股票预测论文精读：Astock: a new dataset & automated stock trading based on stock-specific news analyzing mod

股票预测 stock prediction领域一直都是很有趣的研究方向，但是奈何行业的特点，很少有统一的数据集和一些评估方法，本文是来自我们IJCAI 2022的finnlp 录取的论文：Astock: a new dataset and automated stock trading based on stock-specific news analyzing Model.

论文的地址：https://arxiv.org/abs/2206.06606

数据集及code的地址：GitHub - JinanZou/Astock: Astock

本文提供了中文股票的数据集包括了新闻财报，股价，成交量，市盈率等20多个基本面和技术面的指标数据。也欢迎在量化及fintec的从业者和研究者和我们交流。

Abstract

自然语言处理(NLP)通过分析社交媒体或新闻机构的文本，显示出支持金融决策的巨大潜力。在这项工作中，我们建立了一个平台来系统地研究NLP辅助的股票自动交易算法。与之前的工作相比，我们的平台有三个特点。(1) 我们为每只具体的股票提供金融新闻。(2) 我们为每只股票提供各种股票因素。(3) 我们从更多的金融相关指标来评估业绩。这样的设计使我们能够在一个更现实的环境中开发和评估NLP辅助的股票自动交易算法。除了设计一个评估平台和数据集的收集，我们还在技术上做出了贡献，提出了一个从各种输入信息中自动学习良好特征表示的系统。我们算法的关键是一种叫做语义角色标记池（SRLP）的方法，它利用语义角色标记（SRL）来创建每个新闻段落的紧凑表示。在SRLP的基础上，我们进一步结合其他股票因素来进行最终预测。此外，我们提出了一种基于SRLP的自我监督学习策略，以提高我们系统的分布外泛化性能。通过我们的实验研究，我们表明所提出的方法取得了更好的性能，超过了所有基线的年化收益率以及沪深300指数和XIN9指数在实际交易中的最大跌幅。