FinGAT：金融图注意力网络

文章预览

J.P.Morgan的python教程 Content 这篇论文介绍了一种名为FinGAT（Financial Graph Attention Networks）的新型深度学习模型，旨在通过分析股票价格时间序列和行业信息来推荐最有利可图的 top-K 股票。FinGAT 不依赖于预定义的股票间关系，而是利用图注意力网络自动学习股票和行业间的潜在互动。模型结合了股票级别的短期和长期序列模式学习以及行业级别的交互学习，并通过多任务学习框架联合优化股票盈利排名和股票运动预测。在台湾股票、标准普尔 500 和纳斯达克数据集上的实验表明，FinGAT 相较于现有方法在推荐性能上有显著提升。 1. 引言 (Introduction) 随着金融科技（FinTech）的发展，人们开始利用统计推断模型来预测股票价格的动态变化。文章提到，尽管机器学习和深度学习技术在股票市场分析中取得了显著成功，但大多数研究集中在股票价格预测上，而对 ………………………………