混沌のささやきを聞く：ニュース指向の株価動向予測のための深層学習フレームワーク

株価動向の予測は、株式投資から最大限の利益を得る上で重要な役割を果たします。しかし、株式市場の高変動性と非定常性のために、正確な動向予測は非常に困難です。インターネット上の情報の爆発的な増加と自然言語処理やテキストマイニング技術の進歩により、投資家はオンラインコンテンツから市場動向や変動性を解明できるようになりました。しかしながら、株式市場に関連するオンラインコンテンツの品質、信頼性、網羅性は大きく異なり、その大部分が低品質なニュース、コメント、さらには噂で構成されています。この課題に対処するために、我々は人間がこのような混沌としたオンラインニュースに直面した際の学習過程を模倣し、以下の3つの原則に基づいています：時系列的内容依存性（sequential content dependency）、多様な影響力（diverse influence）、効果的かつ効率的な学習（effective and efficient learning）。本論文では、最初の2つの原則を捉えるために、最近の関連ニュースの系列に基づいて株価動向を予測するハイブリッドアテンションネットワーク（Hybrid Attention Networks）を設計しました。さらに、第3の原則を模倣するために自己ペース学習機構（self-paced learning mechanism）を適用しています。実世界の株式市場データを使用した広範な実験により、当手法の有効性が示されました。