本发明公开了计算机领域的一种基于投资者情绪测度的股市波动预测方法,包括以下步骤:获取股市交易指标以及利用网络爬虫技术获取投资者的在线评论数据,并对其进行预处理;对LM金融词典、Vader情绪分类器、Word2vec和BERT词向量进行定制,构建四种不同的投资者情绪指标;将投资者情绪指标与市场指标输入多个算法中,并构建股市波动预测模型。本发明方法通过网络爬虫技术获取投资者针对股市的评论文本信息,从多个角度构建了投资者情绪指标,研究充分全面,与市场交易指标相结合,构建了股市波动预测模型;引入了多种测
(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116523100 A (43)申请公布日 2023.08.01 (21)申请号 8.0 (22)申请日 2023.03.07 (71)申请人 东南大学 地址 210096 江苏省南京市玄武区新街口 街道四牌楼2号 (72)发明人 李绍芳任婷婷刘晓星 (74)专利代理机构 北京同辉知识产权代理事务 所(普通合伙) 11357 专利代理师 杨敬 (51)Int.Cl. G06Q 10/04 (2023.01) G06Q 40/04 (2012.01) G06Q 10/0639 (2023.01) G06N 3/04 (2023.01) 权利要求书3页 说明书10页 附图4页 (54)发明名称 一种基于投资者情绪测度的股市波动预测 方法 (57)摘要 本发明公开了计算机领域的一种基于投资 者情绪测度的股市波动预测方法 ,包括以下步 骤:获取股市交易指标以及利用网络爬虫技术获 取投资者的在线评论数据,并对其进行预处理; 对LM金融词典、Vader情绪分类器、Word2vec和 BERT词向量进行定制,构建四种不同的投资者情 绪指标;将投资者情绪指标与市场指标输入多个 算法中,并构建股市波动预测模型。本发明方法 通过网络爬虫技术获取投资者针对股市的评论 文本信息,从多个角度构建了投资者情绪指标, 研究充分全面,与市场交易指标相结合,构建了 A 股市波动预测模型;引入了多种测度投资者情绪 0 的方法,在市场交易指标的基础上添加了增量信 0 1 3 息,有效地降低了模型在股市波动预测上的误 2 5 6 差,提高了预测精度。 1 1 N C CN 116523100 A 权利要求书 1/3页 1.一种基于投资者情绪测度的股市波动预测方法,其特征在于,包括以下步骤: 获取股市交易指标以及利用网络爬虫技术获取投资者的在线评论数据,并对其进行预 处理; 基于获取的预处理文本数据,对LM金融词典、Vader情绪分类器、Word2vec和BERT词向 量进行定制,构建四种不同的投资者情绪指标Senti 、Senti 、Senti 和Senti ; LM Vader Word2vec BERT 将获取的投资者情绪指标与市场指标输入MR、SVR、AdaBoost、RF和LSTM等多个算法中, 并构建股市波动预测模型。 2.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述股市交易指标为日度数据,包括开盘价、收盘价、最高价、最低价和交易量。 所述投资者的在线评论数据包括投资者发表在线评论的时间和在线评论的文本,对获 取的投资者评论数据进行的预处理过程包括:过滤重复的数据;删除表情、特殊字符、超链 接、提及、标签、引用、标点符号、数字、多余空格和停用词;实现分词,获取语料库与句向量 集。 3.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述LM金融词典的定制过程如下: 先选取传统LM词典中的积极和消极词汇,然后基于所述的语料库将词典中出现频次较 少的词汇进行低频词删除,接着利用Word2vec技术得出词汇的词向量,并利用如下公式计 算词汇的相似性,进行所述词典的高频词扩充,最后手动删除不合适的词汇,形成定制的LM 金融词典,词汇相似性的计算如下式: 式中,A和B分别代表两个词汇所对应的词向量。 4.