结合文本情感、主题、社交特征和深度学习的股价预测方法.docVIP

精品文档，助力人生，欢迎关注小编！ 结合文本情感、主题、社交特征和深度学习的股价预测方法 陈媛先 [摘 要] 文章旨在提出一种结合文本数据情感值、文本主题、社交数据，并基于深度学习算法LSTM模型（Long-Short Term Memory，长短期记忆网络）的股价预测方法。文章通过将情感测量值丰富到6种，特别是测量了情感分歧值（情感值标准差），为情感参与股价预测提供了新的特征值。同时，将社交数据（文本的阅读数、点赞数）纳入模型中，考虑到了社交影响因素。在此基础上，文章将文本的主题因素纳入股价预测中，最终形成情感、主题、社交相结合的丰富文本特征集。基于OLS回归，首先验证了情感、主题、社交等特征和股价的相关性，然后，使用LSTM算法对特征与预测值进行了模型训练，最后基于训练好的模型对样本进行了回测。从回测结果看，增加了情感和主题后，模型具有良好的预测能力，对下一天收盘价的预测误差控制在0.5元以内。 [关键词] 文本情感； 文本主题； LSTM； 社交特征； 股价预测 中图分类号：TP391.1 文献标识码：A 使用文本信息进行股票走势预测的研究越来越常见，在使用到的文本信息中，个股新闻和财报（徐伟， 李韵喆. 20XX； 张梦吉， 杜婉钰， 郑楠. 20XX； 杨阳. 20XX）是比较常用到的一种文本信息[1-3]。此外，社交文本也成为重要的分析信息来源，比如，微博文本（朱梦珺， 蒋洪迅， 许伟. 20XX； 张栋凯， 齐佳音. 20XX）[4-5]。 在使用文本信息进行股价预测的时候，主要的分析方向有甄别市场情绪、分析主题、分析文本的传播效果等。大部分的研究通过其中1种或者2种方向来对股市做分析和预测。其中，情感、情绪结合股价分析是最常见的一种文本信息挖掘和使用的思路。尽管当前已经有不少研究成果，但是，我们认为当前的研究仍然存在不足，在本文中，我们将提出一种更深度利用文本信息预测股价的方式。 我们认为，现有结合情感、主题的预测方法主要不足在于：1、情感值参与预测时候仅考虑情感方向、情感强度，没有体现情感的波动。而在同一个文本中（如一个讨论特定话题的帖子），参与者不同，情感有差异，这种差异在传统的情感使用中被抹杀了，只考虑整体的情感方向和數值，本文增加考虑同一个文本中，不同情感表达的差异性，以正向方差、负向方差的方式进行体现。2、当前情感和主题参与预测时候，不考虑社交因素，本文将文本获得的关注度或者影响面加入了考虑，以文本被阅读、被点赞的数据参加模型预测。3、LDA和情感结合使用的时候，目前技术主要是使用LDA来提升对情感分类的准确性，在本文中，我们将情感和主题都当作独立的特征值，参与到LSTM算法模型的预测中。4、当前技术在结合情感进行股价预测的时候，主要使用SVM等传统分类方法进行，本文在算法选择上主要选择LSTM算法。 在文章中，我们将针对如上提到的不足进行优化，主要创新在于，第一、丰富了情感的测量。在纳入到股价预测中的情感指标中，不仅仅考虑了情感值的正负向、情感值的大小，还考虑了情感的波动（每个讨论的情感波动，包括正向情感标准差，负向情感标准差）； 第二、考虑了社交特征，将文本的阅读数、点赞数加入到预测模型中，将文本的影响面考虑到，并纳入估计预测模型中； 第三、对股吧本文信息进行了主题挖掘，将发现的主题以新的特征加入到预测模型中。 我们的重要发现包括：基于OLS回归，我们发现：情感值的多少（评论内容）和价格、交易量、交易金额不相关。相对来说，当天积极方向的情感平均值意味着10天后股价的下降。 积极方向的情感值标准差往往意味着股价在未来的上涨。而消极方向的情感值得标准差往往意味着股价在5-10天会下降。消极情感标准差值还和未来10天内的成交股数、成交金额负相关。社交帖子浏览数（Read）和未来成交股数、成交金额呈现显著正相关关系，而和未来股票价格存在显著负相关关系，意味着投资者多浏览帖子和后续的交易选择存在相关性，更大的可能性是在在决定是否买入的环节多浏览帖子会促进购买，而在出售环节，如果多参考网友意见，也会加快出售。即，投资者在买入新股和售出股票环节，都会受到网友的影响。而主题4和主题5的匹配会促进成交股数和成交金额，但是，和股价的显著下降也相关，因此，可以看到主题4和主题5的匹配主要影响股票出售策略。即，讨论如果围绕实业经营、产业周期等，意味着未来交易放量、成交活跃相关但是股价下降。主题1促进促进成交股数、交易金额和股价同步下降，即，交易萎缩、价格下降。主题3和收盘价上涨相关。主题2主要和未来10天的开盘价下跌有关。而在我们挖掘的股吧内容中，主题4和主题5主要涉及