摘要：研究目标:探讨如何对媒体报道、公司新闻等非结构化数据进行文本分析,并应用于股票价格波动预测。研究方法:提出一种基于金融文本情感分析的指数预测模型SA-BERT-LSTM,对沪深300指数的涨跌进行预测。研究发现:情感分析特征能够有效提高模型预测的准确率;相比三种对照模型(BP神经网络、支持向量机、XGBoost),SA-BERT-LSTM模型预测精度更高;该模型同样适用于个股价格预测。研究创新:将BERT模型应用到财经新闻情感分析中,将情感特征与股市行情交易数据结合,有效提高了股指趋势预测的准确率。研究价值:本文将文本情感引入金融市场预测领域的尝试,有助于促进人工智能、机器学习在经济学中的研究与应用,为推进国家人工智能战略落地实施提供参考。
文章目录
一、问题的提出
二、文献综述与研究方法评述(2)
1.基于机器学习的金融市场预测
2.文本分析在股票预测中的应用
三、基于金融文本情感分析新方法的设计
1.数据预处理
(1)股票交易数据的预处理。
(2)财经新闻文本数据的预处理。
2.基于BERT-BiLSTM的金融文本情感分析模型
(1)BERT获得向量表示。
(2)Bi-LSTM提取特征。
(3)情感计算。
3.融合情感分析特征的指数预测模型
(1)模型结构。
(2)模型的参数学习。为了获得模型中的参数，我们定义模型的损失函数为：
四、新方法的应用实证
1.数据来源
2.基准模型
3.评价指标
4.实验结果与分析
(1)实验结果。
(2)时间窗口长度对预测结果的影响。
(3)沪深300指数前五大权重股预测分析。
五、结语