一种用于股票趋势预测的基于蒸馏的未来感知图神经网络
机器学习
2025-03-12 v1 人工智能
投资组合管理
摘要
股票趋势预测涉及通过分析历史数据和各种市场指标来预测未来的价格走势。随着机器学习的进步，图神经网络（GNN）因其捕获股票时空依赖关系的强大能力而被广泛应用于股票预测。然而，尽管各种 GNN 股票预测器努力提升预测性能，但改进仍然有限，因为它们仅专注于分析历史时空依赖关系，忽略了历史模式与未来模式之间的相关性。在本研究中，我们提出了一种用于股票趋势预测的基于蒸馏的未来感知 GNN 框架（DishFT-GNN）。具体而言，DishFT-GNN 迭代地训练一个教师模型和一个学生模型。教师模型学习捕获历史数据与未来数据分布偏移之间的相关性，然后将其作为中间监督来指导学生模型学习未来感知的时空嵌入，以进行准确预测。通过在两个真实世界数据集上的广泛实验，我们验证了 DishFT-GNN 的 SOTA 性能。
引用
@article{arxiv.2502.10776,
title = {A Distillation-based Future-aware Graph Neural Network for Stock Trend Prediction},
author = {Zhipeng Liu and Peibo Duan and Mingyang Geng and Bin Zhang},
journal= {arXiv preprint arXiv:2502.10776},
year = {2025}
}