股票预测：一种基于新闻特征提取与循环神经网络的方法
统计金融
2017-07-25 v1 计算与语言
信息检索
机器学习
摘要
本文提出了一种股票预测方法。在特征提取方面，除了股票价格外，我们还提取了股票相关新闻的特征。我们首先根据经验选择了一些作为好消息和坏消息标志的种子词。然后，我们提出了一种优化方法并计算了所有词的积极极性。之后，我们基于词的积极极性构建了新闻特征。考虑到股票价格的序列性和新闻效应的连续性，我们提出了一种循环神经网络模型来帮助预测股票价格。与使用价格特征的 SVM 分类器相比，我们发现所提出的方法在实验中将股票预测准确率提高了 5% 以上。
引用
@article{arxiv.1707.07585,
title = {Stock Prediction: a method based on extraction of news features and recurrent neural networks},
author = {Zeya Zhang and Weizheng Chen and Hongfei Yan},
journal= {arXiv preprint arXiv:1707.07585},
year = {2017}
}
备注
in Chinese, The 22nd China Conference on Information Retrieval