基于微博搜索和SVM的股市时间序列预测研究

• 作者: 周胜臣 孙韵辰 施询之 瞿文婷 石英子
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 支持向量机 微博搜索 股市预测 投资者情绪
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 22-26
• 页数: 5页
• 分类号: TP391
• 字数: 4835字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2013.04.006

摘要

近年来,随着微博的快速发展,其海量信息的挖掘已经成为一个热门的学术焦点.本文针对微博数据挖掘在金融领域的应用提出一种基于微博搜索和SVM的股市时间序列预测方法.以微博搜索功能为基础,进行主题、未来倾向、情感三级分类,实现对微博平台上投资者情绪进行侦测,并计算相应的投资者看涨情绪指标和看跌情绪指标.将两个指标数据引入传统的基于股市历史数据的时序预测方法,形成基于SVM的多变量时序预测模型MTPH&BSI.经过样本训练、参数寻优、测试样本预测等过程,实验结果表明本文所构造的预测模型比传统基于历史数据的单变量时序预测模型具有更佳的预测性能和更好的泛化能力.本文对于研究微博等社会化媒体的服务能力具有借鉴意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施询之	上海大学悉尼工商学院	5	177	2.0	5.0
2	瞿文婷	上海大学悉尼工商学院	4	191	3.0	4.0
3	周胜臣	上海大学悉尼工商学院	2	176	2.0	2.0
4	石英子	上海大学悉尼工商学院	2	176	2.0	2.0
5	孙韵辰	上海大学悉尼工商学院	2	176	2.0	2.0