利用滚动窗口分析探索图神经网络在股市预测中的应用
机器学习
2019-12-02 v3 统计金融
摘要
近来，利用机器学习辅助准确预测金融市场的研究兴趣激增。尽管金融与AI交叉领域取得了令人振奋的进展，当前许多方法仍局限于使用技术分析捕捉各股价的历史趋势，因而仅限于特定实验设置以获得良好预测结果。另一方面，专业投资者还利用其丰富的跨市场与跨公司关系知识来映射公司与事件的连通性，并借助该映射做出更好的市场预测。例如，他们预测某家公司股价走势时，不仅基于其过往股价趋势，还基于其供应商或客户的表现、整体行业、宏观因素与贸易政策。本文研究了市场预测与图神经网络交叉工作的有效性，后者有潜力通过直接将公司知识图谱纳入预测模型来模仿投资者的决策方式。本工作的主要目标是通过滚动窗口分析，在不同市场与更长回测时间跨度上检验该方法的有效性。我们聚焦于约20年间日本日经225市场中个股价格的预测。知识图谱方面，我们使用Nikkei Value Search数据，这是一个主要展示日本及外国公司间供应商关系的丰富数据集。我们的初步结果显示，相较于市场基准，回报率与夏普比率分别提升29.5%和2.2倍；相较于基线LSTM模型，分别提升6.32%和1.3倍。
引用
@article{arxiv.1909.10660,
title = {Exploring Graph Neural Networks for Stock Market Predictions with Rolling Window Analysis},
author = {Daiki Matsunaga and Toyotaro Suzumura and Toshihiro Takahashi},
journal= {arXiv preprint arXiv:1909.10660},
year = {2019}
}
备注
NeurIPS 2019 Workshop on Robust AI in Financial Services: Data, Fairness, Explainability, Trustworthiness, and Privacy (Robust AI in FS), Vancouver, Canada