论文部分内容阅读
金融科技的快速发展拓展了证券市场预测股票行情的途径,传统的方法是通过股票的历史价格和特征因子进行预测,这种基于历史量价的预测方法很难反应公众情绪对股市的影响.基于深度学习的自然语言处理技术能够发掘文本数据的深度特征,从网络上的散乱信息中找到特殊线索,为金融市场中舆情的定量分析提供了解决方案.本系统以网络上关于上市公司的原始新闻资讯作为样本,以真实的股价涨跌情况作为标签,分别对样本数据进行清洗、文本向量化等预处理,设计出代表短线、中线和长线的三种数据集,搭建基于深度学习模型BERT的金融情感预测系统(BERT-FS),经过训练和评估之后,判断股票涨跌的AUC值最高可达79.48％.