聆听混沌的窃窃私语：用于新闻导向的股票趋势预测的深度学习框架
本指南解释了Hu等人在2019年的论文中的主要思想。对于代码，清单上给出的是Statsnet的代码。 我们假设我们使用Statsnet提供的数据集（推文和历史价格数据）。 作者未提供该论文的源代码。 因此，我们使用以下代码：
此实现不包括自定进度的学习机制，稍后将对此进行介绍。 此实现也不包括基于库存趋势分类的库存预测策略。 对于这些部分，我们参考原始论文。
介绍
在金融中的许多应用中，股票趋势预测是一个有趣的问题。 例如，了解单个股票的趋势将如何使股票投资的利润最大化（Hu et al.2019）。 为此，作者提出了一种基于人类学习过程的方法：顺序的上下文依存关系，多种影响以及有效的学习。
顺序上下文依存关系是指人类投资者在做出决定之前将单个股票上的各种新闻源实现并组合到统一上下文中的能力。 因此，为了模仿这种人类的分析过
