|
|||||
|
|
| 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！ | |