随着中国市场经济的发展,股票在我国经济发展过程中起到了越来越重要的作用,
作为优秀的投资手段以及宏观经济变动的晴雨表,股票指数的趋势预测的重要性不言
而喻。但股票市场是非理性的,股指数据非平稳、非线性且高噪声,因此单纯依靠传
统的时间序列模型很难对股指变化趋势进行精确预测。中国的政策市以及股民结构的
特殊性都会使股民的情绪和心理预期倾向对股票的价格产生一定影响,从而导致价格
的波动,信息的不对称也加剧了投资者的主观投资现象的发生,因此引入投资者心理
因素,优化股票价格预测模型,会得到更高的精准度。随着机器学习的发展,神经网
络能够捕捉到复杂的序列性质和非线性结构,从而使预测的精度大大提高,在股票市
场的趋势预测过程中有较大的优势。基于以上分析,本文建立了基于投资者情绪的股
指变化趋势预测模型,将投资者情绪转化为具体数值与股指历史数据信息相结合,输
得分,并与百度指数中的搜索指数和资讯指数结合,构成投资者情感指数,将股民心
理量化。其次,由于股指历史数据信息具有严重的多重共线性,本文选择采用函数型
主成分分析方法进行降维处理。利用B样条基函数法进行数据拟合,对14个指标及
投资者情绪的特征进行提取,得到了累积贡献率为95.8%的三个主成分,分别为:投
资者情绪因素、股票自身价值影响因素、交易因素。最后本文将股指历史数据信息的
主成分以及结合投资者情绪后的主成分分别输入LSTM神经网络模型中,进行预测
分析。以上模型的开展都是以上证50指数为例进行的,为了检验模型的普适性,选
择不同规模大小的股票指数(沪深300指数和中证500指数)进行预测,根据预测结
预测精度的对比,得到了以下结论:一、本文提出的模型对于股指预测是有效的;二、
投资者情绪的引进会提高模型预测的精度,且对不同股指的预测精度有不同程度的提
高,其中沪深300指数的预测精度改进最大,对中证500指数的改进效果次之,对上
证50指数的改进效果最为微弱;三、模型更适用于金融板块占比较大的指数,普适
议如下:一、对投资者而言,要客观分析网络上的信息,增强自身专业素养,保持理
性态度对待股票投资;二、对上市公司而言,应定期准确披露相关信息,官方说明公
司目前运营状况,使投资者理性投资;三、对政府相关部门而言,一方面要在信息真
实性识别方面,加强对股民的指导,定期开展讲座进行官方培训,提高他们对各种评
论信息的识别能力,另一方面要通过数据分析来监测股票市场,制止个人或机构投资
放在家中或存入银行,而是选择涉猎金融行业,进行财富的投资与保值。在众多的投
资方式中,股票凭借其优秀的流动性、变现性以及高收益性,吸引众多投资者涉猎其
中。根据各证券交易所的数据显示,截止2022年2月11日,我国上市公司共有4731
家,总市值为855086.75亿元。股票无疑发展成为了金融市场中,人们涉及最多的投
国股票市场的持续发展,股票市场与我们国家的经济发展有着密切的联系,成为了我
国宏观经济的“晴雨表”。比如2007年10月到2008年10月期间,国内支柱行业如制
造、地产等出现泡沫,大部分投资者盲目看好股市,纷纷进行了股票的买入。但伴随
着全球金融危机的爆发,指数断崖式下降,仅仅一年时间,股票指数便从6124点疯
狂跌至1664点。2018年中美贸易争端的不断升级,重创中国股市,股票指数持续下
跌,直到2019年中美谈判后才有所缓和。在投资热潮的大环境下,确保股市平稳发
展是一国之根本。因此,以一个准确度较高的方式来预测股指趋势的变动情况是十分
必要的。一方面对投资者,可以为量化投资提供科学理性的投资建议,而不是单纯的
靠主观分析;另一方面对国家,可以通过预测来掌握经济形势将要发生的变动,从而
方便及时把握与适时的调控宏观经济政策,尽可能规避因较大的经济波动而导致的灾
股指预测的精度。但股票市场是非理性的,股指数据具有非平稳、非线性且高噪声的
特征,因此单纯依靠传统的时间序列模型准确预报股票指数变化趋势是困难的。随着
机器学习的发展,深度学习中的神经网络能够捕捉到复杂的序列性质和非线性结构,
绪和心理预期倾向对股票的价格产生一定影响,从而导致价格的波动。最近几年,伴
随着网络的持续发展,我们的网民人数也在不断增加,金融市场得到了快速的发展,
网民对其关注度不断提高,网络也逐步成为人们获取金融信息的重要方式之一。从
2020年度中国互联网络发展状况报告中看出,中国互联网用户人数快速增加,与2018
年相比,同比增长量达到了7508万,网民人数在2021年达到9亿,互联网普及程度
尤其是城镇互联网普及程度增长迅速,前者达到了64.5%,后者达到了76.5%。在网
络信息充斥的年代,各类金融类网站的论坛为投资者们提供了一个交流股票、交流观
