基于社交媒体的股票价格人工智能预测
人工智能
2021-01-25 v1
摘要
本工作的主要目标是开发一种基于LSTM的神经网络，利用推文预测股票市场走势。LSTM网络中使用的词嵌入使用斯坦福的GloVe嵌入进行初始化，该嵌入专门在20亿条推文上预训练。为克服数据集规模有限的问题，提出了一种增强策略，将每个输入序列拆分为150个子集。为在原始配置上实现进一步改进，进行了超参数优化。分别评估了dropout率、批大小和LSTM隐藏状态输出大小等超参数变化的影响。此外，检验了详尽的参数组合集以确定最优模型配置。在验证数据集上，dropout、批大小和隐藏单元分别为0.4、8、100的超参数组合取得了最佳性能。模型的最终测试准确率为76.14%。
引用
@article{arxiv.2101.08986,
title = {Artificial intelligence prediction of stock prices using social media},
author = {Kavyashree Ranawat and Stefano Giani},
journal= {arXiv preprint arXiv:2101.08986},
year = {2021}
}