- 博客(2)
- 收藏
- 关注
RSS订阅原创 论文解读：STOCK2VEC: AN EMBEDDING TO IMPROVE PREDICTIVE MODELS FOR COMPANIES
见图：纵轴表示企业的实际行业，横轴表示SVM分类器预测的行业。因此，准确的预测位于对角线上，而混淆则位于对角线之外。这一事实表明，大多数错误的预测是由于部门之间的相似性造成的，并不是由Stock2Vec embedding造成的。SVM分类器在使用Stock2Vec embedding 进行行业预测时能够达到60%左右的准确率，这表明使用Stock2Vec embedding 可以给定公司的大约60%的信息。其次，之前的工作主要集中在使用公司特征来预测股票走势，但都没有利用Word2Vec算法来构建一个。
2023-11-15 10:02:04
139
原创 论文解读：Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation
TCN模块输出并没有产生最终大小为1的预测，而是输出一个向量作为特征图，其中包含了从时间序列中提取的信息，可以将其与已学习的Stock2Vec特征进行拼接。Database “FinSentS Web News Sentiment”: 股票的每日新闻文章数量,及衡量媒体中使用文本的情感评分 🔗：(https://www.quandl.com/databases/NS1/)categorical input：通过嵌入映射为稠密的数值向量，从股票名称中嵌入的向量作为类别特征被称为Stock2Vec。
2023-11-15 09:51:25
164
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人