融合图卷积和卷积自注意力的股票预测方法

随着我国股票市场的不断发展，一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足，提出了融合图卷积（GCN）和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数（DCCA）计算多只关联股票的关系矩阵，再使用GCN结合关系矩阵对关联股票进行特征提取，其次使用多头卷积自注意力提取时间特征，最后使用分类损失函多项式展开框架（POLY）对损失函数优化，最后进行趋势预测。实验结果表明，所提模型在准确率、查全率、召回率以及F1分数上均优于（LSTM）、门控循环单元（GRU）、时间卷积网络（TCN）等模型。