GRU-PFG：基于图神经网络的股票因素间相关性提取

文章预览

“ GRU-PFG: Extract Inter-Stock Correlation from Stock Factors with Graph Neural Network ” 投资者越来越关注机器学习在股票预测中的应用，尤其是神经网络（如CNN和Transformer）。股票预测模型分为两类：一类（如GRU和ALSTM）仅依赖股票因素，效果有限；另一类（如HIST和TRA）结合行业信息、财务报告和公众情绪，能捕捉股票间的相关性，但数据标准化和泛化困难。本文提出GRU-PFG模型，仅使用股票因素，通过图神经网络提取股票间的相关性，预测效果优于仅依赖股票因素的模型，并与第二类模型相当。 论文地址 ：https://arxiv.org/pdf/2411.18997 摘要 股票预测模型分为两类：一类（如GRU和ALSTM）仅依赖股票因素，效果有限；另一类（如HIST和TRA）结合行业信息、财务报告和公众情绪，能捕捉股票间的相关性，但数据标准化和泛化困难。本文提出GRU-PFG模型，仅使用股票因素，通 ………………………………