用于横截面股票收益预测与端到端多模态市场表征学习的视觉注意力模型
计算工程、金融与科学
2019-03-11 v2
摘要
技术分析和基本面分析是用于分析个股的传统工具；然而，金融文献表明，每只个股的价格运动与其他股票，尤其是同一板块内的股票高度相关。在本文中，我们提出一种通用的市场表征，它融合了基本面与技术指标以及个股间的关系。我们将每日股票市场视为一张“市场图像”，其中行（按市场板块分组）代表个股，列代表指标。我们在此市场图像上应用卷积神经网络以分层方式构建市场特征。我们使用循环神经网络，并在市场特征图上施加注意力机制，以建模市场中的时间动态。我们表明，我们所提出的模型在短期和长期股票收益预测任务中均优于强基线。我们还展示了我们市场图像的另一种用途：构建简洁且稠密的市场嵌入，适用于下游预测任务。
引用
@article{arxiv.1809.03684,
title = {Visual Attention Model for Cross-sectional Stock Return Prediction and End-to-End Multimodal Market Representation Learning},
author = {Ran Zhao and Yuntian Deng and Mark Dredze and Arun Verma and David Rosenberg and Amanda Stent},
journal= {arXiv preprint arXiv:1809.03684},
year = {2019}
}
备注
Accepted as full paper in the 32nd International FLAIRS Conference