融合双频域增强模块与Informer的股价预测研究

来源：计算机工程与应用杂志2026年第9期北京时间：

作者：赵宗毅, 张振宇, 徐清振

单位：华南师范大学 计算机学院，广州 510630；

摘要：利用历史股票数据对未来股价进行精确预测一直是金融量化领域的研究热点。现有的一些股票预测方法通过将频域信息引入深度学习模型中，达到了更高的预测精度。然而，这些方法未能探索多种频域分析技术在神经网络上的应用，对股票数据中关键特征的学习也不够充分。因此，提出一种融合双频域增强模块与Informer的改进模型，称为FEInformer（frequency enhancement Informer）。该模型在Informer基础结构上，引入多频段卷积增强模块以替换原模型的正则卷积，其利用小波频域分解结合卷积特征提取，加强模型对多时间尺度特征的感知能力。另外，在模型编码器后嵌入频域通道注意力模块，利用离散余弦变换聚合序列的重要频域信息，并结合通道注意力机制捕获多特征通道间的相互依赖关系，增强模型性能。通过在多个真实世界的股票数据集上进行对比实验与消融实验，验证了提出模型的优越性以及模型中各个改进模块的有效性。

关键词：股票预测,Informer,频域通道注意力,多频段卷积

基金资助：广东省研究生教育创新计划（2024ANLK022，202420）；广东省本科高校教学质量与教学改革工程项目（2024609）；国家自然科学基金（61772140）。