一种多源数据驱动的自动交易系统决策模型

• 作者: 文丹艳 王琨 马超群
• 来源期刊: 自动化学报
• 关键词: 神经网络 数据驱动 自动交易 决策模型
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1505-1517
• 页数: 13页
• 字数: 13398字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170563

摘要

股票自动交易系统属于典型的复杂系统,其成功的关键是如何对股价进行有效的预测与决策.股价受多种信息的影响,但传统的自动交易模型多建立在历史交易数据的基础上.针对上述问题,本文综合利用新闻文本数据与股价技术指标数据,基于人工神经网络(Artificial neural netuorks,ANN)方法设计了一种多源数据驱动的股票自动交易决策模型.本文首先分析了各类财经新闻的特点及其对股价的影响,然后设计了相应模板抽取了中文文本中的财经新闻事件;在此基础上,设计了历史股价和新闻事件数据共同驱动的ANN-News模型,并利用实际数据验证了模型的有效性.实验发现,ANN-News模型比传统的机器学习类模型股价预测准确率提升约4％,收益率提升约7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马超群	湖南大学工商管理学院	225	4108	34.0	56.0
2	文丹艳	湖南大学工商管理学院	2	7	2.0	2.0
3	王琨	湖南大学工商管理学院	4	17	3.0	4.0