基于LSTM网络和文本情感分析的股票指数预测
作者机构:华南理工大学经济与金融学院 浙江大学管理学院 华南理工大学金融工程研究中心
出 版 物:《中国管理科学》 (Chinese Journal of Management Science)
年 卷 期:2023年
核心收录:
学科分类:02[经济学] 0202[经济学-应用经济学] 020204[经济学-金融学(含∶保险学)] 08[工学] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:长三角科技创新共同体联合攻关计划项目(2022CSJGG0800) 中央高校基本科研业务费专项资金(QNZD202211)
主 题:LSTM神经网络 SVM分类器 金融文本 市场情绪指标 股票指数预测
摘 要:投资决策受投资者行为偏好的影响,因此合理地捕捉投资者情绪有助于预测股票市场未来变化趋势。结合机器学习算法,分析金融市场投资者情绪,利用SVM情感分类算法,对股吧个股评论中的文本数据进行分析,从而构建出反映投资者情绪的市场情绪指标。进一步使用LSTM深度学习网络,提取市场情绪指标特征,对上证50指数进行短期预测,并对比多种传统时间序列分析模型和机器学习模型。研究结果表明,LSTM神经网络在金融时间序列预测上具有更高的准确率和精确度;加入市场情绪特征后能进一步提升LSTM模型预测结果的准确率和精确度,说明了投资者市场情绪对于市场指数预测的有效性和适用性;此外,对LSTM模型预测结果进行误差修正,能够有效优化LSTM模型的预测结果。