利用对抗性训练提高库存运动预测能力

使用rnn编码器-解码器学习短语表示，用于统计机器翻译。EMNLP，第1724-17342014页。【Chong等人，2017年】E.Chong、C.Han和F.Park。股票市场分析和预测的深度学习网络：方法、数据表示和案例研究。《欧洲账户体系》，83:187–2052017年。【Dai等人，2018年】H.Dai、H.Li、T.Tian、X.Huang、L.Wang、J.Zhu和L.Song。对图形结构数据进行对抗性攻击。ICML，第1115–11242018页。【Diederik和Jimmy，2015】K.Diederik和B.Jimmy。Adam：一种随机优化方法。ICLR，2015年。【Edwards等人，2007年】R.Edwards、J.Magee和C.Bassetti。股票走势的技术分析。CRC出版社，2007年。[Fama and French，2012]E.F.Fama and K.R.French。国际股票回报的规模、价值和动量。JFE，105（3）：457–4722012。【Feng等人，2018年】F.Feng、X.He、X.Wang、C.Luo、Y.Liu和T.Chua。股票预测的时间关系排序。TOIS，2018年。【Feng等人，2019年】F.Feng、X.He、J.Tang和T.Chua。图对抗训练：基于图结构的动态正则化。arXiv，2019年。【古德费罗等人，2015年】I.古德费罗，J.Shlens，andC。塞格迪。解释和利用对抗性例子。ICLR，2015年。【Graves等人，2013年】A.Graves、A.Mohamed和G.Hinton。深度递归神经网络语音识别。在ICASSP中，第6645–6649页。IEEE，2013年。【He等人，2018年】X.He、Z.He、X.Du和T.Chua。对抗式个性化推荐排名。SIGIR，第355–364页，2018年。【Hochreiter和Schmidhuber，1997】S.Hochreiter和J。施密杜伯。长期短期记忆。神经计算，9（8）：1735-17801997。【胡等人，2018年】胡志忠、刘伟、卞建军、刘晓军和刘铁军。倾听混乱的低语：一个面向新闻的股票趋势预测的深度学习框架。WSDM，第261–2692018页。【Huang等人，2005年】W.Huang、Y.Nakamori和S。

王。用支持向量机预测股市走势。COR，32（10）：2513–25222005。【iyato等人，2017年】MT.iyato、A.M.Dai和I.Goodfello。半监督文本分类的对抗性训练方法。ICLR，2017年。【Kurakin等人，2017年】A.Kurakin，I.Goodfello，andS。班吉奥。大规模对抗式机器学习。ICLR，2017年。【Li等人，2018年】Q.Li，Y.Chen，J.Wang，Y.Chen，andH。陈。网络媒体与股市：大数据视角下的调查与未来方向。TKDE，30（2）：381–3992018。【Lin等人，2017年】T.Lin、T.Guo和K.Aber。用于学习时间序列趋势的混合神经网络。IJCAI，第2273–2279页，2017年。【马斯格雷夫，1997】G.马斯格雷夫。沿着华尔街随机漫步。《商业经济学》，32（2）：74–761997年。【Nelson等人，2017年】D.Nelson、A.Pereira和R.Oliveira。基于lstm神经网络的股票市场价格运动预测。IJCNN，第1419-1426页。IEEE，2017年。【Nguyen等人，2015年】T.H.Nguyen、K.Shirai和J.Velcin。用于股票走势预测的社交媒体情绪分析。《欧洲航天局》，42（24）：9603–96112015。[秦等人，2017年]Y.Qin、D.Song、H.Cheng、W.Cheng、G.Jiang和G.Cottrell。一种用于时间序列预测的双阶段基于注意的电流神经网络。IJCAI，第2627–2633页，2017年。[Rosasco等人，2004年]L.Rosasco、E.D.Vito、A.Caponnetto、M.Piana和A.Verri。损失函数都一样吗？神经计算，16（5）：1063–10762004。【Szegedy等人，2013年】C.Szegedy、W.Zaremba、I.Sutskever、J.Bruna、D.Erhan、I.Goodfello和R.Fergus。神经网络的有趣特性。arXiv，2013年。【Walczak，2001】S.Walczak。神经网络财务预测数据需求的实证分析。JMIS，17（4）：203–2222001年。【Wu等人，2018年】L.Wu、C.Quan、C.Li和D.Ji。帕尔：让陌生人说出你喜欢的。CIKM，第677–686页。

ACM，2018年。【Xu和Cohen，2018】Y.Xu和S.Cohen。根据推特和历史价格预测股票走势。在ACL第1卷第1970-1979页和2018页。【Yang等人，2018年】X.Yang、H.Zhang和J.Cai。Shuf flethen Assembly：学习对象不可知的视觉关系特征。ECCV，第36–52页，2018年。【Zhang等人，2017年】L.Zhang、C.Aggarwal和G.Qi。通过发现多频率交易模式进行股价预测。在SIGKDD中，第2141–2149页。ACM，2017年。【Zhang等人，2018年】X.Zhang、Y.Zhang、S.Wang、Y.Yao、B.Fang和P.Yu。通过异构信息融合改善股市预测。KBS，143:236–2472018。