异构数据融合驱动的股市波动预测研究

由于股票市场具有复杂性、动态性和混乱性等诸多特点,其波动易受各种信息源的影响,因此对其预测具有相当的挑战性,而机器学习方法的应用在目前取得了一定的成功。文章从深度学习方法出发,融合多种数据源,提出一种异构数据融合驱动的神经网络模型,探索股市舆情、量化指标与股价波动的内在联系,以及媒体信息对股市波动的影响机制。