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 根据所述LM金融词典,统计每条评论中积极和消极词汇出现的个数,并计算每条评论的投 资者情绪得分,如下式: 式中, 为每条评论中的积极词汇个数, 为每条评论中的消极词汇个数, 为 每条评论的投资者情绪指标得分; 根据所述每条评论的投资者情绪得分,计算日度的投资者情绪指标Senti 得分,如下 LM 式: 式中, 为t天的投资者情绪得分, 为t天内的第i条在线评论的情绪者情绪得 分,n为t天内的投资者在线所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述Vader情绪分类器的定制过程如下: 先选取传统Vader情绪分类器中的正式词汇,然后基于所述的语料库将词典中出现频 2 2 CN 116523100 A 权利要求书 2/3页 次较少的词汇进行低频词删除,接着利用Word2vec技术得出词汇的词向量,利用如下公式 计算词汇的相似性,进行所述词典的高频词扩充,最后根据特定规则对扩充的词汇进行情 绪值权重的选取,并结合传统Vader情绪分类器中的标点符号和缩略词形成定制的Vader词 典,词汇相似性的计算如下式: 式中,A和B分别代表两个词汇所对应的词向量。 6.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 将传统的Vader情绪分类器所使用的词典更新为定制的所述Vader词典,在计算出每条在线 评论的投资者情绪得分后,计算日度的投资者情绪指标Senti 得分,如下式; Vader 式中, 为t天的投资者情绪得分, 为t天内的第i条在线评论的情绪者情绪 得分,n为t天内的投资者在线所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述投资者情绪指标SentiWord2vec的定制过程如下: 先根据所述句向量集采用Word2vec中的Skip‑gram模型将词汇转换为对应的词向量, 然后对词向量进行平均得到句向量,接着对句向量进行平均得到日度的投资者情绪指标 Senti 。 Word2vec 8.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述投资者情绪指标Senti 的定制过程如下: BERT 先同时选取定制的LM金融词典和定制的Vader词典划分为同一情绪的在线评论集,并 将其划分为训练集、测试集和验证集,然后根据训练集、测试集和验证集,对预训练模型进 行调参,接着根据BERT调参模型将词汇转换为对应的词向量,对词向量进行平均得到句向 量,最后对句向量进行平均得到日度的投资者情绪指标Senti 。 BERT 9.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在于, 所述股市波动指标的计算公式如下: 式中,P为t天的收盘价,P 为t‑1天的收盘价,r为t天的收益率,Vol 为t天的波动率, t t‑1 t t 为t天前τ个交易日的平均收益率,并且该值设为5以代表周度的波动情况。 t 10.根据权利要求1所述的一种基于投资者情绪测度的股市波动预测方法,其特征在 于,构建所述股市波动预测模型的过程如下: 先将Senti 情绪指标、Senti 情绪指标、Senti 情绪指标、Senti 情绪指标与 LM Vader Word2vec BERT 市场交易数据相结合,得到整体数据集,然后根据整体数据集,利用滑窗方法构建子数据 集,接着将子数据集划分为训练集、验证集和测试集,并分别根据下式进行最大最小标准化 3 3 CN 116523100 A 权利要求书 3/3页 处理: 式中,x为初始特征值, 为标准化后的特征值,max(x)为特征值的最大值,min(x)为特 征值的最小值; 在训练集上拟合MR、SVR、AdaBoost、RF和LSTM模型,在验证集上参数调优,在测试集上 得到结果,最后将在测试集上得到的结果进行均值处理,得到股市波动预测结果。 4 4 CN 116523100 A 说明书 1/10页 一种基于投资者情绪测度的股市波动预测方法 技术领域 [0001] 本发明属于计算机领域,具体涉及一种基于投资者情绪测度的股市波动预测方 法。 背景技术 [0002] 股票市场的可预测性是金融研究中长期关注的焦点,也是一项富有挑战性的工 作。有效市场假说(EMH)认为过去和现在的信息会及时反映在股票价格中,在该环境下不存 在任何套利机会。然而,随着时间的推移,对EMH的挑战越来越多,学者们也已经做出无数研 究以证明股票市场的可预测性。此外,行为金融学理论认为股票市场是由投资者心理驱动 的,这一观点也被研究人员广泛采纳。 [0003] 投资者情绪是指投资者对股市未来发展的投资意愿或预期,可以通过网络评论、 网络新闻或图片等多种渠道传达,从而为股市发展趋势、投资组合套利和资产定价提供重 要的增量信息。此外,人工智能技术的发展为投资者情绪的有效度量提供了便利,也为后续 的深入研究和应用奠定了基础。