SCONV:一种基于情感分析的金融市场趋势预测方法

摘要：

股票市场是国家经济发展的重要组成部分,也是与我们日常生活息息相关的一个市场,股民的情绪一定程度上可以作为影响股票价格的因素之一.提出一种基于ConvLstm(convolutional long short term memory)的股票情感分析价格预测的深度学习模型SCONV(semantic convolutional).该模型通过爬取股民评价,使用LSTM(long short term memory)模型并通过word2vec,进行情感分析,提取情感向量,并得出每一日的情感权重.随后将每日股价分别与对应前1日、前3日均值、前一周均值的情感权重与股票价格一起放入ConvLstm中进行训练,再使用叠加的一层LSTM来增加准确率,并在ConvLstm与增加的LSTM之间增加dropout层,来避免过拟合.实验数据采用了3年左右阿里巴巴(BABA.us)、1.5年左右平安银行(000001.sh)、5个月左右格力电器(000651.sz),实验结果表明:相比一些传统模型,SCONV在较小的样本集上依旧可以更好地预测股票价格的走势.

关键词：人工智能、长短期记忆神经网络、卷积、股价预测、深度学习

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61802230

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1769-1778