股票走势预测是对股票价格将来走势的预测，在投资中起着至关重要的作用。因为同行业的股票价格是高度相干的，所以市场中的股票之间的信息是能够共享的。最近也提出了几种办法来通过从 Web 中提取的股票概念类别（例如，技术、互联网批发）来开掘共享信息，以改良预测后果。
在以前的工作假如中股票和信息之间的分割是固定的，从而疏忽了股票和信息之间的动静相关性，从而限度了预测后果。现有办法疏忽了暗藏概念携带的贵重共享信息，这些信息掂量股票的共同性超出了手动定义的股票概念。
为克服以往工作的有余，2022 年 1 月微软研究院的提出了一种新鲜的股票趋势预测框架，能够充沛开掘该概念面向来自预约义概念和暗藏概念的共享信息。
所提出的框架同时利用股票的共享信息和个人信息来进步股票趋势预测性能。真实世界工作的试验后果证实了框架在股票趋势预测方面的效率。投资模仿表明，论文的框架能够实现比基线更高的投资回报。
HIST 框架
作者引入了一个在人类专家预约义概念之外的股票概念（例如股票行业、行业和主营业务），并应用股票特色编码器提取每只股票的工夫特色（论文中的 2 层 GRU 网络）。
通过应用基于图的神经网络，整体架构能够形容为：
作者评估了 HIST 框架对两个风行且具备代表性的股票组合：沪深 100 和沪深 300
通过 2007/01/01 到 2020/12/31 的数据并预测 t+1 回报，他们看到 HIST 的 IC 最高
该办法的 Python 源代码和所有其余基线能够在第一作者的 github 存储库中找到：
https://www.overfit.cn/post/76461e2f524546e5aa1e94606f3b9163
论文地址：HIST: A Graph-based Framework for Stock Trend Forecasting via Mining Concept-Oriented Shared Information https://arxiv.org/abs/2110.13716