传统的经济模型如自回归(AR)和广义自回归条件异方差 (GARCH),常常因其在时间序列数据上的优势被应用在股市预测中。然而,机器学习算法的 兴起为该问题带来了一丝曙光,尽管被诟病为“黑匣子”,但其特殊的模型结构可以从复杂 的非线性金融数据中提取重要信息,从而比经典模型表现更好。 [0004] 在利用将投资者情绪与机器学习算法相结合来预测股市波动的研究中,大多是直 接使用通用词典来衡量投资者情绪。然而通用词典的有效性可能会在不同的应用场景下下 降。此外科学技术的快速发展提供了多种测度投资者情绪的方法,从传统的基于词典的方 法到流行的机器学习模型。然而很少有方法对多种投资者情绪指标在股市波动预测研究方 面的性能表现进行对比分析。 发明内容 [0005] 针对现有技术的不足,本发明的目的在于提供一种基于投资者情绪测度的股市波 动预测方法,以解决上述背景技术中提出的问题。 [0006] 本发明的目的可以通过以下技术方案实现: [0007] 一种基于投资者情绪测度的股市波动预测方法,包括以下步骤: [0008] 获取股市交易指标以及利用网络爬虫技术获取投资者的在线评论数据,并对其进 行预处理; [0009] 基于获取的预处理文本数据,对LM金融词典、Vader情绪分类器、Word2vec和BERT 词向量进行定制,构建四种不同的投资者情绪指标Senti 、Senti 、Senti 和 LM Vader Word2vec Senti ; BERT [0010] 将获取的投资者情绪指标与市场指标输入MR、SVR、AdaBoost、RF和LSTM等多个算 法中,并构建股市波动预测模型。 [0011] 优选地,所述股市交易指标为日度数据,包括开盘价、收盘价、最高价、最低价和交 5 5 CN 116523100 A 说明书 2/10页 易量。 [0012] 所述投资者的在线评论数据包括投资者发表在线评论的时间和在线评论的文本, 对获取的投资者评论数据进行的预处理过程包括过滤重复的数据;删除表情、特殊字符、超 链接、提及、标签、引用、标点符号、数字、多余空格和停用词;实现分词,获取语料库与句向 量集。 [0013] 优选地,所述LM金融词典的定制过程如下: [0014] 先选取传统LM词典中的积极和消极词汇,然后基于所述的语料库将词典中出现频 次较少的词汇进行低频词删除,接着利用Word2vec技术得出词汇的词向量,并利用如下公 式计算词汇的相关性,进行所述词典的高频词扩充,最后手动删除不合适的词汇,形成定制 的LM金融词典,如下式: [0015] [0016] 优选地,根据所述LM金融词典,统计每条评论中积极和消极词汇出现的个数,并计 算每条评论的投资者情绪得分,如下式: [0017] [0018] 根据所述每条评论的投资者情绪得分,计算日度的投资者情绪指标Senti 得分, LM 如下式: [0019] [0020] 优选地,所述Vader情绪分类器的定制过程如下: [0021] 先选取传统Vader情绪分类器中的正式词汇,然后基于所述的语料库将词典中出 现频次较少的词汇进行低频词删除,接着利用Word2vec技术得出词汇的词向量,利用如下 公式计算词汇的相似性,进行所述词典的高频词扩充,最后根据特定规则对扩充的词汇进 行情绪值权重的选取,并结合传统Vader情绪分类器中的标点符号和缩略词形成定制的 Vader词典,词汇相似性的计算如下式: [0022] [0023] 优选地,将传统的Vader情绪分类器所使用的词典更新为定制的所述Vader词典, 在计算出每条在线评论的投资者情绪得分后,计算日度的投资者情绪指标Senti 得分, Vader 如下式; [0024] [0025] 优选地,所述投资者情绪指标SentiWord2vec的定制过程如下: [0026] 先根据所述句向量集采用Word2vec中的Skip‑gram模型将词汇转换为对应的词向 量,然后对词向量进行平均得到句向量,接着对句向量进行平均得到日度的投资者情绪指 标SentiWord2vec。 [0027] 优选地,所述投资者情绪指标Senti 的定制过程如下: BERT 6 6 CN 116523100 A 说明书 3/10页 [0028] 先同时选取定制的LM金融词典和定制的Vader词典划分为同一情绪的在线评论 集,并将其划分为训练集、测试集和验证集,然后根据训练集、测试集和验证集,对预训练模 型进行调参,接着根据BERT调参模型将词汇转换为对应的词向量,对词向量进行平均得到 句向量,最后对句向量进行平均得到日度的投资者情绪指标Senti 。 