基于Seq2Seq文本摘要和情感挖掘的股票波动趋势预测

摘要

文本情感挖掘技术被广泛应用于金融市场中股票价格预测和波动趋势分析.以往的研究多局限于全文情感挖掘,即把全文各部分视作同等重要,然而对于互联网极具自由精神的新闻文本来说这是一个不切实际的强假设,有些新闻局部内容甚至与主题无关.本文提出一种基于自动文本摘要和情感挖掘技术的股票波动趋势预测研究框架,将Seq2Seq文本摘要技术应用于情感挖掘中,来提升文本情感表达的准确性,之后将新闻摘要情感值作为股票预测模型的输入特征.为了验证模型有效性,本文进行了新闻摘要情感值和全文情感值预测的交叉对比实验,结果表明二者情感波动趋势大多数情况下趋于一致,但是文本摘要的波动区间更小而且分布也更为稳定;在情感值分布上,摘要挖掘对负向情感更加敏感;对24只沪市A股历时两年半的涨跌趋势预测方面,摘要情感挖掘模型的预测效果要明显优于全文情感挖掘方法.