点、分享信息的平台,散户们通过浏览微博、论坛等平台展示出的信息的方式,获得
其他散户、机构投资者对股票的看法和投资建议,也会在各种跟上市公司相关的媒体
报道、官方发布会或小道消息中,提取出对公司的发展进行投资是否有意义的信息,
综合考量各种信息并做出自己认为恰当的投资决策。根据上海证券交易所统计年鉴公
布的数据,个人投资者占比近年持续增长,2021年个人投资者持股市值占比为34%,
是所有投资者类型中占比最高的一部分,机构投资者占比为22.4%。与专业投资者相
比,个人投资者在专业知识能力、获取得到的信息的全面程度等方面存在着很大差距,
这意味着他们在投资时,由于信息获取或应用的不完整,从而影响其理性的投资决策。
根据行为金融学的理论,网络中因为股市波动产生的各个类型、各种渠道的信息会对
投资者对于市场利好利空的判断产生影响,这就会进一步影响投资者最终的股票投资
选择。专业学者对于股票市场预期走势的准确把握都很困难,更何况是专业度不足的
散户投资者,并且中国上市企业并不会及时、详细的披露公司的运作状态,因此公司
的发展前景只能通过对网络上搜集到的信息进行推测,而网络上的消息质量参差不齐,
这并不利于投资者对整个股票市场和公司未来发展方向的获取。因此越来越多的研究
学者在传统的股票价格预算模型基础上,引入投资者心理因素,优化股票价格预测模
型,以此得到更高的精准度。基于以上分析,将投资者情绪考虑在影响股指趋势变动
的参照,有效降低投资风险,使投资者理性投资。随着时代的发展,越来越多人选择
股票这种高风险高收益的投资手段。目前股票投资市场中,个人投资者占据了股票市
场的大部分。而个人投资者的投资知识专业性不足,风险承受能力较低,且大部分偏
向于短期频繁交易,容易引起股票市场的异常波动。为了有效防止散户们在股吧论坛
等社交媒体上,对各种不同的信息进行盲目、过分的解读,从而产生非理性投资风险,
一个客观、合理且准确率较高的模型显得尤为重要,其有利于投资者树立成熟可靠、
格预算模型来降低投资者心理因素的影响,明确企业的未来发展方向,并通过合理分
格预测体系做出一定贡献。通过梳理文献发现,研究人员的相关研究大多是侧重于某
一只或几只股票,宏观的股票指数的研究比较少。因此本文选取了热门的不同规模、
不同板块侧重、具有代表性的三只股票指数进行研究,能够为相关研究人员提供有效
的数据支持及方法参考。文章既希望依托计算机领域相关知识搭建金融体系中文情感
词典;又希望可以丰富股票价格预测研究的模型,使预测领域的方法模型得到补充。
测即对整个股票市场的未来变化进行监管预测,可以使国家提前预警股票市场及宏观
经济的大幅变动,有利于国家提前做出应对预案,进行政府干预,将市场及宏观经济
不正常变动的危害降到最小,增加金融市场监管制度的合理性,提高金融市场管理决
由于时间序列模型对于数据的要求较高,在许多前提条件成立的情况下,模型的效果
才会显现出优势,对于一些波动剧烈、线性特征不明显的股票数据来讲,模型并不具
有普适性,因此基于机器学习的预测方法逐渐代替了时间序列模型的预测,一些与机
器学习相融合的复杂模型逐渐出现。在股票价格预测方面,最普遍的做法是把投资者
的情绪和机器学习的方法结合起来,从而提高了预测的准确性。由于股票数据的影响
指标因素多且杂,容易产生多重共线性,因此在对模型进行数据输入之前,常采用降
随着机器学习方法的不断发展,神经网络算法被广泛应用于预测股票市场的走势,
LSTM模型是神经网络算法中在股票价格预测领域一直拥有良好表现的算法模型,许
多研究者在进行股票价格预测时,通常将LSTM模型看作基础模型,并在此基础上进
行改进、创新。1987年,神经网络模型首次被应用于预测,并且预测效果表现良好,
此后,预测领域的基础模型通常首先考虑神经网络模型。1990年,Kimoto等人利用
神经网络模型开发了一个Topix预测系统。1996年,Gen等人开发了一个人工神经
网络模型,用来分批分析23年内的道琼斯指数。实验结果显示,与简单的移动平均
法相比,该模型的预测精度有显著提高,这说明,人工神经网络可以应用于股票指数
络模型,在RNN模型的基础上引入自循环的神经网络架构,其能在训练集自动学习
的过程中调整自循环权重,增加模型精准度。2003年ZhangG.P.将神经网络模型
和ARIMA模型在时间序列数据在预测方面的应用效果进行比较分析,证明了神经网
络模型更能够处理非线性数据,其性能强于ARIMA模型,这也为后来研究者将深
度学习方法与时间序列模型进行比较研究奠定了基础。2004年崔建福、李兴绪比较
和分析了GARCH模型和传统BP神经网络模型对股票价格的预测性能。结果表明,
