聚合股票市场预测中多种复杂数据：一个模型无关框架

金融领域数据在体量尤其是类型上的日益丰富，为更全面理解股市提供了前所未有的机遇，并使价格预测比以往更准确。然而，它们也给经典统计方法带来挑战，因为这些模型可能受限于某一特定数据类型。旨在聚合不同来源信息并为现有模型提供类型无关能力，我们建立了一个用于混合数据（包括标量数据、成分数据（饼状）和函数数据（曲线状））场景的股市预测框架。所提框架是模型无关的，因为它充当多种数据类型的接口并可与各种预测模型结合。并通过数值模拟证明其有效。关于价格预测，我们通过该框架纳入交易量（标量数据）、日内收益序列（函数数据）和来自社交媒体的投资者情绪（成分数据），以充分预测次日开盘市场涨跌。框架的强解释力得到进一步展示。具体而言，发现日内收益对后续开盘价的影响在熊市与牛市间不同。且投资者“恐惧”并非在熊市初期而是在随后阶段才变得具有指示性。该框架将有助于现有预测模型轻松扩展至多类型数据场景，并启发对股市更系统性的理解。