用于股票预测的可解释文本驱动神经网络
计算与语言
2019-02-14 v1 机器学习
摘要
已有研究表明金融新闻会导致股票价格波动。然而，先前关于新闻驱动的金融市场预测工作仅聚焦于预测股价变动而未提供解释。本文中，我们提出一种基于双层注意力的神经网络以解决此问题。在初始阶段，我们引入基于知识的方法自适应提取相关金融新闻。随后，我们使用输入注意力更关注更具影响力的新闻，并将日期嵌入与新闻表示的输出拼接。最后，我们使用输出注意力机制依据不同日期对股价变动的贡献分配不同权重。基于多只个股历史价格的充分实证研究证明了所提方法相较于 SOTA 方法在股价预测上的优越性。
引用
@article{arxiv.1902.04994,
title = {Explainable Text-Driven Neural Network for Stock Prediction},
author = {Linyi Yang and Zheng Zhang and Su Xiong and Lirui Wei and James Ng and Lina Xu and Ruihai Dong},
journal= {arXiv preprint arXiv:1902.04994},
year = {2019}
}
备注
10 pages, Proceedings of CCIS2018