一种基于CNN-BiLSTM多特征融合的股票走势预测模型

【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的可行性,分别选取家用电器行业和通信行业的两只股票作为实验对象。

【结果】引入新闻事件和情感特征后,模型的预测准确率进一步提升,家用电器行业准确率提高了11.6%,通信行业准确率提高了25.6%。【局限】模型未考虑不同预测周期对股票预测的影响。

【结论】引入新闻事件类型和情感倾向能够提高股票走势预测的性能。本文评估影响股票走势的因素,并对影响股票走势预测的特征重要性进行排序。