典型文献
网络舆情赋能金融科技股票收盘价预测研究
文献摘要：
金融科技发展进程中,网络舆情或许能给该行业指标数据的预测做出贡献,但相关研究尚不充分.本文将万得(wind)数据库中金融科技股票的交易数据作为金融科技行业的缩影,利用情感分类模型对爬取的11万余条微博文本中的投资者情绪进行挖掘.研究发现:负向投资者情绪占比对84只金融科技股票样本的平均收盘价存在负向影响,且具有长期稳定的均衡关系.进而,本文构建了以负向投资者情绪、工作日变量及其他金融科技股票量化指标数据为模型输入、预测金融科技股票平均收盘价指标数据的长短时间记忆神经网络模型(Long Short-Term Memory,LSTM).结果表明:引入投资者负向情绪占比后,实验组LSTM模型比对照组的预测评价指标结果更加优秀,表明网络舆情对金融科技股票收盘价预测具有重要作用;实验组LSTM模型在不同预测期限上的预测效果评价指标均优于其他对照模型(随机森林、多层神经网络和支持向量回归模型),进一步证实了其良好的预测性能和模型稳健性.本文研究进一步丰富了自然语言处理和深度学习技术在金融科技领域的研究,为金融科技行业相关指标数据的预测提供了新的思路.
文献关键词：
LSTM;投资者情绪;金融科技;股票收盘价
中图分类号：
作者姓名：
崔炎炎;刘立新
作者机构：
对外经济贸易大学统计学院
文献出处：
引用格式：
[1]崔炎炎;刘立新-.网络舆情赋能金融科技股票收盘价预测研究)[J].统计研究,2022(06):148-160
A类：
B类：
网络舆情,科技股,股票收盘价,预测研究,金融科技发展,该行,wind,中金,交易数据,缩影,情感分类,分类模型,爬取,万余条,微博文本,投资者情绪,票样,工作日,量化指标,模型输入,时间记忆,记忆神经网络,Long,Short,Term,Memory,负向情绪,预测评价,明网,期限,效果评价指标,多层神经网络,支持向量回归模型,预测性能,自然语言处理,深度学习技术,科技领域
AB值：
0.30564
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