BERT [0029] 优选地,所述股市波动指标的计算公式如下: [0030] [0031] [0032] 优选地,构建所述股市波动预测模型的过程如下: [0033] 先将Senti 情绪指标、Senti 情绪指标、Senti 情绪指标、Senti 情绪 LM Vader Word2vec BERT 指标与市场交易数据相结合,得到整体数据集,然后根据整体数据集,利用滑窗方法构建子 数据集,接着将子数据集划分为训练集、验证集和测试集,并分别进行最大最小标准化处 理,计算公式如下: [0034] [0035] 在训练集上拟合MR、SVR、AdaBoost、RF和LSTM模型,在验证集上参数调优,在测试 集上得到结果,最后将在测试集上得到的结果进行均值处理,得到股市波动预测结果。 [0036] 本发明的有益效果: [0037] 1、本发明方法通过网络爬虫技术获取投资者针对股市的评论文本信息,从多个角 度构建了投资者情绪指标,研究充分全面,之后将其与市场交易指标相结合,利用多个机器 学习算法构建了股市波动预测模型。 [0038] 2、本发明引入了多种测度投资者情绪的方法,在市场交易指标的基础上添加了增 量信息,有效地降低了模型在股市波动预测上的误差,提高了预测精度。 附图说明 [0039] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员来 讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。 [0040] 图1是本发明方法的流程图; [0041] 图2是本发明中股市波动预测子数据集构建的滑窗策略图; [0042] 图3是本发明中不同投资者情绪指标在全部子数据集上的MSE得分情况图; [0043] 图4是本发明中不同投资者情绪指标在全部子数据集上的MAE得分情况图; [0044] 图5是本发明中SP500指数收盘价的波动情况图; [0045] 图6是本发明中不同预测模型在全部子数据集上的MSE得分情况图; [0046] 图7是本发明中不同预测模型在全部子数据集上的MAE得分情况图。 7 7 CN 116523100 A 说明书 4/10页 具体实施方式 [0047] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它 实施例,都属于本发明保护的范围。 [0048] 请参阅图1所示,在一种具体实施方式中,本发明提供一种基于投资者情绪测度的 股市波动预测方法,包括以下步骤: [0049] 步骤1、获取股市交易指标以及利用网络爬虫技术获取投资者的在线评论数据,并 对其进行预处理; [0050] 股市交易指标包括开盘价、收盘价、最高价、最低价和交易量,交易指标均为日度 数据,投资者在线评论数据包括投资者发表在线评论的时间和在线评论的文本。对获取的 投资者评论数据进行的预处理过程包括:过滤重复的数据;删除表情、特殊字符、超链接、提 及、标签、引用、标点符号、数字、多余空格和停用词;利用python中的nltk包实现分词,获取 语料库与句向量集。 [0051] 在万得数据服务上获取标普500指数SP 500从2019年11月1日至2021年12月21日 的开盘价、收盘价、最高价、最低价和交易量等市场交易数据,并对其进行归一化处理,使用 网络爬虫技术爬取Twitter上投资者关于股票市场的在线评论文本,并对其进行文本清洗, 最终获取5,171,769条评论数据。之后,利用python中的nltk包进行分词处理,获取语料库 与句向量集。 [0052] 步骤2、基于获取的文本数据,对LM金融词典、Vader情绪分类器、Word2vec和BERT 词向量进行定制,构建四种不同的投资者情绪指标; [0053] 其中,引入了四种不同的投资者情绪指标的具体步骤如下: [0054] 1)计算基于改进LM词典的投资者情绪指标Senti ,仅选用传统LM金融词典中包含 LM 的积极词汇和消极词汇,基于所述的语料库统计LM词典中各词汇出现的频次,将其中出现 次数小于50的低频词汇予以删除,得到293个正面词和1279个负面词,这意味着经典LM词典 中约有40%的词不适用于金融在线社交平台。再利用Word2vec技术得到每个词汇的词向 量,并根据下列公式计算不同词汇之间的相似性,选取每个词典的前3个最相似的词语进行 词典扩充。 [0055] [0056] 式中,A和B分别代表两个词汇所对应的词向量。 [0057] 针对扩充的LM词典,手动筛除不合适的词汇:对于LM词典中已经存在的扩充词,直 接根据LM词典设置其情绪类别;如果扩展后的词在LM词典中不存在,通过Word2vec只归为 一个情绪(积极/消极),那么将其直接添加;如果扩展词在LM词典中不存在,并且可以同时 归类为正面和负面,则说明该词可以应用于不同的语境。