基于财经新闻情感倾向值的股票价格预测研究

发布时间：2020-05-25 08:34

【摘要】：随着我国经济的稳定发展,人民生活水平的提高,居民可支配收入的增长,如何对闲置资金进行合理投资成为越来越多人关注的话题。股票作为一种高风险与高收益并存的投资方式,也因此受到了广泛的关注。而如何有效规避股市风险,提高投资收益,也毫无疑问成为了业界持续探讨和研究的问题。近年来,股票预测领域的研究重点渐渐从传统的基于股票关键指标的预测分析转移至基于新闻等基本面信息和关键指标相融合的预测分析。行为金融学理论指出新闻等文本可以通过影响投资者心理进而影响投资者决策,最后作用于股票价格,因此产生了诸多基于新闻情感倾向的股票预测研究。然而目前该领域的研究还存在以下问题:1)新闻情感倾向分析更多是一种基于情感倾向类别的分析,很少分析或应用研究从情感倾向强度这种细粒度层面展开;2)基于新闻情感倾向类别的研究由于无法得到精度更高的新闻情感倾向强度,因此不能有效提高股票预测的精度,尤其是在股票价格具体值的预测方面。针对以上问题,本文设计了一种财经新闻情感倾向强度指标量化的方法,并将量化后的指标与股票关键指标进行特征融合,在此基础上采用改进粒子群算法对支持向量回归模型进行参数优化,最终构建了一个新的股票价格预测模型。本文开展的核心工作主要包括以下两个部分:(1)设计了面向财经新闻情感词典的权重改进的新闻情感倾向强度量化方法。通过整合现有的较为成熟的情感词典,结合人工筛选的财经领域情感词汇,构建了面向财经领域的情感词典,并以此为基础,在充分考虑财经新闻文本结构特征和情感分布后,设计了基于词汇权重、位置权重和语义规则权重优化的财经新闻情感倾向值量化方法。通过财经新闻情感倾向值量化的实证,发现本文设计的财经新闻情感倾向值量化方法的优越性。(2)构建了基于特征融合的改进的PSO-SVR的股票价格预测模型。将提取的股票关键指标与财经新闻情感倾向值指标进行特征融合,并采用改进的粒子群算法实现支持向量回归的参数优化,最终构建了本文的股票价格预测模型。通过个股股票价格预测的实证,发现本文预测模型的预测精度要高于其他对比模型。
【图文】：

数量分布,个股,数量分布,新闻

图 5-1 个股每月新闻数量分布由图 5-1 可知，对于本文实验样本而言，个股的财经新闻报道数量具有离散性，且呈现分布不均匀的特点。考虑到样本的离散性对股票价格预测的影响，，引入Pearson相关系数来评估基于本文实验样本计算得到的个股财经新闻情感倾向值与股票价格的相关性，最后得到四只股票对应财经新闻情感倾向与股票价格相关系数结果如表 5-7 所示。表 5-7 个股股票价格与财经新闻情感倾向值相关性分析贵州茅台中国平安永辉超市上海家化Pearson 系数 -0.03144 0.27153 0.14163 0.01587由表 5-7 可以看出，贵州茅台的财经新闻情感倾向值与股票价格的 Pearson相关系数仅为 0.03144，且两者呈现负相关关系。结合 2017 年真实的市场情况分析，可以发现，一方面贵州茅台作为 2017 年的 A 股股王，股票价格的疯狂上涨

股票收盘价,情感倾向,财经新闻,收盘价

财经新闻情感倾向值与股票价格的相关系数不高的原因。因此本股股票价格预测剔除了贵州茅台，最终选取中国平安、永辉超市和上海家化例进行分析。本文先以中国平安为例，详细介绍基于财经新闻情感倾向值的中国平安收盘价预测过程及结果，最后给出其他两只股票的预测结果。首先给出中国 2017 年 1 月 1 日至 2017 年 12 月 31 日的股票原始收盘价走势如图 5-2 所
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51

【相似文献】