本发明属于投资者情绪测度领域,具体涉及一种基于情感分类模型的股市投资者情绪指标选择方法,该方法包括:实时获取股评数据,对获取的股评进行预处理;将预处理后的数据输入到训练好的投资者情绪指标预测模型中,得到投资者的预测情绪指标;根据投资者的预测情绪指标对股市进行调控;所述投资者情绪指标预测模型包括情感分类模型和投资者情绪指标构建模型;发明通过构建投资者情绪指标预测模型,采用该模型对股市投资者的情绪进行预测,有利于多角度,更全面地找到投资者情绪与股票市场的联系,从而提高股票收益率。
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113743669 A (43)申请公布日 2021.12.03 (21)申请号 7.4 G06F 40/242 (2020.01) G06F 16/31 (2019.01) (22)申请日 2021.09.06 (71)申请人 重庆邮电大学 地址 400065 重庆市南岸区南山街道崇文 路2号 (72)发明人 邵亚斌王莹王沙沙孙芸倩 孙浚腾王金魁 (74)专利代理机构 重庆辉腾律师事务所 50215 代理人 王海军 (51)Int.Cl. G06Q 10/04 (2012.01) G06Q 10/06 (2012.01) G06Q 40/06 (2012.01) G06N 20/00 (2019.01) G06F 40/30 (2020.01) 权利要求书2页 说明书7页 附图1页 (54)发明名称 一种基于情感分类模型的股市投资者情绪 指标选择方法 (57)摘要 本发明属于投资者情绪测度领域,具体涉及 一种基于情感分类模型的股市投资者情绪指标 选择方法,该方法包括:实时获取股评数据,对获 取的股评进行预处理;将预处理后的数据输入到 训练好的投资者情绪指标预测模型中,得到投资 者的预测情绪指标;根据投资者的预测情绪指标 对股市进行调控;所述投资者情绪指标预测模型 包括情感分类模型和投资者情绪指标构建模型; 发明通过构建投资者情绪指标预测模型,采用该 模型对股市投资者的情绪进行预测,有利于多角 度,更全面地找到投资者情绪与股票市场的联 A 系,从而提高股票收益率。 9 6 6 3 4 7 3 1 1 N C CN 113743669 A 权利要求书 1/2页 1.一种基于情感分类模型的股市投资者情绪指标选择方法,其特征在于,该方法包括: 实时获取股评数据,对获取的股评数据进行预处理;将预处理后的数据输入到训练好的情 感分类模型中,得到股评情感分类结果;将股评情感分类结果输入到构建好的投资者情绪 指标预测模型中,预测下一个时间段中投资者的情绪指标;根据预测的投资者情绪指标对 股市进行调控。 2.根据权利要求1所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,获取的股评数据包括封闭式基金折价率、工业增加值、宏观经济景气指数、单月 新增投资者开户数、消费者价格指数、股市情绪互联网关键词搜索频次指标、投资者信心指 数、市场换手率以及IPO数量及首日收益率。 3.根据权利要求1所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,对评股数据进行预处理的过程包括:对股评初始数据集中的数据进行清洗,删除 重复的数据;对清洗后的数据插入索引;根据索引对清洗后的数据进行抽取,得到抽取数据 集;对抽取数据集中具有相同结构的数据进行合并,得到有效评估数据集;将有效评估数据 集中的数据划分为训练集和测试集;训练集用于训练情感分类模型,测试集用于对训练好 的情感分类模型进行测试。 4.根据权利要求3所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,对清洗后的数据插入索引的过程包括:将情感词典和Hownet词典合并,构成股票 评论情感分类的金融情感词典;根据金融情感词典建立索引数据集;将索引数据集中的索 引与清洗后的数据进行匹配,得到待索引的数据。 5.