此时,这个词汇的情绪由它被分类 为正面和负面的次数决定;如果扩充后的词汇没有被LM词典收录,并且在相同的计数中被 归类为正面和负面,这意味着这些词汇缺乏有效区分情感的能力,将其舍弃;去掉上下文中 不相关的人名、公司名、城市名等信息。最终得到的定制LM词典包含651个积极词汇和2,707 8 8 CN 116523100 A 说明书 5/10页 个消极词汇。 [0058] 利用定制的LM词典,统计每条评论文本中积极和消极词汇出现的个数( 和 ), 并根据如下公式计算每条评论的投资者情绪 得分; [0059] [0060] 式中, 为每条评论中的积极词汇个数, 为每条评论中的消极词汇个数, 为每条评论的投资者情绪指标得分。 [0061] 根据每条评论的投资者情绪得分,根据如下公式计算日度的投资者情绪得分 Senti : LM [0062] [0063] 式中, 为 天的投资者情绪得分, 为t天内的第i条在线评论的情绪者情 t 绪得分,n为t天内的投资者在线)计算基于定制Vader情绪分类器的投资者情绪指标Senti ,以传统Vader词典 Vader 中的正式词汇为操作对象,利用获取的语料库统计Vader词典中各词汇出现的频次,将其中 出现次数小于50的低频词汇予以删除。再利用Word2vec技术得到每个词汇的词向量,并根 据下列公式计算不同词汇之间的相似性,选取每个词典的前3个最相似的词语进行词典扩 充。 [0065] [0066] 式中,A和B分别代表两个词汇所对应的词向量。 [0067] 针对扩充的Vader词典,按照如下规则对词汇设置情绪权重值:对于已经存在于 Vader词典中的扩充词,直接根据Vader词典赋予其情绪权重值;对于Vader词典中不存在的 扩展词,如果通过Word2vec在Vader词典中只有一个对应的词,则其情感值直接由匹配词的 权重给出;对于Vader词典中不存在的扩展词,如果通过Word2vec在Vader词典中有多个对 应词,则通过对匹配词的权重值求平均得到其情感值;去掉人名、公司名、城市名和一些专 有名词等无关信息。将获取的6,038个情绪词汇与初始的简略词及标点符号等重要信息相 结合,获取定制的Vader词典。 [0068] 将传统的Vader情绪分类器所使用的词典更新为定制的Vader词典,在计算出每条 在线评论的投资者情绪得分后,根据如下公式计算日度的投资者情绪Senti 得分; Vader [0069] [0070] 式中, 为t天的投资者情绪得分, 为t天内的第i条在线评论的情绪者 情绪得分,n为t天内的投资者在线)计算基于定制Word2vec模型的投资者情绪指标SentiWord2vec,根据获取的句向量 集训练Skip‑gram模型,其中,向量维度设为300,窗口值设为10以限制拟合当前词汇的上下 文长度,并且过滤掉出现频次低于50的生僻词。 [0072] 利用拟合好的Word2vec模型将词汇转换为300维的词汇向量,将每句评论文本所 9 9 CN 116523100 A 说明书 6/10页 包含的词汇所对应的词向量进行平均得到句向量,再将每个工作日内的句向量平均得到日 度的投资者情绪指标Sentiword2vec。 [0073] 4)计算基于定制BERT模型的投资者情绪指标Senti ,选取被定制LM词典和定制 BERT Vader词典划分为同一情绪的2500条积极评论和2500条消极评论,组成在线的比例划分为训练集、测试集和验证集。 [0074] BERT模型的预训练需要海量的数据和极高的算力要求,因此选取了Google公开的 预训练模型“BERT‑Base,Uncased”作为调参的基础模型。该模型由12层Transformer架构组 成,隐藏层大小为768,12个注意力头,模型的参数总量有110M。 [0075] 根据得到的训练集、测试集和验证集,对Google提出的预训练模型进行调参,采用 的最优参数分别为:{学习率=5E‑5,最大句子长度=60,训练集的批大小=16,验证集的批 大小=8,批次=2},表1展示了该BERT模型在验证集和测试集上的情绪分类性能。 [0076] 表1 [0077] [0078] 根据训练好的BERT模型将每句评论文本所包含的词汇所对应的词向量进行平均 得到句向量,再将每个工作日内的句向量平均得到日度的投资者情绪指标Senti 。 