Dual-CLVSA：一种结合情绪测度的金融市场预测的深度学习新方法
统计金融
2022-02-09 v1 机器学习
计算金融
交易与市场微观结构
摘要
预测金融市场是一项具有挑战性的任务。该任务的复杂性主要源于金融市场与市场参与者之间的相互作用，后者无法时刻保持理性，并常受恐惧与狂喜等情绪影响。基于尤其针对金融市场预测的最先进方法——基于混合卷积LSTM的带注意力变分序列到序列模型（CLVSA），我们提出一种名为dual-CLVSA的新型深度学习方法，利用交易数据及相应的社交情绪测度（各经独立的序列到序列通道）预测金融市场走势。我们在SPDR SP 500 Trust ETF八年历史交易数据上通过回测评估该方法性能。实验结果表明，dual-CLVSA能有效融合两类数据，并验证情绪测度不仅为金融市场预测提供信息，还包含可提升预测系统性能的额外盈利特征。
引用
@article{arxiv.2202.03158,
title = {Dual-CLVSA: a Novel Deep Learning Approach to Predict Financial Markets with Sentiment Measurements},
author = {Jia Wang and Hongwei Zhu and Jiancheng Shen and Yu Cao and Benyuan Liu},
journal= {arXiv preprint arXiv:2202.03158},
year = {2022}
}
备注
8 pages, 2021 20th IEEE International Conference on Machine Learning and Applications (ICMLA). IEEE, 2021