基于NLP的股票选择策略的优化研究

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,选出重要性最高的前5个因子,模型预测准确率达到88%。通过决策树模型,可以更准确地确定哪些因子在影响股价变化方面发挥着关键作用,这种改进的方法能够提高选股策略的有效性和准确性。最终使用主成分分析（PCA）对数据进行降维处理,依据主成分数值的高低来进行股票选择。