基于多信息源的股价趋势预测.PDFVIP

Vo 1. 44 No. 10 第 44 卷第10 期 计算机科学 2017 年 10 月 COMPUTER SCIENCE Oct.2017 基于多信息源的股价趋势预测 饶东宁1 邓福栋1 蒋志华2 (广东工业大学计算机学院 广州 510006)1 (暨南大学信息科学技术学院计算机科学系 广州 510632)2 摘 要 股票价格及趋势预测是金融智能研究的热门话题。一直以来，各种各样的信息源被不断尝试用于股价预测， 例如基本经济特征、技术指标、网络舆情、财务公告、财政新闻、金融研报等。然而，此类研究大多数只使用一种或两种 信息源，使用 3 种及以上信息源的极为少见。信息源越多意味着能够提供更加丰富的信息内容和更多不同的信息层 面。但是由于各种信源的本质不同，其对股票市场的影响程度不同，因此将多种信源融合起来进行股价预测并非易 事。此外，多信源也增加了维度灾难的风险。基于信息融合的目的，尝试同时利用基本经济特征、技术指标、网络舆情 3 种信息源来进行股价预测。具体做法:先对不同类型的信息源数据进行针对性的处理，使其形成统一的数据集，然 后使用 SVM分类器建立预测模型。实验结果表明，在选用线性核函数和考虑非交易日数据时，使用这 3 种信源组合 的预测模型的预测效果要比使用羊一信源或者两两组合的预测效果好。此外，在收集数据时发现，在非交易日(例如 周末或停牌期)虽没有买卖但网络舆情剧增。因此，在实验数据中添加了非交易日的舆情情感数据，分类精准度有所 提高。研究结果表明，基于多信源融合的股价预测虽然困难，但是在适当地选择特征和针对性地进行数据预处理后会 有较好的预测效果。 关键词 多信息源，股价趋势预测，SVM 分类 中固法分类号 TP181 文献标识码 A DOI 10. 11896/j. issn. 1002-1372♀ 2017.010.036 Stock Price Movements Prediction ßased on Multisources RAO Dong-ning1 DENG Fu-dong1 JIANG Zhi-hua2 (School of Computer ,Guangdong University of Technology ,Guangzhou 510006 ,China)1 (Ðepartment of Computer Science , School of Information Science and Technology ,Jinan University ,Guangzhou 510632 ,China)2 Abstract Predicting stock price movement is a hot topic in the financial intelligence field. so far ,people have conti- nuously attempted to use various data sources in the stock price prediction ,such as fundamental economic features ,tech nical indicators , Internet p