对于股票价格这种时间序列数据,其数值每秒都在变化,且变化是随机的,没有规律
性,非平稳性和非线性这两者的比重应该是不同的,在研究中应该更多地考虑这种非
线性的特征。然而,文章却忽略了BP神经网络在寻找最优参数时,容易发生陷入
局部最小值而无法寻得全局最小值的现象。孙瑞奇在2016年利用美国股指数据,探
究了BP神经网络、RNN神经网络以及LSTM神经网络对股票价格进行短期预测的
可行性水平并对结果的准确度做了对比,得到了较低的误差率,证实了LSTM模型具
有很高的精度,是一种有效的、可靠的股价预测方法。但同样经过改进后的方法对中
国股指数据的拟合预测结果较差。2018年,Fischer等人使用长短期记忆神经网络
模型预测了23年间的标准普尔500指数成份股的变化趋势,研究发现相比随机森林、
深层神经网络和逻辑回归分类器这三种无记忆分类方法,长短期记忆神经网络能够实
现0.6%的日收益率,并且进一步的回归分析显示,长短期记忆神经网络产生的收益
更稳定,风险更低。同年,陈卫华利用LSTM对中国股市的上证50指数的波动性
进行了推出预测,结果显示,相比较于传统模型方法,LSTM模型的预测精准度最好,
并且受历史天数变化的影响较小。SiamiNamini等人将深度学习的方法应用到预测
时间序列数据的模型当中,实证结果显示LSTM预测模型的平均错误率相比ARIMA
模型下降了85%,其模型预测要比时间序列模型更有优势。此外,宋刚等人构建了
LSTM和PSO-LSTM模型来预测上海证券交易所和深圳证券交易所的股票收盘价,
两个模型进行对比后发现改进过的PSO-LSTM模型精度更高,泛化能力也更好。
冯宇旭、李裕梅于2019年将LSTM模型应用于沪深300指数,利用指数的基本交易
指标进行第二天的最高价预测,并与SVA模型和Adaboost模型的预测结果进行对比,
然后将三个模型进行岭回归集成,成功证明了回归集成算法的有效性,但是模型的普
适性并未得到检验。Wang等人对神经网络中的LSTM模型、时间序列模型ARIMA、
支持向量机等五种模型在预测精度方面进行了对比,结果表明,LSTM的预测精度最
高,预测效果最好。Nabipour等人将包括股票基本面指标在内的10个技术指标数
据作为输入,利用经网络中的LSTM模型、RNN模型等多种模型,对德国股票市场
投资者类型占比的未来趋势进行了预测研究,结果同样显示LSTM模型的预测精度
最高,拟合效果最好。邓飞燕、岑少琪等在2021年对LSTM模型进行参数优化,
对美股周数据及日数据涨跌走势进行预测,结果显示周数据的预测效果更优,平均准
确率为58%[14]。2022年,李潇俊、唐攀选取了三只银行板块的股票,将技术分析指
标、基本面分析指标与LSTM-GRU混合循环神经网络结合,利用滚动样本预测评价
的方法预测模型的长期有效性,并且综合考虑了股价波动的系统性风险和非系统性风
险因素,结果表明该模型在长期预测中的精度更高,但并未进行方法对于其他板块的
综上,神经网络特别是LSTM神经网络很适合作为股票价格预测模型。对于预测
股票价格数据这样的非线性时间序列数据,LSTM神经网络模型作为一种处理序列信
息的高效网络而存在,有很好的预测效果。基于此,在这项工作中,通过选择合适的
层数和合适的学习率,将LSTM模型作为股票价格预测的基础模型,并结合其他算
格的影响因素,他们指出,投资者情绪和他们的的投资行为之间存在相互影响的关系,
不合理的情绪会使投资者做出非理性的决策,进而对金融资产定价的合理性与科学性
产生影响,成为一种系统性风险。1999年,Wysocki通过研究Yahoo!上3000多
只股票及论坛评论的信息,利用横截面数据分析方法及时间序列数据分析方法,证明
行预测还可以在一定程度上提高预测的精度。之后,Brown和Cliff(2004),Baker
等(2019)采用传统计量的方式研究投资者情绪指数和股票收益之间的关系,结果表
明二者是强相关的,这说明了投资者情绪会对股票价格产生影响[18][19][20][21]。其中,
Baker和Wurgler提出股利迎合理论静态模型,该模型采用主成分分析法构建投资者
情绪指标,通过分析得出了投资者情绪如何影响股票价格的变动。Nguyen(2015)、
Guo(2017)、Behrendt(2018)等从雅虎、雪球网、推特等网站爬取投资者情绪指数,
五年间投资者对于91家上市公司明确表露的情绪的变动情况,并通过机器学习分类
算法对其进行分类,随之利用了横截面数据回归分析研究了投资者情绪对股票价格、
波动程度、以及交易量的影响,结果显示投资者情绪可以影响整个股票市场的指数变
