基于事件情感与羊群行为图神经网络的股票价格预测模型ESH-GNN

《Scientific Reports》：An event sentiment and herding-based stock price forecasting using graph neural networks

　　

摘要

由于金融市场的波动性，股票价格预测被认为是一项困难的任务。一个可靠的股票价格预测模型对于做出明智的投资决策、管理财务风险和投资组合至关重要。近年来，图神经网络（GNNs）作为一种有效的股票价格预测方法应运而生，它能够捕获股票之间的相关性。然而，现有的研究存在主要缺陷，即在设计股票价格预测模型时忽略了投资者的羊群行为和事件情感。因此，本研究提出了一种ESH-GNN（事件情感与羊群行为图神经网络）模型。该框架将股票价格预测建模为多变量时间序列，将包含截面绝对偏差（CSAD）的羊群指数以及事件情感作为补充因素纳入其中，从而建立股票之间的联系。图的边基于羊群模式构建，从而形成一个基于羊群行为的图模型。此外，在堆叠的LSTM和BiLSTM层之前还引入了注意力层，以使模型聚焦于重要的先前时间步。实验中使用了标准普尔500指数（S&P500）的成分股、五项政治事件、五项自然灾害以及四项恐怖袭击事件的情感数据。ESH-GNN模型的实验结果表明，其MAPE误差为1.315%。