媒体时刻与企业关联：一种用于股票走势分类的深度学习方法
统计金融
2023-09-14 v1 社会与信息网络
计算金融
摘要
金融行业在风险建模与利润生成方面提出了巨大挑战。这些实体与股票走势的复杂预测紧密关联。股票预测者必须理清随机性与不断变化的市场行为。股票走势受诸多因素影响，包括公司历史、业绩与经济行业关联。然而，还存在传统上未被纳入的其他因素，如社交媒体与股票间相关性。Reddit、Facebook 与 X（Twitter）等社交平台为小众社群分享其对金融资产的情绪创造了机会。通过以帖子、访谈与新闻更新等多种形式聚合这些社交媒体意见，我们提出了一种更全面的方法，将这些“媒体时刻”纳入股票市场走势预测。我们引入了一种方法，通过图神经网络以层次化时间方式结合金融数据、社交媒体与相关股票关系。通过对当前标普 500 指数数据的多次试验，结果显示累计收益提升 28%，我们提供了工具可用于投资决策的实证证据。
引用
@article{arxiv.2309.06559,
title = {Media Moments and Corporate Connections: A Deep Learning Approach to Stock Movement Classification},
author = {Luke Sanborn and Matthew Sahagun},
journal= {arXiv preprint arXiv:2309.06559},
year = {2023}
}
备注
10 pages