动,也可以影响到上市公司的股票价格。2004年,Antweiler和Frank等人通过研
究雅虎财经上许多大公司公布的财务报告以及媒体报道的财经新闻,发现公众对与公
司有关的消息做出的评论所表达出的积极情感与股票收益率息息相关,对整个股票市
场的走势和交易量也会产生一定的影响。Rahman等研究人员通过随机抓取五个不
同行业的公司,收集关于公司的金融论述构成文本原始数据,并将文本的情感方向进
行定位,研究表明,金融相关论述中的情感语句会影响投资者情绪,进而影响股票价
格。2020年,郭全芳在股票收益率影响因素中添加了投资者情绪因素,构建了四
因子回归模型。实证结果显示,中国股市中创业板公司的股票收益率会受到了投资者
情绪的影响。Tetlock以《华尔街日报》为例,研究了媒体信息与股票价格波动之间
的耦合关系,结果表明:情绪与价格存在着一定的相关性,可以构成回归,即媒体高
场相关的投资者行为关键词,然后利用因子分析法研究了沪市投资者情绪指标的建立,
研究得到了投资者情绪与股票市场指数存在一定联系,网络上的文本信息和数据对于
研究经济活动存在一定的帮助,文章构建的投资者情绪指标有效反映出股票市场中投
资者的情绪和行为。石兆伟在2016年利用支持向量机方法,对股票收盘价进行预
测,该模型基于遗传算法,将情绪因素和股票基本指标数据共同作为输入,收盘价数
据作为输出,通过研究得到情绪信号可以预测股市走势,并且支持向量机预测模型的
预测趋势与正确的趋势相符。同年,董理等人利用SVR模型,结合情感指数对股
票市场进行预测。结果表明以文字信息为基础的股价指数的预测准确率高于常规的预
测模型。杨妥等学者在2020年证明利用SVM-LSTM模型融合情感极性特征的股
在2020年将深度学习引入到股票价格预算模型当中,并加入投资者情绪指标,通过
对个股进行研究,得到了加入投资者情绪后的MFCN-LSTM模型,经过对比得到该
模型的预测结果最优,准确率均值为61.11%,文章表示,构建的模型应该继续进行合
理的优化和挑参,从而使模型在预测中表现得更加稳健。2020年,傅魁、殷晓岩
等针对股票市场特点,结合来自不同社交媒体平台的信息,提出了多特征股票趋势预
测模型,并对上证50股票指数利用LSTM模型的进行预测,结果表明,添加时间序
列型金融文本特征可以提高模型的预测性能,股民舆情指数与收盘价有较高相关性,
但在股票走下行趋势时对预测结果影响不大。该方法还需要考虑实际情况增加数据样
本量,并对不同类型的数据选择不同的权值,以便对模型进行优化。严冬梅、何文
鑫等在2022年使用注意力机制,选择了六只不同行业板块的股票,将利用RoBERTa
模型构建的投资者情感特征和卷积神经网络提取的股价特征进行有效融合,结果显示
涨跌很大程度上取决于政府的政策以及互联网上积极或消极的消息,且中国股市的参
与者大多数是普通群众,具有“羊群效应”,投资并不理性,因此投资者情绪在极大
程度上影响股票价格的波动,想要更加准确的预测中国股市的股指变动趋势就更应该
工作,在函数型数据的回归分析、主成分分析与时间序列分析等方面取得了许多研究
成果。函数型数据分析的概念是由RamsayJ.O.于1982年首次提出。20世纪60年代,
函数型主成分分析开始兴起,函数型主成分分析主要是利用降维思想,该方法为后续
各种函数型数据分析方法发展奠定了基础。2011年,Coffey等研究人员提出了采用
函数型数据进行分析预测的方式,该方法是运用函数型数据分析方法,把人类在移动
过程中所获得的一组观测值转化为一个函数,然后把它用于多组观测值的对比。公共
主成分识别组间的共同变量,并允许组间主成分的顺序存在差异,这就可以直接比较
组间的主成分。同年,Muller等人利用函数型波动率对高频金融资料的波动率曲线
进行研究,对日波动率曲线做出一个函数式的描述,并对其进行了一个函数式的主成
分分析,并在文末对比了函数型回归分析和传统的预测结果,表明函数型数据分析具
与国外学者相比,国内研究者对函数型数据分析方法的研究更多侧重于应用方面,
对函数型数据分析方法本身的理论研究较少。金融领域的研究大多集中在股票收益率
以及股市指数收益波动性上,主要的研究方法是利用函数型主成分分析研究收益率波
动,利用函数型线性回归模型进行简单数据分析。现在也有使用较新的函数型时间序
股票收益率的变动,研究表明:这种主成分分析法在方向和程度两方面上提取出股票
收益率特征,相较于传统的主成分分析法更好的能够很好地解释股票收益率的变化,
但文章在进行基函数拟合的时候并未添加粗糙惩罚项。2013年,黄恒君把函数型
