计算机应用研究

作者：韩忠明,孟怡新,郭惠莹,郭苗苗,毛雅俊,

单位：北京工商大学计算机与人工智能学院,北京100048；

关键词：股票预测,异构网络,图相似性,

基金：国家重点研发计划资助项目(2022YFC3302600)；北京市自然科学基金资助项目(4172016)；；

股票预测通常被形式化为非线性的时间序列预测任务，但很少有研究者试图通过技术面数据去系统地揭示股票市场内在结构，例如股票上涨或下跌背后的原因可能是业务领域之间的合作或冲突，这些额外信息的增加有助于判断股票的未来趋势。为了充分真实刻画股票市场的交易状态，表达股票之间显式或隐式的关系，提出一种基于动态异构网络的股价预测模型sDHN（stock dynamic heterogeneous network），综合股票以及所属行业和地域，将其建模为动态异构网络。该模型在网络上引入动态时序特征，创新融合股票节点的四种不同技术层面的相似性图，生成富信息异构图，最后聚合不同元路径中隐含的语义信息生成嵌入，从异构图的角度充分探索股票之间的潜在关联。此外，在三个真实世界的股票数据集上进行了大量实验，所提出的模型准确率比所有基线模型均高出5%~34%，F1-score则高出11.5%~37%，并且在图解释上证明了该方法的有效性。

来源：2024年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第7期