本研究提出FININ模型，评估金融新闻与市场价格的关系，并考虑新闻条目间的相互作用。实验结果表明，FININ模型提高了S&P 500和NASDAQ 100的日常夏普比率，验证了其市场预测的有效性。

本文介绍了如何使用K最近邻算法（KNN）预测价格走势和确定交易点。文章详细介绍了如何在Python中实现KNN算法创建交易策略，并通过测试数据集评估交易策略表现。最后，提供了一些调整代码的建议，以提高模型准确性和改进交易策略。

研究者提出了L2GMOM，一种机器学习框架，利用金融网络预测回报。回测结果显示，投资组合的盈利能力和风险控制有显著提高，夏普比率为1.74。