深度股票预测
机器学习
2021-06-14 v1 投资组合管理
机器学习
摘要
股价预测可视为时间序列预测问题，为此常使用长短期记忆（LSTM）神经网络，因其架构专为解决此类问题而构建。本文中，我们考虑设计一种交易策略，利用对四家不同公司的 LSTM 股价预测进行投资组合优化。随后我们定制用于训练 LSTM 的损失函数以提升盈利。此外，我们提出一种数据驱动方法，用于窗口长度与多步预测长度的最优选择，并考虑将分析师评级作为技术指标加入由注意力单元增强的多层双向 LSTM。我们发现，带有定制损失函数的 LSTM 模型在训练机器人上相较 ARIMA 等回归基线有性能提升，而分析师评级的加入确实对某些数据集改善了性能。
引用
@article{arxiv.2006.04992,
title = {Deep Stock Predictions},
author = {Akash Doshi and Alexander Issa and Puneet Sachdeva and Sina Rafati and Somnath Rakshit},
journal= {arXiv preprint arXiv:2006.04992},
year = {2021}
}