《基于 BPNN 和 SVR的股 票价格预测研究》

摘要：将情感分析和机器学习方法相结合，以股票新闻数据为基础，分别采用BP神经网络(BPNN)和支持向量机回归(SVR)两种方法，对股票价格进行预测分析。首先选取交易量较大的2O只股票作为研究对象，抓取相关的新闻数据。然后邀请专家对高频词进行人工情感打分，得到一个针对性更强、粒度更细[一5，+5]的情感词典，同时考虑否定词、程度副词、假设疑问词和情感词间的相互作用，归纳出9种常见的语义规则，给不同的语义规则下的情感词赋予不同的权重，对情感值进行修正。最后分别采用BPNN和SVR两种方法构造股价预测模型，并对模型的预测效果进行对比分析。结果表明，文章提出的人工情感词典和语义规则在股价预测领域表现良好，情感得分正负方向与股价涨跌方向的一致程度显著提升，另外，SVR股价预测模型的均方误差更小，且股价走势方向正确率更高。想要下载论文的读者朋友，请先付费获得积分。