基于深度学习的事件驱动型股票预测[论文研读笔记]简介:使用深度学习模型来对股票进行预测,首先将新闻事件提取出来,然后将其表示为稠密向量,使用神经张量网络(NeuralTensorNetwork)来训练事件。.然后使用深度卷积神经网络(deepconvolutionalneuralnetwork...
算法在A股个股样本外可预测性问题上的表现。研究主要发现有三点:(1)历史交易数据信息对下个月个股股票收益率依然有预测效果,且机器学习算法的样本外预测效果优于传统计量经济学模型。(2)在中国A股市场上,流动性类特征变量的预测能力较强,而动量类
这篇文章提出了一种新颖的基于图卷积特征的卷积神经网络股票趋势预测方法,这种方法可以考虑股票市场信息以及个股信息,并实现有效的趋势预测。实验验证了提出的模型具有较好的预测效果以及收益表现。原论文在文末进行获取。1摘要
在我对股票交易第一性原理的不断探索中,发现如下规律:供需关系产生量价,量价关系产生势,势分为趋势和动量。这与东方哲学中的“道生一,一生二,二生三,三生万物”的理念相吻合。通过引入物理学的相关概念,首创性提出板块势能理论,并对板块势能(趋势和动量)进行量化分析...
随着互联网应用的飞速发展和用户人数的急剧增长,股市评论与观点在很大程度上反映了股市行情,也影响着股市涨跌。因此,如何快速高效地分析到网民对股市的态度和观点,对股市预测具有很大指导意义。论文研究通过分析不同专业人士发布股评的情感极性来预测股票上涨与下跌趋势。
在今天的文章中,我们将向大家再次介绍经典的CAPM和三五因子模型,并通过beta和市值因子构建一个双因子模型,从一个因子到五个因子,试图来解释中国股票市场的个股价格,我们的模型模板来自经典的三五因子模型,我们评价不同因子的解释…
具体到个股,以中报披露完毕的首个交易日(9月1日)市盈率为参照对象,计算9月以来涨跌幅,并对比不同范围市盈率个股的涨跌幅中位数。结果显示,低市盈率个股的表现优于高市盈率股,市盈率为负数(业绩亏损股)个股的表现最差。
本文是一篇金融论文,本文选取了2017.1.3-2021.3.31之间HS300指数日收益率序列,基于GARCH模型和EGARCH模型对HS300股指期权上市交易对标的现货市场波动程度的影响展开了实证研…
基于深度学习的事件驱动型股票预测[论文研读笔记]简介:使用深度学习模型来对股票进行预测,首先将新闻事件提取出来,然后将其表示为稠密向量,使用神经张量网络(NeuralTensorNetwork)来训练事件。.然后使用深度卷积神经网络(deepconvolutionalneuralnetwork...
算法在A股个股样本外可预测性问题上的表现。研究主要发现有三点:(1)历史交易数据信息对下个月个股股票收益率依然有预测效果,且机器学习算法的样本外预测效果优于传统计量经济学模型。(2)在中国A股市场上,流动性类特征变量的预测能力较强,而动量类
这篇文章提出了一种新颖的基于图卷积特征的卷积神经网络股票趋势预测方法,这种方法可以考虑股票市场信息以及个股信息,并实现有效的趋势预测。实验验证了提出的模型具有较好的预测效果以及收益表现。原论文在文末进行获取。1摘要
在我对股票交易第一性原理的不断探索中,发现如下规律:供需关系产生量价,量价关系产生势,势分为趋势和动量。这与东方哲学中的“道生一,一生二,二生三,三生万物”的理念相吻合。通过引入物理学的相关概念,首创性提出板块势能理论,并对板块势能(趋势和动量)进行量化分析...
随着互联网应用的飞速发展和用户人数的急剧增长,股市评论与观点在很大程度上反映了股市行情,也影响着股市涨跌。因此,如何快速高效地分析到网民对股市的态度和观点,对股市预测具有很大指导意义。论文研究通过分析不同专业人士发布股评的情感极性来预测股票上涨与下跌趋势。
在今天的文章中,我们将向大家再次介绍经典的CAPM和三五因子模型,并通过beta和市值因子构建一个双因子模型,从一个因子到五个因子,试图来解释中国股票市场的个股价格,我们的模型模板来自经典的三五因子模型,我们评价不同因子的解释…
具体到个股,以中报披露完毕的首个交易日(9月1日)市盈率为参照对象,计算9月以来涨跌幅,并对比不同范围市盈率个股的涨跌幅中位数。结果显示,低市盈率个股的表现优于高市盈率股,市盈率为负数(业绩亏损股)个股的表现最差。
本文是一篇金融论文,本文选取了2017.1.3-2021.3.31之间HS300指数日收益率序列,基于GARCH模型和EGARCH模型对HS300股指期权上市交易对标的现货市场波动程度的影响展开了实证研…