基于金融高频数据与互联网资讯的股价预测研究

• 作者: 李沁林 尹福成 陈雪 康倩
• 来源期刊: 内江科技
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 学术研讨
• 页码范围: 99-100
• 页数: 2页
• 语种: 中文

摘要

本文选取上证50成分股中的一部分股票作为对象,统计了日内金融高频数据以及各交易时间段互联网资讯数量.将这些数据作为自变量,股价当日与后一日的收盘价是否上涨作为因变量,采用BP神经网络进行训练,然后收集当天的自变量带入网络对明天的股价股价是否上涨作出预测.通过五天的实验,模型平均准确率为70％.