检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图神经网络的股票推荐研究

基于图神经网络的股票推荐研究

作者：何延伸中南大学

学位级别：硕士

股票市场由于它的高流动性和高回报潜力,受到投资者的关注。与此同时,如何准确地预测股票价格的未来走势成为投资者重点关注的问题。近年来,一些研究人员利用股票关系来提高模型的预测性能,但目前,仍存在一些需要解决的问题:一是如何捕... 详细信息

股票市场由于它的高流动性和高回报潜力,受到投资者的关注。与此同时,如何准确地预测股票价格的未来走势成为投资者重点关注的问题。近年来,一些研究人员利用股票关系来提高模型的预测性能,但目前,仍存在一些需要解决的问题:一是如何捕捉股票间隐性的静态关系和动态关系。二是如何捕捉股票间隐性的动态高阶关系。三是大部分研究仅在整理的数据集内验证模型,缺少在实际应用场景下对模型进行持续验证的工作。因此本文从充分挖掘股票关系的角度出发,设计了两个股票推荐模型,并实现了一个股票推荐分析系统。其中,模型先预测股票收益排名,然后根据排名产生股票推荐。本文的主要贡献在于:(1)为了捕捉股票间隐性的静态关系和动态关系,本文提出了基于静动态图神经网络的股票推荐模型。在模型中,设计了图生成模块。该模块基于股票代码嵌入,计算并生成静态关系图,该图在训练过程中基于反向传播算法被不断优化,以此自动捕捉股票间隐性的静态关系。基于股票特征序列的隐藏向量,利用相似性网络计算隐藏向量间的关系强度,以此来构建动态关系图,当隐藏向量发生改变,动态关系图也随之改变。在以上两张图的基础上,设计了图交互模块,该模块根据图上信息生成掩膜,并以掩膜为介质使两张图之间进行信息交互,以此进一步优化两张图的结构。通过实验验证,该模型在股票数据集上,具有优秀的预测性能,相对最优的基线模型在IC和Rank IC评价指标上的表现,在CSI-300数据集上该模型的评价表现分别提升了4.6%和4.8%,在CSI-100数据集上分别提升了5.0%和4.3%。(2)为了捕捉股票间隐性的动态高阶关系,本文提出了基于超图注意力网络的股票推荐模型。以多个股票节点中的一个节点为例,设该节点为某一条高阶关系的中心节点,在超图注意力网络中,通过距离网络计算该节点与所有其他节点之间的距离,若距离小于设置的门限值,则将节点归为这条高阶关系连接的节点。任一个节点均可为某一条高阶关系的中心节点,因此可以通过以上方法挖掘股票间的多条高阶关系。此外,该网络通过注意力机制,让股票节点能够选择性地从高阶关系对应的隐藏向量中聚合信息。通过实验表明,该模型在数据集上取得了最优的预测效果,相较于基于静动态图神经网络的股票推荐模型,该模型在收盘价收益排名的预测上评价指标IC和Rank IC分别提升了4.7%和6.3%。(3)为了在真实的股票市场环境中持续验证模型的效果,本文以超图注意力网络为预测模型,开发了一个股票推荐分析系统。该系统定期完成股票最新数据的爬取、股票推荐、模型性能评估和推荐股票的收益分析。经过验证表明,模型在真实市场环境下的性能与研究中的评估性能相近。图19幅,表8个,参考文献70篇

关键词：图神经网络股票推荐超图神经网络注意力机制

少即是多:来自股票市场对微信推荐的经验证据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

系统工程理论与实践 2023年第3期43卷 706-724页

作者：沈德华于鑫蕾张维南开大学金融学院天津300350 天津大学管理与经济学部天津300072

本文以微信作为社交媒体代表,应用事件研究法分析了2012年-2018年民间财经公众号发布的股票推荐文章对中国股票市场的影响,结果发现:1)股票在文章发布当天的异常收益显著为正,随即迅速跌落至负值,相应的累计异常收益反转表现支持了价格... 详细信息

本文以微信作为社交媒体代表,应用事件研究法分析了2012年-2018年民间财经公众号发布的股票推荐文章对中国股票市场的影响,结果发现:1)股票在文章发布当天的异常收益显著为正,随即迅速跌落至负值,相应的累计异常收益反转表现支持了价格压力假说.2)股票被不同文章重复报道次数越多,异常收益越高.3)股票的报道内容字数越少,异常收益越高.另外,公众号对股票的报道次数和报道内容字数越多,表明媒体对该股票的关注越高,然而本文在观察两种分组下的市场表现差异中发现报道次数增多会增强投资者关注,而报道内容字数减少才会增强投资者关注,一定程度上说明投资者关注而非媒体关注才是引发市场异常收益的直接原因,为投资者有限注意提供了经验证据.

