基于LSTM网络和文本情感分析的股票指数预测

• 全文链接
• 请求原文

作   者：

于孝建;  刘国鹏;  刘建林;  肖炜麟; 

作者机构：

华南理工大学经济与金融学院;  浙江大学管理学院; 

关键词：

金融文本;  股票指数预测;  市场情绪指标;  LSTM神经网络;  SVM分类器; 

期刊名称：

中国管理科学

i s s n：

1003-207X

年卷期：

2024 年 32 卷 008 期

页   码：

25-35

摘   要：

投资决策受投资者行为偏好的影响,因此合理地捕捉投资者情绪有助于预测股票市场未来变化趋势.结合机器学习算法,分析金融市场投资者情绪,利用SVM情感分类算法,对股吧个股评论中的文本数据进行分析,从而构建出反映投资者情绪的市场情绪指标.进一步使用LSTM深度学习网络,提取市场情绪指标特征,对上证50指数进行短期预测,并对比多种传统时间序列分析模型和机器学习模型.研究结果表明,LSTM神经网络在金融时间序列预测上具有更高的准确率和精确度;加入市场情绪特征后,能进一步提升LSTM模型预测结果的准确率和精确度,说明了投资者市场情绪对于市场指数预测的有效性和适用性;此外,对LSTM模型预测结果进行误差修正,能够有效优化LSTM模型的预测结果.