揭示股市的语言

股票预测因其可观的财务收益一直是研究者和投资者热衷的领域。然而,股票预测可能是一项具有挑战性的任务,因为股票受众多因素影响,且这些因素的影响随时间快速变化。本文提出一种结合NLP与日本蜡烛图的股票趋势预测新方法(Word2Vec)。首先,我们从原始OHLC数据创建简单的日本蜡烛图语言。然后,将词组成的句子用于训练NLP的Word2Vec模型,其中训练数据分类还考虑了交易佣金。最后,该模型用于预测交易动作。根据所获收益,将提出的方法与买入持有、MA和MACD三种交易模型进行比较。我们首先在苹果、微软和可口可乐三只股票上评估Word2Vec,其表现优于对比模型。接着我们在Russell Top 50指数的股票上评估Word2Vec,我们的Word2Vec方法在测试阶段也非常成功,仅在验证阶段落后于买入持有方法。Word2Vec在所有情景中均取得正结果,而MA和MACD的平均收益仍低于Word2Vec。