基于主題模型與泊松因子分析的股票市場情緒分析.pdf

1、股票市場是市場經(jīng)濟的重要組成部分，不僅關(guān)系到國民經(jīng)濟的發(fā)展和金融市場的穩(wěn)定，也關(guān)系到廣大普通投資者的經(jīng)濟利益。隨著我國股票市場的日益繁榮，股票市場的發(fā)展情況也變的日趨復(fù)雜，股票市場經(jīng)常在短期內(nèi)出現(xiàn)大跌大漲的悲喜劇。股票市場如此劇烈的大幅變動不僅是金融界的熱點，更使學(xué)術(shù)界對影響股票市場走勢的因素倍加關(guān)注，而股票理論研究的主流方向行為金融學(xué)則認(rèn)為投資者的情緒會對金融市場產(chǎn)生影響。隨著互聯(lián)網(wǎng)的不斷發(fā)展繁榮，投資者也越來越傾向于在網(wǎng)絡(luò)上發(fā)表自己

2、對于股市的各種觀點并進行交流，股票論壇、貼吧、社區(qū)等互聯(lián)網(wǎng)產(chǎn)品上不僅蘊含著各類型的股市資訊，更包含著海量能夠反映投資者情緒的文本數(shù)據(jù)，因此，從海量互聯(lián)網(wǎng)股票文本數(shù)據(jù)中快速準(zhǔn)確地挖掘到投資者的情緒傾向及其與股票走勢的關(guān)系，優(yōu)化投資者決策、促進股票市場健康發(fā)展，是十分具有實際意義的。
　　本文以數(shù)據(jù)挖掘理論中的文本情感分類技術(shù)為基礎(chǔ)，利用主題模型及泊松因子分析模型，對互聯(lián)網(wǎng)上的海量股市評論進行建模，提出基于LDA與泊松因子分析的文本情

3、感分類方法，挖掘?qū)I(yè)股票評論網(wǎng)站上投資者評論的情感傾向，并預(yù)測股票市場走勢。本文的主要工作有以下幾個方面:
　　1.克服傳統(tǒng)文本情感分類算法過度依賴情感詞典、提取特征無法表現(xiàn)文本語義信息的弊端，提出以LDA與泊松因子分析為基礎(chǔ)的文本情感分類方法，利用LDA與泊松因子分析提取文本-主題矩陣作為特征，與相應(yīng)的文本情感標(biāo)簽一起訓(xùn)練SVM分類器。使用權(quán)威的文本情感分類數(shù)據(jù)庫試驗此方法，得到可比擬文本情感分類領(lǐng)域權(quán)威方法的準(zhǔn)確率。
　

4、　2.利用網(wǎng)絡(luò)爬蟲完成了針對特定網(wǎng)頁下發(fā)表于特定時間的股評文檔的爬取，將文本數(shù)據(jù)進行數(shù)據(jù)清洗及預(yù)處理，并人工添加文檔的情感標(biāo)簽，完成了對于股票市場分析的文檔庫的建立。利用基于LDA與泊松因子分析的文本情感分類方法處理股評文檔庫，得到的針對股評文本情感分類器的測試準(zhǔn)確率分別為75.42％與79.95％。
　　3.以41個交易日的股評文檔庫為輸入數(shù)據(jù)、以每個交易日的上證指數(shù)為基準(zhǔn)，根據(jù)每個交易日的股評文檔分類結(jié)果預(yù)測下一個交易日的股市