主成分分析法应用于收入分配变化,文章首先对城镇居民十年间的收入情况进行分级
处理,把收入分为不同等级,并利用基函数拟合法得到收入分配函数,并将其作为函
数型主成分分析的样本,接下来通过主成分分析研究分配函数,以便了解收入变迁的
状况。经过研究得出:中高收入群体的收入差距在未来有扩大的可能,然后根据研究
方法相比较传统的时间序列、横截面数据并没有系统全面的研究,于是苏为华、孙利
荣在2013年提出了一种函数型数据综合评估方法。文章首先对函数型数据进行综合
评价,重点研究了指标权重的设定,然后介绍了拉开档次法,选择权值系数,使评价
对象间的差异尽可能拉大,最终利用该方法分析市场价格指数。研究发现采用函数型
数据进行分析的方法能够将数据实时变化的特点表现出来,也可以将最终结果进行评
价。曲爱丽、朱建平在2009年提出了一种函数型共同主成分分析法,这种方法是
在函数型数据主成分分析的基础上进行拓展的,文章通过对比传统的主成分分析和函
数型数据分析的优劣,发现函数型共同主成分分析法采取K-L的方法对不同随机函
数的分布进行比较论述,而共同主成分分析在多样本问题的解决上更有优势,而且在
实际应用的领域也变得更加广泛。王凯平2011年对函数型数据的处理方法进行了
详细的描述,并构建了数据描述、分类、聚类与回归的全流程分析体系。2012年,
米子川和赵丽琴回顾了函数型数据分析的发展历程,归纳总结了国内国外该领域的最
新发展情况和未来发展方向,构建了函数型数据分析的技术框架图,并且对比研究了
其与传统的统计学数据分析模型的异同,并尝试研究分析推断出函数型数据分析在经
济学领域的未来应用方向。2021年,王德青等人提出了函数型投资者情绪指数FISI,
并且证明了该指数能够对投资者情绪进行连续识别,得到每时每刻的投资者情绪指数,
的模型算法应用到股票市场的研究当中。与欧美股市的价值市相比,将主观影响考虑
在股指趋势变动的影响因素中,利用主客观相结合的方式更适合中国股市这种政策市。
因此本文也是采用主客观结合的方式,将投资者情绪与长短期记忆神经网络结合在一
起,并引入函数型主成分来提取股票价格指数的特点,并对其变化趋势进行预测,以
时间内的时间序列数据,记忆门和遗忘门更好的保留了其特征,适用于股票这类非平
基于词典的情感分析法。基于机器学习的情感分析法人力物力耗费巨大,并且难以量
化成为具体数值,所以本文选用基于情感词典的情感分析方法搭建停用词词典、基础
情感词典、股市情感词典、程度副词词典与否定词词典,在Python中的jieba分词的
基础上,添加自定义的词典并进行分词、去停用词、匹配、赋值、加权平均等处理,
函数型数据主成分分析法(FPCA):由于股票指标数据之间存在的强相关性,导
致信息冗余,具有多重共线性,因此需要采用特征选择技术进行信息提取,实现数据
降维。本文使用函数型数据主成分分析方法进行降维处理,利用少数的指标反映数据
的大部分特征。函数型数据主成分分析法实际上是对主成分分析法的一种推广,该方
法能够将离散数据看成连续函数,对函数数据曲线进行主成分特征的提取,能够更好
关,在某种程度上来讲,投资者情绪可以影响股票指数的变化,因此量化投资者情绪
对提高股票价格指数预测的精准度,分析把握市场未来的发展方向具有重要作用。东
方财富网的股吧论坛深受中国股民喜爱,大部分投资者聚集在此畅所欲言、发表个人
对于股票的观点,因此产生了大量有关股票的文本数据,文本数据是投资者发表的对
于股票指数的看法,可以通过对其进行分析,获得投资者当下的情感,而阅读数量和
评论数量可以反映出其他投资者对这种观点的认可程度。同时百度搜索指数和媒体指
数也可从某种程度上反映投资者对特定股票的关注程度,因此也加入到投资者情绪数
据中。对于股吧的文本数据,通过基于情感词典的文本情感分析的方式来量化投资者
情绪,将文本情感数据数值化,得到投资者情绪的具体数值,为进一步的研究打下良
比较于循环神经网络具有不受长期依赖问题影响的优势,并且针对更长时间内的时间
序列数据,记忆门和遗忘门更好的保留了其特征,适用于股票这种非平稳、高噪声的
时间序列数据,因此本文预测的基础模型选择LSTM模型。由于股票的各特征信息具
有一定程度的相似性,因此在将原始离散数据利用基函数拟合转化成函数型数据后,
进行了函数型数据主成分分析,实现数据降维的同时更好地提取了数据的特征,有效
情绪的LSTM模型分别对代表不同价格规模的股票的三个指数上证50(000016)、沪
深300(000300)、中证500(000905)进行分析预测,根据最终得到的模型评价指标
体系的对比,得出结论并从不同金融市场主体的视角给予对应的建议,通过预测精度
