基于自然语言处理的舆情分析和股价涨跌预测系统

• 全文链接
• 请求原文

作   者：

于赐龙;  史振宇;  谢允昊;  黄军宏; 

作者机构：

深圳大学机电与控制工程学院; 

关键词：

舆情分析;  自然语言处理;  神经网络;  金融科技; 

期刊名称：

系统工程

i s s n：

1001-4098

年卷期：

2021 年 39 卷 005 期

页   码：

114-123

摘   要：

金融科技的快速发展拓展了证券市场预测股票行情的途径,传统的方法是通过股票的历史价格和特征因子进行预测,这种基于历史量价的预测方法很难反应公众情绪对股市的影响.基于深度学习的自然语言处理技术能够发掘文本数据的深度特征,从网络上的散乱信息中找到特殊线索,为金融市场中舆情的定量分析提供了解决方案.本系统以网络上关于上市公司的原始新闻资讯作为样本,以真实的股价涨跌情况作为标签,分别对样本数据进行清洗、文本向量化等预处理,设计出代表短线、中线和长线的三种数据集,搭建基于深度学习模型BERT的金融情感预测系统(BERT-FS),经过训练和评估之后,判断股票涨跌的AUC值最高可达79.48%.