FinGAT：用于推荐前 K 只盈利股票金融图注意力网络
机器学习
2021-06-21 v1 计算工程、金融与科学
信息检索
社会与信息网络
摘要
金融科技（FinTech）在投资者和企业中引起了广泛关注。虽然 FinTech 中传统的股票分析旨在预测股价，但在盈利股票推荐方面投入的努力较少。此外，在现有的股价时间序列建模方法中，股票之间及板块（即股票类别）之间的关系要么被忽略，要么被预先定义。忽略股票关系会遗漏股票间共享的信息，而使用预定义关系则无法刻画股票价格之间潜在的相互作用或影响。在本工作中，我们旨在利用股价时间序列和板块信息，推荐按收益率排名的前 K 只盈利股票。我们提出了一种新颖的基于深度学习的模型——金融图注意力网络（FinGAT），在给定股票间无预定义关系的设定下解决该任务。FinGAT 的思想包含三方面。首先，我们设计了一个分层学习组件，从股票时间序列中学习短期和长期时序模式。其次，构建股票间的全连接图和板块间的全连接图，并结合图注意力网络，以学习股票与板块间的潜在交互。第三，设计多任务目标，联合推荐盈利股票并预测股票走势。在台湾股票、S&P 500 和 NASDAQ 数据集上的实验表明，与最先进的方法相比，我们的 FinGAT 具有显著的推荐性能。
引用
@article{arxiv.2106.10159,
title = {FinGAT: Financial Graph Attention Networks for Recommending Top-K Profitable Stocks},
author = {Yi-Ling Hsu and Yu-Che Tsai and Cheng-Te Li},
journal= {arXiv preprint arXiv:2106.10159},
year = {2021}
}
备注
Accepted to IEEE TKDE 2021. The first two authors equally contribute to this work. Code is available at https://github.com/Roytsai27/Financial-GraphAttention