利用财务新闻预测股票趋势

Hearst，S.T.Dumais，E.Osuna，J.Platt，B.Scholkopf，支持向量机，IEEE智能系统及其应用13（4）（1998）18–28。[5] A.N.Refenes，A.Zapranis，G.Francis，《股票绩效神经网络建模：与回归模型的比较研究》，神经网络7（2）（1994）375–388。[6] S.P.Das，S.Padhy，《支持向量机预测印度股市未来走势》，国际计算机应用杂志41（3）。[7] Lu C.-J.T.-S.Lee，Chiu C.-C.Chiu，使用独立成分分析和支持向量回归进行金融时间序列预测，决策支持系统47（2）（2009）115–125。[8] B.G.Malkiel，《有效市场假说及其批评者》，《经济展望杂志》17（1）（2003）59–82。[9] J.R.Nofsinger，《公共信息对投资者的影响》，《银行与金融杂志》25（7）（2001）1339–1366。[10] E.Schoneburg，《利用神经网络进行股票价格预测：项目报告》，神经计算2（1）（1990）17–27。[11] V.Akgiray，《股票收益时间序列中的条件异方差：证据与预测》，《商业杂志》（1989）55–80。[12] M.G¨o,cken，M.¨Oz,calici，A.Boru，A.T.Dosdogru，集成元启发式和人工神经网络以改进股价预测，专家系统与应用44（2016）320–331。[13] A.A.Adebiyi、A.O.Adewumi、C.K.Ayo，《arima和用于股价预测的人工神经网络模型的比较》，应用数学杂志，2014年。[14] K.-J.Kim，H.Ahn，《用于财务预测的人工神经网络同步优化》，应用智能36（4）（2012）887–898。[15] D.Wu，G.P.C.Fung，J.X.Yu，Q.Pan，《股票预测：基于突发性关键词的事件驱动方法》，中国计算机科学前沿3（2）（2009）145–157。[16] B.Xie，R.J.Passonneau，L.Wu，G.G。

Creamer，预测股价走势的语义框架。[17] 丁X，张Y，刘T，段J，利用结构化事件预测股票价格变动：实证研究，摘自：2014年自然语言处理实证方法会议论文集（EMNLP），2014年，1415-1425页。[18] 丁X，张Y，刘T，段J，事件驱动股票预测的深度学习。，摘自：Ijcai，2015年，第2327-2333页。[19] 丁X，张Y，刘T，段J，知识驱动事件嵌入股票预测，摘自：COLING 2016年会议记录，第26届计算语言学国际会议：技术论文，2016年，第2133-2142页。[20] 张春云、张春云、滕志强、博扎尼克、柯斌，《衡量财经新闻的信息含量》，载《科林会议录2016》，第26届计算语言学国际会议：技术论文集，2016年，第3216-3225页。[21]Y.Peng，H.Jiang，《利用金融新闻利用单词嵌入和深度神经网络预测股价变动》，arXiv预印本XIV:1506.07220。【22】R.Luss，A.d\'Aspremont，《利用文本分类预测新闻的异常回报》，量化金融15（6）（2015）999–1012。【23】M.Skuza，A.Romanowski，《利用大数据分布式股票预测环境对推特数据进行情绪分析》，载于：计算机科学与信息系统（FedCSIS），2015年联合会议，IEEE，2015年，第1349-1354页。【24】V.Sehgal，C.Song，《Sops：利用网络情绪进行股票预测》，摘自：数据挖掘研讨会，2007年。2007年ICDM研讨会。第七届IEEE国际会议，IEEE，2007年，第21-26页。【25】维基百科，文字袋模型（2014年）。统一资源定位地址https://en.wikipedia.org/wiki/Bag-of-words_model【26】维基百科，单词嵌入（2015年）。统一资源定位地址https://en.wikipedia.org/wiki/Word_embedding[27]T.Mikolov，K.Chen，G.Corrado，J。

Dean，《向量空间中单词表示的有效估计》，arXiv预印本arXiv:1301.3781。【28】S.Hochreiter，J.Schmidhuber，《长-短期记忆》，神经计算9（8）（1997）1735-1780。[29]维基百科，长短期记忆神经网络（2015）。统一资源定位地址https://en.wikipedia.org/wiki/Long_short-term_memory【30】I.Sutskever，O.Vinyals，Q.V.Le，《神经网络的序列到序列学习》，摘自《神经信息处理系统的进展》，2014年，第3104-3112页。【31】F.A.Gers，N.N.Schraudolph，J.Schmidhuber，《使用lstm递归网络学习精确计时》，机器学习研究杂志3（Aug）（2002）115–143。[32]D.P.Kingma，J.Ba，Adam：《随机优化方法》，arXiv预印本arXiv:1412.6980。【33】M.D.Zeiler，Adadelta：一种自适应学习率方法，arXiv预印本arXiv:1212.5701。【34】维基百科，交叉熵（2014）。统一资源定位地址https://en.wikipedia.org/wiki/Cross_entropy【35】J.Pennington，R.Socher，C.Manning，《手套：词汇表征的全球向量》，摘自：2014年自然语言处理经验方法会议记录（EMNLP），2014年，第1532-1543页。【36】Q.Chen，X.Zhu，Z.-H.Ling，S.Wei，H.Jiang，D.Inkpen，基于递归神经网络的句子编码器，用于自然语言推理的门控注意，arXiv预印本arXiv:1708.01353。【37】Y.Kim，《用于句子分类的卷积神经网络》，arXiv预印本arXiv:1408.5882。[38]Z.Lin，M.Feng，C.N.d.Santos，M.Yu，B.Xiang，B.Zhou，Y.Bengio，《结构化的自我注意句嵌入》，arXiv预印本XIV:1703.03130。【39】Z.Yang，D.Yang，C.Dyer，X.He，A.Smola，E.Hovy，《文件分类层次注意网络》，载于：计算语言学协会北美分会2016年会议记录：人类语言技术，2016年，第1480-1489页。[40]Y.Zhai，A.Hsu，S.K。

Halgamuge，将新闻和技术指标结合在每日股价趋势预测中，摘自：国际神经网络研讨会，Springer，2007年，第1087-1096页。