作為資本市場的一個重要組成部分,股票市場在整個金融領(lǐng)域中有著十分重要的地位。一直以來,無論是在學(xué)術(shù)領(lǐng)域還是在資產(chǎn)管理行業(yè),都有很多人希望能夠找到一種能夠正確地預(yù)測股票市場變動方向的方式。過去人們在進(jìn)行股票價格走向的預(yù)測分析時,大部分是從股票市場自身的角度出發(fā),利用證券價格的歷史價格,交易量或者是和公司相關(guān)的收益指標(biāo)來分析股票未來價格的變動,很少會從經(jīng)濟(jì)新聞、財經(jīng)自媒體文章、股市評論等文本信息的角度來分析股票未來的價格變動,而隨著互聯(lián)網(wǎng)特別是移動互聯(lián)網(wǎng)在百姓生活中的普及,越來越多的投資者開始接觸到各種財經(jīng)新聞,并且以此來輔助自己進(jìn)行投資,因此研究這些財經(jīng)文本信息對股市的影響,以及如何從這些文本信息中挖掘出有效的特征來對股票市場的走勢進(jìn)行判斷有著重要的現(xiàn)實意義。本文的研究是利用財經(jīng)新聞文本數(shù)據(jù),從文本挖掘的角度來分析財經(jīng)新聞對股票價格的影響及利用從文本數(shù)據(jù)中抽取的特征來對股票市場的未來走勢進(jìn)行預(yù)測。與市場上常見的技術(shù)性指標(biāo)、基本面指標(biāo)等結(jié)構(gòu)化數(shù)據(jù)不同,文本信息屬于一種非結(jié)構(gòu)化的數(shù)據(jù),要想讓模型能夠理解這些信息并從中挖掘出一些有用的特征,必須先對收集到的財經(jīng)新聞進(jìn)行轉(zhuǎn)換處理,本文首先運(yùn)用了Py...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1支持向量機(jī)如圖2.1所示，SVM在樣本點(diǎn)線性可分時，會在樣本點(diǎn)之間尋找一個超平面

蘭州財經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究14圖2.1支持向量機(jī)如圖2.1所示，SVM在樣本點(diǎn)線性可分時，會在樣本點(diǎn)之間尋找一個超平面將所有樣本點(diǎn)分開。SVM的特點(diǎn)是對超平面的好壞有著自己的評價標(biāo)準(zhǔn)，只有距離分隔平面最近點(diǎn)的距離最大的那個分隔平面才是最好的超....

圖2.2XGBoost模型

蘭州財經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究16關(guān)系，大大降低了計算量。在支持向量機(jī)中，常用的核函數(shù)有四種：線性核、多項式核、高斯核與Sigmoid核函數(shù)。（1）線性核函數(shù)：K(x,x’)=xx"（2）多項式核函數(shù)：K(x,x")=((xx")+c)d（3）高....

圖2.3包含一個隱藏層的神經(jīng)網(wǎng)絡(luò)

蘭州財經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究20圖2.3包含一個隱藏層的神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是現(xiàn)在最為流行的一種機(jī)器學(xué)習(xí)算法，由于其強(qiáng)大的非線性擬合能力，還有各種優(yōu)化算法的出現(xiàn)，使得神經(jīng)網(wǎng)絡(luò)在圖像識別、語音識別甚至是無人駕駛能人工只能領(lǐng)域中得到廣泛運(yùn)用。神經(jīng)網(wǎng)....

圖2.4神經(jīng)網(wǎng)絡(luò)常用激活函數(shù)在穿越過所有的隱藏層后，會進(jìn)入到輸出層，得到輸出值：y=σ(z)θ+b

蘭州財經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究21圖2.4神經(jīng)網(wǎng)絡(luò)常用激活函數(shù)在穿越過所有的隱藏層后，會進(jìn)入到輸出層，得到輸出值：y=σ(z)θ+b1從輸入層到輸出層的過程屬于神經(jīng)網(wǎng)絡(luò)的前向傳播，在這之后需要通過反向傳播算法來改變參數(shù)值。反向傳播算法包括兩個要素....

本文編號：4049525