利用视觉-语言模型进行细粒度市场涨跌预测
统计金融
2023-01-25 v1 计算与语言
机器学习
摘要
利用历史数据预测股市未来走向一直是金融预测的基本组成部分。这些历史数据包含特定时间段内某只股票的信息，例如开盘价、收盘价、最低价和最高价。利用这些数据，市场未来走向通常使用各种时间序列模型（如长短期记忆网络）进行预测。本工作提出以全新方法对市场走势进行建模和预测，即利用近期提出的视觉-语言模型处理股票数据的图像与基于字节的数值表示。我们在德国股指的小时级股票数据上进行了大量实验，并使用历史股票数据评估了多种架构在股价预测上的表现。我们使用多种指标对结果进行了全面评估，以准确刻画各种方法的实际性能。评估结果表明，我们这种将股票数据表示为文本（字节）和图像的新方法显著优于强大的深度学习基线。
引用
@article{arxiv.2301.10166,
title = {Leveraging Vision-Language Models for Granular Market Change Prediction},
author = {Christopher Wimmer and Navid Rekabsaz},
journal= {arXiv preprint arXiv:2301.10166},
year = {2023}
}
备注
Accepted at Multimodal AI for Financial Forecasting Workshop (Muffin) at AAAI 2023