[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

摘要

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。

主权项

1.一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，根据文档集合D生成一单词表V；2)设置利好种子集P_seed和利空种子集N_seed，并在文档集合D上进行计算得到最优标准集P^*和N^*；3)对文档集合D进行查询，得到所有包含待预测股票名称的文档集合，其中，该文档集合中第i个交易日的文档doc_i为一个单词序列为文档doc_i中第n_i个单词；4)利用最优标准集P^*和N^*计算该单词表V中每一单词w的利好极性polar(w)；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；其中，文档doc_i的新闻特征为f(doc_i)；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)将步骤4)得到的各文档的新闻特征和步骤5)得到的差分序列输入循环神经网络，训练得到一预测模型；7)利用训练好的该预测模型预测该待预测股票的涨跌。