清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

FinGAT: Financial Graph Attention Networks for Recommending Top-K Profitable Stocks

库存(枪支) 计算机科学 图形 计量经济学 经济 理论计算机科学 地理 考古
作者
Yi Ling Hsu,Yu Che Tsai,Cheng-Te Li
出处
期刊:IEEE Transactions on Knowledge and Data Engineering [Institute of Electrical and Electronics Engineers]
卷期号:: 1-1 被引量:8
标识
DOI:10.1109/tkde.2021.3079496
摘要

Financial technology (FinTech) has drawn much attention among investors and companies. While conventional stock analysis in FinTech targets at predicting stock prices, less effort is made for profitable stock recommendation. Besides, in existing approaches on modeling time series of stock prices, the relationships among stocks and sectors (i.e., categories of stocks) are either neglected or pre-defined. Ignoring stock relationships will miss the information shared between stocks while using pre-defined relationships cannot depict the latent interactions or influence of stock prices between stocks. In this work, we aim at recommending the top-K profitable stocks in terms of return ratio using time series of stock prices and sector information. We propose a novel deep learning-based model, Financial Graph Attention Networks (FinGAT), to tackle the task under the setting that no pre-defined relationships between stocks are given. The idea of FinGAT is three-fold. First, we devise a hierarchical learning component to learn short-term and long-term sequential patterns from stock time series. Second, a fully-connected graph between stocks and a fully-connected graph between sectors are constructed, along with graph attention networks, to learn the latent interactions among stocks and sectors. Third, a multi-task objective is devised to jointly recommend the profitable stocks and predict the stock movement. Experiments conducted on Taiwan Stock, S&P 500, and NASDAQ datasets exhibit remarkable recommendation performance of our FinGAT, comparing to state-of-the-art methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
酸奶球完成签到 ,获得积分10
14秒前
甜乎贝贝完成签到 ,获得积分10
32秒前
48秒前
江河湖海完成签到 ,获得积分10
52秒前
ckkk发布了新的文献求助20
52秒前
Singularity发布了新的文献求助10
58秒前
xjwang完成签到 ,获得积分10
1分钟前
zz完成签到 ,获得积分10
1分钟前
dbdxyty完成签到,获得积分10
1分钟前
whx完成签到 ,获得积分10
1分钟前
1分钟前
SOLOMON应助科研通管家采纳,获得10
1分钟前
SOLOMON应助科研通管家采纳,获得10
1分钟前
百里如雪完成签到,获得积分10
1分钟前
细心行云完成签到,获得积分10
1分钟前
姆姆没买完成签到 ,获得积分10
2分钟前
建丰完成签到,获得积分10
2分钟前
完美青柏完成签到 ,获得积分10
2分钟前
四喜丸子完成签到 ,获得积分10
2分钟前
2分钟前
孟萌完成签到 ,获得积分10
2分钟前
iMoney完成签到 ,获得积分10
3分钟前
范白容完成签到 ,获得积分10
3分钟前
蓝意完成签到,获得积分10
3分钟前
研友_X84KrZ完成签到 ,获得积分10
3分钟前
活泼的大船完成签到 ,获得积分10
3分钟前
3分钟前
fay1987完成签到,获得积分10
3分钟前
ZHANG完成签到 ,获得积分10
3分钟前
小文cremen完成签到 ,获得积分10
3分钟前
研友_8y2G0L完成签到,获得积分10
4分钟前
4分钟前
小糊涂完成签到 ,获得积分10
4分钟前
瓣落的碎梦完成签到,获得积分10
4分钟前
一群小怪发布了新的文献求助10
4分钟前
4分钟前
5分钟前
SDNUDRUG完成签到,获得积分10
5分钟前
5分钟前
退伍的三毛完成签到 ,获得积分10
5分钟前
高分求助中
请在求助之前详细阅读求助说明!!!! 20000
The Three Stars Each: The Astrolabes and Related Texts 900
Yuwu Song, Biographical Dictionary of the People's Republic of China 700
Bernd Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
A radiographic standard of reference for the growing knee 400
Glossary of Geology 400
Additive Manufacturing Design and Applications 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2473581
求助须知:如何正确求助?哪些是违规求助? 2138793
关于积分的说明 5450839
捐赠科研通 1862817
什么是DOI,文献DOI怎么找? 926240
版权声明 562817
科研通“疑难数据库(出版商)”最低求助积分说明 495463