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
………………………………