基于知识图谱与社区感知情绪的深度强化学习股票涨跌预测新方法
人工智能
2021-07-05 v1 计算工程、金融与科学
机器学习
社会与信息网络
摘要
股市预测一直是投资者、研究人员和分析师关注的重要课题。由于受过多因素影响，股市预测是一项难以处理的任务。在本研究中，我们提出一种基于深度强化学习方法、利用社区情绪与知识图谱进行股票涨跌预测的新方法。为此，我们首先通过分析用户间连接关系构建社交知识图谱。随后，将相关股票的时间序列分析与情绪分析同深度强化学习方法相融合。采用土耳其语版双向编码器表示来自 Transformer (BerTurk) 分析用户情绪，同时利用深度 Q 学习方法来构建所提模型的深度强化学习部分以构造深度 Q 网络。为验证所提模型的有效性，以伊斯坦布尔证券交易所的担保银行 (GARAN)、阿克银行 (AKBNK)、土耳其工商银行 (ISCTR) 股票作为案例研究。实验结果表明，该新模型在股市预测任务中取得了显著效果。
引用
@article{arxiv.2107.00931,
title = {A Novel Deep Reinforcement Learning Based Stock Direction Prediction using Knowledge Graph and Community Aware Sentiments},
author = {Anil Berk Altuner and Zeynep Hilal Kilimci},
journal= {arXiv preprint arXiv:2107.00931},
year = {2021}
}
备注
15 pages