Stock Market Telepathy: Graph Neural Networks Predicting the Secret Conversations between MINT and G7 Countries
股市心灵感应：用图神经网络预测 MINT 与 G7 市场联系AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确进行股票指数的多变量时间序列预测；金融预测对象是价格，未直接检验收益预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
股市心灵感应：用图神经网络预测 MINT 与 G7 市场联系
- 研究问题
- 如何利用 MINT 与 G7 股票市场之间的时空联系预测指数价格，并描述各国市场在模型预测过程中的影响？
- 方法与思路
- 作者使用两组国家在 2012—2024 年的主要股票指数，以多变量时间序列图神经网络 MTGNN 建模市场间联系并预测价格。
- 材料陈述的贡献
- 摘要称 MTGNN 的指数价格预测优于传统方法，并报告美国、加拿大、印度尼西亚和土耳其在预测中的影响较突出。
- 阅读关注点
- 应核对预测期限、训练测试划分、传统基准和误差指标，以及国家影响的计算方式是否支持稳定、可解释的市场联系。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出比较细节，预测影响不能直接解释为因果影响或收益可预测性。
原文摘要
Emerging economies, particularly the MINT countries (Mexico, Indonesia, Nigeria, and Türkiye), are gaining influence in global stock markets, although they remain susceptible to the economic conditions of developed countries like the G7 (Canada, France, Germany, Italy, Japan, the United Kingdom, and the United States). This interconnectedness and sensitivity of financial markets make understanding these relationships crucial for investors and policymakers to predict stock price movements accurately. To this end, we examined the main stock market indices of G7 and MINT countries from 2012 to 2024, using a recent graph neural network (GNN) algorithm called multivariate time series forecasting with graph neural network (MTGNN). This method allows for considering complex spatio-temporal connections in multivariate time series. In the implementations, MTGNN revealed that the US and Canada are the most influential G7 countries regarding stock indices in the forecasting process, and Indonesia and Türkiye are the most influential MINT countries. Additionally, our results showed that MTGNN outperformed traditional methods in forecasting the prices of stock market indices for MINT and G7 countries. Consequently, the study offers valuable insights into economic blocks' markets and presents a compelling empirical approach to analyzing global stock market dynamics using MTGNN.