基于自适应鲸鱼优化算法结合Elman神经网络的股市收盘价预测算法

朱昶胜，康亮河*，冯文芳

（1.兰州理工大学计算机与通信学院，兰州730050； 2.兰州理工大学经济管理学院，兰州730050）

（∗通信作者电子邮箱kanglianghe@126.com）

0 引言

随着信息技术与网络技术的快速发展，各行各业的数据呈爆炸式增长，例如各种数值数据、文本、音频、图像等，如何对非结构化数据进行挖掘是目前的一个技术热点也是难点［1］。作为近年来新兴的研究领域，通过挖掘网络舆情进行股市预测是一个有价值的研究领域［2］。由于股票市场的不确定性和不可预见性，股票市场收盘价的预测是股票交易市场中最重要、最具挑战性的问题之一。金融领域的许多分析和假设表明，股票收盘价是可预测的［3］。在传统股票市场中，预测股票的收盘价使用大量反映经济运行的结构数据，如开盘价、成交量、价格指数等。随着大数据带来的数据量和数据类型的增加，传统的简单静态股市数据已经逐渐不能满足分析和预测的需要［4］。因此，如何挖掘股市网络舆情，并利用机器学习算法或深度学习算法准确有效地预测股票收盘价，对投资者具有重要意义。

在过去的几十年里，许多模型和技术被用来预测股市的收盘价。Renault［5］研究了投资者情绪与股票收益之间的关系，他通过情感词典计算投资者情绪值，并预测标准普而500指数的回报率，实验证明在线投资者情绪是驱动股指收益的一个重要因素；Bollen等［6］通过文本挖掘技术从大量的微博评论中挖掘公众的情绪状态值，实验证明公众的情绪值可以从大规模的微博信息中提取并量化，其量化值可以用来预测股指的价格；……