【摘 要】
:
随着网络技术的普及,每个人既是信息的发布者和传播者又是信息的受众,金融领域与网络论坛深度融合拓宽了投资者沟通和交流的平台,这些金融论坛不仅改变了信息的传播方式,也加剧了金融市场的“羊群效应”等非理性投资行为。近年来深度学习等算法越来越多的运用于金融市场,对网络论坛的投资者情绪以及金融数据的相关研究也越来越丰富,股指期货市场作为金融市场的重要组成部分也吸引着金融研究者们对其进行预测研究。本文以深度学
论文部分内容阅读
随着网络技术的普及,每个人既是信息的发布者和传播者又是信息的受众,金融领域与网络论坛深度融合拓宽了投资者沟通和交流的平台,这些金融论坛不仅改变了信息的传播方式,也加剧了金融市场的“羊群效应”等非理性投资行为。近年来深度学习等算法越来越多的运用于金融市场,对网络论坛的投资者情绪以及金融数据的相关研究也越来越丰富,股指期货市场作为金融市场的重要组成部分也吸引着金融研究者们对其进行预测研究。本文以深度学习方法为基础,首先进行了股指期货吧投资者情绪相关研究,以挖掘投资者对股指期货市场的情感倾向以及投资意图,更好的预测股指期货市场的趋势走向。本文对2015年1月5日至2021年3月31日的股指期货吧主题帖文本数据进行收集,发现其存在“交易日效应”。其次抽取5017条主题帖进行人工标注作为训练语料库,分为消极、中级、积极三类文本数据,对比Bi LSTM文本分类器和BERT文本分类器在训练数据上的分类效果,结果表明BERT模型的分类效果优于Bi LSTM模型,因此选用BERT模型作为股指期货吧主题帖的情感分类模型对118722条主题帖进行标注后采用股票留言板信息构建情绪指标的方法构建股指期货吧的投资者情绪指标。本文其次进行了股指期货收益率相关研究,以选取适合的收益率预测模型并研究投资者情绪对股指期货收益率预测能力的提升效果。以沪深300股指期货为研究对象,采集了上述时间段1520个交易日的交易数据,选取包含投资者情绪指标在内的基本行情指标、技术指标等15个特征变量,通过加入投资者情绪进行对比实验,研究投资者情绪指标在随机森林、卷积神经网络(CNN)、长短期记忆模型(LSTM)下对沪深300股指期货收益率的预测能力。选取预测效果最好的LSTM模型进行改进以期得到更好的预测效果,通过加入卷积层和池化层的LSTM-CNN模型提取各时间点隐向量特征、引入注意力矩阵的LSTM-attention模型合理分配权重,改进了LSTM模型,达到了更优的预测效果并证明了投资者情绪与股指期货市场存在相互作用,能够提升模型对沪深300股指期货收益率的预测能力。
其他文献
机动车保有量的急剧增加导致城市道路空间资源分配失衡,从而引发了一系列的交通问题。信号交叉口作为城市道路的重要节点,其运行效率很大程度上决定了城市交通的整体运行状态。交通信号灯用来从时间上分离相互冲突的交通流,确保交叉口的交通安全。然而,随时间变化的交通需求和不当的信号配时往往容易导致交叉口排队长度和延误的增加,进而出现一些极端的拥堵现象,比如排队溢出和网络锁死。对于一些偏僻的路口或者固定检测器损坏
目标跟踪在物流仓储、机器人自动化以及无人驾驶等诸多领域有着广泛的应用前景,而多目标跟踪是其中最具挑战性的研究方向之一。目前主流的多目标跟踪算法主要有两种研究思路,分别是将目标检测与数据关联相结合的TBD(tracking by detection)方法以及将单目标跟踪方法扩展到多目标场景的SOT(single object tracking)扩展方法。后者依托发展较为成熟的单目标跟踪技术,在跟踪鲁
