首页
|
本学科首页
官方微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
基于BVANet的财经新闻情感分析
作者姓名:
张典
王洁宁
李昭颖
刘润楠
郑文
作者单位:
太原理工大学大数据学院 太原 030060;中国人民武装警察部队广东省总队参谋部 广州 510630;太原理工大学大数据学院 太原 030060;长治医学院健康大数据研究中心 山西长治 046000
基金项目:
国家自然科学基金(11702289);
摘 要:
股票市场的预测一直以来是金融大数据分析领域一项难题,而财经新闻中包含的内在信息对市场表现有很大影响。提出了一种基于BERT的向量自回归融合网络(BVANet),该网络通过BERT将财经新闻情感量化,后结合市场表现联合构建金融时间序列向量自回归(VAR)模型,最终实现股票的预测。结果表明,与传统算法相比,BVANet在提取新闻情绪信息和模型预测中取得了更好的效果,新闻的情绪对市场表现有预测作用。该研究可为自然语言处理在金融预测的应用提供实践参考。
关 键 词:
深度学习
财经新闻
自然语言金融预测
情感分析
时间序列分析
本文献已被
万方数据
等数据库收录!
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号