根据权利要求3所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,根据索引对清洗后的数据进行抽取的过程包括:筛选出每个数据里的情感词,将 筛选出的情感词作为数据的主要字段,抽取清洗后数据的所有字段,利用基于词典的语义 分析方法对抽取的字段进行拆分,得到每一条数据的情感分类属性,根据情感分类属性判 断评论数据的涨跌情绪倾向,并对当前数据的索引进行更新;抽取部分清洗后的数据作为 样本数据,将样本数据按5:1的数据数量比建立机器学习的训练集和测试集,并记录抽取的 数据;对记录抽取的数据进行随机取样,根据更新后的索引对随机取样得到的数据进行抽 取,得到索引抽取数据集;对索引取样数据进行字典数据抽取,得到抽取数据集。 6.根据权利要求3所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,对抽取数据集中具有相同结构的数据进行合并的过程包括:对抽取数据集中的 数据进行记录合并、字段合并以及字段匹配,得到有效评估数据集;所述记录合并为将抽取 数据集中两个结构相同的数据框合并为一个数据框,即在一个数据框中增加另一个具有相 同结构数据框中欧给的记录数据;所述字段合并为将抽取数据集中同一个数据框中的不同 列数据进行合并,形成新的列;所述字段匹配为采用Merge函数对数据框中的数据进行匹 配。 7.根据权利要求1所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,情感分类模型为的支持向量模型;对支持向量机模型中进行训练过程包括:采用 语义分析情感词典匹配方法对训练集中的股评数据进行处理,得到标准化股评数据集;将 标准化股评数据集的数据输入到支持向量机模型中,提取标准化股评数据集中数据的原始 的特征空间;通过核方法将原始的特征空间映射至更高维的希尔伯特空间;将数据集分为 2 2 CN 113743669 A 权利要求书 2/2页 两类的决策边界超平面作为最优超平面,使得超平面与数据集边界的间隔最大化,进而使 得支持向量模型将股评数据分为两类;采用铰链损失函数计算数据的经验风险并在模型的 求解系统中加入正则化项以优化结构风险,当结构风险最小时,完成模型的训练。 8.根据权利要求7所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,铰链损失函数的表达式为: max(0,1‑y (ω·x+b)) i i 其中,y 表示分类标签,ω表示输入分类器的数据,x 表示模型分类的种类,b表示超参 i i 数。 9.根据权利要求1所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,投资者情绪指标预测模型对数据进行处理的过程包括:根据股评情感分类结果 计算“发布者‑关注者”的综合情感倾向值SV;根据计算的综合情感倾向值构建“发布者‑关 注者”BSI指标;采用构建的“发布者‑关注者”BSI指标对股评数据指标进行主成分分析,选 取相应的指标;采用多元回归模型对选取的指标进行处理,得到下一个时间段中投资者的 情绪指标。 10.根据权利要求1所述的一种基于情感分类模型的股市投资者情绪指标选择方法,其 特征在于,计算“发布者‑关注者”的综合情感倾向值SV的过程包括:采用对数调整或者比值 调整股评情感倾向,并设置情感倾向权重;利用加法合成方法或者乘法合成的方法计算股 评的整体感情倾向,得到每条股评的四种“发布者‑关注者”综合情感倾向值SV;其表达式 为: 对数调整情感倾向并采用加法合成的表达式为: SV =1+ln(1+n) la 对数调整情感倾向并采用乘法合成的表达式为: SV =1×ln(e+n) lm 比值调整情感倾向并采用加法合成的表达式为: SV =1+n/∑n ra 比值调整情感倾向并采用乘法合成的表达式为: SV =1×(n/∑n) rm 其中,SV 表示采用加法合成的对数调整情感倾向结果,n表示该条评论的关注度,SVlm la 表示乘法合成的对数调整情感倾向结果,SV 表示加法合成的比值调整情感倾向结果,SV ra rm 表示乘法合成的比值调整情感倾向结果。 3 3 CN 113743669 A 说明书 1/7页 一种基于情感分类模型的股市投资者情绪指标选择方法 技术领域 [0001] 本发明属于投资者情绪测度领域,具体涉及一种基于情感分类模型的股市投资者 情绪指标选择方法。 