發(fā)布時間：2017-04-06 17:22

  本文關(guān)鍵詞：基于文本情感分析的股價預測研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：股票正在成為中國居民資產(chǎn)配置的一個重要方向。但是股票價格的波動瞬息萬變,如果不能準確預測股價走勢,把握合適的買賣時機,不但無法保障收益,還會承擔巨大風險。目前的股票分析主要依靠炒股軟件的技術(shù)指標,基于經(jīng)驗人工判斷。這種方式主要存在兩個問題。第一,技術(shù)指標種類繁多,每種指標的適用范圍不同,而且單一指標的預測效果較差,通常需要結(jié)合不同的指標綜合判斷。這對于投資者來說有較大的學習成本。第二,技術(shù)指標本身是通過價格、成交量等反映在股市本身的客觀事實演變而來,無法反映投資者的主觀態(tài)度和情緒。為了解決以上問題,本文對股價的預測問題進行研究,通過預測模型,為投資者提供“買入”、“持有”、“賣出”三種投資信號,幫助投資者進行決策。本文工作主要依照以下兩個方面展開。(1)基于技術(shù)指標的股價預測。首先,對股價預測的目標進行定義,確定買入、持有、賣出的閾值,將這三類結(jié)果作為預測輸出。其次,對MACD、RSI、KDJ等技術(shù)指標進行量化,作為預測輸入。最后,通過實驗對比,選擇表現(xiàn)最優(yōu)的參數(shù),構(gòu)造出一個基于BP神經(jīng)網(wǎng)絡(luò)的股價預測模型。(2)加入了投資者情緒指標的股價預測。首先,通過網(wǎng)絡(luò)爬蟲,對“股吧”中的股評信息進行抓取。其次,構(gòu)造了專門針對金融領(lǐng)域的詞典,利用N-GRAM新詞發(fā)現(xiàn)算法構(gòu)建分詞詞典,利用PMI算法擴展情感詞典。然后,對比了情感詞詞典、樸素貝葉斯兩種情感分類算法,構(gòu)造出一個性能最優(yōu)的情感分類器。最后,利用構(gòu)建的情感分類器對股評信息進行情感分類,計算投資者情緒指標,并將其作為輸入加入到股價預測模型。本文探索性地將投資者情緒指標作為變量引入股價預測的模型中,實驗結(jié)果表明,投資者情緒指標對于預測股價的走勢具有指導意義,能夠在一定程度上提高股價預測的準確性。并最終融合技術(shù)指標與投資者情緒指標,基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)造出一個性能不錯的股價預測模型。
【關(guān)鍵詞】：股票預測 情感傾向性分析 BP神經(jīng)網(wǎng)絡(luò) 樸素貝葉斯
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F832.51
【目錄】：

• 中文摘要3-4
• 英文摘要4-9
• 1 緒論9-14
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 股票分析研究現(xiàn)狀10-11
• 1.2.2 情感分類研究現(xiàn)狀11-12
• 1.3 研究內(nèi)容及創(chuàng)新點12-13
• 1.4 本文組織結(jié)構(gòu)13-14
• 2 相關(guān)理論和技術(shù)14-26
• 2.1 股票分析14
• 2.1.1 基本面分析的方法14
• 2.1.2 技術(shù)面分析的方法14
• 2.2 文本挖掘關(guān)鍵技術(shù)14-18
• 2.2.1 文本預處理14-16
• 2.2.2 詞庫擴展16
• 2.2.3 特征選擇16-17
• 2.2.4 文本表示17-18
• 2.3 文本情感分類技術(shù)18-20
• 2.3.1 基于語素的方法18
• 2.3.2 基于語義的方法18-19
• 2.3.3 基于機器學習的方法19-20
• 2.4 樸素貝葉斯20-22
• 2.5 BP神經(jīng)網(wǎng)絡(luò)22-25
• 2.5.1 BP神經(jīng)網(wǎng)絡(luò)簡介22
• 2.5.2 BP神經(jīng)網(wǎng)絡(luò)模型22-24
• 2.5.3 BP神經(jīng)網(wǎng)絡(luò)算法24-25
• 2.6 本章小結(jié)25-26
• 3 基于技術(shù)指標的股價預測26-40
• 3.1 股價預測框架26-28
• 3.2 預測目標定義28
• 3.3 技術(shù)指標28-33
• 3.3.1 K線圖28-30
• 3.3.2 量價關(guān)系30-31
• 3.3.3 平滑異同平均線(MACD)31
• 3.3.4 相對強弱指數(shù)(RSI)31-32
• 3.3.5 隨機指標(KDJ)32
• 3.3.6 量能潮指標(OBV)32-33
• 3.4 神經(jīng)網(wǎng)絡(luò)建模33-35
• 3.4.1 輸入輸出設(shè)計33-34
• 3.4.2 網(wǎng)絡(luò)拓撲設(shè)計34-35
• 3.5 實驗及結(jié)果分析35-39
• 3.5.1 實驗方案35-38
• 3.5.2 實驗及結(jié)果分析38-39
• 3.6 本章小結(jié)39-40
• 4 加入投資者情緒指標的股價預測40-56
• 4.1 股票評論語料庫構(gòu)建40-44
• 4.1.1 數(shù)據(jù)來源40
• 4.1.2 網(wǎng)絡(luò)爬蟲40-42
• 4.1.3 數(shù)據(jù)獲取42-44
• 4.2 金融詞典構(gòu)建44-47
• 4.2.1 N-GRAM算法構(gòu)造分詞詞典44-45
• 4.2.2 PMI算法擴展情感詞典45-47
• 4.2.3 領(lǐng)域詞典的生成47
• 4.3 情感傾向性分析47-49
• 4.3.1 基于情感詞典的情感傾向性分析47-48
• 4.3.2 基于樸素貝葉斯的情感傾向性分析48-49
• 4.4 投資者情緒指標49-51
• 4.5 實驗及結(jié)果分析51-55
• 4.5.1 實驗方案51-53
• 4.5.2 實驗及結(jié)果分析53-55
• 4.6 本章小結(jié)55-56
• 5 總結(jié)和展望56-58
• 5.1 工作總結(jié)56
• 5.2 后續(xù)研究展望56-58
• 致謝58-59
• 參考文獻59-62

