一种基于CNN-BiLSTM多特征融合的股票走势预测模型

摘要：

[目的]在传统基于股市数值分析的基础上,研究新闻对股票市场的影响,提高股票走势预测的准确率.[方法]引入卷积神经网络和双向长短时记忆模型挖掘财经新闻中的新闻事件类型和新闻情感倾向,提出一种深度融合股市财务数据、新闻事件特征及新闻情感特征的股票预测模型.为了验证所提模型对不同行业个股走势的可行性,分别选取家用电器行业和通信行业的两只股票作为实验对象.[结果]引入新闻事件和情感特征后,模型的预测准确率进一步提升,家用电器行业准确率提高了11.6％,通信行业准确率提高了25.6％.[局限]模型未考虑不同预测周期对股票预测的影响.[结论]引入新闻事件类型和情感倾向能够提高股票走势预测的性能.本文评估影响股票走势的因素,并对影响股票走势预测的特征重要性进行排序.

关键词：深度学习;特征融合;情感倾向;股票走势

所属期刊栏目：5

分类号：TP393(计算技术、计算机技术)

资助基金：本文系北京外国语大学一流学科建设项目项目编号:YY19ZZA012

在线出版日期：2021-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：126-137