基于情感分析和PCA-LSTM 模型的股票价格预测

2021-11-19 10:07:42宋丽娜
中国管理信息化 2021年21期
关键词:文本情感模型

宋丽娜

(华北电力大学 数理学院,北京 102206)

0 引言

传统的股票价格预测方法主要依托于股票历史交易数据。乔若羽基于股票历史交易数据构建一系列神经网络模型来预测股票价格,探索了不同模型对股票价格预测的效果。[1]冯宇旭等利用LSTM 模型结合股票基础变量对股票价格进行预测,证明LSTM 模型在股票价格预测上有较好的预测效果。[2]鹿天宇等在对股票价格进行预测过程中,利用主成分分析方法降低神经网络的变量输入维度,提高了模型的运行速度和精度。[3]魏健等利用主成分分析方法对四个模型预测的结果进行权值确定形成组合模型,发现组合模型的效果比单模型的效果好。[4]然而这些方法忽略了股票价格的其他影响因素,具有一定的局限性。随着互联网的普及,部分学者开始研究文本信息的情感分析对股票价格预测的有效性。肖亭等利用股评文本的情感分析结果预测股票价格上涨或下跌的趋势。[5]刘斌将股指序列与量化的文本情感序列输入BP 神经网络进行股指预测建模。[6]冉杨帆等以股票价格数据和股票新闻数据为基础,将情感分析方法与BP 神经网络和SVR 支持向量回归结合进行股票价格预测。[7]杨妥等证明利用SVM-LSTM 模型融合情感极性特征的股指预测较传统预测方法在预测精度上效果更好。[8]

综合上述研究,结合股票文本信息的情感指标构建模型对股票市场进行预测的方法成熟可行。然而模型中时间序列指标复杂冗余,考虑对所有指标进行降维和特征提取的研究却很罕见,故本文提出一种融合股票交易数据和文本情感数据的PCA-LSTM 股票价格预测模型。……

登录APP查看全文

猜你喜欢
文本情感模型
一半模型
如何在情感中自我成长,保持独立
重尾非线性自回归模型自加权M-估计的渐近分布
失落的情感
北极光(2019年12期)2020-01-18 06:22:10
情感
在808DA上文本显示的改善
基于doc2vec和TF-IDF的相似文本识别
电子制作(2018年18期)2018-11-14 01:48:06
如何在情感中自我成长,保持独立
3D打印中的模型分割与打包
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