基于BVANet的财经新闻情感分析

摘要：

股票市场的预测一直以来是金融大数据分析领域一项难题,而财经新闻中包含的内在信息对市场表现有很大影响.提出了一种基于BERT的向量自回归融合网络(BVANet),该网络通过BERT将财经新闻情感量化,后结合市场表现联合构建金融时间序列向量自回归(VAR)模型,最终实现股票的预测.结果表明,与传统算法相比,BVANet在提取新闻情绪信息和模型预测中取得了更好的效果,新闻的情绪对市场表现有预测作用.该研究可为自然语言处理在金融预测的应用提供实践参考.

关键词：深度学习、财经新闻、自然语言金融预测、情感分析、时间序列分析

所属期刊栏目：52

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;山西省关键核心技术;共性技术研发公关专项

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：263-270