基于神经网络与自适应分形分析的股评情感分析

发布时间：2021-06-23 03:59

　　经典金融学以有效性市场为假说,认为金融市场的价值始终等于其基本价值,但却无法解释现实生活中的“异象”,行为金融学强调市场投资者的认知与情绪会对其决策产生影响,从而引起资本市场价格波动。股市作为投资市场的重要组成部分,其指数变动也会受到投资者情绪的影响。有很多学者利用机器学习方法对与股市投资者相关的文本进行过情感挖掘,但鲜有人提及现实应用环境下由于文本噪声过多产生的不均衡文本分类问题。本文针对此问题采用序列生成对抗网络算法作为文本生成器,对不均衡的股民评论等数据集完成过采样工作,通过在随机森林分类器上进行分类比较得出,利用序列生成对抗网络算法进行文本过采样的方法要比传统的基于插值的SMOTE、Borderline-SMOTE、ADASYN等过采样方法有效,更适合用于不均衡文本分类任务。其次针对传统的卷积神经网络不能捕捉到语料中的长期的上下文关系以及非连续词之间的关系,本文将注意力机制引入到经典的短文本分类卷积神经网络模型,并通过实验证明改进结构的有效性。最后本文利用随机分形理论里的自适应分形分析（AFA）,结合构建出的投资者情绪指数与股市对数收益率,对已经分出了情感倾向的股民评论进行情感... 

【文章来源】：广西大学广西壮族自治区 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图２－１随机过采样示意图??

ｆｔ?＾??图２－２二維平面ＳＭＯＴＥ采样示意图??Ｆｉｇ．?２－２?ＳＭＯＴＥ?ｓａｍｐｌｉｎｇ?ｉｎ?２Ｄ??可以看到，ＳＭＯＴＥ合成的新样本点相当于旧样本点与其最近邻点连线上以一定的??概率选取的点，所以算法可视为“插值”生成新样本。??ＳＭＯＴＥ算法以“插值”的方式生成新样本点，主要存在两方面的问题：??一是在近邻选择时存在一定的盲目性，从算法流程可以看出，Ｋ的值需要由用户指??定，Ｋ值的上下限难以根据实际应用情况确定；??二是算法容易生成一些噪音，将原样本点与其对立类别的点混合到一起，具体可如??图２－３所示：??ＳＭＯＴＥ??６０－ｊ??４〇?■?、＊?．ｆｄ???１??１?１?Ｔ??１?１??????－６０?－４０?－２０?０?２０?４０?６０??图２－３?ＳＭＯＴＥ生成采样点示意图??Ｆｉｇ．?２－３?Ｓａｍｐｌｅ?ｇｅｎｅｒａｔｅｄ?ｕｓｉｎｇ?ＳＭＯＴＥ??图２－３所示的是图２－１中的样本经过ＳＭＯＴＥ采样后的结果，可以看到，中间红色??方框框起来的是少数类经过过采样生成的部分数据点

Ｋ值的上下限难以根据实际应用情况确定；??二是算法容易生成一些噪音，将原样本点与其对立类别的点混合到一起，具体可如??图２－３所示：??ＳＭＯＴＥ??６０－ｊ??４〇?■?、＊?．ｆｄ???１??１?１?Ｔ??１?１??????－６０?－４０?－２０?０?２０?４０?６０??图２－３?ＳＭＯＴＥ生成采样点示意图??Ｆｉｇ．?２－３?Ｓａｍｐｌｅ?ｇｅｎｅｒａｔｅｄ?ｕｓｉｎｇ?ＳＭＯＴＥ??图２－３所示的是图２－１中的样本经过ＳＭＯＴＥ采样后的结果，可以看到，中间红色??方框框起来的是少数类经过过采样生成的部分数据点，这些数据点模糊了多数类与少数??９??

【参考文献】：
期刊论文
[1]不平衡数据分类方法综述[J]. 李艳霞,柴毅,胡友强,尹宏鹏.  控制与决策. 2019(04)
[2]基于类重叠度欠采样的不平衡模糊多类支持向量机[J]. 吴园园,申立勇.  中国科学院大学学报. 2018(04)
[3]投资者情绪与股票市场收益的相关性研究——基于多重分形分析方法[J]. 孙凌芸,张金林.  金融评论. 2017(05)
[4]社交媒体投资者关注、投资者情绪对中国股票市场的影响[J]. 石勇,唐静,郭琨.  中央财经大学学报. 2017(07)
[5]基于多次随机欠采样和POSS方法的软件缺陷检测[J]. 方昊,李云.  山东大学学报(工学版). 2017(01)
[6]投资者情绪对股票市场收益和波动的影响——基于开放式股票型基金资金净流入的实证研究[J]. 王春.  中国管理科学. 2014(09)
[7]投资者情绪、资产估值与股票市场波动[J]. 胡昌生,池阳春.  金融研究. 2013(10)
[8]中国股市投资者情绪与股票收益的实证研究[J]. 张强,杨淑娥,杨红.  系统工程. 2007(07)
[9]投资者情绪与股市的互动研究[J]. 程昆,刘仁和.  上海经济研究. 2005(11)
[10]投资者情感假说及其在中国股市的应用[J]. 张圣平,张峥,吴毛利.  经济学动态. 2004(09)

博士论文
[1]面向不平衡数据的特征选择与半监督分类算法研究[D]. 杜利敏.西南交通大学 2017



本文编号：3244183