基于深度多示例学习利用金融新闻预测股票趋势
机器学习
2022-06-30 v1 计算金融
摘要
金融新闻文章可被视为一种主要的信息来源，其与股票趋势的波动存在一定相关性。本文从多示例的视角研究金融新闻对股票趋势的影响。其背后的直觉基于新闻出现时间间隔的不确定性以及单条金融新闻缺乏标注。在多示例学习 (MIL) 场景下，训练实例被组织为包，且标签赋予整个包而非实例，我们开发了灵活自适应的多示例学习模型，并在金融新闻数据集上评估其在标准普尔 500 指数方向性运动预测中的能力。具体而言，我们将每个交易日视为一个包，将每个交易日发生的一定数量新闻作为各包中的实例。实验结果表明，与其他先进方法和基线相比，我们提出的基于多示例的框架在趋势预测准确率方面取得了优异的结果。
引用
@article{arxiv.2206.14452,
title = {Deep Multiple Instance Learning For Forecasting Stock Trends Using Financial News},
author = {Yiqi Deng and Siu Ming Yiu},
journal= {arXiv preprint arXiv:2206.14452},
year = {2022}
}
备注
17 pages, 4 figures