【摘要】：股票價格預測在商業(yè)和金融領(lǐng)域具有重要的意義。近年來,在金融領(lǐng)域使用人工智能技術(shù)進行數(shù)據(jù)分析和預測已經(jīng)成為一個炙手可熱的方向。在股票價格預測這個方向,傳統(tǒng)的方法是分析股票歷史量價數(shù)據(jù),隨著大數(shù)據(jù)時代的來臨,越來越多的人考慮利用新聞資訊作為股票價格預測的依據(jù)。本文通過對股票相關(guān)的在線新聞和股票歷史量價數(shù)據(jù)進行綜合建模,來預測股票的價格走勢。主要研究內(nèi)容包括:(1)利用word2vec工具將新聞中詞匯轉(zhuǎn)變成詞向量,使用基于循環(huán)神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡的層級式神經(jīng)網(wǎng)絡對新聞正文進行語義建模,并且引入新聞標題信息以及Attention機制來賦予新聞文本序列不同的關(guān)注度,確保模型能夠從新聞中捕捉到與股價走勢變化更相關(guān)的信息;(2)利用特征工程中的方法,從股票歷史量價數(shù)據(jù)中提取特征,經(jīng)過歸一化后使用多層神經(jīng)網(wǎng)絡進行量價建模,與建模新聞的結(jié)果進行融合,共同進行股票價格預測;(3)設(shè)計了一個股票模擬買賣系統(tǒng),依據(jù)股市總體表現(xiàn)構(gòu)建了牛市,熊市,平穩(wěn)期三個測試集,依據(jù)預測模型預測出股票的置信度,通過模擬盤進行股票買賣,計算出投資獲得的收益,來評估預測模型的性能表現(xiàn)。我們最終得到的預測模型能夠利用股票相關(guān)新聞和歷史量價數(shù)據(jù),每天對股票給出一個置信度,依據(jù)置信度來指導證券投資者的交易行為,幫助他們提高投資股市的收益。
【圖文】：

集上計算收益時，我們不會做去大盤操作，原因有三點：（幫助模型區(qū)分股票，以便于訓練。預測時的輸出的數(shù)值是作大盤走勢（2）實際進行投資操作時，我們在買入股票時無。（3）計算收益時，股價實際漲的股票就會有正收益，下跌要考慮去大盤后的數(shù)值。數(shù)據(jù)集的劃分過各種預處理操作，最終我們得到了約 330,000 條股票相關(guān)6 年 1 月至 2017 年 4 月。因為股票投資的具體收益受到投表現(xiàn)的影響，特別是后者，股市的總體表現(xiàn)往往直接決定了負。先通過大盤指數(shù)對由 2006 年 1 月至 2017 年 4 月這段時期觀察。圖 2-1 為這段時間每個交易日收盤時的滬深 300 大盤

根據(jù)不同時期中國 A 股證券市場的總體表現(xiàn)劃分了訓練集，牛市集以及平穩(wěn)期測試集。如表 2-1 所示：表 2-1 數(shù)據(jù)集劃分以及包含新聞和交易日數(shù)目時間跨度 包含新聞量 包含訓練集 2006.01.03~2014.06.02 209656 市測試集 2014.06.03~2015.06.08 62124 市測試集 2015.06.09~2016.01.28 20383 期測試集 2016.01.29~2017.04.12 61124 2 顯示了牛市測試集時期，即 2014.06 至 2015.06 這段時期的大時期，股市大盤指數(shù)前期較為平穩(wěn)，自中期以后處于快速爬升狀你采用何種買賣策略，，投資的收益都不會太低。這個時期特別適是穩(wěn)賺不賠。如果我們的模型表現(xiàn)激進，這個時期的收益可能就果比較保守，在保持不會出現(xiàn)負收益時情況，投資回報可能會
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F830.91;TP183

【參考文獻】

相關(guān)期刊論文 前1條

1 蔣艷霞;柯大鋼;解青芳;;基于數(shù)據(jù)挖掘技術(shù)的股票收益預測研究[J];經(jīng)濟與管理研究;2007年06期

本文編號：2637960