コンテンツへスキップ
ライブラリの全資料

企業と経営幹部の知識グラフによる株価予測

記事 arXiv papers · 著者: Yu Zhao et al.
原文を読む

サマリー

この文書は、上場企業間のモメンタム波及を捉えることを目的とした株価変動予測手法を説明しています。企業とその経営幹部という2種類のエンティティで市場知識グラフを構築し、明示的な関係とエンティティ間の暗黙的なつながりを組み合わせます。

DanSmpと呼ばれるデュアルアテンションネットワークがグラフを使って波及シグナルを学習し、株価変動を予測します。この文書は9種類のベースライン手法との実証比較を報告し、構築したデータセットで提案手法の予測性能が向上したと述べています。データセットの詳細、数値による性能指標、取引コストや実運用の情報は示されていません。そのため、報告された予測精度の向上だけでは、この手法で収益性のある取引ができるとは言えません。

主なアイデア

  • このグラフは上場企業と、それぞれに関連する経営幹部の両方を表します。
  • 市場知識グラフは明示的な関係と暗黙的な関係を組み合わせています。
  • デュアルアテンションネットワークがグラフからモメンタムの波及シグナルを学習します。
  • 構築したデータセットを用い、9種類のベースライン手法と比較評価しています。
  • 予測精度の向上だけでは、トレード戦略の収益性は示されません。

タグ

株式モメンタム機械学習統計
全文
# Stock Movement Prediction Based on Bi-typed Hybrid-relational Market Knowledge Graph via Dual Attention Networks


# Stock Movement Prediction Based on Bi-typed Hybrid-relational Market Knowledge Graph via Dual Attention Networks









Stock Movement Prediction (SMP) aims at predicting listed companies' stock future price trend, which is a challenging task due to the volatile nature of financial markets. Recent financial studies show that the momentum spillover effect plays a significant role in stock fluctuation. However, previous studies typically only learn the simple connection information among related companies, which inevitably fail to model complex relations of listed companies in the real financial market. To address this issue, we first construct a more comprehensive Market Knowledge Graph (MKG) which contains bi-typed entities including listed companies and their associated executives, and hybrid-relations including the explicit relations and implicit relations. Afterward, we propose DanSmp, a novel Dual Attention Networks to learn the momentum spillover signals based upon the constructed MKG for stock prediction. The empirical experiments on our constructed datasets against nine SOTA baselines demonstrate that the proposed DanSmp is capable of improving stock prediction with the constructed MKG.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。