HATS: A Hierarchical Graph Attention Network for Stock Movement Prediction

A Hierarchical Graph Attention Network for Stock Movement Prediction

目前有很多基于深度学习的方法来预测股市未来走向,但是在过往的很多方法中都忽略了公司(Enterprise)之间的关系。在这篇paper中作者提出图神经网络来建立不同公司之间的联系,并且使用有效信息更新节点特征,最终使用LSTM网络对Stock Movement做Prediction,GRU网络对.Market Index Movement做Prediction

General framework

在股市中会有很多信息(Raw features)产生,例如:开盘价(Open)、收盘价(Close)、交易量(Vol)。在原文中提到每个公司(Enterprise)初始化特征使用50天收盘价(Close)的变化率来表示。整个网络架构如figure 1所示。
在这里插入图片描述

Hierarchical Attention Network

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值