随着教育信息化的发展,学生的各种学习行为产生了大量的数据。为使数据发挥出应有的作用,运用机器学习算法探索和利用教育数据蕴藏的价值成为研究学者的研究重点。海量数据的出现为教育管理者提供大量潜在的价值,有助于提高管理者的管理效率,教育管理者可以根据学生的数据信息统筹规划,从教学方式管理、教学模式管理入手,提高管理水平,为学业有风险者提供预警。根据毕业生去向的具体情况,考研、就业、创业等不同的毕业去向对
随着电动汽车产业的快速发展,电动汽车在使用过程中所暴露的问题越来越多,动力电池系统作为其核心部件,其健康程度密切影响着电动汽车的安全性能,持续的亚健康状态如果不能被及时发现和处理,可能会引发电池故障的产生,给驾驶员和乘客带来财产损失,甚至危及生命。本文基于监控的电动汽车运行数据,结合数据驱动方法,对动力电池系统典型亚健康状态进行辨识,本文具体研究工作包括:(1)对监控的电动汽车运行数据进行处理,首
高职院校抖音短视频平台建设在助力校园文化建设方面具有独特优势,但目前在建设力度、特色彰显、外塑形象、互动管理等方面还存在不足。要通过提炼展示高职院校特色,分析回应高职学生需求,统筹密切线上线下联动,指导规范平台运营管理等方式,充分发挥抖音短视频在助力高职校园文化建设中的作用。
近年来随着交通安全领域研究的逐渐深入,交通事故数据及事故原因分析已成为重点分析对象,通过统计方法或交通冲突理论方法的交通安全研究体系较为完善。而相比较于事故数据,行驶轨迹数据体量大、实时性强,能弥补交通事故数据的延后评价问题。从轨迹数据可以识别出车辆异常驾驶行为,此类行为可能导致交通安全隐患。研究异常驾驶点位在路网中的分布情况,能对交通安全问题进行评估,尤其是针对安全性较差的交叉口位置,寻找引发交
差异化定价策略通过票价调节引导客流转移,是解决城市轨道交通高峰客流拥挤的一项有效策略。本文基于AFC(Automatic Fare Collection System)数据分析,从乘客出发时间选择行为着手,构建城市轨道交通早高峰分时定价模型,为轨道交通差异化定价策略提供理论支持,具体研究内容如下:(1)乘客出行时间特征分析及弹性乘客识别:以AFC数据记录的乘客出行特征为基础,定义乘客“出行波动系数
近年来,网联交通发展迅速,道路机动车交通流逐渐演化为网联车辆与非网联车辆构成的新型混合交通流。由于网联车辆所具备的信息交互特征等与非网联车辆不同,这对传统的交通流模型产生了影响,原有的面向非网联车辆的换道模型,已不适应新型交通流环境。因此,有必要对新型交通流环境下的换道模型展开进一步的研究,以支撑交通管理与控制方案的形成,进而缓解道路交通拥堵。论文对网联环境下车辆换道行为模型进行研究分析,构建了基
步入21世纪以来,人民生活水平不断提高,人们对生活的追求已经不再局限于物质方面,而是逐渐拓展到了精神层面。于是,越来越多的人选择利用闲暇时间旅游,这在很大程度上促进了旅游经济的发展,同时也带动了相关地区经济发展水平的提高。本文立足于当前阶段地区旅游经济发展的实际情况,探讨地区旅游经济在发展过程中面临的问题,并在此基础之上寻求相应的应对策略,希望能够为更好地促进地区综合发展水平的进步以及旅游业的创新
随着非线性偏微分方程在数学、物理、生物工程、非线性光学等领域的应用越来越广泛,对其精确解的研究也成为了一项重要的工作。与线性方程一样,非线性偏微分方程也有方程组、分数阶等不同形式,本文选取了两种不同形式的非线性偏微分方程,分别对其精确解进行了研究。它们是非线性Konno-Oono耦合方程和时空分数阶Phi-4方程。非线性Konno-Oono耦合方程是一个非线性偏微分方程组,针对此方程,本文应用Ri