股票市場的變化是一個國家經濟發(fā)展的“晴雨表”,中國股市的投資者大多以散戶為主,依靠各種新聞報道、通過分析報告或者一些小道消息來分析和買賣股票,近年來隨著網絡技術的快速發(fā)展,越來越多的股民喜歡通過網絡平臺發(fā)表或獲取相關股票的評論,作為股票投資的重要渠道。股市網絡輿情在股票論壇中多以網絡評論的形式存在,其中大約90%是文本數(shù)據(jù),具有數(shù)據(jù)量大、非結構化、實時變化的特點,因此投資者如何利用網絡上的碎片評論信息來預測股市的發(fā)展趨勢,并以此來優(yōu)化自己的投資決策是目前研究的一個熱點也是難點。本文選取2016年東方財富股吧（http://guba.eastmoney.com）的上海證券交易所股票價格綜合指數(shù)（Shanghai Stock Exchange,SSE）180股指的網絡評論為研究對象,利用文本挖掘技術構建基于基于自適應噪聲的完全集合經驗模態(tài)分解（Complete Ensemble Empirical Mode Decomposition With Adaptive Noise,CEEMDAN）算法的AdaBoost-IWOA-Elman預測模型。文章具體工作如下:（1）股市信息的獲取及規(guī)范化... 

【文章來源】：蘭州理工大學甘肅省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 網絡輿情對股市影響
        1.2.2 網絡文本挖掘法
        1.2.3 股市預測方法
    1.3 目前存在問題分析
    1.4 研究內容和創(chuàng)新點
    1.5 論文結構與章節(jié)安培
第2章 相關理論知識
    2.1 文本挖掘
        2.1.1 網絡爬蟲(Python Spyder)
        2.1.2 中文分詞(Python Jieba)
        2.1.3 詞頻和詞語-逆文檔頻數(shù)(TF-IDF)
        2.1.4 文本向量空間模型(VSM)
    2.2 CEEMDAN算法
        2.2.1 經驗模態(tài)分解法(EMD)
        2.2.2 完全集合經驗模態(tài)分解(CEEMDAN)
    2.3 Elman神經網絡
    2.4 鯨魚算法(WOA)
    2.5 改進鯨魚算法(IWOA)
    2.6 AdaBoost算法介紹
    2.7 本章小結
第3章 數(shù)據(jù)采集與規(guī)范化處理
    3.1 樣本數(shù)據(jù)采集
        3.1.1 股評數(shù)據(jù)獲取
        3.1.2 收盤價數(shù)據(jù)獲取
    3.2 文本數(shù)據(jù)預處理
        3.2.1 中文分詞
        3.2.2 去停用詞
        3.2.3 合并同義詞
        3.2.4 計算權重
        3.2.5 文本表示
    3.3 屬性選擇
        3.3.1 Boruta初步選擇屬性
        3.3.2 CEEMDAN算法屬性分解及重構
    3.4 本章小結
第4章 AdaBoost-IWOA-Elman預測模型構建
    4.1 Elman神經網絡構建
        4.1.1 Elman神經網絡構建流程
        4.1.2 Elman神經網絡模型參數(shù)設計
    4.2 WOA-Elman預測模型構建
        4.2.1 WOA-Elman模型構建思想及流程
        4.2.2 WOA算法參數(shù)設計
    4.3 IWOA-Elman預測模型構建
        4.3.1 IWOA-Elman模型構建流程
        4.3.2 IWOA算法參數(shù)設計
    4.4 AdaBoost-IWOA-Elman預測模型構建
        4.4.1 AdaBoost-IWOA-Elman模型構建流程
        4.4.2 AdaBoost算法參數(shù)設計
    4.5 預測結果
    4.6 本章小結
第5章 實驗結果及對比討論
    5.1 數(shù)據(jù)歸一化及評估指標
        5.1.1 樣本數(shù)據(jù)歸一化
        5.1.2 評估指標
    5.2 算法性能分析
        5.2.1 權重對WOA算法的影響
        5.2.2 適應度分析
    5.3 預測結果
    5.4 對比分析
        5.4.1 預測結果對比
        5.4.2 預測效果對比
        5.4.3 預測誤差分析
    5.5 本章小結
總結與展望
參考文獻
致謝
附錄A 攻讀學位期間取得的科研成果



本文編號：3477105