摘要
采用自然语言处理技术对爬取的文本数据进行分词、去停用词处理,利用TextRank、TF-IDF算法提取关键字,构建适用于单篇文章的词重要性指数模型,从中提取重要变量建立适用于沪深300指数的投资者情绪预测模型,借助深度森林算法预测交易信号构建交易策略。结果表明,在样本期基于自然语言处理与深度森林算法对股票交易信号的预测准确率达72.23%,且收益也超过传统策略收益,具备重要的投资指导意义。
出处
《电子商务》
2020年第8期53-54,共2页
E-Business Journal
基金
江苏省大学生创新创业训练计划国家级立项——“基于NPL的A股市场舆情监控及其量化投资策略研究”(项目编号:SZDG2019039)成果之一。