Previsão de Ações com Grafos de Conhecimento de Empresas e Executivos

Resumo

O documento descreve um método de previsão de movimentos de ações concebido para capturar transbordamentos de momentum entre empresas listadas. Ele constrói um grafo de conhecimento do mercado com dois tipos de entidades — empresas e seus executivos — e combina relações explícitas com vínculos implícitos entre elas.

Uma rede de atenção dupla, chamada DanSmp, usa o grafo para aprender sinais de transbordamento e prever movimentos de ações. O documento relata comparações empíricas com nove métodos de referência e afirma que a abordagem proposta melhora as previsões nos conjuntos de dados construídos. Não fornece detalhes dos conjuntos de dados, medidas numéricas de desempenho nem informações sobre custos de trading e implantação ao vivo; portanto, os ganhos preditivos relatados não demonstram que o método geraria operações lucrativas.

Ideias principais

• O grafo representa tanto empresas listadas quanto seus executivos associados.
• O grafo do mercado combina relações explícitas e implícitas.
• Uma rede de atenção dupla aprende sinais de transbordamento de momentum a partir do grafo.
• O método é avaliado em relação a nove abordagens de referência em conjuntos de dados construídos.
• Melhorias nas previsões, por si só, não mostram se uma estratégia de trading seria lucrativa.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.