新闻媒体信息数据库建设实践及其应用

本文介绍新闻媒体信息数据库发展现状,分析数据库的基本特点,从构建数据库的数据采集、数据加工、数据发布和输出、数据检索几个环节出发,以广州大学图馆《媒体眼中的广州》数据库为例,着重阐述基于TPI的新闻媒体信息数据库建设及其应用。

融合媒体信息和信号分解的股票市场深度学习预测

对股票市场未来回报和风险的精确预测不仅能够帮助理性投资者更加合理有效地进行投资,也能够为政策制定者和投资者提供有用的指导。利用金融新闻标题文本,通过词嵌入模型和机器学习等文本分析方法,构建考虑新闻累积效应的投资者时闻累积情绪指数表征投资者情绪;以上证指数为例,采用变分模式分解(VMD)方法将指数波动数据分解为各种内在固有模式进行实证分析。最后,引入双向门控循环单元(BiGRU)作为深度学习模型进行股票预测。结果表明,投资者情绪指数显著影响上证指数波动,并且积极情绪和消极情绪的影响是不对称的;考量投资者情绪指标进行信号分解,能够有效提高股票的预测性能,相对于单纯分析股票时间序列的BiGRU预测模型,VMD-BiGRU模型的MAE,RMSE,RMSPE,MAPE等指标降低超过30%;在基准场景下,VMD-BiGRU模型性能优于多个计量经济模型和机器学习模型,对于收益率和波动率预测的MAE,RMSE,RMSPE,MAPE等指标普遍降低超过40%;模型在五粮液、工商银行、科大讯飞3只个股的推广中保持着同样稳定精确的预测效果。