基于LSTM网络和文本情感分析的股票指数预测

作     者：于孝建 刘国鹏 刘建林 肖炜麟 

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。