Stock2Vec：一种改进公司预测模型的嵌入方法
机器学习
2022-01-28 v1
摘要
构建公司预测模型通常依赖于利用同行业公司的历史数据进行推断。然而，公司在多种维度上相似，应在相关预测问题中加以利用。对于可能被单一行业界定不清且无明显同业对手的大型复杂组织而言尤其如此。为支持跨多维度的公司信息预测，我们创建了公司股票的嵌入表示 Stock2Vec，可轻松添加至任何适用于具有关联股价公司的预测模型。我们描述了从股价波动生成该丰富向量表示的过程，并刻画了各维度的含义。随后我们开展综合实验，在多种业务场景下的应用机器学习问题中评估该嵌入。实验结果表明，Stock2Vec 嵌入中的四个特征可轻易增强现有跨公司模型并提升跨公司预测能力。
引用
@article{arxiv.2201.11290,
title = {Stock2Vec: An Embedding to Improve Predictive Models for Companies},
author = {Ziruo Yi and Ting Xiao and Kaz-Onyeakazi Ijeoma and Ratnam Cheran and Yuvraj Baweja and Phillip Nelson},
journal= {arXiv preprint arXiv:2201.11290},
year = {2022}
}