[发明专利]一种基于新闻语料的行情预测方法

说明书

本发明公开了一种基于新闻语料的行情预测方法，包括以下步骤：S1：获取新闻语料信息，并对所述新闻语料信息进行预处理；S2：根据S1处理所得的新闻语料信息，采用包括新闻主体和主体态度的二维信息维度的形式构建第一特征张量，并结合预设的关键词词典，获得第二特征张量；S3：根据所述第二特征张量提取情绪信息，然后通过若干条情绪信息计算舆情因子α；S4：根据所得的舆情因子α获取其对应的滞后T期收益率R_T，预测未来收益率行情。通过本技术方案，能够提高市场情绪计算效率和准确率，从而实现更准确的行情预测。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于新闻语料的行情预测方法。

背景技术

在金融投资市场，行情的涨落由参与其中的每个交易者的买卖决策左右，交易者的买卖决策与其自身对金融标的的价值判断、全体交易者营造的市场情绪、市场资金流动性等因素息息相关。而对于一些炒作频繁的市场或价值不明朗的新兴市场，金融标的的内在价值可能经常背离市场价格，甚至其内在价值本身很难被准确估计，而新闻舆情主导的市场情绪往往会加剧价格的剧烈波动。现有的一些基于量价信息的技术分析手段和基于财报等数据的基本面分析无法对市场情绪主导的波动做出预测。

目前利用自然语言处理对新闻舆情进行情绪判断的研究越来越多，目前主要的判断算法有以下几种：一、根据语料的全部词汇(或词干词汇)及词频构建特征张量，利用一部分历史语料和人工标记的情绪指标训练有监督机器学习模型(例如朴素贝叶斯，逻辑回归，支持向量机，随机森林等等)，将未判断语料带入训练好的模型给出情绪指标。二、利用情绪词典，即对单个词汇赋予情绪量化值的词典，识别语料中相应词汇并赋予情绪值，对整个句子给出一个综合情绪判断。但这些现有技术存在以下缺点：一方面，传统的金融市场投资方法缺乏对市场情绪的量化测量，缺乏利用市场情绪因子来预测市场未来走势的手段。另一方面，市场情绪量化度量的方法发展缓慢，现有的语料情绪判断方法中，可能由于特征张量是非常庞大的稀疏矩阵，导致运算起来速度很慢，并且对复杂信息的情绪特征提取能力比较弱，无法有效地排除一些噪音。或者在反映特定的市场情绪方面还不够灵活。

因此，如何能够利用新闻语料，结合考虑特定市场的宏观影响维度，提高情绪计算效率和预测准确度，在此基础上对市场行情走势进行短期预判，是相关领域需要解决的技术问题之一。

发明内容

为了克服现有技术的不足，本发明所解决的技术问题是提供一种能够利用新闻语料的处理，提高市场情绪计算效率和准确率，从而实现行情预测的方法。

为解决上述技术问题，本发明所采用的技术方案内容具体如下：

一种基于新闻语料的行情预测方法，包括以下步骤：

S1：获取新闻语料信息，并对所述新闻语料信息进行预处理；

S2：根据S1处理所得的新闻语料信息，采用包括新闻主体和主体态度的二维信息维度的形式构建第一特征张量，并结合预设的关键词词典，获得第二特征张量；

S3：根据所述第二特征张量提取情绪信息，然后通过若干条情绪信息计算舆情因子α；

S4：根据所得的舆情因子α获取其对应的滞后T期收益率RT，预测未来收益率的波动范围。

在本技术方案中，发明人一方面通过包括新闻主体和主体态度的新闻语料信息构建第一特征张量；另一方面对于构建第一特征张量利用关键词等处理方法得到第二特征张量，再形成情绪信息；通过这两方面可以使得新闻语料的处理以及市场情绪计算效率和准确率得到提高，还可以达到提高预测准确率的进一步技术目的。

优选地，所述关键词词典的建立方式是利用历史语料或人工操作获取形成。

需要说明的是，所述关键词词典可以通过预设的方式实现，可以提高后续判断处理步骤的效率，在一些具体的实施方式中，关键词的输入可以是利用历史语料获取形成或者是人工输入形成。