耿立校，劉麗莎，李恒昱

河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401

隨著信息時(shí)代的到來和網(wǎng)絡(luò)媒體的普及，股票市場預(yù)測已經(jīng)受到學(xué)術(shù)界各個(gè)領(lǐng)域的廣泛關(guān)注。在金融市場中，根據(jù)傳統(tǒng)的有效市場假說理論，股票的價(jià)格基本反映目前可用的信息，同時(shí)指出股票價(jià)格總是由理性的投資者驅(qū)動(dòng)，大致反映出公司預(yù)期未來收益的合理現(xiàn)值[1]。因此股票價(jià)格受新信息的影響很小，遵循隨機(jī)的變化路徑。但是隨著信息技術(shù)的發(fā)展，越來越多的投資者會(huì)關(guān)注與股票市場相關(guān)的信息并不斷地做出改變，意見的不一致使得股票實(shí)際價(jià)格與內(nèi)在價(jià)值產(chǎn)生差異，最終產(chǎn)生價(jià)格的波動(dòng)[2-4]。近年來行為金融學(xué)領(lǐng)域的實(shí)證研究發(fā)現(xiàn)股票走勢并不是無跡可尋的，Chan[5]在研究公司新聞發(fā)布對股票的影響中發(fā)現(xiàn)股票面對公司負(fù)面新聞時(shí)表現(xiàn)不佳，會(huì)出現(xiàn)比較大的波動(dòng)，而面對好消息時(shí)表現(xiàn)出較小的波動(dòng)。Vega研究了私人信息和公共新聞對股票的影響，實(shí)證結(jié)果表明，投資者（私人或公眾）對資產(chǎn)真實(shí)價(jià)值的了解越多，對該信息的認(rèn)同程度越高，交易的異常收益波動(dòng)越小[6]。雖然傳統(tǒng)金融學(xué)與行為金融學(xué)領(lǐng)域?qū)π畔⑷绾斡绊懝善笔袌龅囊庖姴灰恢?，但是也證明了信息對股票市場是存在影響的。

網(wǎng)絡(luò)媒體的出現(xiàn)，使得信息釋放、傳播和吸收的方式發(fā)生了翻天覆地的變化?，F(xiàn)階段研究中股票市場預(yù)測主要是依靠三方面的信息：基本面信息、技術(shù)指標(biāo)信息以及網(wǎng)絡(luò)媒體信息?；久嫘畔⒅饕ü镜目傮w經(jīng)營情況、財(cái)務(wù)報(bào)告、管理能力以及宏觀經(jīng)濟(jì)一些指標(biāo)信息，Cheung等研究了隨時(shí)間變化公司規(guī)模與股票價(jià)格波動(dòng)之間的關(guān)系[7]。技術(shù)指標(biāo)信息主要是包括反應(yīng)當(dāng)天的交易情況數(shù)據(jù)，例如每日的收盤價(jià)、最高價(jià)和最低價(jià)等等。越來越多的研究者使用歷史價(jià)格來預(yù)測未來的趨勢，前兩種信息是定量信息，獲取是相對來說比較容易的。技術(shù)的進(jìn)步使得信息交互的方式發(fā)生了變化，由單向傳播變成了雙向多元傳播，人們對股票相關(guān)信息的看法和態(tài)度擁有更多的表達(dá)渠道，社交媒體中用戶的廣泛參與導(dǎo)致網(wǎng)絡(luò)媒體信息的重要性越來越大[8]。因此行為金融學(xué)與計(jì)算機(jī)科學(xué)領(lǐng)域?qū)W科的學(xué)者開始探索網(wǎng)絡(luò)媒體信息對股票的影響，Li等提出了媒體感知量化交易框架，發(fā)現(xiàn)公共情緒會(huì)因公司的特征對股票走勢產(chǎn)生不同的影響[9]。Nguyen等提出一種基于方面的情感分析方法，通過大規(guī)模的實(shí)驗(yàn)研究了社交媒體對股票走勢的影響[10]。網(wǎng)絡(luò)媒體信息屬于定性信息，在研究過程中對于前兩類信息來說屬于互補(bǔ)信息。股票信息更新快速并且以“前所未有”的速度傳播著，對于投資者來說在正式統(tǒng)計(jì)報(bào)告出來之前獲取第一手信息尤為重要[11-13]。

