一种多源数据驱动的自动交易系统决策模型
股票自动交易系统属于典型的复杂系统,其成功的关键是如何对股价进行有效的预测与决策.股价受多种信息的影响,但传统的自动交易模型多建立在历史交易数据的基础上.针对上述问题,本文综合利用新闻文本数据与股价技术指标数据,基于人工神经网络(Artificial neural netuorks,ANN)方法设计了一种多源数据驱动的股票自动交易决策模型.本文首先分析了各类财经新闻的特点及其对股价的影响,然后设计了相应模板抽取了中文文本中的财经新闻事件;在此基础上,设计了历史股价和新闻事件数据共同驱动的ANN-News模型,并利用实际数据验证了模型的有效性.实验发现,ANN-News模型比传统的机器学习类模型股价预测准确率提升约4%,收益率提升约7%.
神经网络、数据驱动、自动交易、决策模型
44
国家自然科学基金71431008,71521061
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共13页
1505-1517