發(fā)布時間：2017-09-28 20:10

  本文關鍵詞：基于投資者情緒的股票預測研究

  更多相關文章： 投資者情緒 支持向量機 情感分類 股票預測

【摘要】：作為金融市場的重要組成部分,股票交易市場在經(jīng)濟的發(fā)展過程中起到了非常大的作用。2015年以來,伴隨著我國A股市場的起伏,投資者的行為也由一開始的熱情轉為更加理性的交易。因此,研究股票預測,并給出合理的投資建議,成為越來越熱門的研究課題。傳統(tǒng)的股票預測研究通常從股票市場的相關技術指標入手,而對于影響股票市場的投資者情緒等噪聲因素,通常也是由股票市場的指標間接反映,對于股票預測來說,通常并沒有特別好的效果。隨著以web2.0為核心的網(wǎng)絡技術的發(fā)展,越來越多的投資者開始從網(wǎng)絡上發(fā)表一些自己對于股市的看法,并與他人的看法進行意見交換,這些原始的投資者觀點就為我們研究投資者情緒提供了契機。本文首先抓取了股吧中的股評信息,利用支持向量機(SVM)將這些股評分為看漲、看跌、中立三種情感傾向,然后統(tǒng)計得到每天投資者對于某只股票的情緒指數(shù)。用這兩個指數(shù)作為股票市場預測研究的重要特征,我們構建了MI-SVM預測模型和SS-SVM預測模型,分別對大盤的收盤指數(shù)和部分股票的收盤價進行支持向量機回歸分析,得出了SS-SVM模型優(yōu)于MI-SVM模型的結論。本文的工作內容主要在以下幾個方面:(1)了解情感分類的基本原理,理解文本的向量表示原理,在此基礎上提出了基于文檔結構的特征權重計算方法,將該方法應用在文本表示中,得到了不錯的分類結果。(2)利用股吧中帖子的閱讀數(shù)和回復數(shù)構造投資者關注度,以情感分類結果作為帖子的情感傾向,綜合計算得到情感指數(shù)和意見分歧指數(shù)。(3)了解股票預測的原理,并構建了兩個股票指數(shù)的預測模型,一個僅考慮股票市場的基本技術指標,另一個綜合考慮股市的技術指標和投資者情緒,對比兩個模型的預測結果與真實情況的擬合程度。在本文實驗中,得出了考慮投資者情緒指數(shù)有利于提高股票指數(shù)預測精度的結論。
【關鍵詞】：投資者情緒 支持向量機 情感分類 股票預測
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內外研究現(xiàn)狀10-13
• 1.2.1 股票預測的研究現(xiàn)狀10-11
• 1.2.2 投資者情緒的研究現(xiàn)狀11-13
• 1.3 本文的主要工作13
• 1.4 本文的組織結構13-15
• 第2章 理論與方法基礎15-23
• 2.1 文本表示研究15-19
• 2.1.1 向量空間模型15
• 2.1.2 特征選擇方法15-17
• 2.1.3 權重計算方法17-19
• 2.2 文本分類19-22
• 2.2.1 文本分類概述19
• 2.2.2 分類器設計19-21
• 2.2.3 文本分類器性能評測21-22
• 2.3 本章小結22-23
• 第3章 基于情感分類的投資者情緒分析23-35
• 3.1 原始數(shù)據(jù)集23-25
• 3.1.1 數(shù)據(jù)來源23
• 3.1.2 數(shù)據(jù)采集23-25
• 3.1.3 數(shù)據(jù)概覽25
• 3.2 情感分類25-32
• 3.2.1 文本預處理26-27
• 3.2.2 特征權重計算27-28
• 3.2.3 分類器訓練及評估28-30
• 3.2.4 分類結果及分析30-32
• 3.3 投資者情緒指標構建32-34
• 3.3.1 情感指數(shù)構建32-34
• 3.3.2 意見分歧指數(shù)構建34
• 3.4 本章小結34-35
• 第4章 投資者情緒對股市的影響研究35-49
• 4.1 股票預測模型35-37
• 4.1.1 模型構建35
• 4.1.2 特征定義35-36
• 4.1.3 評價指標36-37
• 4.2 投資者情緒與股市特征指標的關系37-41
• 4.2.1 股票市場特征指標整理37-39
• 4.2.2 股市收盤指數(shù)預測39-41
• 4.2.3 預測結果分析41
• 4.3 投資者情緒與個股特征指標的關系41-47
• 4.3.1 股票樣本選擇41-42
• 4.3.2 股票的特征指標整理42-44
• 4.3.3 股票收盤價預測44-46
• 4.3.4 模型在不同股票上的泛化能力46-47
• 4.4 本章小結47-49
• 結論49-51
• 參考文獻51-55
• 攻讀碩士學位期間所發(fā)表的學術論文55-57
• 致謝57

，

本文編號：937801