基于预训练模型的A股停牌预测研究

摘要：

股票停牌是基于提高信息披露程度、抑制股票剧烈波动、消除信息不对称等目的所采取的机制,但个股的停牌行为存在随意性以及其复牌时间不确定性的问题,对投资者的合法权益造成了较大的损害.本文研究从股票波动中挖掘停牌的内在规律,提出了基于预训练模型的股票停牌预测机制.首先预训练模型学习A股上市公司股票停牌的共性特征,然后通过预训练模型参数的迁移学习获得个股停牌的特征,进而构建特定个股的停牌预测模型.实证分析选取2539家上市公司作为研究对象,对比分析了多个深度学习组合模型,选择以TADM(TCN-Attention-Dense Model)网络结构作为预训练模型具有较好的总体预测效果,在此基础上个股的迁移学习模型表现出更强的样本识别能力且误报率更低.研究发现,虽然诱发个股停牌的因素很多,但仍能从股票波动中预测停牌事件.研究成果为投资者规避停牌风险、减少投资损失或利用个股停牌实现收益最大化等提供借鉴,并可为监管机构对停牌趋势做出前瞻性判断,对宏观调控和政策调整提供参考.

关键词：股票停牌、预训练模型、迁移学习、深度学习、非平衡样本

分类号：F832.48;F276.6;TP181(金融、银行)

资助基金：高等学校学科创新引智基地项目;中南财经政法大学研究生拔尖人才培养项目;中南财经政法大学研究生拔尖人才培养项目

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：39-51