摘要
文章结合小波理论与支持向量回归(SVR)模型的优势,构建了一种研究股价变动的基于投资者情绪的动态Copula-小波SVR模型,并以浦发银行为例进行实证分析,验证了模型的可行性。首先运用动态SJC Copula函数衡量不同股票之间的相关关系,进而构建股票相关集;其次,采用自然语言处理技术挖掘投资者情绪,通过Python构建特定的金融评论情感词典,并结合知网Hownet词典进行情感分析,将分析结果与ROST CM6软件的情感分析结果进行综合,从而构建投资者情感指数;最后,结合股票相关集和投资者情感指数,运用Morlet小波SVR模型对2020年6月22日至2022年3月15日,包含浦发银行在内的上证50股的每日股价数据进行实例分析。结果表明:由动态SJC Copula函数筛选出的与目标股票高度相关的股票相关集,能够在一定程度上反映股市相关性对于目标股票变动趋势的影响,从而提高股价预测精度;研究证实了该投资者情感指数的有效性,表明网络舆情的引入对股价预测模型的优化具有重要意义;小波理论与SVR的结合能够有效提升股价预测的准确率与稳定性。
出处
《统计与决策》
CSSCI
北大核心
2024年第16期140-145,共6页
Statistics & Decision
基金
广东省重点建设学科科研能力提升项目(2022ZDJS127)。
