事件驅動的股市預測關鍵技術研究
發(fā)布時間：2021-02-26 17:57
股市預測是一項非常有挑戰(zhàn)的任務。本文的理論基礎是“有效市場假說”—在法律健全、功能良好、透明度高、競爭充分的股票市場,一切有價值的信息已經及時、準確、充分地反映在股價走勢當中,簡單的說就是“信息有效”。鑒于此,通過事件研究法建模事件與股價波動之間的隱含關系是合理的,基于事件信息推薦合適的股票買入,然后基于形態(tài)匹配選擇恰當的時機賣出。本文主要包括三個研究點:事件檢測,策略選股,擇時拋售。事件檢測是信息抽取領域中一項重要的任務,先前的工作主要考慮句子的序列表示,然而,詞與詞之間的長范圍依賴關系阻礙了這類方法的性能。由于句法表示是直接地連接詞與上下文信息的有效機制,所以本文提出了一個基于句法依存樹的新奇事件檢測模型。此外,為了區(qū)分目標詞的特異性,本文還提出了一個把句法依存樹轉化為目標依存樹的遞歸算法,目標依存樹的葉子節(jié)點是詞語,內部節(jié)點是依存關系。實驗結果展現了本文提出的方法效果出眾。策略選股是事件驅動的股票推薦。同樣是利用深度學習強大的自學習能力,本文提出一個混合神經網絡模型來學習事件與股價之間的隱含聯系。為了區(qū)分每只股票的特異性,本文使用卷積神經網絡對股票背景信息進行向量表示;考慮到金融...
【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】：65 頁
【學位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.1.1 課題背景
1.1.2 研究意義
1.2 事件抽取的發(fā)展概況及分析
1.2.1 發(fā)展概況
1.2.2 研究分析
1.3 股市預測的發(fā)展概況及分析
1.3.1 發(fā)展概況
1.3.2 研究分析
1.4 本文的主要研究內容及章節(jié)安排
第2章 目標依賴的中文事件檢測
2.1 引言
2.2 任務定義
2.3 研究內容介紹
2.4 金融領域事件分類
2.5 事件檢測方法
2.5.1 文本句編碼
2.5.2 樹結構長短期記憶網絡
2.5.3 目標依存樹
2.5.4 模型訓練
2.6 事件檢測實驗
2.6.1 數據集和實驗設置
2.6.2 評估網絡結構
2.6.3 與現存方法的比較
2.6.4 領域數據集上的實驗結果
2.7 本章小結
第3章 事件驅動的股票推薦
3.1 引言
3.2 研究內容介紹
3.3 股票推薦方法
3.3.1 股票背景信息編碼
3.3.2 事件信息編碼
3.3.3 數字信息編碼
3.3.4 模型訓練
3.4 股票推薦實驗
3.4.1 數據集和實驗設置
3.4.2 評價方法
3.4.3 數據集評估
3.4.4 特征方法評估
3.5 本章小結
第4章 基于動態(tài)時間規(guī)整算法的擇時拋售策略
4.1 引言
4.2 研究內容介紹
4.3 擇時拋售方法
4.3.1 形態(tài)庫構建
4.3.2 賣出點選擇
4.4 擇時拋售實驗
4.5 本章小結
第5章 股票推薦系統的設計與實現
5.1 引言
5.2 系統介紹與結構設計
5.3 系統功能展示
5.4 本章小結
結論
參考文獻
致謝
【參考文獻】：
期刊論文
[1]金融領域的事件句抽取[J]. 李江龍,呂學強,周建設,劉秀磊. 計算機應用研究. 2017(10)
[2]自底向上事件抽取系統(英文)[J]. Xiao DING,Bing QIN,Ting LIU. Frontiers of Information Technology & Electronic Engineering. 2015(07)
[3]語言技術平臺[J]. 劉挺,車萬翔,李正華. 中文信息學報. 2011(06)
[4]中文事件抽取技術研究[J]. 趙妍妍,秦兵,車萬翔,劉挺. 中文信息學報. 2008(01)
[5]我國證券市場有效性測定的研究[J]. 吳元友. 河南科技. 2005(07)
博士論文
[1]基于社會媒體的市場行情預測方法研究[D]. 丁效.哈爾濱工業(yè)大學 2016
碩士論文
[1]句子級中文事件抽取關鍵技術研究[D]. 丁效.哈爾濱工業(yè)大學 2011
本文編號：3052951
【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】：65 頁
【學位級別】：碩士
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.1.1 課題背景
1.1.2 研究意義
1.2 事件抽取的發(fā)展概況及分析
1.2.1 發(fā)展概況
1.2.2 研究分析
1.3 股市預測的發(fā)展概況及分析
1.3.1 發(fā)展概況
1.3.2 研究分析
1.4 本文的主要研究內容及章節(jié)安排
第2章 目標依賴的中文事件檢測
2.1 引言
2.2 任務定義
2.3 研究內容介紹
2.4 金融領域事件分類
2.5 事件檢測方法
2.5.1 文本句編碼
2.5.2 樹結構長短期記憶網絡
2.5.3 目標依存樹
2.5.4 模型訓練
2.6 事件檢測實驗
2.6.1 數據集和實驗設置
2.6.2 評估網絡結構
2.6.3 與現存方法的比較
2.6.4 領域數據集上的實驗結果
2.7 本章小結
第3章 事件驅動的股票推薦
3.1 引言
3.2 研究內容介紹
3.3 股票推薦方法
3.3.1 股票背景信息編碼
3.3.2 事件信息編碼
3.3.3 數字信息編碼
3.3.4 模型訓練
3.4 股票推薦實驗
3.4.1 數據集和實驗設置
3.4.2 評價方法
3.4.3 數據集評估
3.4.4 特征方法評估
3.5 本章小結
第4章 基于動態(tài)時間規(guī)整算法的擇時拋售策略
4.1 引言
4.2 研究內容介紹
4.3 擇時拋售方法
4.3.1 形態(tài)庫構建
4.3.2 賣出點選擇
4.4 擇時拋售實驗
4.5 本章小結
第5章 股票推薦系統的設計與實現
5.1 引言
5.2 系統介紹與結構設計
5.3 系統功能展示
5.4 本章小結
結論
參考文獻
致謝
【參考文獻】：
期刊論文
[1]金融領域的事件句抽取[J]. 李江龍,呂學強,周建設,劉秀磊. 計算機應用研究. 2017(10)
[2]自底向上事件抽取系統(英文)[J]. Xiao DING,Bing QIN,Ting LIU. Frontiers of Information Technology & Electronic Engineering. 2015(07)
[3]語言技術平臺[J]. 劉挺,車萬翔,李正華. 中文信息學報. 2011(06)
[4]中文事件抽取技術研究[J]. 趙妍妍,秦兵,車萬翔,劉挺. 中文信息學報. 2008(01)
[5]我國證券市場有效性測定的研究[J]. 吳元友. 河南科技. 2005(07)
博士論文
[1]基于社會媒體的市場行情預測方法研究[D]. 丁效.哈爾濱工業(yè)大學 2016
碩士論文
[1]句子級中文事件抽取關鍵技術研究[D]. 丁效.哈爾濱工業(yè)大學 2011
本文編號：3052951
本文鏈接：http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3052951.html