BERT [0079] 表2描述了预处理后的同一句评论文本:“U.S.stock market opens sharply lower to kick offBlack Friday trade#news”在不同的投资者情绪指标计算方式下的输 出情况: [0080] 表2 [0081] [0082] 步骤3、将获取的投资者情绪指标与市场指标输入MR、SVR、AdaBoost、RF和LSTM等 多个算法中,并构建股市波动预测模型,详细如下; [0083] SP500指数作为综合了美国市场上500个大公司发展状况的代表性指数,其波动 能够有效、及时地反应金融市场的变化,通过如下公式计算该指数的波动情况: [0084] [0085] [0086] 式中,P为t天的收盘价,P 为t‑1天的收盘价,r为t天的收益率,Vol 为t天的波 t t‑1 t t 动率,为t天前τ个交易日的平均收益率,并且该值设为5以代表周度的波动情况。 t [0087] 高纬度向量的直接输入不仅会造成模型运行的效率变慢,其产生的多重共线性也 会降低模型的准确率,利用PCA技术,300维的Senti 词向量和768维的Senti 词向量 Word2vec BERT 进行降维处理,得到低维的Senti 和Senti 情绪变量。表3展示了两类词向量的前5 Word2vec BERT 10 10 CN 116523100 A 说明书 7/10页 个主成分的方差贡献率。 [0088] 表3 [0089] [0090] 将定制的投资者情绪指标Senti 、Senti 、Senti 、Senti 与标准化后 LM Vader Word2vec BERT 的市场交易数据相结合,得到整体数据集。 [0091] 根据图2所示的滑窗方法构建子数据集,其中,窗口值和步长分别设为100和1,则 在545个交易日的基础上获取446个子数据集。针对每一子数据集,按照6:2:2的比例划分训 练集、验证集和测试集。在每一子数据集中,对SVR、AdaBoost和RF利用网络搜索调参,表4展 示了三个模型所考虑的重要超参数。 [0092] 表4 [0093] [0094] 考虑MR和LSTM的特殊性,将每一子数据集中的训练集和验证集结合构建新的训练 集拟合模型,其中,LSTM模型的参数为:两个LSTM层,1个全连接层,并在LSTM层中均加入了 dropout=0.5以避免过拟合,学习率为0.001,激活函数为“ReLu”,批次为30。 [0095] 采用MSE和MAE来衡量模型的预测性能,其得分越小,表明模型的性能越好,计算公 式如下: [0096] [0097] [0098] 式中,和y 分别代表预测值和实际值,n代表样本总数。 i [0099] 将模型在所有子数据集上的均值作为模型的最终预测性能,表5展示了5个模型在 5类样本集上的预测性能。 [0100] 表5 [0101] 11 11 CN 116523100 A 说明书 8/10页 [0102] 根据表5可知,投资者情绪指数的加入在绝大多数情况下可以提高股票市场波动 率的预测能力,这证明了通过社交媒体传递的信息提取投资者情绪的有用性和重要性。此 外,将Senti 与RF结合(以下称为Senti +RF)在MSE和MAE上实现了最小值,这意味着该 BERT BERT 模型在所有子数据集上具有最高的精度。为了进一步评估其稳健性,表6描述了所有机器学 习模型上每个指标的MSE和MAE得分的方差。 [0103] 表6 [0104] [0105] 根据表6,结合SentiWord2vec的RF算法(SentiWord2vec+RF)在所有子数据集上都具有 鲁棒性,其MSE和MSE的方差分别为0.0013和0.0031。而Senti +RF仍然具有仅次于 BERT SentiWord2vec+RF的可观鲁棒性,因此,该混合模型显示了最令人满意的预测波动率性能。 [0106] 表7展示了各个投资者情绪指标在所有模型上平均得分的MSE和MAE均值和方差 值,图3和图4展示了各个投资者情绪指标在全部子数据集上的表现情况。 [0107] 表7 [0108] [0109] 根据图3和4所示,与基准数据集相比,投资者情绪的加入带来了更稳定的表现。而 Senti 和Senti 的改进显然远比Senti 和Senti 明显,尤其是Senti ,它不仅 Word2vec BERT LM Vader BERT 在所有子数据集上保持了最稳健的性能,而且其MSE的最大值仅为0.3。 [0110] 然而,在某些时间间隔上各个投资者情绪指标的表现仍然会发生较为明显的波 动,从而拉低整个时间段的性能。为了探究这种现象的深层原因,将MSE0.2的子数据集标 记为显著波动,并在表8中展示了其所对应的时间间隔。 [0111] 表8 [0112] [0113] 由表8知,显著波动的时间区间有很大的重叠。比如在2020.7和2021.10‑11,几乎 所有的情绪指标都表现不佳。因此,可以推断大幅波动并非偶然发生。考虑到熔断等重大股 12 12 CN 116523100 A 说明书 9/10页 市事件会引起投资者的关注和讨论,从而增加投资者评论的总数,并可能进一步影响投资 者情绪。为了探究原因并确认投资者情绪指数得分与股市状况之间是否存在可能的关系, 图5描绘了SP 500指数从2019年11月1日至2021年12月31日的收盘价变动情况。 [0114] 从表8和图5可以看出,大幅波动发生在股市震荡时期,多发生在等股市大幅上涨 时。 [0115] 而且,在股市大幅下跌时,大幅波动发生的频率较低,这意味着投资者情绪指数在 股市下跌时具有更稳定的预测能力。此外,当股市处于稳定状态时,如2021年第一季度,投 资者情绪指数表现最好,从未出现过大幅波动,这意味着投资者情绪指数可以有效地提供 传统财务指标之外的增量信息,因此投资者应该在股市处于平稳阶段时加大对投资者情绪 的关注。 [0116] 表9展示了各个预测模型在所有投资者情绪指标上平均得分的MSE和MAE均值和方 差值,图6和图7展示了各个预测模型在全部子数据集上的表现情况。 [0117] 表9 [0118] [0119] 由表9和图6、7可知,MR的性能最差,表现最不稳定。由于MR仅通过简单的线性回归 来拟合模型,虽然解释性强且易于理解,但它缺乏对更复杂的非线性数据进行建模的能力, 尤其是金融领域的时间序列数据,因此带来了较差的预测性能。 [0120] 此时,以MSE0.15作为模型性能显著波动的判断条件,并在表10中列出了主要显 著波动对应的时间间隔。 [0121] 表10 [0122] [0123] 由表10知,除MR外,模型的波动几乎发生在同一时间间隔。追溯至股票市场的状 态,发现它在上述时间内的状态总有一个相反的前期状态。例如,股市在2020.7、2020.11、 2021.3和2021.10处于上涨状态,而在前一个月的2020.6、2020.10、2021.2和2021.9处于下 跌状态,如图5所示。此时,由于模型在其他时间间隔显示出令人满意的鲁棒性,因此排除了 过拟合问题,而训练集、验证集和测试集的分布不同所引起的数据漂移是该问题的主要原 因。这意味着基于训练集和验证集训练好的模型不可避免地会在测试集上退化,尽管设置 的这些数据集的样本量相对较小,但股市的短期剧烈波动对模型的性能表现至关重要。 [0124] 在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指 结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施 例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。 而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合 13 13 CN 116523100 A 说明书 10/10页 适的方式结合。 [0125] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术 人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本 发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变 化和改进都落入要求保护的本发明范围内。 14 14 CN 116523100 A 说明书附图 1/4页 图1 图2 15 15 CN 116523100 A 说明书附图 2/4页 图3 图4 16 16 CN 116523100 A 说明书附图 3/4页 图5 图6 17 17 CN 116523100 A 说明书附图 4/4页 图7 18 18
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
一种基于动态导通时间限制的单电感多输出DC-DC变换器控制方法.pdf
DB50_T 1727.1-2024 零散天然气橇装回收安全技术规程 第1部分:液化天然气.pdf
DL∕T 603-2017- 气体绝缘金属封闭开关设备运行维护规程.pdf
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