雷火竞技首页

一种基于投资者心理情绪的股票预测方法技术
发布时间:2026-09-20
 本发明专利技术提供了一种结合投资者心理情绪与股市历史交易数据相结合的股票预测方法,该方法首先通过对BERT这种深度双向的预训练语言模型进行模型蒸馏的方法得到distil‑BERT,通过模型蒸馏不仅在情感分析的预测精度上满足业务需要,而且对情感分析模型的规模进行缩减,从而减少了情感分析模型的推理时间。最后在股票预测阶段,本发明专利技术设计了一种基于多头注意力机制的股票预测方法,从而有效缓解了LS

  本发明专利技术提供了一种结合投资者心理情绪与股市历史交易数据相结合的股票预测方法,该方法首先通过对BERT这种深度双向的预训练语言模型进行模型蒸馏的方法得到distil‑BERT,通过模型蒸馏不仅在情感分析的预测精度上满足业务需要,而且对情感分析模型的规模进行缩减,从而减少了情感分析模型的推理时间。最后在股票预测阶段,本发明专利技术设计了一种基于多头注意力机制的股票预测方法,从而有效缓解了LSTM循环神经网络梯度爆炸梯度弥散的问题,进一步提高股市预测的准确性。本发明专利技术通过BERT预训练模型,模型蒸馏,多头注意力机制等深度学习前沿技术,实现了科技创新。

  本专利技术涉及股市预测领域,更具体地,涉及一种结合投资者心理情绪和股市交易数据的股票预测方法。

  长期以来,股市预测一直被认为是最具挑战性的研究之一。股票市场的变化是一个动态的,非线性的过程,结合了各种复杂因素。PostBar论坛等网站的流行为投资者提供了在线发表评论的场所,这使投资者的情绪成为预测股市的关键因素之一。在评论和存量关系研究领域,越来越多的学者认为评论通常具有文本作者的主观情感色彩,即评论具有一定的情感取向。情感倾向分析,也称为情感分析,主要应用于自然语言处理领域,如评论信息,微博文本和在线评论,其目的是挖掘作者表达的主观观点或情感倾向。研究表明,评论情绪对股市波动的影响主要是直接影响投资者的心理,进而引导投资者的投资行为,最终间接影响股市价格的波动。随着文本挖掘技术的发展,基于评论文本的情感倾向分析研究取得了一定的进展,越来越多的学者开始将其整合到股市预测分析中。对于现代社会的股票交易市场而言,如何准确地预测股票的变化趋势仍然是一个急需解决的问题。众所周知的有效市场假说(EM

  1.一种基于投资者心理情绪的股票预测方法,其特征在于,包括以下步骤:/nS1:通过Scrapy爬虫框架爬取东方财富网中投资者发表的关于对每个股票的评论和每个股票的历史交易数据,包括开盘价,收盘价,最高价,最低价等,并对这些数据进行预处理。/nS2:引入一种对投资者情绪进行预测的情感分析模型,通过BERT模型进行微调训练,然后通过模型蒸馏的方法得到distil-BERT,从而得到情感因子指标。/nS3:引入一种基于多头注意力机制的股票预测模型,将S2得到的情感因子和股票历史数据输入到基于注意力机制的MHAA-LSTM模型中,对收盘价进行预测。/n

  S1:通过Scrapy爬虫框架爬取东方财富网中投资者发表的关于对每个股票的评论和每个股票的历史交易数据,包括开盘价,收盘价,最高价,最低价等,并对这些数据进行预处理。

  S2:引入一种对投资者情绪进行预测的情感分析模型,通过BERT模型进行微调训练,然后通过模型蒸馏的方法得到distil-BERT,从而得到情感因子指标。

  S3:引入一种基于多头注意力机制的股票预测模型,将S2得到的情感因子和股票历史数据输入到基于注意力机制的MHAA-LSTM模型中,对收盘价进行预测。

  2.根据权利要求1所述的结合投资者情绪和股市交易数据的股票预测方法,其特征在于,所述步骤S1具体步骤如下:

  提取投资者对个股发表的文本评论和其发表的日期,其中日期的格式为2018-01-0124:00:00的形式。

  接着对文本进行预处理操作,包括去除文本中所有的标点符号,超链接,表情符,数字,停用词,其中停用词包含这,的,嗯等等。然后对股票交易的历史数据进行minmax归一化操作,如公式(1)所示,使其股票交易数据缩放到同一量纲下。

  3.根据权利要求1中S2步骤,引入了一种对投资者情绪的股票预测模型的方法,其特征在于,所述步骤S2的具体步骤如下:

  本文手动标记了总计10,562条股票评论文本,其中包括正面和负面的文字,各占50%。然后,将评论文本数据进行打乱并重新排列,将其分为训练数据集和测试数据集,其中训练样本占70%,测试样本占30%。最后使用BERT对这些数据集进行微调。

  接着通过模型蒸馏的方法,对微调之后BERT模型的Embedding(嵌入)层,attention(注意力)层,hiddenstate(隐藏)层,输出层进行蒸馏。