嵌入互联网舆情强度的人民币汇率预测

发布时间：2022-02-12 08:42

　　针对目前人民币汇率预测研究存在的数据源单一导致难以提升预测效果的问题,提出一种嵌入互联网舆情强度的预测技术,通过融合多方面数据源进行对比分析,有效降低了人民币汇率的预测误差。首先,融合互联网外汇新闻数据和历史行情数据,并将多源文本数据转化为可计算的特征向量;其次,通过情感特征向量构建五种特征组合并对其进行对比,给出了嵌入互联网舆情强度的特征组合作为预测模型输入;最后,设计外汇舆情影响汇率预测的滑动时间窗口,建立基于机器学习的汇率预测模型。实验结果表明,嵌入互联网舆情的特征组合相对于不含舆情的特征组合在均方根误差（RMSE）和平均绝对误差（MAE）上分别提升了9.8%和16.2%;此外,长短期记忆网络（LSTM）预测模型比支持向量回归（SVR）、决策回归（DT）和深度神经网络（DNN）预测模型表现更好。 

【文章来源】：计算机应用. 2019,39(11)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 相关工作
    1.1 舆情影响力
    1.2 价格预测模型
2 准备性研究工作
    2.1 数据准备
    2.2 数据预处理
    2.3 文本数据特征化
3 美元兑人民币汇率预测模型实现
    3.1 特征组合的选择
    3.2 输入向量窗口的设定
    3.3 预测滞后窗口的设定
    3.4 预测模型参数寻优
4 实验与结果分析
5 结语


【参考文献】：
期刊论文
[1]基于R语言的网络舆情对股市影响研究[J]. 朱昶胜,孙欣,冯文芳.  兰州理工大学学报. 2018(04)
[2]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇.  计算机技术与发展. 2018(04)
[3]基于微博的投资者情绪对股票市场影响研究[J]. 张信东,原东良.  情报杂志. 2017(08)
[4]基于EEMD和SVR的人民币汇率预测[J]. 秦喜文,张瑜,董小刚,刘媛媛.  东北师大学报(自然科学版). 2017(02)
[5]网络舆情是否影响股市行情? 基于新浪微博大数据的ARDL模型边限分析[J]. 陈云松,严飞.  社会. 2017(02)
[6]公共危机事件网络舆情生命周期特征分析及对策研究[J]. 赵岩,王利明,杨菁.  经济研究参考. 2015(16)

硕士论文
[1]基于神经网络的外汇汇率预测研究[D]. 邓景炜.暨南大学 2017
[2]基于社会网络的网络舆情演化研究[D]. 丁洁.南京理工大学 2015



本文编号：3621404