来源：期刊VIP网 时间：
作者：周文瑞;孟林建;綦小龙;刘艳芳;乎西旦·居马洪;林玲;
单位：伊犁师范大学网络安全与信息技术学院;伊犁河谷智能计算研究与应用重点实验室;南京大学计算机科学与技术系;龙岩学院数学与信息工程学院;
摘要：股票数据属于流式数据，分布随时间变化，因此预测股票趋势极具挑战性。现有预测方法通过滚动重新训练模型来适应最新的数据分布，忽略了历史数据中的重复模式，导致灾难性遗忘，使得模型预测性能下降。针对上述问题，提出一种PoolTrain算法。该算法首先将每次重新训练模型学到的知识存储在动态提示池中，从而在学习新任务的同时记忆旧知识；其次根据动态选择组合提示池中的知识，共同提示完成不同的数据分布任务。在CSI300数据集的实验结果表明，PoolTrain算法的信息系数IC、信息比率ICIR、排名信息系数Rank IC、排名信息系数的比率Rank ICIR与当前最优的算法DDG-DA相比，分别提升了11.5%、11.41%、0.2%、34.69%。这表明所提出的算法在股票趋势预测方面取得了更好的效果，可为投资者提供更有价值的参考信息。
关键词：股票趋势预测;;动态提示池;;终身学习;;滚动训练;;相关系数;;信息系数
基金资助：伊犁师范大学校级重点项目(2023YSZD006);伊犁师范大学重大专项(2024ZDZX004);; 新疆维吾尔自治区自然科学基金项目(2021D01C466);; 国家自然科学基金项目(62266046)