场数据,除了基本交易类数据还加入了上市公司资产数据。对于投资者情绪数据,本
文涵盖了股吧标题文本数据、股吧帖子的日阅读数量和评论数量以及百度指数,且利
用多种情感词典的文本情感分析从爬取到的股吧标题文本数据中构建投资者情绪指
由于股票市场噪声较大,难以提取有效特征,因此采取函数型主成分分析的方法,将
数据看成连续的函数,进行有效信息提取,从而对长短期记忆神经网络模型进行拓展,
测模型更加适用于金融板块占比较大的股票指数结论。以往的研究中,学者们通常认
为LSTM模型适用于所有类型股票的预测,而本文通过探究模型在三大指数上的预
而完成对文本情绪的判断。它包含三个方面:文本预处理,向量化特征抽取,以及情
绪分类器的训练。这种方法主要用于文本分类的过程中,它将全部文本数据集按照一
定比例分为训练集和测试集,然后对训练集的文本信息进行人工标注情感标签,之后
将标注好的训练集利用逻辑回归算法、随机森林算法等机器学习的方法,对训练集的
特征进行学习,将学习之后的模型应用在测试集中,调整参数,降低误差,最后将训
练好的模型应用到新的文本上,得到新文本的情感类别。理论上讲,只要获得标注好
的数据集,分类器就能快速准确的判断出新文本的情感类别。基于机器学习的情绪分
析方法具有很好的分类精度,但其不足之处在于,在进行情绪分类之前,要对大量的
文字进行情感倾向性的标记,然后再通过对大量的文字进行统计,从而得到训练样本。
该工作既费时又困难,而且普适效果不佳。并且该方法无法得到量化的具体情感得分,
只能得到文本的情感分类结果,所以此方法不适用于引入量化情感指标的文本分析。
应的匹配,从而获得它们的情感倾向性,再用一定的规律把它们叠加起来,从而获得
整体的情绪趋势。该方法的步骤为:首先将文本数据进行分词处理,删除停用词,其
次将处理好的文本数据对照情感词典分析,实现情感价值的计算。情感词典的特点是
它是一种不受监督的学习方式,它具有简单易行、易于实现对文本情感倾向性判断的
特点。然而,情绪分类的准确性取决于是否有一套完整的情感语料库,因此构建一套
完整、准确的情感词典至关重要。本文所采用词典包括停用词词典、基础情感词典、
股市情感词典、程度副词词典、否定词词典这五种类型的词典,建立起一套完整的情
典是将百度停用词、哈工大停用词、四川大学机器智能实验室停用词、中文停用词这
四个停用词表整合筛选,并剔除其中的程度副词及能表现出程度的符号后得到的,共
本文选取台湾大学NTUSD简体中文情感词典、知网情感词典、BosonNLP情感
词典中的特征性词汇,将其整合在一起形成基础情感词典,提高了基础情感词汇的覆
场,爬取得到的文本数据全是中文,因此本文只选取词典中的中文部分,共包含中文
积极评价词语3730个,中文消极评价词语3116个,中文积极情感词语836个,中文
消极情感词语1254个。台湾大学NTUSD简体中文情感词典包含2810个正向属性的
词语,8276个负向属性的词语。BosonNLP情感词典是从微博、新闻、论坛等海量数
据中提取的数百万条带有情绪标记的数据,通过对这些数据进行分类,从而得到一个
具有特定情绪特征的词库,共114767条数据,其中83012个词语为积极属性词语,
31649个词语为消极属性词语。该词典收录了大量的网络词汇和一些非正式的缩写,
对于非标准的文字也具有很高的覆盖面。表2-1是基础情感词典中,积极属性词语和
度,本文对股吧的评论进行爬取、分词,将爬取到的1000条评论进行分词,在去除
停用词后,选取其中300个词频最多且具有实际意义的词语,对其进行情感标注。同
时结合CFSD中文金融情感词典形成最终研究使用的股市情感词典。表2-2是股市情
本文的程度副词词典选取的是知网程度副词词典,该词典将219个程度副词分成
了六个不同的程度级别,分别是:极其/最(69个)、很(42个)、超(30个)、较(37
个)、稍(29个)、欠(12个)。对不同的程度等级赋予不同的权重,见表2-3。
上交所统计年鉴公布的数据,2021年底我国散户持股比例为34%,占专业机构和个
人投资者持股总市值的60.38%。与国外成熟市场相比,中国证券市场具有散户投资
者比例高、受情绪影响大等特点,投资者的情绪对证券市场的价格和价格具有显著影
动。行为经济学理论表明,投资者的行为会受到心理因素的影响,理性有限,不同的
信息来源,如股吧评论和媒体报道,都会影响投资者的心理预期进而影响投资者的决
策行为,最终会影响到整个股票市场的变动。2015年4月,媒体发表了相关报道,表
达出了“4000点才是A股牛市的开端”的观点。这一观点的公布极大增强了股民的
