基于Bert股吧舆情分析的特征融合股价走势预测研究

摘要：

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于Bert股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测.首先,采用Bert自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果.以华银电力(600744.SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8.63％,预测收盘价的回归指标FMAPE、FRMSE分别下降了 23.59％、22.9％,R2提高了 8.11％,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段.

关键词：文本情感分析、股价预测、Bert自然语言处理模型、长短期记忆网络模型

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：重庆市科委自然科学基金资助项目CSTC2020JCYJ-MSXMX0162

在线出版日期：2023-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：77-86