这篇研报提出了一种名为CSPO的创新股价预测框架，通过跨市场协同和伪波动率优化两大核心技术提升预测精度。该模型首先构建双层稠密定价转换器（BDP-Former），利用Transformer架构分别建模期货-股票关联和股票间协同关系，有效融合商品期货与金融期货的市场信息；其次创新性地引入伪波动率估计模块，通过贝叶斯神经网络量化预测不确定性，并设计自适应损失函数实现波动率感知的优化过程。实验表明，该框架在工业级回测中显著提升投资组合收益，在公开基准测试中关键指标较现有最优方法提升超过20%，同时通过消融研究验证了各模块的有效性，为融合多市场信息和量化预测不确定性提供了新的研究范式。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai