论文部分内容阅读
在大数据时代和人工智能快速发展的大背景下,本文尝试从专业投资者论坛语料数据入手,利用数据挖掘技术量化投资者情绪与股票市场波动的相关性以及更进一步的利用情感极性分析作为特征辅助预测股票市场未来趋势。我国处于经济产业结构调整和社会矛盾复杂多变的关键的转型期,进行社交网络的情绪挖掘分析有助于解决经济宏观调控甚至国家战略安全等多方面存在的问题。本文抽取专业投资论坛2015年11月份至2016年3月份针对上证指数,招商银行和比亚迪的相关评论的语料数据储存于MongoDB数据库。首先探索A股市场讨论热度靠前的股票标的的变化,发现短期内A股市场的热点股票变化并不显著,停牌股票的讨论热度并不会有显著下降以及将热点股票的价格与所在大盘的指数走势基本相同并进行OLS回归,参数的t检验显著,发现没有明显异常波动特征;接下来,本文探索根据语义情感分析得到的情绪信号与相关大盘和个股的Pearson相关性强弱,结果显示情绪极性信号与上证指数Pearson相关系数为0.7,与招商银行股价的相关系数为0.53而与比亚迪的相关系数为0.52,都具有明显的相关性;情感极性分析发出明显的波动性的情绪信号较为稀疏,信号基本发生在市场进行翻转或者趋势突破的时候。本文利用2015年11月2日至2016年3月4日的上证指数金融交易数据,每日的最高价、开盘价、最低价、收盘价,成交量、成交金额和标准化后的情绪信号共7个维度的数据作为支持向量机的输入变量,滞后期设为5天,利用遗传算法进行参数寻优,对未来的上证指数进行趋势预测,得到了MSE=0.00381,优于不添加情绪特征时MSE=0.004371,说明情绪信号对未来市场价格趋势的预测具有很好的辅助作用。情绪信号在一定程度上可以作为投资者的投资或者预警信号,同时也可以作为管理者进行市场舆情分析、监控管理的手段。