[发明专利]一种基于新闻特征抽取和循环神经网络的股票涨跌预测方法

说明书

本发明公开了一种基于新闻特征抽取和循环神经网络的股票涨跌预测方法，其步骤包括：1)准备大量与股票相关的文档集合D，根据D生成一单词表V；2)设置利好种子集和利空种子集，并在D上计算得到最优标准集P^*和N^*；3)对D进行查询，得到所有包含待预测股票名称的文档集合；4)利用P^*和N^*计算表V中每一单词w的利好极性；然后根据各文档中单词的利好极性生成对应文档的新闻特征；5)根据该待预测股票在过去连续一段交易日内的价格序列生成一差分序列；6)将各文档的新闻特征和差分序列输入循环神经网络，训练得到一预测模型；7)利用预测模型预测该待预测股票的涨跌。本发明能够根据信息之间的潜在联系做出最佳的预测。

技术领域

本发明涉及一种股票相关数据处理与价格涨跌预测的方法，尤其涉及一种基于新闻特征抽取和循环神经网络的股票涨跌预测方法，属于计算机领域。

背景技术

股票价格的预测在商业和金融领域具有重要的意义。股票市场的预测在商业界和学术界都受到了广泛的关注。Fama于1965年提出了有效市场假说(Efficient MarketHypothesis)，他认为，股票市场是一个“有效信息”市场，股票价格充分反映了已经发生的事件，以及那些尚未发生但市场预期会发生的事件对股票价格的影响。这一假设为之后的股票预测工作提供了依据(Fama E F.The behavior of stock-market prices[J].Thejournal of Business,1965,38(1):34-105)。

然而，预测股票价格依然十分困难，因为股票价格受到众多因素的影响。对于单个股票而言，除了国家的货币政策，行业的景气状况等宏观因素，股票上市公司的相关事件等微观因素也会对股票价格产生影响。因此，除了股票自身的价格信息，许多相关工作中都将股票相关的新闻信息作为预测股票价格的重要依据(Li Q,Jiang L L,Li P,etal.Tensor-Based Learning for Predicting Stock Movements[C]//AAAI.2015:1784-1790；Schumaker R P,Chen H.A quantitative stock prediction system based onfinancial news[J].Information Processing&Management,2009,45(5):571-583；Fung GP C,Yu J X,Lam W.News sensitive stock trend prediction[M]//Advances inknowledge discovery and data mining.Springer Berlin Heidelberg,2002:481-493)。