基于多模态深度学习的盈利公告日股票价格方向预测
机器学习
2026-05-26 v1 统计金融
摘要
在盈利公告期间预测股票价格走势是一个因市场噪声和高影响价格突变而具有挑战性的任务。本研究评估了是否存在性价预测盈利公告(EA)日股票方向价格运动的可能性。我们构建了一个多模态特征空间，结合15个基本指标、3个基于价格的技术指标以及使用FinBERT处理后的财经新闻情感得分。我们将LSTM网络和基于Transformer的架构与Logistic回归基线进行比较，并进一步评估所有模型在是否包含情感特征下的表现，以量化其增量价值。我们的结果表明，尽管LSTM通过保守的安全打法策略表现出更高的精度，但Transformer模型在识别波动性运动方面表现更佳，实现了更高的宏平均F1分数，消融实验显示，纳入新闻情感始终能带来显著益处。
引用
@article{arxiv.2605.25894,
title = {Predicting Stock Price Direction on Earnings Announcement Days using Multi-modal Deep Learning},
author = {Manuel Noseda and Nathan Soldati and Marco Paina},
journal= {arXiv preprint arXiv:2605.25894},
year = {2026}
}