基于深度学习的财经新闻对股市投资决策影响的研究

发布时间：2021-06-17 02:46

　　股票市场中证券价格的波动及预测一直是投资者关注的问题同时也是学术界研究的热点问题之一。过往研究中学者们的主流做法是采用股票市场中交易数据来预测证券价格,这使得很多影响证券价格的其它因素未被包含在预测模型中。随着深度学习和文本挖掘的技术出现,使得在研究证券市场价格波动上能够利用和挖掘出更多的信息。本文运用了行为金融学、文本挖掘和深度学习的相关知识和理论,采用了长短期记忆神经网络、卷积神经网络和支持向量机研究了财经新闻对股票投资决策的影响,并分析了财经新闻影响股票市场的路径,结尾处对普通投资者提出了投资建议。首先,本文梳理了财经新闻和股票市场有关的文献综述,提出前人的研究中使用的方法不能很好地挖掘到财经新闻的内涵信息使得在预测股票市场波动或者分析财经新闻对股票市场影响上解释力不足。本文利用Python书写了网络爬虫,爬取了华尔街见闻快讯栏目中2016年1月1日至2017年12月31日的新闻标题及相应的发布时间作为财经新闻的初始样本数据,同时从Wind数据库中获取了2016年1月4日至2017年12月29日中交易日的交易数据,包括开盘价、最高价、最低价、交易量、涨跌幅。其次,剔除了财经新闻数... 

【文章来源】：兰州财经大学甘肃省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

文本挖掘的实现过程

模型结构图

图 3.1 财经新闻影响个人投资者交易决策过程经新闻对股票市场投资者直接效应影响的分析：在股票交易市场中，总有一财经新闻更为敏感，根据经济学对理性经济人对风险偏好程度不同的划分，


本文编号：3234304