基于时序关系的股票预测排序方法

文章预览

J.P.Morgan的python教程 Content 本 文 提出了一种名为关系股票排名（Relational Stock Ranking, RSR）的新方法，该方法通过考虑股票间的关系来改进预测。 RSR方法包含两个主要创新点： 股票排名的深度学习模型 ：与传统的股票预测方法（如分类或回归）不同，RSR将股票预测视为一个学习排序问题，目标是直接预测股票的排名列表，而不是单一股票的价格或趋势。 时间图卷积（Temporal Graph Convolution, TGC） ：这是一个新颖的神经网络组件，用于在考虑时间敏感性的情况下捕捉和建模股票间的关系。TGC联合建模股票的时间演变和关系网络。 作者在NYSE和NASDAQ两个股票市场的历史数据上进行了回测实验，结果表明RSR方法优于现有的股票预测解决方案，平均回报率分别达到了98%和71%。这项工作不仅提出了一种新的股票预测方法，还展示了如何有效地将股票间的关系融入 ………………………………