基于情感分析大模型的股票预测:结合GRU和ALBERT的预测模型

自股票市场诞生以来,对股票价格的预测一直是研究的热点。已有的研究主要根据股票基本面数据、股价时间序列等结构化数据,利用数学、统计、深度学习等多种方法进行预测;或者基于新闻报道、社交网络文本等非结构化数据,采用文本挖掘、情感分析等技术获取情绪指标进而实现股价预测。然而,将以上两种方法进行结合的研究目前并不多见。本文提出了一种新的股票价格预测方法,该方法利用GRU深度学习网络,根据股票历史数据进行股价的预测,并构建出基于GRU框架的预测模型。同时,采用轻量级大模型ALBERT,对媒体新闻进行情感提取,获取情感特征。最后,将情感特征输入至于GRU预测模型中,并适应性调整GRU的输出结果,以获得最终的股票预测。本文最终选择了GRU-attention与GoogleChineseALBERT-Large结合的方案,该方案充分利用了客观特征以及情感特征包含的信息,使得输入模型的特征更加全面,并且在预测精度上相对其他方案有明显的优势。从实际应用上来看,本文搭建的股票预测模型能够为投资者提供更为准确的股票价格预测结果,帮助投资者制订更加合理的投资决策,并可以预警金融市场中可能发生的风险,帮助投资者规避损失。