解读：通过挖掘概念间共享信息，实现股票趋势预测的图模型框架

写在前面

下面这篇文章的内容主要是来自发表于微软亚洲研究院同中山大学合作的一篇文章《HIST: A Graph-based Framework for Stock Trend Forecasting via Mining Concept-Oriented Shared Information》。这篇文章提出了一种股票趋势预测框架，它能够充分挖掘预定义概念和隐藏概念中的共享信息，并再此基础上实现较好效果的股票趋势预测。来自沪深300和中证100的数据验证了提出的模型具有较好的预测效果以及回测效果。原论文在文末进行获取。

1

摘要

股票趋势预测即是预测股票价格的未来趋势，在投资中起着至关重要的作用。市场上的某些股票之间存在共享信息，因此它们的股价具有相关性。近些年来，提出了一系列的方法，如通过从网络中提取股票概念来挖掘共享信息，以提高预测结果。然而，以往的研究通常假设股票和概念之间的联系是静态的，而忽略了股票和概念之间的动态相关性，限制了预测结果。除此之外，现有的方法忽略了隐含概念中蕴含的共享信息，而隐含概念可以衡量了人工定义的股票概念之外的股票间信息，如下图所示，几家公司的股票通过一些人工定义的概念相关联，然而实际中它们还存在一些隐含关系。因此，为了克服以往工作的不足，这篇文章提出了一种新的股票趋势预测框架，该框架能够充分挖掘预定义概念和隐藏概念中的共享信息，该框架同时利用股票共享信息和个股信息来提高股票趋势预测性能。在实际任务中的实验结果证明了该框架对股票趋势预测的有效性。投资模拟结果表明，该框架能够获得比基准更高的投资回报。

总而言之，这篇论文的主要贡献如下所示：

• 提出了一种新的股票共享信息挖掘框架，包括预定义概念和隐藏概念之间的共享信息。挖掘得到的共享信息能够反映股票未来趋势以及共性。

• 该框架利用预定义和隐藏概念的动态共享信息，同时利用每只股票的个体信息，提高了股票趋势预测的性能。

• 通过提出的框架，可以发现一些有意义和有价值的股票隐藏概念。

• 通过对真实数据进行了实验评估和投资模拟，结果验证了提出的框架的有效性。

2

模型介绍

基于事件驱动的股票趋势预测是趋势预测方法中的一类，其目的是通过挖掘各种来源的事件信息来预测股票的价格趋势。事件信息的来源包括新闻、社交媒体和讨论板等。这些方法可以从事件信息中发现股价走势的隐含规律。然而，事件驱动方法高度依赖于事件数据。而事件日期的稀疏性和不规则性会降低事件驱动的股票趋势预测模型的灵活性和性能。

预备工作

这章节中将对文中提出的方法进行介绍，首先交代文中的几个概念：

股票概念。预定义的股票概念是对股票的一些人为定义的概念，如股票的部门、行业和主要业务。隐含股票概念是指人类专家没有预先定义的隐含股票概念，在同一个隐含概念下反映出股票之间某种相似的股价走势。

股票价格趋势。之前的许多研究将股票价格趋势定义为股票价格的未来变化率。根据这些设置，文中将