关键词：股票推荐投资者关注微信价格压力假说价格反转

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于关系网络的股票推荐方法研究

基于关系网络的股票推荐方法研究

作者：应晓婷中南大学

学位级别：硕士

随着金融市场的快速发展,股票市场成为了投资者的关注热点,投资者在其中进行交易以获取收益。股票推荐任务是为投资者推荐收益率较高的股票,以此降低投资风险。以往大部分股票预测方法通过研究历史序列模式或者金融文本特征来预测股票... 详细信息

随着金融市场的快速发展,股票市场成为了投资者的关注热点,投资者在其中进行交易以获取收益。股票推荐任务是为投资者推荐收益率较高的股票,以此降低投资风险。以往大部分股票预测方法通过研究历史序列模式或者金融文本特征来预测股票未来趋势。近年来,一些研究开始利用股票之间的关系来进行股票预测和推荐。然而,由于股票之间关系强度的时变性和关系数据的不同类型,导致现有模型不能准确地获取股票之间的关系信息,限制了股票预测的精度。因此,本文充分考虑股票关系的时变性和多类型,针对两种股票关系网络设计了基于图神经网络的股票推荐模型。本文的主要工作及贡献如下:(1)考虑到股票行业关系之间关系强度的动态变化特性,本文提出了基于时间感知关系注意力网络的股票推荐模型。此模型能够从股票历史序列信息和股票的描述文档信息的交互中捕获基于时间感知的关系强度,并运用图卷积算法对具有动态关系强度的相邻股票节点的特征进行聚合。最后根据股票历史特征和关系特征预测出股票的预期收益率并将预期收益最高的股票推荐给投资者。在美国股市数据集上的实验结果表明,本文提出的模型优于其他股票推荐方法。(2)考虑到股票知识图中多种类型的股票关系会对股票预测产生不同的影响,本文提出了基于关系感知注意力图卷积网络的股票推荐模型。此模型通过获取邻居之间的注意力系数,并关注不同类型的股票关系来进行信息聚合,以此捕获图中更深层次的关系特征,最后结合股票历史序列的时序特征进行股票推荐。此模型充分利用股票知识图的多类型关系信息,在美股市场的股票推荐实验中优于其他方法。图21幅,表14个,参考文献79篇

关键词：金融市场股票推荐关系网络图神经网络注意力机制时间感知关系感知

基于深度神经网络的股票推荐系统的研究与开发

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的股票推荐系统的研究与开发

作者：高启龙首都经济贸易大学

学位级别：硕士

中国的改革开放和互联网多年的快速发展,网络成为了大部分人发布和获取信息的渠道。金融行业更是如此,越来越多的机构发布新闻信息和数据,越来越多的分析师对经济进行分析。并且随着投资者投资需求的多样化,对于更多样的信息的获取需求... 详细信息

中国的改革开放和互联网多年的快速发展,网络成为了大部分人发布和获取信息的渠道。金融行业更是如此,越来越多的机构发布新闻信息和数据,越来越多的分析师对经济进行分析。并且随着投资者投资需求的多样化,对于更多样的信息的获取需求也在增加。对于某个投资者而言,网络上海量的金融信息很多都无法对其产生投资帮助,但投资者又需要当下值得投资的热点股票和其他热点信息。因此,如何从大量的金融文本信息中有效的获取到当下热点股票和其他热点信息,是金融行业为满足用户需求必须要解决的难题。传统的金融类网站在对热点股票和热点信息进行推荐的时候更偏向于数据的展示,用户在密密麻麻的数字和文本中寻找热点股票往往需要花费大量的精力和时间代价,且热点股票的推荐和热点信息的展示基本是基于统计计数的方法,具备比较低的可参考性。本文针对以上的问题,利用自然语言处理技术对当下热点股票、热点板块、热点地域等进行搜寻,利用Django框架搭建Web系统,提供热点股票的推荐和一些具体信息的查询功能。本系统主要通过命名实体识别模型识别出文本中的实体,根据规则建立实体间关系,利用图论的方法找到关键实体作为热点,对其中的热点股票进行推荐。使用图数据库对数据进行存储,利用图数据库对实体复杂关系高效的处理,应对用户对于相关内容的查询。本文后面的部分对股票推荐系统进行和测试和展示,其中主要包括股票推荐和信息查询等系统核心功能的展示。本文利用当下工业界应用广泛的自然语言处理技术和图论对热点进行搜寻和判定。使用图数据库对关系错综复杂的金融行业信息进行处理,将信息展示给用户。在实现的功能上具有可信度。所以,测试表明:本文利用自然语言处理算法实现了一个结果可靠的股票推荐系统,在金融领域会有很广泛的实际应用能力。

