基于异构信息处理对股票联动效应的研究

《基于异构信息处理对股票联动效应的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于异构信息处理对股票联动效应的研究RESEARCHONSTOCKLINKAGEEFFECTBASEDONHETEROGENEOUSINFORMATIONPROCESSING汤瑶哈尔滨工业大学2017年12月国内图书分类号：TP391.3学校代码：10213国际图书分类号：004.9密级：公开工程硕士学位论文基于异构信息处理对股票联动效应的研究硕士研究生：汤瑶导师：王晓龙教授申请学位：工程硕士学科：计算机技术所在单位：深圳研究生院答辩日期：2017年12月授予学位单位：哈尔滨工业大学Class

2、ifiedIndex:TP391.3U.D.C:004.9AdissertationsubmittedinpartialfulfillmentoftherequirementsfortheprofessionaldegreeofMasterofEngineeringRESEARCHONSTOCKLINKAGEEFFECTBASEDONHETEROGENEOUSINFORMATIONPROCESSINGCandidate：TangYaoSupervisor：Prof.XiaolongWangAcademic

3、DegreeAppliedfor：MasterofEngineeringSpeciality：ComputerAppliedTechnologyAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2017Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要近年来，计算机金融的出现规避了金融分析师对金融市场把控的主观性，经验性。因此，很多互联网平台相继

4、开始提供股票诊断，股票推荐，量化投资等服务。中国各大银行和一些互联网企业也相继进入金融与计算机技术机器学习相融合的Fintech时代，计算机金融背景下推出的各类理财方案在未来的经济发展中将成为人们投资理财的主要方式之一。本课题针对股票联动效应问题，在金融异构信息数据集的基础上，通过对股票涨跌时序曲线相似度的计算，生成联动股票候选集，利用机器学习算法对股票联动候选集进行联动判别。该联动判别方法生成的联动结果集以期为投资者提供辅助决策建议。本课题主要从以下几个方面展开研究：金融异构数据集构建。股票联动效应的影

5、响因素众多，主要分为非结构化金融文本信息与结构化金融数据信息。通过爬虫技术从财经网站（新浪财经，东方财富，搜狐证券等）对金融文本信息进行抓取清洗，处理得到结构化文本信息。为确保金融数据集的准确性，交叉验证了新浪股票时序API，雅虎财经股票时序API以及开源Tushare的股票时序API，从而得到准确的金融数据信息。结合处理后的文本信息与数据信息构建支撑股票联动效应研究的异构数据集。联动股票候选集的生成。股票联动效应在股票数据特征上体现为历史交易数据的涨跌相似性。股票联动效应的强弱与涨跌相似值的大小呈正相关

6、。本文将对比基于同向比，基于绝对距离值和基于Pearson相关系数的股票涨跌相似度计算方法，生成联动股票候选集，该候选集将作为联动判别方法的输入样本集。股票联动判别方法研究。课题通过对比支持向量机（SVM），支持向量回归（SVR），逻辑斯蒂回归（LR）算法在多特征时序样本输入下的股票预测性能，将性能较好的方法预测值，作为联动判别方法的样本特征值之一。结合构建的金融异构数据集，提出基于机器学习算法的股票联动判别方法，运用该方法挖掘联动股票候选集数据规律，对不同时间差下的股票联动效应进行研究。本课题研究对象为

7、深市股票，通过对比SVM，SVR，LR对股票时序的预测性能，选择较优的预测算法输出的预测值，与股票异构特征值构建联动判别方法样本的特征值。基于股票涨跌相似度计算生成联动股票候选集，对比基于Xgboost，SVM，SVR算法的股票联动判别方法对联动股票候选集做联动判别。由联动判别方法生成的联动结果集，旨在为投资者提供辅助决策建议。关键词：联动效应；异构信息；Xgboost；支持向量机；向量相似度-I-哈尔滨工业大学工程硕士学位论文AbstractInrecentyears,theemergenceofcom

8、puterfinancehasevadedthesubjectivityandempiricismoffinancialanalystsincontrollingfinancialmarkets.Therefore,manyInternetplatformshavestartedtoprovidestockdiagnosis,stockrecommendation,quantitativeinvestmentandothers