CausalStock: Deep End-to-end Causal Discovery for News-driven Stock Movement Prediction
创建于 更新于
摘要
本报告提出了CausalStock模型，通过设计滞后依赖的时序因果发现机制，结合基于大语言模型的降噪新闻编码器，实现新闻驱动的多股票运动预测。该模型可发现股票之间的因果关系，有效提取新闻信息，并在多国六个真实数据集上优于多种基线模型，且具备良好的解释性 [page::0][page::1][page::4][page::7][page::8][page::9]。
