倾听混沌低语:一种面向新闻的股票价格走势预测的深度学习框架
社会与信息网络
2019-02-21 v3 机器学习
统计金融
摘要
股票走势预测在寻求股票投资最大化收益中起着关键作用。然而,由于股票市场高度波动且非平稳的特性,精确的走势预测非常困难。互联网上爆炸式增长的信息,连同自然语言处理与文本挖掘技术的快速发展,使投资者能够从在线内容中揭示市场趋势与波动。遗憾的是,与股票市场相关的在线内容的质量、可信度与全面性差异极大,其中很大一部分由低质量新闻、评论甚至谣言构成。为应对此挑战,我们模仿人类面对此类混沌在线新闻的学习过程,由三项原则驱动:序列内容依赖性、多样化影响、以及有效且高效的学习。本文中,为捕捉前两项原则,我们设计了混合注意力网络(Hybrid Attention Networks)以基于近期相关新闻序列预测股票走势。此外,我们应用自步学习机制来模仿第三项原则。在真实世界股票市场数据上的大量实验证明了我们方法的有效性。
引用
@article{arxiv.1712.02136,
title = {Listening to Chaotic Whispers: A Deep Learning Framework for News-oriented Stock Trend Prediction},
author = {Ziniu Hu and Weiqing Liu and Jiang Bian and Xuanzhe Liu and Tie-Yan Liu},
journal= {arXiv preprint arXiv:1712.02136},
year = {2019}
}