背景技术 [0002] 股市的大起大落与实体经济的走势有较大的波动背离,政策的波动、国际国内经 济形势变化复杂是股市行情千回陡转的重要原因,而投资者情绪的助涨助跌也“功不可 没”。由于无法预期未来可能发生的市场变动走向以及变动程度,投资者间出现了“羊群效 应”的“追涨杀跌”,加剧了股市的波动性,也使得金融市场的风险系数大大提升,造成金融 市场动荡。 [0003] 基于大数据在数据分析和走势预测方面的重要作用,同时运用多元统计分析、主 成分分析、回归分析等多种分析方法,结合大数据技术中的网络爬虫、聚类等方式获得海量 数据,建立投资者情绪指标体系,借此了解情绪在投资者投资时所产生的影响,以此为广大 投资者提供股市波动风险的预警功能,从而提升对股市波动风险的预防能力。 [0004] 传统的金融理论认为股价是上市公司的预期利润的贴现,但在实际交易过程当 中,股票价格的形成在较大程度上也依赖于投资者的情绪心理。投资者情绪是指投资者对 未来预期的系统性偏差称作投资者情绪。投资者情绪难以度量,不能及时反映市场参与者 的投资意愿或者预期,从而造成股市波动,造成用户经济损失。 发明内容 [0005] 为解决以上现有技术存在的问题,本发明提出了一种基于情感分类模型的股市投 资者情绪指标选择方法,该方法包括:该方法包括:实时获取股评数据,对获取的股评数据 进行预处理;将预处理后的数据输入到训练好的情感分类模型中,得到股评情感分类结果; 将股评情感分类结果输入到构建好的投资者情绪指标预测模型中,预测下一个时间段中投 资者的情绪指标;根据预测的投资者情绪指标对股市进行调控。 [0006] 优选的,获取的股评数据包括封闭式基金折价率、工业增加值、宏观经济景气指 数、单月新增投资者开户数、消费者价格指数、股市情绪互联网关键词搜索频次指标、投资 者信心指数、市场换手率以及IPO数量及首日收益率。 [0007] 优选的,对评股数据进行预处理的过程包括:对股评初始数据集中的数据进行清 洗,删除重复的数据;对清洗后的数据插入索引;根据索引对清洗后的数据进行抽取,得到 抽取数据集;对抽取数据集中具有相同结构的数据进行合并,得到有效评估数据集;将有效 评估数据集中的数据划分为训练集和测试集;训练集用于训练情感分类模型,测试集用于 对训练好的情感分类模型进行测试。 [0008] 进一步的,对清洗后的数据插入索引的过程包括:将情感词典和Hownet词典合并, 构成股票评论情感分类的金融情感词典;根据金融情感词典建立索引数据集;将索引数据 集中的索引与清洗后的数据进行匹配,得到待索引的数据。 4 4 CN 113743669 A 说明书 2/7页 [0009] 进一步的,根据索引对清洗后的数据进行抽取的过程包括:筛选出每个数据里的 情感词,将筛选出的情感词作为数据的主要字段,抽取清洗后数据的所有字段,利用基于词 典的语义分析方法对抽取的字段进行拆分,得到每一条数据的情感分类属性,根据情感分 类属性判断评论数据的涨跌情绪倾向,并对当前数据的索引进行更新;抽取部分清洗后的 数据作为样本数据,将样本数据按5:1的数据数量比建立机器学习的训练集和测试集,并记 录抽取的数据;对记录抽取的数据进行随机取样,根据更新后的索引对随机取样得到的数 据进行抽取,得到索引抽取数据集;对索引取样数据进行字典数据抽取,得到抽取数据集。 [0010] 进一步的,对抽取数据集中具有相同结构的数据进行合并的过程包括:对抽取数 据集中的数据进行记录合并、字段合并以及字段匹配,得到有效评估数据集;所述记录合并 为将抽取数据集中两个结构相同的数据框合并为一个数据框,即在一个数据框中增加另一 个具有相同结构数据框中欧给的记录数据;所述字段合并为将抽取数据集中同一个数据框 中的不同列数据进行合并,形成新的列;所述字段匹配为采用Merge函数对数据框中的数据 进行匹配。 [0011] 优选的,情感分类模型为的支持向量模型;对支持向量机模型中进行训练过程包 括:采用语义分析情感词典匹配方法对训练集中的股评数据进行处理,得到标准化股评数 据集;将标准化股评数据集的数据输入到支持向量机模型中,提取标准化股评数据集中数 据的原始的特征空间;通过核方法将原始的特征空间映射至更高维的希尔伯特空间;将数 据集分为两类的决策边界超平面作为最优超平面,使得超平面与数据集边界的间隔最大 化,进而使得支持向量模型将股评数据分为两类;采用铰链损失函数计算数据的经验风险 并在模型的求解系统中加入正则化项以优化结构风险,当结构风险最小时,完成模型的训 练。 [0012] 进一步的,铰链损失函数的表达式为: [0013] max(0,1‑y (ω·x+b)) i i [0014] 优选的,投资者情绪指标预测模型对数据进行处理的过程包括:投资者情绪指标 预测模型对数据进行处理的过程包括:根据股评情感分类结果计算“发布者‑关注者”的综 合情感倾向值SV;根据计算的综合情感倾向值构建“发布者‑关注者”BSI指标;采用构建的 “发布者‑关注者”BSI指标对股评数据指标进行主成分分析,选取相应的指标;采用多元回 归模型对选取的指标进行处理,得到下一个时间段中投资者的情绪指标。 [0015] 进一步的,计算“发布者‑关注者”的综合情感倾向值SV的过程包括:采用对数调整 或者比值调整股评情感倾向,并设置情感倾向权重;利用加法合成方法或者乘法合成的方 法计算股评的整体感情倾向,得到每条股评的四种“发布者‑关注者”综合情感倾向值SV;其 表达式为: [0016] 对数调整情感倾向并采用加法合成的表达式为: [0017] SV =1+ln(1+n) la [0018] 对数调整情感倾向并采用乘法合成的表达式为: [0019] SV =1×ln(e+n) lm [0020] 比值调整情感倾向并采用加法合成的表达式为: [0021] SV =1+n/∑n ra [0022] 比值调整情感倾向并采用乘法合成的表达式为: 5 5 CN 113743669 A 说明书 3/7页 [0023] SV =1×(n/∑n) rm [0024] 本发明通过构建投资者情绪指标预测模型,采用该模型对股市投资者的情绪进行 预测,有利于多角度,更全面地找到投资者情绪与股票市场的联系,从而提高股票收益率; 利用构建的投资者情绪指标体系对市场情况进行预测供投资者参考,避免投资者因情绪导 致对股价的估价过高或过低以及过度交易的投资行为。 附图说明 [0025] 图1为本发明的基于情感分类模型的股市投资者情绪指标预测方法的流程图。 具体实施方式 [0026] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例,都属于本发明保护的范围。 [0027] 一种基于情感分类模型的股市投资者情绪指标选择方法,如图1所示,该方法包 括:实时获取股评数据,对获取的股评数据进行预处理;将预处理后的数据输入到训练好的 情感分类模型中,得到股评情感分类结果;将股评情感分类结果输入到构建好的投资者情 绪指标预测模型中,预测下一个时间段中投资者的情绪指标;根据预测的投资者情绪指标 对股市进行调控。 [0028] 对屏股数据进行预处理的过程包括:对股评初始数据集中的数据进行清洗,删除 重复的数据;对清洗后的数据插入索引;根据索引对清洗后的数据进行抽取,得到抽取数据 集;对抽取数据集中具有相同结构的数据进行合并,得到有效评估数据集;将有效评估数据 集中的数据划分为训练集和测试集;训练集用于训练情感分类模型,测试集用于对训练好 的情感分类模型进行测试。 [0029] 对清洗后的数据插入索引的过程包括:将情感词典和Hownet词典合并,构成股票 评论情感分类的金融情感词典;根据金融情感词典建立索引数据集;将索引数据集中的索 引与清洗后的数据进行匹配,得到待索引的数据。 [0030] 根据索引对清洗后的数据进行抽取的过程包括:筛选出每个数据里的情感词,将 筛选出的情感词作为数据的主要字段,抽取清洗后数据的所有字段,利用基于词典的语义 分析方法对抽取的字段进行拆分,得到每一条数据的情感分类属性,根据情感分类属性判 断评论数据的涨跌情绪倾向,并对当前数据的索引进行更新;抽取部分清洗后的数据作为 实验数据,按照5:1的数据数量比建立机器学习的训练集和测试集,并记录抽取的数据;对 记录抽取的数据进行随机取样,根据更新后的索引对随机取样得到的数据进行抽取,得到 索引抽取数据集;对索引取样数据进行字典数据抽取,得到抽取数据集。 [0031] 对抽取数据集中具有相同结构的数据进行合并的过程包括:对抽取数据集中的数 据进行记录合并、字段合并以及字段匹配,得到有效评估数据集;所述记录合并为将抽取数 据集中两个结构相同的数据框合并为一个数据框,即在一个数据框中增加另一个具有相同 结构数据框中欧给的记录数据;所述字段合并为将抽取数据集中同一个数据框中的不同列 数据进行合并,形成新的列;所述字段匹配为采用Merge函数对数据框中的数据进行匹配。 6 6 CN 113743669 A 说明书 4/7页 [0032] 根据索引对清洗后的数据进行抽取的过程包括:筛选出每个数据里的情感词,将 筛选出的情感词作为数据的主要字段,抽取清洗后数据的所有字段,利用基于词典的语义 分析方法对抽取的字段进行拆分,得到每一条数据的情感分类属性,根据情感分类属性判 断评论数据的涨跌情绪倾向,并对当前数据的索引进行更新;抽取部分清洗后的数据作为 实验数据,按照5:1的数据数量比建立机器学习的训练集和测试集,并记录抽取的数据;对 记录抽取的数据进行随机取样,根据更新后的索引对随机取样得到的数据进行抽取,得到 索引抽取数据集;对索引取样数据进行字典数据抽取,得到抽取数据集。 [0033] 一种基于情感分类模型的股市投资者情绪指标选择方法的具体实施方案,包括以 下步骤:对于投资者情绪体系的构建,使用大数据策略对投资者情绪指标进行数据获取,通 过数据清洗,清除与股票无关的数据和重复的股票评论数据;对于特殊的文本信息指标,利 用机器学习和基于语义理解的情感词典匹配方法,采用对数调整和加法乘法合成的形式, 将投资者情绪数据样本按各自的特性来分成不同的簇,并且要使簇与簇之间的区别尽可能 的大,而簇内的数据的差异尽可能的小,进而构造出所需要的投资者情绪指标。然后对不同 指标变量进行归一化处理,消除量纲的影响,进而使用主成分分析确定各指标的权重,建立 相应的多元回归模型。利用所得到的模型对数据进行预测,通过对比预测函数和实例函数 确定投资者情绪的滞后效应,并对当期市场表现进行修正,从而提升了预测模型的准确性。 [0034] 获取的股评数据包括封闭式基金折价率(CEFD)、工业增加值(IAV)、宏观经济景气 指数(MBCI)、单月新增投资者开户数、消费者价格指数(CPI)、股市情绪互联网关键词搜索 频次指标(EBS)、投资者信心指数、IPO数量及首日收益率以及市场换手率。 [0035] 封闭式基金折价率(CEFD)与开放式基金相比较,封闭式基金的基金份额是固定 的,在封闭期间期限内未经法定程序认可不能增减。其交易价格主要受二级市场供求关系 的影响,封闭式基金二级市场的交易价格与基金份额净值关系会随需求的旺盛或低迷出现 溢价或折价现象。其公式表达式为: [0036] [0037] 当单位市价大于基金份额净值时,溢价率>0时,称为溢价;当单位市价小于基金 份额净值时,溢价率<0,成为折价。 [0038] IPO数量是指当月IPO的个数。IPO数量可以很好地反映出市场的当前经济状况,为 投资者情绪的重要变量。IPO首日收益率为投资者首日收盘价与发价的变动幅度。投资者情 绪与IPO首日收益率之间有相互的正向影响。 [0039] 单月新增投资者开户数主要反映投资者对股市的投资需求,可以比较直接的对投 资者情绪进行反映。开户数的增加反映了投资者情绪的高涨,减少则反映出投资者情绪的 低迷。 [0040] 投资者信心指数为传统模式下投资者信心指数的数据,但是消费者信心指数不能 精准的代表投资者情绪,因此,通过大数据技术来获取海量有关投资者信心指数的数据以 供分析,更精准的刻画了投资者情绪。 [0041] 市场换手率反应股票流动性,股票的换手率越高,股票的交投越活跃,则股票流通 性好,进出市场比较容易,具有较强的变现能力。投资者情绪与换手率呈正向影响,其公式 为: 7 7 CN 113743669 A 说明书 5/7页 [0042] 换手率=成交金额/所有成分的流通市值总和 [0043] 消费者价格指数(CPI)是最重要的宏观经济指标,消费者价格指数既是测度通货 膨胀水平的重要指标,也是用于评估居民生活成本的变化,从而为宏观经济调控提供操作 依据。CPI的基本功能有度量通货膨胀,反应货币购买力变动、反应对职工实际工资的影响。 CPI对股市的影响是:一般情况下,物价上涨,股价上涨;物价下跌,股价也下跌。 [0044] 增加值是国民经济核算的一项基础指标。