基于NLP和深度森林的金融舆情抓取与分析

发布时间：2021-01-10 10:30

　　采用自然语言处理技术对爬取的文本数据进行分词、去停用词处理,利用TextRank、TF-IDF算法提取关键字,构建适用于单篇文章的词重要性指数模型,从中提取重要变量建立适用于沪深300指数的投资者情绪预测模型,借助深度森林算法预测交易信号构建交易策略。结果表明,在样本期基于自然语言处理与深度森林算法对股票交易信号的预测准确率达72.23%,且收益也超过传统策略收益,具备重要的投资指导意义。 

【文章来源】：电子商务. 2020,(08)

【文章页数】：2 页

【部分图文】：

投资者情绪、双均线策略与自然收益率综合图

【参考文献】：
期刊论文
[1]基于微信文本挖掘的投资者情绪与股票市场表现[J]. 石善冲,朱颖楠,赵志刚,康凯立,熊熊.  系统工程理论与实践. 2018(06)
[2]投资者情绪与盈余管理——基于应计盈余管理与真实盈余管理的实证研究[J]. 鹿坪,冷军.  财经问题研究. 2017(02)
[3]财经新闻与股市投资策略研究——基于财经网站的文本挖掘[J]. 孟雪井,杨亚飞,赵新泉.  投资研究. 2016(08)
[4]自然语言处理技术与语言深度计算[J]. 俞士汶,朱学锋,耿立波.  中国社会科学. 2015(03)
[5]基于微博情绪信息的股票市场预测[J]. 黄润鹏,左文明,毕凌燕.  管理工程学报. 2015(01)
[6]基于数据挖掘的股票指数涨跌概率推断[J]. 彭益.  统计与决策. 2012(16)



本文编号：2968552