引入新闻短文本的个股走势预测模型

摘要：

[目的]结合深度学习,分析股市数值数据和财经新闻,提高股票涨跌预测准确率.[方法]建立基于事件的新闻分类模型,使用多输入的循环神经网络建立基于新闻事件、资金流向和公司财务的个股走势预测模型,提升股票预测准确率.[结果]引入新闻文本后模型预测准确率进一步提升,其中,采矿业准确率达到76.22％,医药制造业准确率达到77.36％.[局限]未验证新闻标题与新闻文章对股价影响程度的差异,且新闻事件的分类是基于一年内的新闻数据集进行人工划分,数据集不具备完整性和代表性.[结论]引入新闻事件作为股票预测模型的特征之一,能够提升预测的准确率.

关键词：个股走势预测、深度学习、文本挖掘

所属期刊栏目：3

分类号：TP181(自动化基础理论)

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11-18