融合投资者情绪的S＿AM＿BiLSTM股价预测模型

股票价格预测一直是金融领域的研究热点之一。然而，股票价格的形成机制是相当复杂的，各种因素都可能会导致股票价格的变化。为此，提出了一种基于深度学习方法并融合多源数据和投资者情绪的股票价格预测混合模型（S＿AM＿BiLSTM）。利用文本卷积神经网络（TextCNN）对从股票论坛中提取的投资者评论进行情绪分析，并计算情绪指数。将情绪指数（sentiment）、技术指标和股票历史交易数据作为股价预测模型的特征集，采用双向长短时记忆神经网络（BiLSTM）对股票的收盘价进行预测，并在此基础上加入注意力机制（attention mechanism），提高预测精度。为了证明模型的有效性和适用性，随机选取4个重点行业的股票进行实证研究。实验结果表明，与其他单一模型和不含情绪因子的模型相比，所提出的混合模型的效果更优越。