基于NLP的股票选择策略的优化研究

分享到

【获取途径】超星期刊网
【作者】吴彦昕，李宏滨，胡冠真
【刊名】现代计算机
【作者单位】太原师范学院计算机科学与技术学院
【年份】2024
【卷号】第3期
【ISSN】1007-1423
【关键词】自然语言处理文本情感倾向分类模型 LDA主题模型决策树模型主成分分析
【摘要】由于股评、新闻对股票价格变化有巨大影响，为选出优质股票以提高投资的收益率，采用了自然语言处理NLP 技术对股评数据和新闻数据进行分析，基于朴素贝叶斯模型建立了文本情感倾向分类模型，模型预测准确率达到84%，生成了股评因子。基于LDA主题模型对新闻文本进行话题建模，快速获取新闻文本主题，并引入困惑度寻找文档最优主题数，生成了新闻因子，将股评因子和新闻因子作为筛选股票的依据，从股评和新闻信息中获取对股市带来的影响因素，从而优化选股策略。对于股票基本面数据，采用决策树模型进行因子的重要性分析，选出重要...
【文献类型】期刊