利用公司特定新闻标题与卷积神经网络预测股价波动
计算与语言
2020-06-23 v1 机器学习
统计金融
摘要
本工作提出一种卷积神经网络（CNN），利用公司特定新闻标题预测次日股价波动。报告了使用不同词嵌入和卷积滤波器宽度配置评估模型性能的 experiments。所用的卷积滤波器总数远少于常见数量，在不损失准确率的情况下降低了任务维度。此外，采用了维度递减的多个隐藏层。使用预训练嵌入达到了 61.7\% 的分类准确率，这些嵌入在训练过程中被微调以表示本任务的特定上下文。还实现了多种滤波器宽度以检测对分类关键的不同长度短语。使用所提出的分类结果进行了交易模拟。在 838 天测试期内，采用最优分类配置和简单交易策略，初始投资增至三倍以上。提出了两种新方法以降低交易模拟的风险。调整 sigmoid 分类阈值和使用多类重新标记标题构成了这些方法的基础。发现这些方法的组合使基线模拟中达成的平均交易利润（ATP）增至两倍以上。
引用
@article{arxiv.2006.12426,
title = {Using Company Specific Headlines and Convolutional Neural Networks to Predict Stock Fluctuations},
author = {Jonathan Readshaw and Stefano Giani},
journal= {arXiv preprint arXiv:2006.12426},
year = {2020}
}