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 盛仲飆;;BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預測中的應(yīng)用[J];軟件導刊;2016年01期

2 葛斌;李芳芳;郭絲路;湯大權(quán);;基于知網(wǎng)的詞匯語義相似度計算方法研究[J];計算機應(yīng)用研究;2010年09期

3 黨蕾;張蕾;;一種基于知網(wǎng)的中文句子情感傾向判別方法[J];計算機應(yīng)用研究;2010年04期

4 柳位平;朱艷輝;栗春亮;向華政;文志強;;中文基礎(chǔ)情感詞詞典構(gòu)建方法研究[J];計算機應(yīng)用;2009年10期

5 李云飛;龔冬生;惠曉峰;;基于價值投資的PCA-SVM股票選擇模型研究[J];西安工程大學學報;2009年03期

6 張中華;丁華福;;基于混沌神經(jīng)網(wǎng)絡(luò)的股票分析及其預測[J];計算機技術(shù)與發(fā)展;2009年03期

7 殷洪才;趙春燕;;基于神經(jīng)網(wǎng)絡(luò)股票預測的研究[J];哈爾濱師范大學自然科學學報;2007年03期

8 李慶東;聚類分析在股票分析中的應(yīng)用[J];遼寧石油化工大學學報;2005年03期

9 柴明亮,宋蘇;關(guān)聯(lián)規(guī)則在股票分析中的應(yīng)用[J];計算機應(yīng)用;2005年04期

10 代六玲,黃河燕,陳肇雄;中文文本分類中特征抽取方法的比較研究[J];中文信息學報;2004年01期

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 馬妍;商品評論情感分析系統(tǒng)的設(shè)計與實現(xiàn)[D];北京交通大學;2015年

2 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學;2015年

3 石馨;基于酒店領(lǐng)域情感詞典的分類器研究[D];河北大學;2014年

4 劉建偉;房價微博情感分類研究[D];哈爾濱工業(yè)大學;2014年

5 劉欣;互聯(lián)網(wǎng)財經(jīng)新聞媒體對中國股市的影響力排名研究[D];西南財經(jīng)大學;2014年

6 黃進;金融領(lǐng)域中基于UGC的情感分析[D];華東理工大學;2014年

7 張愛蓮;汽車評論情感分析系統(tǒng)的設(shè)計與實現(xiàn)[D];西安電子科技大學;2013年

8 趙麗麗;互聯(lián)網(wǎng)財經(jīng)新聞對股市影響的定量分析[D];西南財經(jīng)大學;2012年

9 趙茜倩;互聯(lián)網(wǎng)財經(jīng)新聞對中國股市的影響研究[D];西南財經(jīng)大學;2012年

10 鄭文;數(shù)據(jù)挖掘在股票分析中的應(yīng)用[D];復旦大學;2012年

  本文關(guān)鍵詞：基于文本情感分析的股價預測研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：289327