基于机器学习的三步方法用于预测运动市场泡沫——结合财经新闻情绪与宏观经济指标
统计金融
2025-10-21 v1 机器学习
计算金融
摘要
本研究提出了一种三步骤机器学习框架，用于预测标普500股市中的泡沫，通过结合财经新闻情绪与宏观经济指标。该方法建立在传统计量经济学方法之上，通过整合文本数据与定量数据源来预测泡沫形成。在第一步骤中，使用右尾单位根检验识别标普500指数的泡沫期，这是一种被广泛认可的实时泡沫检测方法。在第二步骤中，使用自然语言处理（NLP）技术从大规模财经新闻文章中提取情绪特征，捕捉投资者的期望与行为模式。在最后一步中，应用集成学习方法基于高情绪特征和宏观经济预测器来预测泡沫发生。通过K折交叉验证评估模型性能，并与基准机器学习算法进行比较。经验结果表明，所提出的三步骤集成方法显著提高了预测准确度和鲁棒性，为投资者、监管机构和政策制定者在缓解系统性金融风险方面提供了宝贵的早期警示信号。
关键词
引用
@article{arxiv.2510.16636,
title = {A three-step machine learning approach to predict market bubbles with financial news},
author = {Abraham Atsiwo},
journal= {arXiv preprint arXiv:2510.16636},
year = {2025}
}