从新闻标题到投资组合：深度学习驱动更智能的投资决策
投资组合管理
2026-05-27 v2 计算金融
统计金融
机器学习
摘要
深度学习为投资组合优化提供了新工具。我们提出了一种端到端框架，通过结合长短期记忆（LSTM）网络来建模时间模式、图注意力网络（GAT）来捕捉演化的股票间关系，以及金融新闻的情感分析来反映市场心理，直接学习投资组合权重。与先前方法不同，我们的模型将这些元素统一在一个流水线中，生成每日配置。该方法避免了传统的两步流程——先预测资产收益再应用均值-方差优化（MVO），这一序列可能引入不稳定性。我们在九只美国股票上进行评估，涵盖六个行业，以平衡行业多样性和新闻覆盖。在该设置下，模型在累积收益和夏普比率上均优于等权重和CAPM基准MVO。尽管股票范围有限，但结果强调了整合价格、关系和情感信号进行投资组合管理的价值，并表明将该方法扩展到更大、更多样化的资产集具有广阔前景。
引用
@article{arxiv.2509.24144,
title = {From Headlines to Holdings: Deep Learning for Smarter Portfolio Decisions},
author = {Yun Lin and Jiawei Lou and Jinghe Zhang},
journal= {arXiv preprint arXiv:2509.24144},
year = {2026}
}
备注
22 pages, 9 figures