港大团队提出 MC-JEPA：用市场因子条件化预测金融时序
OpenFinMind · hf · 2026-11-11
香港大学与 Grace Investment Machine 团队发布论文《Market-Conditioned JEPA: Learning from Unpredictable Market Shocks》。核心观察是：金融时序的大量波动来自资产自身历史无法预测的全市场冲击，逐资产自监督学习只能将其当作不可约噪声处理。方法要点：
- 在潜变量因子模型下，证明以已实现市场因子为条件是资产最优预测的必要前提，同时降低资产特异成分学习的噪声
- 提出 MC-JEPA，一种面向金融时序的联合嵌入预测架构（JEPA）
- 训练时为每个资产用其他资产的未来目标嵌入构造 leave-one-out 市场条件，并通过资产自身表示导出的因子载荷引入
论文报告在 11 年的中国A股分钟级数据上取得提升。
「研究」频道最新
- 奥斯陆 AI×抗体黑客松:JapanFold 让 Claude Code 直接设计结合剂 — DavidBennett__ · 2026-11-11
- Reddit 热议:还有哪些基准人类仍稳赢前沿 AI?AGI 该怎么定义 — ImproveOurWorld · 2026-11-11
- EarthRecord 基准：用四十年卫星影像实测多模态 Agent 的土地变化分析 — AIEyesTech · 2026-11-11
- WaveGen 提出 Spectral Forcing，跳过编解码器实现端到端文本转波形 SOTA — Ajou · 2026-11-11
- 伯克利 Social Humanoid:让 Unitree G1 学会与人社交互动 — berkeley_ai · 2026-11-11
- 学界泼冷水：机器人未解决，最佳模型距产线部署差六个数量级 — ZeeshanZiaML · 2026-11-11