TopicProphet：时序主题趋势与股票的预测

股票不可预测。尽管多年来的诸多期望，这一前提长期成立，原因在于量化股票数据缺乏因果逻辑，加之市场快速变化阻碍了训练模型所需显著数据的积累。为应对这一问题，我们提出一种新颖框架 TopicProphet，用于分析共享相似公众情绪趋势和历史背景的历史时期。我们的研究偏离了先前识别关键词和情感影响的方法——我们通过一系列主题建模、时序分析、断点检测和片段优化来扩展该方法，以检测最优训练时段。这通过向模型提供该时期社会经济和政治状态所产生的细微模式来改善预测，同时解决了训练所需相关股票数据不足的问题。通过广泛分析，我们得出结论：TopicProphet 在捕获预测金融百分比变化的最优训练数据方面，产生了优于最先进方法的结果。