基于LSTM和新闻情感的股票价格预测方法

• 全文链接
• 请求原文

作   者：

许丽;  张利;  李桂城;  肖一凡;  陈丽绵;  唐艳; 

作者机构：

贵州大学大数据与信息工程学院; 

关键词：

LSTM;  股票价格预测;  XGBoost;  交叉验证;  SVM;  新闻情感预测; 

期刊名称：

智能计算机与应用

i s s n：

2095-2163

年卷期：

2022 年 12 卷 005 期

页   码：

107-113

摘   要：

股票预测研究对于经济发展具有重要意义,也是困扰投资者的难题.本文提出了一种基于LSTM和新闻股票情感分析的组合优化模型SVM_LSTM.首先将XGBoost和利用交叉验证优化的LSTM应用于预测中国银行、中国联通以及浦发银行的每日收盘价上,通过对比二者的性能,选择较优的LSTM对中国银行股票历史价格进行最终的时序预测;然后,使用SVM对中国银行的股票新闻进行情感倾向预测;最后,采用加权的方式将SVM的预测结果与LSTM的预测的结果进行融合.实验结果表明:第一,利用交叉验证优化的LSTM较XGBoost具有更优的评价指标,针对中国银行数据集,其RSEM、MAE、MSE比XGBoost分别减少了0.234、0.173、0.011;第二,采用加权的方式将SVM_LSTM的预测结果调和,实验结果较原LSTM而言,评价指标RSEM、MAE、MSE分别减少了7.5%、6.4%、10.8%.