采用自然語言處理技術對爬取的文本數(shù)據(jù)進行分詞、去停用詞處理,利用TextRank、TF-IDF算法提取關鍵字,構建適用于單篇文章的詞重要性指數(shù)模型,從中提取重要變量建立適用于滬深300指數(shù)的投資者情緒預測模型,借助深度森林算法預測交易信號構建交易策略。結果表明,在樣本期基于自然語言處理與深度森林算法對股票交易信號的預測準確率達72.23%,且收益也超過傳統(tǒng)策略收益,具備重要的投資指導意義。 

【文章來源】：電子商務. 2020,(08)

【文章頁數(shù)】：2 頁

【部分圖文】：

投資者情緒、雙均線策略與自然收益率綜合圖

【參考文獻】：
期刊論文
[1]基于微信文本挖掘的投資者情緒與股票市場表現(xiàn)[J]. 石善沖,朱穎楠,趙志剛,康凱立,熊熊.  系統(tǒng)工程理論與實踐. 2018(06)
[2]投資者情緒與盈余管理——基于應計盈余管理與真實盈余管理的實證研究[J]. 鹿坪,冷軍.  財經(jīng)問題研究. 2017(02)
[3]財經(jīng)新聞與股市投資策略研究——基于財經(jīng)網(wǎng)站的文本挖掘[J]. 孟雪井,楊亞飛,趙新泉.  投資研究. 2016(08)
[4]自然語言處理技術與語言深度計算[J]. 俞士汶,朱學鋒,耿立波.  中國社會科學. 2015(03)
[5]基于微博情緒信息的股票市場預測[J]. 黃潤鵬,左文明,畢凌燕.  管理工程學報. 2015(01)
[6]基于數(shù)據(jù)挖掘的股票指數(shù)漲跌概率推斷[J]. 彭益.  統(tǒng)計與決策. 2012(16)



本文編號：2968552