与情感极性相比,新闻事件本身更能够代表媒体新闻对股票走势的影响。为了解决上述三个问题,本文提出一种基于CNN-BiLSTM多特征融合的股票走势预测模型,通过融入新闻事件类型和情感极性提高股票走势预测的准确率。卷积神经网络(Convolutional Neural Network,CNN)在新闻文本的事件特征提取上的性能更为突出[16],而双向LSTM(Bi-...
特征融合情感倾向股票走势[目的]在传统基于股市数值分析的基础上,研究新闻对股票市场的影响,提高股票走势预测的准确率.[方法]引入卷积神经网络和双向长短时记忆模型挖掘财经新闻中的新闻事件类型和新闻情感倾向,提出一种深度融合股市财务数据,新闻事件特征及新闻情感特征的股票预测模型.为了验证所提模型对不同行业个股走势...