- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
这篇文档主要介绍了通过文本数据的挖掘与融合计算股票市场情绪的变化,从而为投资者提供投资决策依据的技术文章指出,随着深度学习技术的发展,构建大规模文本数据量化成为可能此外,还列举了几种常用的文本数据挖掘和机器学习算法,并展示了使用这些方法构建投资者情绪指数和股票市场的预测能力
多信息融合股价波动计量研究
内容摘要
本文先通过数据爬取从东方股吧爬取了四家来自不同行业的公司舆情数据,然后通过Bi-LSTM(双向长短期记忆网络)对文本数据进行分析得到每日情绪指标。得到情绪指标后我们结合了从Tushare接口获取的其各自的日线数据,并且通过日线数据构造了移动平均、KDJ、MACD等指标,然后针对二者进行融合做出计量探究,经过选择和节选后得到了七个指标,并且由决策树模型给出了建议。
关键词:金融计量数据挖掘深度学习决策树数据爬取共线性研究
目录TOC\o1-3\h\z\u
一、引言 3
(一)研究背景与意义 3
文档评论(0)