一种基于深度分解自相关模型的股票价格预测方法

本发明公开了一种基于深度分解自相关模型的股票价格预测方法，涉及金融时间序列预测技术领域，本发明包括，步骤S1、数据获取与预处理，步骤S2、模型架构设计，步骤S3、模型训练与参数配置，步骤S4、预测生成与后处理，步骤S5、部署与应用，本发明通过引入趋势周期特征分解模块，模型能够显示分离时间序列中的长期趋势与短期波动，有效捕捉股票市场的复杂动态特征，提升预测精度，解码器中的趋势周期递进分解机制通过逐层细化特征分量，避免信息损失，增强对非周期性数据的适应能力，使长期预测结果更为稳定可靠，采用自相关机制替代传统注意力机制，利用快速傅里叶变换高效捕获序列周期依赖性，降低计算复杂度，提升模型的训练与推理效率。