使用CNN预测S&P 500股票走势
计算机视觉与模式识别
2026-05-01 v1 人工智能
计算工程、金融与科学
摘要
本文是关于预测构成S&P 500指数的股票走势。历史上，人们尝试了许多方法来预测股票走势，目前市场上使用传统数学方法进行算法交易和生成Alpha系统[1, 2]。人工神经网络的成功最近引起了极大的兴趣，并为利用机器学习和深度学习的前沿研究进行预测铺平了道路。其中一些论文在实现和解释这些新技术的优势方面做得很好。尽管这些论文中的大多数没有深入探讨金融数据的复杂性，并且大多利用一维数据，但它们中的大多数仍然为这一相对较新现象的未来研究奠定了基础。在本文中，我尝试使用包含现实市场数据中存在的股票分割/股息事件（原样）的多变量原始数据，而不是工程化的金融数据。卷积神经网络（CNN）是目前最著名的图像分类工具，被应用于从市场获取的多维股票数据，将其模拟为历史数据矩阵的向量（即图像），该模型取得了有希望的结果。预测可以逐只股票进行，即单只股票、按行业或针对股票组合进行。
引用
@article{arxiv.2512.21804,
title = {S&P 500 Stock's Movement Prediction using CNN},
author = {Rahul Gupta},
journal= {arXiv preprint arXiv:2512.21804},
year = {2026}
}
备注
9 pages, 19 diagrams. Originally submitted as a part of my Stanford University program taught by Dr. Fei Fei Lee and Andrej Karpathy CS231N 2018