您当前所在位置: 首页

论文收录信息

论文编号 201712-98
论文题目 基于多矩阵辅助张量分解对股票市场预测的研究
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

基于多矩阵辅助张量分解对股票市场预测的研究

引用

复制文本

导出参考文献

.txt .ris .doc

张耘嘉

张耘嘉(1993-),女,硕士研究生,机器学习

张熙

张熙(1983-),男,讲师,硕士生导师,研究方向:数据挖掘

发送私信

发送给张熙

北京邮电大学可信分布式计算与服务教育部重点实验室,北京 100876

摘要:随着人们生活水平和观念的提升,投资受到广泛的关注。同时伴随着互联网时代的到来,获取信息的方式变的多元化。金融机构已经不仅仅只利用传统的量化数据进行投资分析,而是开始利用大数据舆情分析、人工智能等方式进行投资预测的研究。因此,近几年基于社交网络、多源数据融合对股票市场的研究也成为一个热门话题。本文是利用张量将来自于财经网站的新闻报导、社交网络的股民情感和传统金融量化据融合,提出一个基于双矩阵辅助张量分解的模型对股票市场波动进行预测,以便投资者更好地选择股票的买卖时机。其中,由股票关联矩阵与公司财报量化特征组成的双辅助矩阵解决了张量数据稀疏问题,同时张量的融合方式捕捉不同维度信息的潜在关系。最终把提出的模型在2015、2016年CSI100中的股票进行实验,并与其他股票预测的相关模型进行比较,证明本文提出模型的有效性。

关键词: 社交网络 股票关联性 张量分解 股票预测

图表:

同行评议

未申请同行评议

评论

评论一下

全部评论
评论