基于文本价格融合模型的股票趋势预测

【目的】在传统股票预测模型的基础上,提高股票价格预测准确率,降低股票交易风险,研究大数据环境下的股票价格变化趋势。【方法】提出一种新的文本价格融合模型。该模型对股票论坛上的评论文本预处理后,通过深度表示学习生成评论文本的特征矩阵,使用K均值聚类方法生成文本类别;结合开盘价、收盘价等15个原始价格指标,使用多层感知机算法预测股票价格趋势。【结果】使用该模型进行预测,所得精度为65.91%,超出单独使用价格特征的模型7.76%,超出单独使用文本特征的模型11.37%,预测性能具有较大提升。【局限】只对个股进行预测研究。【结论】本文模型从文本和价格结合的角度出发提高股票预测精度,为股价趋势预测相关研究者和从业者提供新的研究方法和研究视角。