Dec, 2017

倾听混沌的耳语：一种应用于新闻导向的股票趋势预测的深度学习框架

PDF
TL;DR通过自然语言处理和文本挖掘技术，利用新闻内容预测股票趋势并对在线内容的低质量、不可靠性和全面性进行解决，提出了一种混合注意力网络来捕捉前两个原则，并应用了自主学习机制来模仿第三个原则。在真实股市数据上的广泛实验表明了这种方法的有效性。
stock trend predictionnatural language processingtext miningnewsself-paced learning
发现论文，激发创造
  • 基于注意力机制循环神经网络的金融新闻股票趋势预测

    使用深度神经模型从新闻文本中提取语义特征，应用自注意机制分配注意力，并预测标准普尔 500 指数和个人公司股价的方向性变化，表明该技术与其他最先进的方法相当竞争，证明了最新的自然语言处理技术对计算金融业的有效性。

    Nov, 2018

  • 可解释的基于文本驱动的神经网络股票预测

    本研究提出了一种双层注意力神经网络，通过知识方法提取相关的财经新闻，使用输入注意将更有影响力的新闻与日嵌入进行连接，最后采用输出注意机制以不同权重分配不同日对股价变动的贡献，在历史股票价格上进行的实证研究表明我们的方法在股票价格预测方面比现有方法更优越。

    Feb, 2019

  • 使用 Transformers 和情感分析支持股票趋势预测

    本文利用 Transformers 模型和情感分析结合了技术股票数据和头条新闻数据，以准确预测股票趋势。与 RNN 相比，我们的模型在预测时间窗口为 30 个工作日的情况下将方向准确性提高了近 18.63％。

    May, 2023

  • 基于社区人气增强的投资者情绪的混合深度学习预测股票价格框架

    基于在线论坛中提取的投资者情绪，借助先进的深度学习技术实现股价预测，通过将 XLNET 模型与股票技术指标相结合，本研究提出一种新型混合深度学习框架，有效地预测股票价格。

    May, 2024

  • 股票走势预测的多模态注意力网络

    本文提出了一种利用多模态注意力网络（multi-modality attention network）进行股票预测的方法，将社交媒体中的语义信息和历史交易记录中的数字特征相结合，通过减少冲突来提高预测准确性（61.20%）和交易利润（9.13%），从而提高了股票预测的性能和为多模态融合提供了未来研究方向。

    Dec, 2021

  • 基于时间序列分析的股票价格预测：机器学习和深度学习模型

    本研究利用统计学、机器学习和深度学习模型建立了一个强大而准确的股票价格预测框架，研究结果表明该多模型的结合方法可以从波动和随机的股票价格数据中有效地学习。

    Apr, 2020

  • 利用新闻情感分析进行股票趋势预测

    本研究通过新闻情感分类预测公司未来股票趋势，利用三种分类模型将新闻情感划分为正面或负面，得到预测模型的准确率超过 80%，比随机预测提高了 30%。

    Jul, 2016

  • HIST: 一种基于图形的股票趋势预测框架，通过挖掘概念导向的共享信息

    本文提出一种新的股市趋势预测框架，可以充分挖掘预定义概念和隐藏概念中的概念导向共享信息，同时利用股票的共享信息和个体信息，提高了股市趋势预测的性能，在实际的投资仿真中，相对于基准线，我们的框架可以获得更高的投资回报。

    Oct, 2021

  • ALERTA-Net：一种适用于股票走势和波动预测的时间距离感知循环神经网络

    利用社交媒体数据和情感分析，结合宏观经济指标、搜索引擎数据和历史价格，基于多注意力深度学习模型，预测股市波动和行情。

    Oct, 2023

  • 股市价格预测：基于混合 LSTM 和连续自注意力的方法

    提出了一种名为 LSTM-SSAM 的新模型，通过对历史价格趋势和季节性的分析，实现了对股票价格的未来预测，并通过实验证明了该模型的有效性和可行性。

    Aug, 2023