股票市場(chǎng)中證券價(jià)格的波動(dòng)及預(yù)測(cè)一直是投資者關(guān)注的問題同時(shí)也是學(xué)術(shù)界研究的熱點(diǎn)問題之一。過往研究中學(xué)者們的主流做法是采用股票市場(chǎng)中交易數(shù)據(jù)來預(yù)測(cè)證券價(jià)格,這使得很多影響證券價(jià)格的其它因素未被包含在預(yù)測(cè)模型中。隨著深度學(xué)習(xí)和文本挖掘的技術(shù)出現(xiàn),使得在研究證券市場(chǎng)價(jià)格波動(dòng)上能夠利用和挖掘出更多的信息。本文運(yùn)用了行為金融學(xué)、文本挖掘和深度學(xué)習(xí)的相關(guān)知識(shí)和理論,采用了長短期記憶神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)研究了財(cái)經(jīng)新聞對(duì)股票投資決策的影響,并分析了財(cái)經(jīng)新聞?dòng)绊懝善笔袌?chǎng)的路徑,結(jié)尾處對(duì)普通投資者提出了投資建議。首先,本文梳理了財(cái)經(jīng)新聞和股票市場(chǎng)有關(guān)的文獻(xiàn)綜述,提出前人的研究中使用的方法不能很好地挖掘到財(cái)經(jīng)新聞的內(nèi)涵信息使得在預(yù)測(cè)股票市場(chǎng)波動(dòng)或者分析財(cái)經(jīng)新聞對(duì)股票市場(chǎng)影響上解釋力不足。本文利用Python書寫了網(wǎng)絡(luò)爬蟲,爬取了華爾街見聞快訊欄目中2016年1月1日至2017年12月31日的新聞標(biāo)題及相應(yīng)的發(fā)布時(shí)間作為財(cái)經(jīng)新聞的初始樣本數(shù)據(jù),同時(shí)從Wind數(shù)據(jù)庫中獲取了2016年1月4日至2017年12月29日中交易日的交易數(shù)據(jù),包括開盤價(jià)、最高價(jià)、最低價(jià)、交易量、漲跌幅。其次,剔除了財(cái)經(jīng)新聞數(shù)... 

【文章來源】：蘭州財(cái)經(jīng)大學(xué)甘肅省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

文本挖掘的實(shí)現(xiàn)過程

模型結(jié)構(gòu)圖

圖 3.1 財(cái)經(jīng)新聞?dòng)绊憘�(gè)人投資者交易決策過程經(jīng)新聞對(duì)股票市場(chǎng)投資者直接效應(yīng)影響的分析：在股票交易市場(chǎng)中，總有一財(cái)經(jīng)新聞更為敏感，根據(jù)經(jīng)濟(jì)學(xué)對(duì)理性經(jīng)濟(jì)人對(duì)風(fēng)險(xiǎn)偏好程度不同的劃分，


本文編號(hào)：3234304