使用CNN预测标准普尔500指数股票走势

本文探讨了使用卷积神经网络 (CNN) 对多元原始数据（包括股票分割/股息事件）进行股票走势预测，这与许多使用工程化金融数据或单维度数据的现有研究不同。这种方法意义重大，因为它试图直接模拟真实世界的市场数据复杂性，从而可能导致更准确的预测。在将历史股票数据视为类似图像的矩阵的背景下，使用通常用于图像分类的 CNN 具有创新性。该论文的潜力在于它能够预测不同层面的股票走势（单只股票、行业或投资组合），以及它使用原始的、未经处理的数据。