基于LSTM和新闻情感的股票价格预测方法

作者：许丽; 张利^*; 李桂城; 肖一凡; 陈丽绵; 唐艳

来源：智能计算机与应用, 2022, 12(05): 107-113.

• SVM
• XGBoost
• 交叉验证
• LSTM
• 股票价格预测
• 新闻情感预测

股票预测研究对于经济发展具有重要意义，也是困扰投资者的难题。本文提出了一种基于LSTM和新闻股票情感分析的组合优化模型SVM＿LSTM。首先将XGBoost和利用交叉验证优化的LSTM应用于预测中国银行、中国联通以及浦发银行的每日收盘价上，通过对比二者的性能，选择较优的LSTM对中国银行股票历史价格进行最终的时序预测；然后，使用SVM对中国银行的股票新闻进行情感倾向预测；最后，采用加权的方式将SVM的预测结果与LSTM的预测的结果进行融合。实验结果表明：第一，利用交叉验证优化的LSTM较XGBoost具有更优的评价指标，针对中国银行数据集，其RSEM、MAE、MSE比XGBoost分别减少了0.234、0.173、0.011;第二，采用加权的方式将SVM＿LSTM的预测结果调和，实验结果较原LSTM而言，评价指标RSEM、MAE、MSE分别减少了7.5%、6.4%、10.8%。

• 单位
  贵州大学