arXiv cs.AI· Brandon Rodriguez, Abel Deulofeu, Olaoluwa Adigun·· 10 小时前AI 评分29
在线自适应模糊认知图：面向神经符号金融预测的框架
Online-Adaptive Fuzzy Cognitive Maps for Neuro-symbolic Financial Forecasting
AI 导读
研究提出将在线自适应模糊认知图（FCM）与 LSTM 结合的神经符号金融预测框架。Framework I 从双源价格序列与宏观指标构建 FCM，并用误差驱动的 Hebbian 规则在线调整边，在 NASDAQ Composite 数据上回报符号准确率比 LSTM 高 7.6 个百分点，自适应图在 10-15 个交易日内收敛到新状态。
正文 · AI 翻译
摘要：我们提出了一个神经符号框架，将在线自适应模糊认知图（FCM）与长短期记忆（LSTM）网络相结合，用于金融预测。金融市场表现出状态转换和非线性动态。现有模型往往在这些关键特性之一上做出取舍：这些模型能捕捉时间模式，但隐藏了因果驱动因素；或者它们能恢复因果图，但无法在训练后自适应。我们通过两个框架弥补了这一差距。框架 I 从实时双源价格序列和宏观经济指标构建 FCM，并通过误差驱动的 Hebbian 规则在线调整其边。我们引入了非对称加性残差融合方法，在框架 I 下无缝结合 FCM 和 LSTM 的预测。框架 II 构建了一个基于文献、由 LLM 增强的 FCM，其中每条边都带有可验证的引用，从而提供可审计的因子交互图。在 NASDAQ Composite 数据上，框架 I 在状态方向准确率上匹配了 LSTM 基线的性能，并在收益符号准确率上比 LSTM 高出 7.6 个百分点。框架 I 在两个评估指标上均优于独立的 FCM 模型。自适应图在 10-15 个交易日内收敛到新状态，框架 II 的中心节点 FCM 在状态方向准确率上得分为 68.9% 至 85.7%。
| 评论： | 8 页，3 幅图。已被 ICMLA 2026 接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13388 [cs.AI] |
| （或 arXiv:2611.13388v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13388 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Brandon Rodriguez [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 00:05:44 UTC（349 KB）
来源：arXiv cs.AI · arxiv.org