利用Twitter属性信息预测股票价格
机器学习
2021-05-05 v1
摘要
能够预测股票价格或许是股票投资者的心头夙愿。尽管股票价格难以预测，但关于何种因素影响其走势存在诸多理论，包括利率、新闻与社交媒体。借助机器学习(Machine Learning)，可识别超出人类智力的数据中的复杂模式。本文构建并测试了一个用于时间序列预测的机器学习模型以预测股票价格。该模型基于由多层LSTM与全连接层组成的神经网络。其训练数据包括历史股价、技术指标，以及从社交媒体平台Twitter上的帖子中检索、提取并计算得到的Twitter属性信息。这些属性包括情感得分、点赞数、粉丝数、转发数以及账号是否经过认证。为从Twitter收集数据，使用了Twitter的API。情感分析由VADER完成。结果表明，通过加入更多Twitter属性，预测价格与实际价格之间的MSE改善了3%。若考虑技术分析，MSE从0.1617降至0.1437，约为11%的改善。本研究的限制在于所选股票必须在股市公开上市且在Twitter上及个人投资者中受欢迎。此外，股市交易时间与Twitter（其全天候可用）不同，这可能为模型引入噪声。
引用
@article{arxiv.2105.01402,
title = {Using Twitter Attribute Information to Predict Stock Prices},
author = {Roderick Karlemstrand and Ebba Leckström},
journal= {arXiv preprint arXiv:2105.01402},
year = {2021}
}