特讯热点！超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。

中证协发布最新评价办法：债券业务执业质量考核更趋严格

北京，2024年6月18日 - 为进一步提升证券公司债券业务执业质量，规范市场行为，保护投资者合法权益，中国证券业协会（以下简称“中证协”）近日发布了修订后的《证券公司债券业务执业质量评价办法》（以下简称“新评价办法”），将于2024年8月1日起施行。

新评价办法在原评价办法的基础上，主要做了以下修订：

• 增加了评价指标。 新评价办法增加了发行定价利率、负向申报质量、投资者适当性管理、债券回购业务等指标，进一步涵盖了债券业务执业质量评价的关键环节。
• 调整了评价方法。 新评价办法调整了部分指标的评分标准，提高了对高风险行为的惩处力度，并将评价结果与证券公司债券业务的承销额度、融资融券业务规模等挂钩，强化了对违规行为的约束。
• 完善了信息披露要求。 新评价办法要求证券公司定期向中证协报送债券业务执业质量评价相关信息，并向投资者公开评价结果，增强了评价结果的透明度。

中证协表示，新评价办法的发布，将有利于进一步提升证券公司债券业务执业质量，维护市场秩序，保护投资者合法权益。中证协将持续加强对证券公司债券业务的监管，督促证券公司严格遵守相关法律法规和自律规则，为投资者提供优质的债券投资服务。

新评价办法的发布，对债券市场有哪些影响？

• 促进债券发行定价更加合理。 新评价办法增加了发行定价利率指标，将对发行人压降融资成本、提高发行定价合理性产生积极影响。
• 降低投资者认购风险。 新评价办法增加了负向申报质量指标，将督促证券公司提高投资者适当性管理水平，降低投资者认购风险。
• 维护市场秩序。 新评价办法强化了对违规行为的惩处力度，将有效维护债券市场秩序，保护投资者合法权益。

业内人士普遍认为，新评价办法的发布，是监管部门落实“姓党”要求，“以投资者为中心”发展理念的具体体现，将对债券市场高质量发展起到积极推动作用。