基于多級(jí)模型的金融異構(gòu)信息獲取與預(yù)測(cè)分析.pdf

1、隨著大數(shù)據(jù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，傳統(tǒng)的方法已無(wú)法滿足金融領(lǐng)域各方面用戶的個(gè)性化、多樣化、自動(dòng)化的需求，亟需異構(gòu)信息處理技術(shù)和數(shù)據(jù)挖掘技術(shù)從金融異構(gòu)信息中獲取有用的信息并進(jìn)行處理。為了幫助金融用戶進(jìn)行投資，并向用戶全面準(zhǔn)確的展現(xiàn)金融證券的相關(guān)信息，需要從多元異構(gòu)信息中獲取金融證券的相關(guān)信息，并對(duì)其特征進(jìn)行分析從而向用戶提供有價(jià)值的投資建議。本課題圍繞著用戶感興趣的相關(guān)問(wèn)題，從用戶感興趣的金融特征出發(fā)，從異構(gòu)信息中抽取出投資者感興趣的特征，然

2、后對(duì)特征進(jìn)行分析建立多級(jí)模型，對(duì)相關(guān)數(shù)據(jù)進(jìn)行預(yù)測(cè)，從而為金融證券投資者提供一定的策略和數(shù)據(jù)參考。
　　本文研究的主要內(nèi)容如下：
　　基于規(guī)則本體自適應(yīng)的PDF文檔特征獲取方法：包括對(duì)可轉(zhuǎn)債上市公告書(shū)的信息抽取和新股上市公告書(shū)和招股說(shuō)明書(shū)的信息獲取。首先針對(duì)不同的PDF文檔進(jìn)行文檔轉(zhuǎn)換；然后根據(jù)不同的金融產(chǎn)品建立本體，從而建立相應(yīng)的本體規(guī)則庫(kù)；對(duì)相應(yīng)特征的規(guī)則權(quán)重進(jìn)行自適應(yīng)調(diào)節(jié)，優(yōu)先選擇權(quán)重高的規(guī)則對(duì)新的PDF文檔進(jìn)行處理；通

3、過(guò)模式匹配的方法對(duì)PDF中所包含的特征進(jìn)行抽取。最后對(duì)抽取到的內(nèi)容進(jìn)行規(guī)范化，最終得到全面、準(zhǔn)確的特征數(shù)據(jù)。
　　多元異構(gòu)信息的獲取：本文中多元異構(gòu)信息的獲取包括金融實(shí)時(shí)數(shù)據(jù)的獲取、PDF文檔金融特征的獲取，以及網(wǎng)頁(yè)上PDF文檔的獲取和相關(guān)的歷史數(shù)據(jù)的獲取這三部分。通過(guò)分別使用Socket傳輸，模式匹配，正則表達(dá)式匹配的方法獲取這三部分的數(shù)據(jù)，并分別使用本體知識(shí)驗(yàn)證、第三方驗(yàn)證、人工驗(yàn)證、交叉驗(yàn)證的方法對(duì)獲取到的數(shù)據(jù)進(jìn)行數(shù)據(jù)驗(yàn)證。

4、
　　金融數(shù)據(jù)的預(yù)測(cè)分析：通過(guò)建立多級(jí)模型對(duì)可轉(zhuǎn)債的轉(zhuǎn)股與封閉基金的凈值進(jìn)行預(yù)測(cè)。在第一級(jí)中根據(jù)可轉(zhuǎn)債和封閉基金的特征運(yùn)用趨勢(shì)評(píng)估模型、SVR模型、神經(jīng)網(wǎng)絡(luò)（BP）模型三個(gè)模型進(jìn)行金融特征預(yù)測(cè)；在第二級(jí)中將第一級(jí)中三個(gè)模型產(chǎn)生的結(jié)果通過(guò)神經(jīng)網(wǎng)絡(luò)將預(yù)測(cè)結(jié)果進(jìn)行融合；第三級(jí)在第二級(jí)的基礎(chǔ)上對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，通過(guò)遺傳算法選擇合適的、最優(yōu)的初始化權(quán)重和閾值，從而獲得更優(yōu)的預(yù)測(cè)結(jié)果。最后，通過(guò)上述的模型完成對(duì)可轉(zhuǎn)債和封閉基金特征的更精確的