论文原文+代码+知云文献翻译

链接：https://pan.baidu.com/s/1Lv-g13014iS_XQvVObgL3w
提取码：9vx7

使用对抗训练改进股票走势预测

Improving Stock Movement Prediction with Adversarial Training

论文为股票走势预测提供了一种新的机器学习解决方案，旨在预测短期内的股价，无论股价是上涨还是下跌。关键的创新之处在于，采用对抗训练来提高循环神经网络模型的泛化能力。本文添加对抗性训练的合理性在于，股票预测的输入特征通常基于股票价格，而股票价格本质上是一个随机变量、随时间连续变化的。因此，使用固定的基于股票价格的特征（例如收盘价）的进行的常规训练很容易过度拟合数据，不足以获得可靠的模型。为了解决这个问题，文章增加扰动来模拟连续价格变量的随机性，进而训练模型在小而有意的扰动下还能很好地工作。在两个真实股票数据上的大量实验表明，此方法优于最先进的解决方案（Xu and Cohen 2018），平均相对准确率提高了3.11%，验证了对抗训练在股票预测任务中的有效性。