[论文解读] Stock Market Prediction via Deep Learning Techniques: A Survey

Jinan Zou, Qingying Zhao+7 more|arXiv (Cornell University)|Dec 24, 2022

Stock Market Forecasting Methods被引用 37

一句话总结

本综述回顾用于股市预测的深度学习方法，提出模型分类法，并分析关键预测任务的数据集与评估指标。

ABSTRACT

Existing surveys on stock market prediction often focus on traditional machine learning methods instead of deep learning methods. This motivates us to provide a structured and comprehensive overview of the research on stock market prediction. We present four elaborated subtasks of stock market prediction and propose a novel taxonomy to summarize the state-of-the-art models based on deep neural networks. In addition, we also provide detailed statistics on the datasets and evaluation metrics commonly used in the stock market. Finally, we point out several future directions by sharing some new perspectives on stock market prediction.

研究动机与目标

• 提供以深度学习为重点的股市预测的结构化概览。
• 引入一个新的分类法，用以对用于股市预测的最先进的深度神经网络进行分类。
• 整理并分析在股市预测中常用的数据集和评估指标。
• 讨论金融领域深度学习的公开挑战与未来研究方向。

提出的方法

• 对用于股市预测的深度学习的94篇高质量论文进行回顾与综合。
• 建立分类法，将模型分为 RNNs、CNNs、GNNs、基于 Transformer 的，以及 RL 方法。
• 对在研究工作中使用的输入、数据集和评估指标进行分析。
• 确定四个主要的股市预测任务：股价预测、股票涨跌预测、组合管理，以及交易策略。
• 讨论最近的技术，如 Transformer 和强化学习及其对该领域的影响。

实验结果

研究问题

• RQ1 当前用于股市预测的深度学习模型有哪些？它们是如何分类的？
• RQ2 在本领域，深度学习所解决的主要任务（价格、涨跌、组合、交易）有哪些？
• RQ3 常用的数据集和评估指标有哪些？它们的使用趋势是什么？
• RQ4 在股市预测的深度学习领域，关键的公开挑战和未来有前景的研究方向是什么？

主要发现

• 确定的四个主要股市预测任务：股价预测、股票涨跌预测、组合管理，以及交易策略。
• 一种新颖的深学习分类法将模型分为 RNN、CNN、GNN、Transformer 和 RL，突出最近 Transformer 与 RL 的突出地位。
• 本综述整理了跨研究的数据集、输入和评估技术的详细统计。
• 该研究讨论了开放问题并概述了基于深度学习的股市预测的潜在未来方向。