作為資本市場(chǎng)的一個(gè)重要組成部分,股票市場(chǎng)在整個(gè)金融領(lǐng)域中有著十分重要的地位。一直以來,無論是在學(xué)術(shù)領(lǐng)域還是在資產(chǎn)管理行業(yè),都有很多人希望能夠找到一種能夠正確地預(yù)測(cè)股票市場(chǎng)變動(dòng)方向的方式。過去人們?cè)谶M(jìn)行股票價(jià)格走向的預(yù)測(cè)分析時(shí),大部分是從股票市場(chǎng)自身的角度出發(fā),利用證券價(jià)格的歷史價(jià)格,交易量或者是和公司相關(guān)的收益指標(biāo)來分析股票未來價(jià)格的變動(dòng),很少會(huì)從經(jīng)濟(jì)新聞、財(cái)經(jīng)自媒體文章、股市評(píng)論等文本信息的角度來分析股票未來的價(jià)格變動(dòng),而隨著互聯(lián)網(wǎng)特別是移動(dòng)互聯(lián)網(wǎng)在百姓生活中的普及,越來越多的投資者開始接觸到各種財(cái)經(jīng)新聞,并且以此來輔助自己進(jìn)行投資,因此研究這些財(cái)經(jīng)文本信息對(duì)股市的影響,以及如何從這些文本信息中挖掘出有效的特征來對(duì)股票市場(chǎng)的走勢(shì)進(jìn)行判斷有著重要的現(xiàn)實(shí)意義。本文的研究是利用財(cái)經(jīng)新聞文本數(shù)據(jù),從文本挖掘的角度來分析財(cái)經(jīng)新聞對(duì)股票價(jià)格的影響及利用從文本數(shù)據(jù)中抽取的特征來對(duì)股票市場(chǎng)的未來走勢(shì)進(jìn)行預(yù)測(cè)。與市場(chǎng)上常見的技術(shù)性指標(biāo)、基本面指標(biāo)等結(jié)構(gòu)化數(shù)據(jù)不同,文本信息屬于一種非結(jié)構(gòu)化的數(shù)據(jù),要想讓模型能夠理解這些信息并從中挖掘出一些有用的特征,必須先對(duì)收集到的財(cái)經(jīng)新聞進(jìn)行轉(zhuǎn)換處理,本文首先運(yùn)用了Py...

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1支持向量機(jī)如圖2.1所示，SVM在樣本點(diǎn)線性可分時(shí)，會(huì)在樣本點(diǎn)之間尋找一個(gè)超平面

蘭州財(cái)經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究14圖2.1支持向量機(jī)如圖2.1所示，SVM在樣本點(diǎn)線性可分時(shí)，會(huì)在樣本點(diǎn)之間尋找一個(gè)超平面將所有樣本點(diǎn)分開。SVM的特點(diǎn)是對(duì)超平面的好壞有著自己的評(píng)價(jià)標(biāo)準(zhǔn)，只有距離分隔平面最近點(diǎn)的距離最大的那個(gè)分隔平面才是最好的超....

圖2.2XGBoost模型

蘭州財(cái)經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究16關(guān)系，大大降低了計(jì)算量。在支持向量機(jī)中，常用的核函數(shù)有四種：線性核、多項(xiàng)式核、高斯核與Sigmoid核函數(shù)。（1）線性核函數(shù)：K(x,x’)=xx"（2）多項(xiàng)式核函數(shù)：K(x,x")=((xx")+c)d（3）高....

圖2.3包含一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)

蘭州財(cái)經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究20圖2.3包含一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是現(xiàn)在最為流行的一種機(jī)器學(xué)習(xí)算法，由于其強(qiáng)大的非線性擬合能力，還有各種優(yōu)化算法的出現(xiàn)，使得神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別、語音識(shí)別甚至是無人駕駛能人工只能領(lǐng)域中得到廣泛運(yùn)用。神經(jīng)網(wǎng)....

圖2.4神經(jīng)網(wǎng)絡(luò)常用激活函數(shù)在穿越過所有的隱藏層后，會(huì)進(jìn)入到輸出層，得到輸出值：y=σ(z)θ+b

蘭州財(cái)經(jīng)大學(xué)碩士學(xué)位論文基于文本挖掘和機(jī)器學(xué)習(xí)算法的股票投資研究21圖2.4神經(jīng)網(wǎng)絡(luò)常用激活函數(shù)在穿越過所有的隱藏層后，會(huì)進(jìn)入到輸出層，得到輸出值：y=σ(z)θ+b1從輸入層到輸出層的過程屬于神經(jīng)網(wǎng)絡(luò)的前向傳播，在這之后需要通過反向傳播算法來改變參數(shù)值。反向傳播算法包括兩個(gè)要素....

本文編號(hào)：4049525