基于LSTM和新闻情感的股票价格预测方法

摘要：

股票预测研究对于经济发展具有重要意义,也是困扰投资者的难题.本文提出了一种基于LSTM和新闻股票情感分析的组合优化模型SVM_LSTM.首先将XGBoost和利用交叉验证优化的LSTM应用于预测中国银行、中国联通以及浦发银行的每日收盘价上,通过对比二者的性能,选择较优的LSTM对中国银行股票历史价格进行最终的时序预测;然后,使用SVM对中国银行的股票新闻进行情感倾向预测;最后,采用加权的方式将SVM的预测结果与LSTM的预测的结果进行融合.实验结果表明:第一,利用交叉验证优化的LSTM较XGBoost具有更优的评价指标,针对中国银行数据集,其RSEM、MAE、MSE比XGBoost分别减少了0.234、0.173、0.011;第二,采用加权的方式将SVM_LSTM的预测结果调和,实验结果较原LSTM而言,评价指标RSEM、MAE、MSE分别减少了7.5％、6.4％、10.8％.

关键词：SVM、XGBoost、交叉验证、LSTM、股票价格预测、新闻情感预测

所属期刊栏目：12

分类号：F83(金融、银行)

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：107-113