积极心理预期,使得信心指数增长了21%,上证指数上涨了18.51%。2019年底部分
品牌的白酒被爆出甜蜜素超标,这个报道使股民产生了消极的心理预期,整个白酒板
块发生剧烈震荡,下跌超过15%。现有相关研究也证明各种有关股票的消息都会通过
来源的信息都对资产价格产生影响。市场不完全有效的原因之一就是信息不对称。信
息不对称是指在股票市场运行的过程中,与股票相关的信息,如企业财务真实状况,
并不会向外界完全披露,这就使得不同投资者获取信息量的多少不同,有些投资者能
够充分获取信息,行为相对理性,而有的投资者获取的信息非常有限,行为往往不理
智。对于投资者来说,信息是进行准确理性投资行为的重要基础。互联网作为当今社
使得投资者投资决策的理性程度加深。虽然投资者所能够接收到的信息的深度和广度
都有所加深,但是由于中文独特的语言习惯以及书面语言的局限性,这就可能会导致
投资者接收的信息并不准确,从而增加信息的不对称程度。根据行为金融学:投资者
的理性是有限的,投资者接触到的不完全的信息会使投资者心理预期发生变动,从而
对他们的投资决策产生一定影响。当投资者的心理预期是积极时,会在此处买入资产,
使股票价格产生上升趋势;而当投资者的心理预期是消极时,会在此时出售资产,导
然而,股指数据的变化没有足够的规律性,传统的特征拟合方法,即确定表达式,
从而在趋势的基础上计算系数,并不适用。因此,本文选择采用基函数拟合法来将离
散数据点拟合成函数曲线,与非线性拟合法相比,可以更清晰地反映出数据变动的特
其进行处理的第一步。传统的函数拟合方法一般要求数据具有明显的函数规律,在这
些规律性的基础上,确定函数(甚至表达式)的具体形状,并拟合出参数进行计算。
然而,股指数据变化没有足够的规律性,传统的根据趋势确定表达式进而计算系数的
拟合方法并不适用。因此,本文的拟合方法选择的是基函数拟合法,相较于非线性表
达式拟合,这种方法对于数据的拟合更加精确,能更好地得到数据变化曲线图,从而
函数数量,第三步根据上述条件确定函数的线性组合系数,具体拟合步骤见图2-4。
本文将基函数拟合中的原始变量数据标记为:yi,i=1,2,...,N,建立模型:
其中xt表示原始数据拟合的函数在t处的取值,其所对应的函数xt是随时间t
如果合适的话,能够有效减小拟合误差,更好的拟合数据变化的趋势,为后续研究奠
定了良好的基础。因此,基函数拟合首先要确定好模型的结构,重点在于:选择一个
以很好地与数据的中心相吻合;其劣势在于边界处存在波动,并且会随着阶数的增加
傅里叶基函数是用正交的周期性函数,周期为T=2π/ω,用正弦和余弦函数来表
示。这是一种经典的基展开方法,非常适用于稳定函数的拟合。由于这种方法得到的
函数没有很强的局部属性,所以通常适用于具有明显周期性的数据,而并不适合只有
体函数的计算的实现相对较快;其次,傅里叶基函数连续可导。但是在实际研究中,
数据所拟合出的恰当函数并不一定是连续可导的,因此对于局部不可导函数并不适用
分段多项式,其中序列被称为节点矢量。这个多项式由两个元素决定:一、分段函数
的阶数;二、所分割段数的节点数。使用B样条基函数拟合时,要提前确定基函数的
个数以及区间个数。例如存在一个具有K个基函数的B样条基函数组,基函数的个
数是样条基函数阶数与节点个数的加总,即:基函数的个数K阶数+内部节点的数
,…,n)要用到n+1个k阶B样条基函数Bi,kt。支撑区间的并集定义了一组B样条基
函数的结点矢量T=[t0,t1,…,tn+k]。B样条基函数的曲线图像如下,图像也展示出了
条只在区间t,t内不为零,其数值的改动是可以独立进行的,并不会影响其他区
主成分分析的作用是降维,当研究所需的原始数据冗杂并且具有多重共线性的话,
主成分分析能够用少数的主要成分代表原始数据的大部分特征,从而实现数据的降维
并且有效去除多重共线性,使问题得到简化或者达到模型研究所需的前提假设。股票
的基本指标数据之间的相关性通常来讲比较高,实证研究也表明投资者情绪与股指收
盘价存在着一定的相关性,而且股票指数收盘价的变动受到多个变量的影响,因此对
股票指数的变化趋势进行预测是一个强相关性的多变量问题。如果变量间的相关性特
别高,就会在信息的保存方面反映出叠加的问题,如果进行预测,就会出现系数符号
无法解释的问题,因此变量间的相关性需要去除。而变量数量变少实际上就是问题处
理在多维空间向低维空间的转变。在低维空间研究问题往往更加方便,且模型的训练
速度会加快。因此,在股票指数变化取数预测的过程中,经常使用主成分分析的方法
对变量个数进行压缩,利用少数几个综合变量涵盖原始数据的大部分信息,方便后续
的应用与处理。函数型主成分分析能够提供一个易于理解的结构,可以获得的信息量
