Methods for Acquiring and Incorporating Knowledge into Stock Price Prediction: A Survey

要約

株式市場には固有の変動性と非線形性があるため、株価の予測には困難な研究問題が伴います。
近年、外部知識を活用して株式市場を理解する知識強化型株価予測手法が画期的な成果を上げています。
これらの方法の重要性にもかかわらず、外部の知識タイプの観点から先行研究を体系的に統合した学術著作は不足しています。
具体的には、外部知識はさまざまなデータ構造でモデル化できます。これらは、非グラフベースの形式とグラフベースの形式にグループ化されます。 1) 非グラフベースの知識は、個別の株式に特に関連付けられたコンテキスト情報とマルチメディアの説明をキャプチャします。
2) グラフベースの知識は、株式市場の相互に関連し、相互に依存する情報を捕捉します。
この調査ペーパーは、さまざまな非構造化データソースから外部知識を取得し、それを株価予測モデルに組み込む方法について体系的かつ包括的に説明することを目的としています。
また、外部の知識と過去の価格の特徴を組み合わせる融合方法も模索します。
さらに、この論文には関連するデータセットの編集が含まれており、この分野における潜在的な将来の研究の方向性を掘り下げています。

要約(オリジナル)

Predicting stock prices presents a challenging research problem due to the inherent volatility and non-linear nature of the stock market. In recent years, knowledge-enhanced stock price prediction methods have shown groundbreaking results by utilizing external knowledge to understand the stock market. Despite the importance of these methods, there is a scarcity of scholarly works that systematically synthesize previous studies from the perspective of external knowledge types. Specifically, the external knowledge can be modeled in different data structures, which we group into non-graph-based formats and graph-based formats: 1) non-graph-based knowledge captures contextual information and multimedia descriptions specifically associated with an individual stock; 2) graph-based knowledge captures interconnected and interdependent information in the stock market. This survey paper aims to provide a systematic and comprehensive description of methods for acquiring external knowledge from various unstructured data sources and then incorporating it into stock price prediction models. We also explore fusion methods for combining external knowledge with historical price features. Moreover, this paper includes a compilation of relevant datasets and delves into potential future research directions in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google