發(fā)布時(shí)間：2020-12-06 10:16

　　股票市場(chǎng)的情緒可以在一定程度上反映投資者的行為并影響其投資決策。市場(chǎng)新聞作為一種非結(jié)構(gòu)性數(shù)據(jù),能夠體現(xiàn)并引導(dǎo)市場(chǎng)的大環(huán)境情緒,與股票價(jià)格一同成為至關(guān)重要的市場(chǎng)參考數(shù)據(jù),能夠?yàn)橥顿Y者的投資決策提供有效幫助。文中提出了一種可以準(zhǔn)確、快速地建立針對(duì)海量新聞數(shù)據(jù)的多維情緒特征向量化方法,利用支持向量機(jī)(Support Victor Machine,SVM)模型來(lái)預(yù)測(cè)金融新聞對(duì)股票市場(chǎng)的影響,并通過(guò)bootstrap來(lái)減輕過(guò)擬合問(wèn)題。在滬深股指上進(jìn)行實(shí)驗(yàn)的結(jié)果表明,相比于傳統(tǒng)模型,所提方法能夠?qū)㈩A(yù)測(cè)準(zhǔn)確度提高約8%,并在3個(gè)月的回測(cè)實(shí)驗(yàn)中獲得了6.52%的超額收益,證明了其有效性。 

【文章來(lái)源】：計(jì)算機(jī)科學(xué). 2020年05期 第79-83頁(yè) 北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

不同懲罰因子C對(duì)預(yù)測(cè)準(zhǔn)確率的影響(消極預(yù)測(cè))

同樣地,特征詞數(shù)量會(huì)影響預(yù)測(cè)的準(zhǔn)確率以及模型訓(xùn)練速度,過(guò)多的特征詞會(huì)影響模型訓(xùn)練以及分類的速度,并增加數(shù)據(jù)的噪聲;過(guò)少的特征詞會(huì)降低分類準(zhǔn)確度。圖4、圖5顯示了不同數(shù)量的特征詞對(duì)預(yù)測(cè)結(jié)果的影響。圖5 不同特征詞數(shù)量下預(yù)測(cè)精度的比較(消極)

圖4 不同特征詞數(shù)量下預(yù)測(cè)精度的比較(積極)可以看到,特征詞數(shù)量在100～400時(shí)預(yù)測(cè)精度不斷增加,在400～800時(shí)預(yù)測(cè)精度并沒(méi)有顯著增長(zhǎng),并且隨著特征詞數(shù)量的增加,模型的訓(xùn)練時(shí)間以及對(duì)驗(yàn)證文本的處理時(shí)間顯著增加。因此,結(jié)合訓(xùn)練結(jié)果的準(zhǔn)確率和模型訓(xùn)練速度,本文將特征詞數(shù)量定為600,超參C的值為10。

【參考文獻(xiàn)】：
期刊論文
[1]基于詞頻統(tǒng)計(jì)規(guī)律的文本數(shù)據(jù)預(yù)處理方法[J]. 池云仙,趙書良,羅燕,高琳,趙駿鵬,李超.  計(jì)算機(jī)科學(xué). 2017(10)
[2]基于SVM的主題爬蟲技術(shù)研究[J]. 李璐,張國(guó)印,李正文.  計(jì)算機(jī)科學(xué). 2015(02)



本文編號(hào)：2901209