函数型主成分作用的对象并不是离散的数值,而是函数的形式x(t),所以在经典
主成分分析中的权重系数也对应变为了权值函数。设有N个函数型观测个体x(t)(i=
1,2,3,…,N),记ξ(t)为主成分权值函数。此时,函数型数据的主成分线性组合为:
相同的,第m个主成分fm(1≤m≤N)通过在上式的最大化问题中添加约束条件
类似地,可以得到其他积分后相互正交的函数型主成分曲线(t),…,wk(t),…。
中足够多的数据的函数型主成分曲线的个数,累积贡献率的计算公式为:∑mλm/
∑N−1λm,其中m为主成分的个数通常情况下,达到研究目标所要求的累积贡献率水
并且连接可以构成有向循环。由于BPTT会带来梯度消失或者梯度爆炸的问题,因此
传统RNN的学习方法不能解决长期相依问题,而且会造成训练梯度不能沿一段时间
连续传递,从而造成RNN无法捕获长期影响。对于RNN模型存在的上游误差或梯
度信号沿垂直方向逐层传播所带来的梯度消失或者梯度爆炸的问题,Hochreiter和
于时间的反向传播进行训练并减少梯度消失的问题,在时间序列预测中具有强大的应
层、不同时间步共享连接参数的结构,故会存在两种冲突:输入权冲突和输出权冲突。
LSTM模型通过引入输入门单元和输出门单元来分别控制输入和输出的读写操作,并
LSTM的处理过程主要包括状态前向计算、误差反向传播和权值更新。其逻辑关
系为:状态前向计算部分要确定网络的中间状态和网络的实际输出。其中网络的中间
状态部分是为梯度方向的权值更新做准备,而网络的实际输出部分是为后面第二部分
定义误差函数做准备;误差反向传播阶段是根据前一阶段的网络实际输出和来自数据
的监督信号之间的偏差测度(极小二乘误差或交叉熵)定义误差函数,然后反向逐层
确定输出层和隐层每个神经元节点上的上游误差;最后,误差函数关于某个神经元连
接权的梯度偏导数等于后一层神经元节点的上游误差和前一层神经元节点输出的乘
遗忘门会起到开关的作用,当信息到达遗忘门时,sigmoid函数接受信息的输入,
并输出0-1二元变量,输出为0时,意味着储存元信息的删除,输出为1时,意味着
储存元中信息的存储。UF、WF、bF分别表示遗忘门的输入矩阵、反馈矩阵和偏置项。
输入门信息控制着隐层信息的存弃。信息到达输入门时,在sigmoid函数的作用
下,产生0-1的二元变量输出,该二元变量与隐层输出的信息按位相乘,同样有开关
隐层单元的传递函数不再是Sigmoid函数,而是双曲正切tanh。这样是为了能够
上一时刻的存储元中信息(−1)与遗忘门相乘的结果和隐层输出信息̅()与输入
量与更新后的存储元的信息经过tanh函数的作用后的结果按位相乘,起到开关的作
用,控制着LSTM隐层输出的信息的存弃。UO、WO、bO分别表示输出门的输入矩阵、
存储元信息()经过tanh传递函数的作用后的结果与输出门相乘,得到LSTM隐
最终,LSTM隐层输出通过连接矩阵V运输到softmax输出层,得到网络的实际
2、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问加。
3、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
信贷资产证券化会计问题研究--以招商银行循环购买结构信托产品为例.pdf
第十单元 常见的酸、碱、盐 复习课(酸碱盐的化学性质)课件(内嵌视频)2025-2026学年九年级化学人教版下册.pptx
2.4 磁铁能吸什么 课件(内嵌视频)2026-2027学年科学二年级上册苏教版.pptx
科学二下4.12 寻访小动物的家 课件(苏教版2026新教材).pptx
第二章气体 液体和固体_气体液体固体单元复习课- 课件 -2026-2027学年高二下学期物理粤教版(2019)选择性必修第三册.pptx
2025-2026学年四川省宜宾市西师大版六年级下册考试数学试题【含答案】.docx
2026版《煤矿重大事故隐患判定标准》解读与全文逐条学习附讲稿36页.pptx
G0203【二上数学】二年级上册数学通用版《数学寒假作业每日一练共30天》.pdf
NB_T 11568.9-2024 水电工程岩土试验仪器设备校验规程 第9部分:透水板.docx
原创力文档创建于2008年,本站为文档C2C交易模式,即用户上传的文档直接分享给其他用户(可下载、阅读),本站只是中间服务平台,本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方,若您的权利被侵害,请发链接和相关诉求至 电线) ,上传者