在股价走势预测中引入细粒度事件
计算工程、金融与科学
2019-10-14 v1 统计金融
摘要
考虑事件结构信息已被证明有助于基于文本的股价走势预测。然而，现有工作主要采用粗粒度事件，丢失了不同事件类型的特定语义信息。在本工作中，我们提出在股价走势预测中引入细粒度事件。首先，我们提出由领域专家构建的专业金融事件词典，并用其从金融新闻中自动抽取细粒度事件。随后我们设计了一个神经模型，将金融新闻与细粒度事件结构及股票交易数据结合以预测股价走势。此外，为提升所提方法的泛化能力，我们设计了一个进阶模型，将抽取的细粒度事件作为远程监督标签来训练事件抽取与股票预测的多任务框架。实验结果表明，我们的方法优于所有基线方法且具有良好的泛化能力。
引用
@article{arxiv.1910.05078,
title = {Incorporating Fine-grained Events in Stock Movement Prediction},
author = {Deli Chen and Yanyan Zou and Keiko Harimoto and Ruihan Bao and Xuancheng Ren and Xu Sun},
journal= {arXiv preprint arXiv:1910.05078},
year = {2019}
}
备注
Accepted by 2th ECONLP workshop in EMNLP2019