ML-GAT: A Multilevel Graph Attention Model for Stock Prediction
创建于 更新于
摘要
本报告提出一种多层次图注意力网络模型ML-GAT，融合股票历史价格、新闻文本和企业关系数据，利用多层注意力机制选择性聚合不同类型关系信息，显著提升了S&P 500和CSI 300指数股票趋势预测的准确率和盈利能力。实验表明，ML-GAT在F1-score和准确率分别较基准模型提升11.82%和12.6%，日均收益率和夏普比率分别提升5.06%和94.81%。模型可解释性强，关联关系符合实际市场互动 [page::0][page::1][page::4][page::6][page::8][page::9][page::12][page::13]