各部门增加值之和即国内生产总值,它 反映的是一个国家(地区)在一定期时期内所生产的和提供的全部最终产品和服务的市场 价值的总和,同时也反映了生产单位或部门对国内生产总值的贡献。 [0045] 宏观经济景气指数即“企业家信心指数”,反映企业家对宏观经济环境的感受与信 心,预测经济发展的变动趋势的指标。根据企业家对企业外部市场经济环境与宏观政策的 认识、看法、判断与预期而编制。信心指数高,表明处于景气状态,经济运行向好的方向发 展;信心指数低,则表明处于不景气状态,经济运行向不利的方向发展。 [0046] 发布者‑关注者BSI指标,主要基于大数据爬虫收集获取股吧有关股票的相关评论 中包含着发布者和评论者两方面的情感信息,利用情感倾向合成的方法构建投资者共同倾 向指标。 [0047] 对股评初始数据集进行预处理的过程包括:对股评初始数据集中的数据进行清 洗;对清洗后的数据插入索引;根据索引对清洗后的数据进行抽取,得到抽取数据集;对抽 取数据集中具有相同结构的数据进行合并,得到有效评估数据集。 [0048] 在海量的原始数据中存在大量不完整、不一致、有异常的数据,严重影响数据分析 结果;因此,需要对原始数据进行清洗,即处理缺失数据以及清除无意义的信息,即删除原 始数据集中的无关数据、重复数据以及平滑噪声数据,并筛选出与分析主题无关的数据和 处理缺失值、异常值。处理重复值的具体步骤为:(1)利用数据框DataFrame中的删除重复数 据函数duplicated返回一个布尔型的系列数据Series,显示是否有重行;(2)在利用 DataFrame中的去重方法drop_duplicates返回一个移除了重复行的数据框DataFrame。对 缺失值进行处理包括缺失数据的识别和缺失数据的处理两个部分。对缺失数据的处理方式 还包括:数据补齐、删除对应行、不处理等方法。 [0049] 优选的,根据索引对清洗后的数据进行抽取的过程包括:抽取清洗后的数据的字 段,对抽取的字段进行拆分,得到每一条数据的情感分类属性,可用其判断评论数据的涨跌 情绪倾向;根据字段拆分结果重置当前数据的索引;抽取所有清洗后的数据的部分数据作 为实验数据,按照5:1的数据数量比,建立机器学习的训练集和测试集并记录抽取;对记录 抽取的数据进行随机取样,根据更新后的索引对随机取样得到的数据进行抽取,得到索引 抽取数据集;对索引取样数据进行字典数据抽取,得到抽取数据集。 [0050] 可选的,对抽取数据集中具有相同结构的数据进行合并的过程包括:记录合并、字 段合并以及字段匹配;所述记录合并为将抽取数据集中两个结构相同的数据框合并为一个 数据框,即在一个数据框中增加另一个具有相同结构数据框中欧给的记录数据;所述字段 合并为将抽取数据集中同一个数据框中的不同列数据进行合并,形成新的列;所述字段匹 配为采用Merge函数对数据框中的数据进行匹配;字段匹配的命令格式为Merge(x,y,left_ on,right_on)。 [0051] 情感分类模型为的支持向量模型;对支持向量机模型中进行训练过程包括:采用 8 8 CN 113743669 A 说明书 6/7页 语义分析情感词典匹配方法对训练集中的股评数据进行处理,得到标准化股评数据集;将 标准化股评数据集的数据输入到支持向量机模型中,提取标准化股评数据集中数据的原始 的特征空间;通过核方法将原始的特征空间映射至更高维的希尔伯特空间,令将数据集分 为两类的作为决策边界的超平面为最优超平面,使得超平面与数据集边界(即支持向量)的 间隔最大化,进而使得支持向量模型将股评数据分为两类;采用铰链损失函数计算数据的 经验风险并在模型的求解系统中加入正则化项以优化结构风险,当结构风险最小时,完成 模型的训练。具体的,将训练数据集输入到情感分类模型中进行训练的过程包括: [0052] S1:利用机器学习SVM方法进行情感分类。其主要步骤包括:利用用分词软件对文 本进行分词和词性标注,对文本进行预处理;采用向量空间模型表示文本;应用支持向量机 SVM算法分类器判断情感极性。 [0053] S2:利用语义分析方法进行情感分类。其主要步骤包括:对股评数据集进行分词筛 选然后将人工标注的情感词典和Hownet词典合并,得到股评情感分类的金融情感词典,建 立索引数据集;赋权匹配得到有效股评数据集。 [0054] S3:通过分类结果中的召回率吧、准确率和F值等指标判定语义分析情感词典匹配 方法和SVM机器学习方法的优劣性,选用较优模型。 [0055] 铰链损失函数的表达式为: [0056] max(0,1‑y (ω·x+b)) i i [0057] y 表示分类标签,ω表示输入分类器的数据,x 表示模型分类的种类,b表示超参 i i 数;其中参数b设置为10。 [0058] 投资者情绪指标预测模型对数据进行处理的过程包括:根据股评情感分类结果计 算“发布者‑关注者”的综合情感倾向值SV;根据计算的综合情感倾向值构建“发布者‑关注 者”BSI指标;采用构建的“发布者‑关注者”BSI指标对股评数据指标进行主成分分析,选取 合适的指标;采用多元回归模型对选取的指标进行处理,得到下一个时间段中投资者的情 绪指标。 [0059] 将股评情感分类结果输入到投资者情绪指标构建模型中进行训练: [0060] S1:构建“发布者‑关注者”综合情感倾向值SV。其主要步骤包括:设定股评的投资 者情感倾向劣于发布者,利用对数和比值的方法调整倾向权重;采用加法或乘法合成的方 式合成情感倾向,最终构建出四种情感倾向值: [0061] [0062] 其中:n表示该条评论受到多少其他投资者关注,即该条评论的关注度,在SV 中1+ la n的设置确保当关注度为0时,对数值为0,且该条股票评论的整体情感倾向值为1,在SV 中, lm e为自然对数底数,ln(e+n)的设置确保评论关注度为0时,对数值为1。 [0063] S2:构建“发布者‑关注者”BSI指标。其主要步骤包括:利用股评分类得到的积极倾 向结果,采用比值、取对数、做差、求和等方式构建出3类投资者情绪指标BSI,其计算表达式 9 9 CN 113743669 A 说明书 7/7页 为: [0064] 看涨情绪在总体评论中的比例: [0065] BSI =∑SV /(∑SV +∑SV ) 1 涨 涨 跌 [0066] 看涨与看跌情绪的比例: [0067] BSI =ln((1+∑SV)/(1+∑SV )) 2 涨 跌 [0068] 涨跌情绪差异在总体评论中的比例: [0069] BSI =(∑SV ‑∑SV )/(∑SV +∑SV ) a 涨 跌 涨 跌 [0070] 其中,S表示支持向量,V表示支持向量机分类结果。 [0071] 三类BSI函数中的SV值可分别利用S1的四种情感倾向值,得到12个BSI指标:第一 种情感倾向指标为BSI 、BSI 、BSI ;第二种情感倾向指标为BSI 、BSI 、BSI ;第三 la1 la2 la3 lm1 lm2 lm3 种情感倾向指标为BSI 、BSI 、BSI ;第四种情感倾向指标为BSI 、BSI 、BSI 。 ra1 ra2 ra3 rm1 rm rm3 [0072] S3:根据回归实证研究的结果(贡献率和相关性)选取合适的BSI,综合股评数据指 标,利用主成分分析确定权重,建立相应的多元回归模型进行预测。 [0073] 以上所举实施例,对本发明的目的、技术方案和优点进行了进一步的详细说明,所 应理解的是,以上所举实施例仅为本发明的优选实施方式而已,并不用以限制本发明,凡在 本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等,均应包含在本发明 的保护范围之内。 10 10 CN 113743669 A 说明书附图 1/1页 图1 11 11
2、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问加。
3、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
四川省2025年普通高校职教师资高职班对口招生统一考试英语试卷982.pdf
四川省2024年9月普通高中学业水平合格性考试数学试卷(含答案).pdf
原创力文档创建于2008年,本站为文档C2C交易模式,即用户上传的文档直接分享给其他用户(可下载、阅读),本站只是中间服务平台,本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方,若您的权利被侵害,请发链接和相关诉求至 电线) ,上传者