融合情感分析的股票指數預測的研究

發布時間:2020-12-14 18:22
  隨著人們生活水平的不斷提高,越來越多的人開始注重資金管理。由于股票投資具有易操作、收益成效快和流動性強的特點,因此吸引著越來越多的人選擇股票市場作為自己的投資對象來實現財富的保值和增值。在這個快速更新的網絡信息共享和交流的時代,股票投資者們也更加傾向于通過網絡平臺上的金融信息及各大媒體資深評論員的投資觀點來了解金融領域的實時資訊,隨著信息獲取平臺的不斷增多,關注人員的不斷壯大,導致這些網絡平臺上擁有著豐富的金融熱點信息、重要指標數據以及附有股民情感傾向發表的言論信息。這些富含感情色彩的股民言論信息,以及含有國家經濟政策的新聞資訊,都在一定程度上影響著股票指數的未來走勢。因此,融合情感分析的股票指數預測的研究具有重要的研究價值。本文為了提高股指預測結果的準確性,在原本選用單一的股票技術指標作為影響股指波動的特征因素的前提下,融入股市資訊文本信息的情感分析結果。在數據選擇上,收集不同來源的股民言論信息數據和財經新聞信息數據作為股市資訊文本情感分析的數據基礎,來提高情感分析結果的有效性。在特征提取方法上,選用善于處理短文本數據的SVM方法和適用于處理長文本數據的LSTM方法對收集的含有不同種... 

【文章來源】:長春工業大學吉林省

【文章頁數】:59 頁

【學位級別】:碩士

【部分圖文】:

融合情感分析的股票指數預測的研究


圖2.1支持向量機分類圖

結構圖,細胞,結構圖,信息


第2章課題研究的理論與方法14題。LSTM神經網絡通過控制門(輸入門ti、遺忘門tf、輸出門to)來調節之前信息與當前信息的記憶和遺忘程度,將短期記憶與長期記憶結合起來,使循環神經網絡具備了長期記憶的能力,并且一定程度上解決了梯度消失的問題。因此,本文采用LSTM方法對技術指標數據進行特征提取,其工作過程可以表述為:首先,LSTM中的遺忘門對信息進行過濾,忘記無用信息,計算公式如2-11所示:)(1ttttftfxbhVW(2-11)然后,輸入門根據輸入的信息和記憶信息進行狀態的更新:輸入信息計算公式如2-12所示:)(1itititixbhVW(2-12)記憶細胞計算公式如2-13所示:)tanh(1ctctctcxbhVW(2-13)長時記憶計算公式如2-14所示:1ctttttcfci(2-14)最后,輸出門輸出當前信息計算公式如2-15和2-16所示:)(1otototoxbhVW(2-15))tanh(*tttcoh(2-16)其中tx代表t時刻的輸入矢量,1ht代表t時刻前LSTM輸出的矢量,也就是短記憶信息。tc代表t時刻下的長時記憶信息,為sigmoid激活函數,W和V代表權重矩陣,b代表偏置向量。LSTM記憶細胞結構如圖2.4所示。圖2.4LSTM記憶細胞結構圖

技術指標,成交量,股指


第4章股指預測模型的實驗與結果分析27月7日所需的上證綜指的技術指標數據,其中技術指標包括開盤價、收盤價、漲跌幅、成交量、MACD、KDJ、RSI、ROC。收集的股票技術指標數據的部分內容如圖4.1所示,其中圖4.2為收集的上證綜指股指數據中成交量走勢圖。圖4.1上證綜指技術指標數

【參考文獻】:
期刊論文
[1]中國互聯網普及率突破60%[J]. 本刊編輯部.  河南科技. 2019(25)
[2]投資者情緒和資產定價異象[J]. 史永東,程航.  系統工程理論與實踐. 2019(08)
[3]基于正則化LSTM模型的股票指數預測[J]. 任君,王建華,王傳美,王建祥.  計算機應用與軟件. 2018(04)
[4]文本情緒分析綜述[J]. 李然,林政,林海倫,王偉平,孟丹.  計算機研究與發展. 2018(01)
[5]基于股民評論信息的股票預測方法研究[J]. 張凱,任維平,張仰森,尤建清.  北京信息科技大學學報(自然科學版). 2017(05)
[6]基于文本信息的股票指數預測[J]. 董理,王中卿,熊德意.  北京大學學報(自然科學版). 2017(02)
[7]BP神經網絡在股指預測中的應用[J]. 尹紹飛,蘇勇.  科學技術與工程. 2009(24)
[8]精確在線支持向量回歸在股指預測中的應用[J]. 田翔,鄧飛其.  計算機工程. 2005(22)

博士論文
[1]基于特征選擇的文本分類方法研究[D]. 胡小娟.吉林大學 2018
[2]一種金融市場預測的深度學習模型:FEPA模型[D]. 張承釗.電子科技大學 2016
[3]中國股票市場與宏觀經濟相關性研究[D]. 張培源.中共中央黨校 2013
[4]基于行為金融學的股票市場投資者行為研究[D]. 李靜.中國社會科學院研究生院 2012
[5]基于投資者情緒的行為資產定價研究[D]. 閆偉.華南理工大學 2012
[6]中國股票市場波動成因研究[D]. 溫思凱.西南財經大學 2010

碩士論文
[1]基于組合模型的股指預測[D]. 劉珍秀.青島大學 2019
[2]基于LSTM和投資者情緒的股票行情預測研究[D]. 周凌寒.華中師范大學 2018
[3]基于word2vec詞向量的文本分類研究[D]. 朱磊.西南大學 2017
[4]基于支持向量機的中文文本分類研究[D]. 楊孟英.華北電力大學 2017
[5]基于情感分析的股指預測技術的研究與實現[D]. 郭卿.國防科學技術大學 2016
[6]基于深度學習理論與方法的中文專利文本自動分類研究[D]. 馬雙剛.江蘇大學 2016
[7]基于詞向量的文本分類算法研究與改進[D]. 王明亞.華東師范大學 2016
[8]基于雙向LSTMN神經網絡的中文分詞研究分析[D]. 黃積楊.南京大學 2016
[9]基于組合模型的股指預測[D]. 方孟孟.蘭州大學 2016
[10]基于文本情感分析的股價預測研究與實現[D]. 戴成駿.重慶大學 2016



本文編號:2916810

論文下載
論文發表

本文鏈接:http://www.178750.tw/shoufeilunwen/xixikjs/2916810.html

分享
(★^O^★)MG无敌金刚_电子游戏 波克哈尔滨麻将单机版 ag真人赚钱技巧 十一选五开奖结果河南 今晚四不像一肖动物图 11旺娱乐城百家乐 麻将上分模式软件 开拓者vs老鹰 青海高频十一选五开奖结果 广西快乐十分缩水软件 爱彩乐彩票网 南京麻将进园子规则 星星武汉麻将约战下载苹果 排列5软件下载 上海快3详情怎么玩 三肖默认论坛discuz 赛车官网