基于图神经网络模型的股市风险预警研究

股票市场的风险预警是维护国家经济体系安全稳定的基础,准确的股市风险预警对于股民、有关监管部门以及企业都有重要意义。提出了一种新的以股票关系网络为基础的图神经网络(GNNs)预警模型,与现有基于预警指标体系和传统机器学习模型的方法有所不同。构建了基于Spearman相关系数的股票关系网络,并运用了图卷积神经网络与多层感知机模型(GCN-MLP),建立以股票关系网络和股票特征为输入变量的股市风险预警模型。实验分析表明,在公共数据集上,GCN-MLP预警模型相较于其他经典和先进的方法,具有更具竞争力的预警性能。