典型文献
基于LSTM和新闻情感的股票价格预测方法
文献摘要：
股票预测研究对于经济发展具有重要意义,也是困扰投资者的难题.本文提出了一种基于LSTM和新闻股票情感分析的组合优化模型SVM_LSTM.首先将XGBoost和利用交叉验证优化的LSTM应用于预测中国银行、中国联通以及浦发银行的每日收盘价上,通过对比二者的性能,选择较优的LSTM对中国银行股票历史价格进行最终的时序预测;然后,使用SVM对中国银行的股票新闻进行情感倾向预测;最后,采用加权的方式将SVM的预测结果与LSTM的预测的结果进行融合.实验结果表明:第一,利用交叉验证优化的LSTM较XGBoost具有更优的评价指标,针对中国银行数据集,其RSEM、MAE、MSE比XGBoost分别减少了0.234、0.173、0.011;第二,采用加权的方式将SVM_LSTM的预测结果调和,实验结果较原LSTM而言,评价指标RSEM、MAE、MSE分别减少了7.5％、6.4％、10.8％.
文献关键词：
SVM;XGBoost;交叉验证;LSTM;股票价格预测;新闻情感预测
中图分类号：
作者姓名：
许丽;张利;李桂城;肖一凡;陈丽绵;唐艳
作者机构：
贵州大学 大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]许丽;张利;李桂城;肖一凡;陈丽绵;唐艳-.基于LSTM和新闻情感的股票价格预测方法)[J].智能计算机与应用,2022(05):107-113
A类：
新闻情感预测
B类：
股票价格预测,股票预测,预测研究,投资者,情感分析,组合优化模型,XGBoost,交叉验证,验证优化,中国银行,中国联通,浦发银行,收盘价,时序预测,情感倾向,RSEM,MAE,MSE
AB值：
0.255084
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。
