HMM 标签定义重叠的三个输入特征,(ii) 禁用辅助机制分类头,(iii) 使用时间点组成域,以及 (iv) 针对与输入不相交的标签进行评估,仅在 F1 = 0.398 时恢复相同的机制标签,与原始输入 (0.435) 上的逻辑基线和在随机初始化、未经训练的 SAE 上训练的无法区分曼巴 (0.364)。 2x2 归因网格显示近乎完美的结果是辅助监督和标签定义输入的相互作用:两个因素单独都不超过 F1 ~ 0.40。块自举推理的效应大小表明,残余选择性门(Delta t)机制效应在统计上是可检测的,但在经济上可以忽略不计,并且跨层均匀,而不是层专用;在连续的、基于理论的测量下,明显的多语义梯度消失了。我们贡献了一个可重复的泄漏控制协议,用于金融 SSM 的可解释性评估,一个量化的演示,表明以前报告的制度结构是一个标签污染工件,以及一个真正在控制中幸存下来的适度的经济基础特征子集。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