基于因果驱动的特征选择，提高金融预测的准确性和可靠性

文章预览

“ Enhancing Financial Market Predictions: Causality-Driven Feature Selection ” 预测股市波动性是金融领域面临的重要挑战，市场的非线性和本质上的波动性使得准确预测市场趋势变得困难。 本文构建了FinSen数据集，将来自197个国家的经济和金融新闻文章与股票市场数据集成，覆盖15年的时间跨度，提供了160,000条金融市场新闻的全球视角。同时提出了一种创新的Focal Calibration Loss方法，将预测概率与实际结果紧密对齐，提高了金融预测的准确性和可靠性。 通过证明情感分数与市场波动之间的因果关系，并将这些因果验证的特征集成到LSTM模型中，本文的模型实现了更细致和可靠的市场预测。 论文地址 ：https://arxiv.org/pdf/2408.01005 摘要 本文介绍了FinSen数据集，将来自197个国家的经济和金融新闻文章与股票市场数据集成，覆盖15年的时间跨度，提供了160,000条金融市场新 ………………………………