金融时间序列深度学习框架：基于堆叠自编码器与LSTM的股价预测新方法

报告摘要

华安证券研报提出一种融合Haar小波变换、堆叠自编码器（SAE）和长短期记忆网络（LSTM）的深度学习框架，用于金融时间序列预测。通过无监督学习提取深层特征，有效应对噪声和非平稳性，为量化投资提供创新工具。

📋 核心要点(部分)

1. 引言
2. 方法
3. 实验
4. 结论