基于深度神经网络与迁移学习的金融信息披露决策支持
计算与语言
2017-10-12 v1
摘要
公司信息披露极大地辅助了金融决策过程；因此，金融投资者和自动化交易者在行使股票所有权之前会查阅这些信息。虽然人类通常能够正确解读其内容，但计算机化决策支持系统却很少能做到这一点，它们在处理自然语言的复杂性和歧义性时面临困难。深度学习是一种可能的补救措施，它克服了传统文本挖掘方法的若干缺点。例如，长短期记忆等循环神经网络采用分层结构以及大量隐藏层，从有序的单词序列中自动提取特征，并捕获高度非线性的关系，如上下文相关的含义。然而，深度学习直到最近才开始受到关注，可能因为其性能在很大程度上未经测试。因此，本文研究了深度神经网络在金融决策支持中的使用。我们还尝试了迁移学习，在一个包含 1.391 亿单词的不同语料库上对网络进行预训练。结果表明，在预测金融信息披露引起的股价走势时，与传统机器学习相比，其方向准确率更高。我们的工作从而有助于突显深度学习的商业价值，并为从业者和高管提供建议。
引用
@article{arxiv.1710.03954,
title = {Decision support from financial disclosures with deep neural networks and transfer learning},
author = {Mathias Kraus and Stefan Feuerriegel},
journal= {arXiv preprint arXiv:1710.03954},
year = {2017}
}