股票趋势预测是以预测股票的未来趋势为目的的,是投资者寻求股票市场利润最大化的关键。近年来,许多事件驱动的方法利用新闻、社交媒体和讨论板中提取的事件来预测股票走势。然而,现有的事件驱动方法存在两个主要缺陷:1) 忽略了由股票相关属性区分的事件信息的影响; 2)忽略其他相关股票的事件信息的影响。在本文中,我们提出了一个关系事件驱动的股票趋势预测(REST)框架,以解决现有方法的不足。为了弥补第一个不足,我们提出建立股票上下文模型,并学习事件信息对不同上下文下的股票的影响。为了解决第二个缺点,我们构造了一个股票图并设计了一个新的传播层来传播相关股票的事件信息的影响。在真实世界数据上的实验研究证明了我们的REST框架的有效性。投资模拟的结果表明,我们的框架可以获得比基线更高的投资回报。

成为VIP会员查看完整内容
33

相关内容

专知会员服务
37+阅读 · 2021年4月25日
【WWW2021】知识图谱逻辑查询的自监督双曲面表示
专知会员服务
28+阅读 · 2021年4月9日
【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
53+阅读 · 2021年1月29日
【WWW2021】挖掘双重情感的假新闻检测
专知会员服务
36+阅读 · 2021年1月18日
专知会员服务
25+阅读 · 2020年12月17日
【KDD2020】动态知识图谱的多事件预测
专知会员服务
127+阅读 · 2020年8月30日
专知会员服务
49+阅读 · 2020年8月27日
【Twitter】时序图神经网络
专知
9+阅读 · 2020年10月16日
解析KDTCN:知识图谱和深度学习模型联合实现股票预测
凡人机器学习
9+阅读 · 2020年9月12日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【KDD2020】复杂异构网络中的高阶聚类
专知
8+阅读 · 2020年8月27日
论文浅尝 | ICLR2020 - 基于组合的多关系图卷积网络
开放知识图谱
21+阅读 · 2020年4月24日
白雪 | NLP加持知识图谱在金融事件挖掘中的应用
开放知识图谱
14+阅读 · 2018年9月21日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
Arxiv
0+阅读 · 2021年4月28日
Arxiv
15+阅读 · 2021年2月19日
Arxiv
26+阅读 · 2018年2月27日
VIP会员
相关VIP内容
专知会员服务
37+阅读 · 2021年4月25日
【WWW2021】知识图谱逻辑查询的自监督双曲面表示
专知会员服务
28+阅读 · 2021年4月9日
【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
【WWW2021】充分利用层级结构进行自监督分类法扩展
专知会员服务
15+阅读 · 2021年2月7日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
53+阅读 · 2021年1月29日
【WWW2021】挖掘双重情感的假新闻检测
专知会员服务
36+阅读 · 2021年1月18日
专知会员服务
25+阅读 · 2020年12月17日
【KDD2020】动态知识图谱的多事件预测
专知会员服务
127+阅读 · 2020年8月30日
专知会员服务
49+阅读 · 2020年8月27日
相关资讯
【Twitter】时序图神经网络
专知
9+阅读 · 2020年10月16日
解析KDTCN:知识图谱和深度学习模型联合实现股票预测
凡人机器学习
9+阅读 · 2020年9月12日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
【KDD2020】复杂异构网络中的高阶聚类
专知
8+阅读 · 2020年8月27日
论文浅尝 | ICLR2020 - 基于组合的多关系图卷积网络
开放知识图谱
21+阅读 · 2020年4月24日
白雪 | NLP加持知识图谱在金融事件挖掘中的应用
开放知识图谱
14+阅读 · 2018年9月21日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
微信扫码咨询专知VIP会员