基于量价与情感分析的股市预测技术研究

发布时间：2021-11-18 10:40

　　股市预测作为一项难度很大且富有意义的一项任务,一直被各界研究者所关注。在“有效市场假说”的大前提下,一个信息公开透明,价格走势可不受约束地随信息的披露而波动的股市是很难预测的。然而,在实际情况下,所有投资者不可能同时掌握相同的信息,尤其是在互联网高速发展的今天,网络信息庞杂混乱,不同的投资者处理信息的能力不同,面对如此大量的信息会产生对价格走势不同的看法。从这一观点切入,本文希望通过现有技术来尽可能多的分析可获取信息,从而尽可能准确地预测价格走势。目前股市市场主要存在结构化数据（量化数据）以及非结构化数据（文本数据）,因此本文的研究主要从以下三个方向出发:量化预测、情感分析、量化与情感分析融合预测。量化预测是整个股市预测中最基础但也是最重要的一个任务,其本质是时间序列分析,已有的绝大部分工作都是基于规则或是统计学对价格序列进行建模,需要了解一定金融领域知识,然而不断变化的股市规律以及股市市场本身的复杂性使得这种分析方式十分困难且效果也不尽人意。因此本文提出了一个基于栈式自编码结合长短期记忆网络的时间序列预测模型,通过栈式自编码来自动构建特征,并通过长短期记忆网络来进行时间序列分析。结果... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

论文框架图

哈尔滨工业大学工程硕士学位论文股票在开启了一波上涨行情后，一般来说该股所在板块的非龙头股股一段时间过后获得部分投资，从而股价上涨，可以看出各个股票价格是在一定程度上依赖于所处版块。为了利用这部分信息来辅助时间序本文采用了一种基于图的表示学习方法，来学习各个股票的板块信息到对应的板块编码。实验结果表明，通过引入各个股票之间的板块信于提升模型在量价时间序列上的预测效果。时间序列预测方法本节中，将详细介绍提出的基于量价的时间序列预测方法。这里的时测任务其本质还是一个分类任务，即通过已有的历史信息 X 来推断出的涨跌 Y，其中 Y 只有两个值 1、0 对应涨、跌两个类别。在实际任示历史量价数据，Y 表示下一天收盘价相对于当天收盘价的涨跌。本节型结构如下图 2-1 所示。

（2）软阈值法 当系数绝对值大于阈值时减去阈值，反之为 0使得过滤后的函数图像依然连续，具体表达式如下:,sgn | | | | 0 | | 其中sgn 函数表示符号函数。对于非线性参数的取值，Donoho 理论证明得到非线性软阈值表达式为。2log 公式中，n 表示时间序列的长度， 表示时间序列的标准方差，由中的噪声强度是未知的，因此 采用如下公式来进行近似估计。Median | | /0.6745 如图 2-2 所示，图为使用离散小波变换对大盘指数部分序列数据的效果图。


本文编号：3502753