ALERTA-Net：一种用于股票走势与波动率预测的时间距离感知循环网络
机器学习
2023-10-31 v1
摘要
对于投资者和政策制定者而言，预测股票市场至关重要，因为它是经济福祉的指示器。为此，我们利用社交媒体数据这一公众情绪的丰富来源，以提升股票市场预测的准确度。与传统方法不同，我们开创了一种将情感分析、宏观经济指标、搜索引擎数据和历史价格集成于多注意力深度学习模型中的方法，巧妙解码数据中固有的复杂模式。我们使用一个由我们专门策划的数据集，展示了我们所提模型在预测股票市场走势和波动率方面的最先进（SOTA）性能。
引用
@article{arxiv.2310.18706,
title = {ALERTA-Net: A Temporal Distance-Aware Recurrent Networks for Stock Movement and Volatility Prediction},
author = {Shengkun Wang and YangXiao Bai and Kaiqun Fu and Linhan Wang and Chang-Tien Lu and Taoran Ji},
journal= {arXiv preprint arXiv:2310.18706},
year = {2023}
}