基于社交媒体文本信息的金融时序预测

• 作者: 李大舟 于沛 高巍 马辉
• 来源期刊: 计算机工程与设计
• 关键词: 情感分析 双向时间卷积网络 差分运算 长短时记忆 金融时间序列预测
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 软件与算法|Software and Arithmetic
• 页码范围: 2224-2231
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.08.018

摘要

针对传统股票趋势预测模型中忽略社交媒体文本信息对股价变化的影响和时间序列的平稳性处理、长期依赖等问题,提出一种融合社交媒体文本信息和LSTM的股票趋势预测模型(BiTCN-LSTM).该模型分为情感分析和金融时序预测两部分.情感分析层将社交媒体文本信息输入到双向时间卷积网络进行特征提取和情感分析,得到积极或者消极的情感分类表示;金融时序预测层使用LSTM神经网络,将差分运算后的股票历史数据和文本情感特征向量加权融合作为网络输入,完成金融时序预测任务.通过上海证券综合指数数据集的实验验证,与传统金融时序预测模型相比,该模型的RMSE指标降低3.44-43.62.