关键词：金融行业股票推荐热点信息自然语言处理图数据库

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于BP-TOPSIS的股票推荐研究

基于BP-TOPSIS的股票推荐研究

作者：凌玲中国石油大学(北京)

学位级别：硕士

金融市场的发展以及信息传播速度的快速增长,促使着经理人对金融产品的推荐进行不断深化研究。上个世纪60年代以来,量化投资逐渐盛行,以量化投资为手段的量化基金也逐渐被人用运用起来。进入21世纪,人工智能算法也逐渐盛行起来,利用智... 详细信息

金融市场的发展以及信息传播速度的快速增长,促使着经理人对金融产品的推荐进行不断深化研究。上个世纪60年代以来,量化投资逐渐盛行,以量化投资为手段的量化基金也逐渐被人用运用起来。进入21世纪,人工智能算法也逐渐盛行起来,利用智能算法处理信息在选股方面的研究是重要的研究方向,不仅可以拓宽人工智能在金融业的发展领域,也能满足投资者的需求。本文探讨了中国股票市场上的量化选股问题,将结合BP神经网络模型与TOPSIS多属性决策方法构建一个股票推荐模型。本文将会以中国整个A股市场作为研究对象,从预测公司的未来盈利情况出发,首先运用BP神经网络建立一个可以筛选出被市场低估未来盈利的股票的模型,使其能够选出被市场低估价格的股票;其次,将通过回归法筛选出有效指标,并建立TOPSIS模型来构建投资组合;最后会结合多个评价指标对所构建组合的表现进行评价,并将其结果和一些权威指数进行对比,验证模型的有效性。实证结果表明BP-TOPSIS股票推荐模型的选股能力高于单独的TOPSIS选股模型,能够获得显著的超额收益率,并且明显降低了投资组合的风险。本文建立的股票模型给投资者提供了较好的投资策略和风险管理策略,有助于提高投资组合的绩效。

关键词：股票推荐 BP神经网络 TOPSIS多属性决策

基于机器学习的股票预测及股票推荐系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的股票预测及股票推荐系统的设计与实现

作者：胡杰北京交通大学

学位级别：硕士

随着人工智能技术的迭代跟新和金融领域数据的细化与清晰化,使得股票量化投资和精准投资变的越来越符合实际。本项目旨在设计基于机器学习模型的股票预测和股票推荐系统,根据每日股票数据和股民情绪对股票的走势作出预测,为股民投资给... 详细信息

随着人工智能技术的迭代跟新和金融领域数据的细化与清晰化,使得股票量化投资和精准投资变的越来越符合实际。本项目旨在设计基于机器学习模型的股票预测和股票推荐系统,根据每日股票数据和股民情绪对股票的走势作出预测,为股民投资给出一定的建议;还可以根据预测结果为用户推荐优势股和与用户自选股类似的股票。本系统结合股票技术指标和股民舆情双重影响因子对股票价格趋势作出预测,简要步骤为首先根据深度学习模型对股民舆论进行舆情分析,然后与基本技术指标相结合喂入预测模型中完成股票价格预测。本系统可分为账户信息管理模块、自选股管理模块、数据收集与预处理模块、股票预测模块、实时行情模块和股票推荐模块。本人在项目中完成了:所需历史数据获取,主要包括股票历史数据、舆情历史数据、有标签的舆情文本和中文预料。模型架构与训练,主要包括训练LDA主题模型并实现股票分类,之后进行股票个性化推荐测试并取得良好的效果;改造BERT-WWM模型并训练,之后在有标签的中文数据集上对模型进行鲁棒性测试并取得良好的效果;架构预测模型并训练,之后在真实数据集上对模型进行鲁棒性检验并取得良好的效果。系统设计与实现,主要包括系统需求分析、系统设计、系统实现与系统测试等。本项目使用Django、Nginx、u WSGI等进行开发和部署,最终系统达到预期的要求。但是,项目中还存在着可以进一步优化的部分,期望在今后的工作中可以不断完善。

关键词：股票预测股票推荐舆情分析 Django Nginx

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于高阶奇异分解的个性化股票推荐算法

计算机应用与软件 2015年第10期32卷 284-290页

作者：茅斯佳臧斌宇张谧复旦大学软件学院上海200433 复旦大学软件学院并行处理研究所上海200433 上海市智能信息处理重点实验室(复旦大学) 上海200433

提出算法预测基金经理对股票的投资策略,为个体投资者提供投资意见。不同于仅依据股票本身信息推荐的传统算法,该算法通过高阶奇异值分解算法HOSVD(Higher Order Singular Value Decomposition)学习基金经理的历史交易记录和投资者的个... 详细信息

