SETN：基于文本与网络信息增强的股票嵌入
计算与语言
2024-08-07 v1 计算工程、金融与科学
摘要
股票嵌入是一种用于股票向量表示的方法。在财富管理领域，对股票向量表示的需求日益增长，该方法已被应用于股票价格预测、组合优化和类似基金识别等 various tasks。股票嵌入的优势在于能够定量化股票之间的相对关系，并且可以从非结构化数据如文本和网络数据中提取有用信息。本研究提出了基于域自适应预训练变换器模型用于嵌入文本信息和图神经网络模型用于把握网络信息的股票嵌入增强文本和网络信息(SETN)。我们在相关公司信息提取任务上评估了所提出模型的性能。我们还演示了从所提出模型获取的股票嵌入在创建主题基金方面优于基线方法，为财富管理行业的 various applications 提供了有前景的路径。
关键词
引用
@article{arxiv.2408.02899,
title = {SETN: Stock Embedding Enhanced with Textual and Network Information},
author = {Takehiro Takayanagi and Hiroki Sakaji and Kiyoshi Izumi},
journal= {arXiv preprint arXiv:2408.02899},
year = {2024}
}