Прогноз движения акций с графами компаний и руководителей

Сводка

В документе описан метод прогнозирования движения акций, предназначенный для выявления импульсных эффектов между котируемыми компаниями. В нём строится граф рыночных знаний с двумя типами сущностей — компаниями и их руководителями — и объединяются явные связи с неявными.

Двухуровневая сеть внимания под названием DanSmp использует граф для выявления сигналов передачи импульса и прогнозирования движения акций. В документе сообщается об эмпирическом сравнении с девятью базовыми методами и утверждается, что предложенный подход улучшает прогнозы на построенных наборах данных. Сведения о наборах данных, численные показатели качества и информация о торговых издержках и применении в реальной торговле отсутствуют, поэтому заявленный прирост точности прогноза не доказывает, что метод позволит совершать прибыльные сделки.

Ключевые идеи

• Граф представляет как котируемые компании, так и связанных с ними руководителей.
• Рыночный граф объединяет явные и неявные связи.
• Двухуровневая сеть внимания извлекает из графа сигналы передачи импульса.
• Метод оценивается на построенных наборах данных в сравнении с девятью базовыми подходами.
• Само по себе улучшение прогноза не показывает, будет ли торговая стратегия прибыльной.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.