一种基于金融文本情感分析的股票指数预测新方法

2024-05-12 数量经济技术经济研究220 2.35M 0

  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



您还没有登录,请登录后查看详情



 
举报收藏 0打赏 0评论 0
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  用户协议  |  隐私政策  |  版权声明  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  蜀ICP备2024057410号-1