股票市場在證券業(yè)和金融業(yè)中扮演著重要的角色,股票市場是宏觀經(jīng)濟也是股民心情的“晴雨表”,任何國家的經(jīng)濟發(fā)展都離不開股票市場的發(fā)展。有效的股票市場預(yù)測,對企業(yè)和投資者來說,是其投資成功與否的關(guān)鍵所在,預(yù)測越準確,對風(fēng)險的防范也就越有把握;對國家的經(jīng)濟發(fā)展而言,是宏觀經(jīng)濟政策制定重要指標,預(yù)測越準確,對市場風(fēng)險調(diào)控能力越強,因此對股票市場進行正確分析和預(yù)測就顯得尤為重要了,但是由于股票市場受到社會、政治、經(jīng)濟、文化以及投資人心理等諸多復(fù)雜的因素的影響,再加上這些影響因素的不確定性,預(yù)測股票市場的難度大大增加。作為行為金融學(xué)的主要理論部分,有限關(guān)注理論認為:投資者由于個人注意力和精力的有限性,并不能充分獲取并理解全部的信息,而是更傾向于關(guān)注自己所感興趣的信息。隨著互聯(lián)網(wǎng)搜索引擎的到來,利用互聯(lián)網(wǎng)引擎進行信息搜索便成了投資者日常搜索的主要選擇,而投資者的搜索記錄與次數(shù)也會被統(tǒng)統(tǒng)記錄下來,這為我們直接衡量投資者的關(guān)注度提供了精確的數(shù)據(jù),也為利用投資者關(guān)注度預(yù)測股票市場提供了可能性。股票市場作為一組時間序列,其非線性和動態(tài)性,使得學(xué)者們開始從傳統(tǒng)時間序列分析模型向人工智能能分析轉(zhuǎn)變。循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network RNN)是機器學(xué)習(xí)領(lǐng)域中較多應(yīng)用于時間序列預(yù)測的一種神經(jīng)網(wǎng)絡(luò),而長短期記憶網(wǎng)絡(luò)(Long Short-Term Memory LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)的一種變體,更善于發(fā)掘時間序列數(shù)據(jù)之間的長期依存關(guān)系,因此更適合于股票市場預(yù)測。本文首先基于百度指數(shù)的智能推薦引擎構(gòu)建關(guān)鍵詞詞庫,并以其搜索量作為投資者關(guān)注度指標,利用LSTM深度神經(jīng)網(wǎng)絡(luò)對上證綜合指數(shù)漲跌進行建模預(yù)測。研究中,本文利用LSTM深度神經(jīng)網(wǎng)絡(luò)對上證綜合指數(shù)進行預(yù)測,結(jié)果顯示基于百度指數(shù)構(gòu)建的投資者關(guān)注度指標對上證指數(shù)漲跌具有很好的預(yù)測作用。其次,通過對不同優(yōu)化方法以及不同特征關(guān)鍵詞的選取,LSTM模型精度進一步提升。最后通過對比,來自PC端的用戶搜索量和對來自移動端的用戶搜索量對上證指數(shù)漲跌的預(yù)測能力相當。本文在構(gòu)建投資者關(guān)注度指標方法在前人基礎(chǔ)上進一步創(chuàng)新,通過百度搜索推薦引擎構(gòu)造相關(guān)關(guān)鍵詞庫,并使用隨機森林算法對相關(guān)關(guān)鍵詞進行重要性排序,取累計貢獻前80%的相關(guān)關(guān)鍵詞的搜索量構(gòu)建投資者關(guān)注度指標;此外本文對LSTM算法預(yù)測模型進一步優(yōu)化,使其準確率得到了提升。因此上述實證研究的結(jié)果不論是對個體投資者的投資決策還是對市場監(jiān)管部門制定制度都具有一定的參考意義。
【學(xué)位單位】：西南財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F832.51
【部分圖文】：

“股票”的推薦關(guān)鍵詞

“股票”的需求圖譜

“股票”的來源關(guān)鍵詞和去向關(guān)鍵詞重復(fù)該過程2—3次，直至不再產(chǎn)生新的搜索關(guān)鍵詞為止，得到包含242
【參考文獻】

相關(guān)期刊論文 前5條

1 王鎮(zhèn);郝剛;;投資者關(guān)注度對股票收益率的影響——基于百度指數(shù)指標[J];新疆財經(jīng);2013年05期

2 程琬蕓;林杰;;社交媒體的投資者漲跌情緒與證券市場指數(shù)[J];管理科學(xué);2013年05期

3 周翠玲;鄒高峰;;股票論壇與IPO交易行為的數(shù)學(xué)分析[J];河南科學(xué);2013年01期

4 俞慶進;張兵;;投資者有限關(guān)注與股票收益——以百度指數(shù)作為關(guān)注度的一項實證研究[J];金融研究;2012年08期

5 施榮盛;;投資者關(guān)注與分析師評級漂移——來自中國股票市場的證據(jù)[J];投資研究;2012年06期

本文編號：2838830