FAR-Trans: An Investment Dataset for Financial Asset Recommendation

金融资产推荐（FAR）是推荐系统的一个子领域，旨在为投资者识别有用的金融证券，以期他们将资本投资于推荐的资产上。FAR解决方案分析并学习来自多个数据源的信息，包括时间序列价格数据、客户档案信息和期望，以及过去的投资。然而，大多数模型都是在专有数据集上开发的，因此无法在共同的基准下进行比较。在本文中，我们旨在通过引入FAR-Trans来解决这个问题，这是FAR的第一个公共数据集，其中包含从一家大型欧洲金融机构获取的定价信息和零售投资者交易。我们还提供了对11种FAR算法在数据上的基准比较，以供未来参考。该数据集可从https://doi.org/10.5525/gla.researchdata.1658下载。

本论文旨在解决金融资产推荐领域中数据集不公开的问题，提出了第一个公开的金融资产推荐数据集FAR-Trans，并对11种FAR算法在该数据集上进行了基准测试。

本论文提出了FAR-Trans数据集，并使用该数据集对11种FAR算法进行基准测试，为金融资产推荐领域的研究提供了公开的数据集和基准测试。

本文提出的FAR-Trans数据集包含了欧洲一家大型金融机构的定价信息和零售投资者交易信息，是第一个公开的金融资产推荐数据集。本文对11种FAR算法在该数据集上进行了基准测试，并提供了开源代码。未来可以使用该数据集和基准测试来进一步研究金融资产推荐领域。

近年来，金融资产推荐领域的研究越来越受到关注。相关的研究包括：《A Survey on Deep Learning for Financial Asset Recommendation》、《Learning to Recommend Descriptive Tags for Questions in Social Forums》等。