基于文本挖掘和机器学习的股指预测与决策研究

兰玉森1戴德宝1范体军2赵敏1

1.上海大学; 2.华东理工大学;

摘要：

依据行为金融学理论,资本市场投资者的心理和行为对股票指数变动有重要影响.为此本文假设投资者情绪与股票指数存在一定内在作用机制,能预测股票市场整体价格变化.通过文本挖掘技术和情感分析方法生成积极和消极各三阶共六类投资者情绪时间序列数据;采用单位根检验、Granger因果关系检验和因子分析等方法构建上证投资者情绪综合指数,并分别使用支持向量机和神经网络预测股票市场价格变化,进行假设验证.结果表明:利用网络股市论坛文本数据和股票交易数据构建的上证投资者情绪综合指数能够提高股指走势预测的精度,有利于政府、在线平台、上市公司和投资主体更好决策.

关键词：投资者情绪、股票预测、文本挖掘、机器学习

分类号：F832.51(金融、银行)

资助基金：国家自然科学基金重点项目71431004;教育部人文社会科学研究规划基金项目17YJA880014

在线出版日期：2019-06-25（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：166-175