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。