提出算法预测基金经理对股票的投资策略,为个体投资者提供投资意见。不同于仅依据股票本身信息推荐的传统算法,该算法通过高阶奇异值分解算法HOSVD(Higher Order Singular Value Decomposition)学习基金经理的历史交易记录和投资者的个人特征因素,为投资者提供个性化推荐。除此之外,将非个性化推荐与个性化推荐进行整合,进一步提高推荐质量。对真实股票交易数据的仿真实验结果表明,用于推荐的个性化算法在准确度和收益率方面,优于传统的非个性化算法。

关键词：股票推荐高阶奇异分解线性回归

组合调整频率会影响投资者的回报率么?——基于分析师股票推荐的投资策略研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数理统计与管理 2012年第6期31卷 1134-1140页

作者：王宇熹肖峻陈伟忠上海工程技术大学上海201620 江西财经大学江西南昌330013 同济大学上海200092

利用巨灵数据库的分析师评级数据,从投资者角度建立动态组合,检验了按每日、每周、每两周、每月、每季度头寸调整频率后的超额收益,研究发现:"买入"评级组合在各种头寸调整频率策略下都获得了超越市场指数的超额回报率,其中按每周频率... 详细信息

利用巨灵数据库的分析师评级数据,从投资者角度建立动态组合,检验了按每日、每周、每两周、每月、每季度头寸调整频率后的超额收益,研究发现:"买入"评级组合在各种头寸调整频率策略下都获得了超越市场指数的超额回报率,其中按每周频率进行头寸调整策略获得的市场调整后平均超额回报率最高,按三个月频率进行头寸调整策略获得的市场调整后平均超额回报率最低。投资者在面对分析师一致认为"买入"评级股票时,可按照每周更新的频率构建组合,以获取较高的超额回报率。投资者如果按季度调整频率来卖出股票可能会错失投资机会,卖掉的股票很可能会跑赢市场,投资者可按每两周或每四周的频率调整投资组合中的股票,卖出负面推荐评级"减持/卖出"股票,降低投资亏损。

关键词：调整频率投资绩效分析师股票推荐投资策略

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多类特征的股票走势预测及推荐系统

基于多类特征的股票走势预测及推荐系统

作者：魏侨池哈尔滨工业大学

学位级别：硕士

随着人工智能和经济的发展,市面上出现了越来越多的智能股票投资产品。这类产品基于人工智能算法,为用户提供股票推荐等功能。如果能够设计出有效的股票预测和股票推荐算法,将会进一步提升智能股票投资产品的实际用户体验,也会为人工智... 详细信息

随着人工智能和经济的发展,市面上出现了越来越多的智能股票投资产品。这类产品基于人工智能算法,为用户提供股票推荐等功能。如果能够设计出有效的股票预测和股票推荐算法,将会进一步提升智能股票投资产品的实际用户体验,也会为人工智能和经济发展同时带来进步。为此本文开展了如下的几项工作。考虑到A股的涨跌非常容易受到多方面因素影响,所以本文融合了多个类型的特征,包括股票公司的基本面数据、股票的财报财务数据、股票的行情数据等。由于特征较多,所以需要对多种特征进行合理有效的特征选择以降低数据的维度,提取出重要特征并抛弃意义较小和引入噪音的特征。对此本文将对多种特征选择方法进行实验,找出对股票预测最有效的特征选择方法。另外为了对股票数据进行建模,本文设计了一系列的针对股票数据集的特征工程工作和数据集构造方案,构造了适合建模的数据集。模型方面,结合多种深度学习方法可以克服传统预测方法面临的许多困难与局限,同时避免人为因素的影响。本文首先使用传统机器学习方法(SVM、LR以及DNN)来对股票的非时序特征进行建模,并使用RNN和CNN类模型来对股票的时序相关特征进行建模。然后,本文提出了一种时序与非时序模型结合的深度模型,该模型可以同时处理非时序特征和时序特征,其“Wide”部分负责处理非时序特征,“Deep”部分负责处理时序相关特征。然后模型再对两部分提取到的特征统合建模。该模型在F1值等评价标准上高于其他基础模型。为了更加精准地进行股票推荐,本文在上述模型的基础上,分别构造了分类数据集和回归数据集,分别对两个数据集建模后,借鉴模型融合的方法,使用两个上层模型对两个基模型的结果继续建模,将得到的基分类器特征列权重用于计算股票的推荐分数。基于该推荐分数,对股票进行排序推荐,在对推荐进行传统评价的基础上,本文还通过模拟交易计算了收益率和超额收益率等投资评价指标,使推荐结果更具现实意义。另外,为了能让用户操作整个推荐和模拟交易的流程,本文又基于Django框架构建了一个股票推荐系统。用户可以定义自己喜欢的推荐时间段和推荐股票数,系统将自动为其推荐对应的股票,并进行模拟交易。推荐系统也将会展示股票推荐的各项结果。

关键词：股票预测股票推荐特征工程深度学习