本文旨在利用社交媒體中的情感信息來(lái)提升股價(jià)漲跌預(yù)測(cè)性能.與以往粗粒度地使用文本中的情感信息不同,將與某公司特定話題相關(guān)的細(xì)粒度情感信息引入預(yù)測(cè)模型中,并提出一個(gè)用于短期股價(jià)預(yù)測(cè)的全新特征——"話題-情感",該特征同時(shí)抽取話題和情感信息,并協(xié)同利用二者來(lái)預(yù)測(cè)股價(jià)漲跌.此外,以往的測(cè)試數(shù)據(jù)集中交易日數(shù)量非常少或者僅包含單支股票的數(shù)據(jù),本文方法構(gòu)建了包含眾多股票的長(zhǎng)時(shí)間跨度數(shù)據(jù)集,并在此數(shù)據(jù)集上驗(yàn)證了細(xì)粒度情感分析對(duì)股價(jià)漲跌預(yù)測(cè)的良好效用. 

【文章來(lái)源】：北京理工大學(xué)學(xué)報(bào). 2020,40(01)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

JTS模型的圖模型表示

為了驗(yàn)證上述假設(shè),從另外一個(gè)角度驗(yàn)證上述對(duì)比算法. 定義一個(gè)閾值α,對(duì)于某支股票,如果僅使用歷史股價(jià)的算法的準(zhǔn)確率(A)高于α,那么這支股票會(huì)被丟棄、不參與評(píng)估. 換言之,在這個(gè)實(shí)驗(yàn)中,只比較滿足條件A<α的股票的平均準(zhǔn)確率. 圖2展示了不同閾值設(shè)定所對(duì)應(yīng)的平均準(zhǔn)確率結(jié)果. 由實(shí)驗(yàn)結(jié)果可知,當(dāng)閾值α設(shè)置得比較小的時(shí)候,使用情感信息和不使用情感信息的算法性能差異較大;當(dāng)閾值設(shè)置為0.54時(shí),本研究所提出的基于顯式“話題-情感”抽取的算法ETS性能較于算法Price和算法InvestorSenti分別提升8.74%和7.56%. 此外,本文算法ETS在所有數(shù)閾值設(shè)定上都取得最大平均準(zhǔn)確率.4 結(jié)束語(yǔ)

【參考文獻(xiàn)】：
期刊論文
[1]基于句法與主題擴(kuò)展的中文微博情感傾向性分析模型[J]. 陸浩,牛振東,張楠,孫星愷,劉文禮.  北京理工大學(xué)學(xué)報(bào). 2014(08)



本文編號(hào)：3536369