為了研究多種來源信息的共同影響，金融學(xué)領(lǐng)域的學(xué)者開始應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)分析模型[14]，主要有線性回歸、邏輯回歸、向量自回歸（VAR）以及時(shí)間序列模型自回歸綜合移動(dòng)平均（ARIMA）。計(jì)算機(jī)科學(xué)領(lǐng)域的研究人員提供了更多可選擇的方法，主流的是機(jī)器學(xué)習(xí)的模型[15]，可以找出股票走勢和信息來源之間的非線性關(guān)系，SVM和KNN是最初廣泛運(yùn)用的模型，可以預(yù)測未來的股票走勢及股票價(jià)格。深度學(xué)習(xí)的方法近年來開始被廣泛應(yīng)用到預(yù)測模型中，它可以彌補(bǔ)機(jī)器學(xué)習(xí)中一些缺點(diǎn)，例如可以更好地處理時(shí)序化數(shù)據(jù)，捕獲高度的非線性關(guān)系[16-17]。

根據(jù)以往的研究，越來越多的數(shù)據(jù)源被運(yùn)用到股票預(yù)測中，但對于股票話題數(shù)據(jù)情感的分析大多集中在情感詞典以及詞袋方法上，較少地運(yùn)用深度學(xué)習(xí)的算法；因此本文的投資者情緒將采用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）模型，捕獲更深層次的情感特征。

為了更準(zhǔn)確地預(yù)測股票市場的變化，在此基礎(chǔ)上引入深度學(xué)習(xí)中的長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory Network，LSTM）構(gòu)建股指漲跌預(yù)測模型，旨在將股票交易數(shù)據(jù)、技術(shù)指標(biāo)以及投資者情緒三種源數(shù)據(jù)結(jié)合起來，探究其對股票指數(shù)趨勢的共同影響。通過LSTM和其他基線方法的比較，驗(yàn)證多種數(shù)據(jù)源以及深度學(xué)習(xí)模型的有效性。

1 基于卷積神經(jīng)網(wǎng)絡(luò)的情感分析模型

1.1 卷積神經(jīng)網(wǎng)絡(luò)原理

卷積神經(jīng)網(wǎng)絡(luò)（CNN）屬于監(jiān)督學(xué)習(xí)中的深度學(xué)習(xí)算法，實(shí)驗(yàn)之前需要對數(shù)據(jù)進(jìn)行標(biāo)注，通過對打標(biāo)數(shù)據(jù)構(gòu)建語料庫，深度學(xué)習(xí)文本中的復(fù)雜特征，同時(shí)考慮語義之間的聯(lián)系。

假設(shè)需要對一些句子進(jìn)行分類，句子中每個(gè)詞是由n維詞向量組成的，也就是說輸入矩陣大小為m×n，其中m為句子長度。模型需要對輸入樣本進(jìn)行卷積操作，對于文本數(shù)據(jù)，卷積核采用向下移動(dòng)的方式，提取詞與詞間的局部相關(guān)性，最終得到多個(gè)卷積后的向量。然后對每一個(gè)向量進(jìn)行最大化池化操作并拼接各個(gè)池化值，最終得到這個(gè)句子的特征表示，將這個(gè)句子向量輸入到分類器中進(jìn)行分類，至此完成整個(gè)流程。CNN情感分析模型結(jié)構(gòu)設(shè)計(jì)如圖1所示。

圖1 CNN情感分析模型結(jié)構(gòu)圖Fig.1 Structural figure of CNN emotion analysis model

以下具體介紹每一層的具體工作原理。

（1）嵌入層（Embedding Layer）：通過將股吧評論進(jìn)行過濾和分詞操作后，句子表示為多個(gè)詞語的集合，因此需要將每個(gè)句子的長度對齊統(tǒng)一嵌入層的維度；在此之后通過word2vec訓(xùn)練進(jìn)行詞向量的表示，將編碼后的句子作為輸入層。

（2）卷積層（Convolution Layer）：卷積層的作用是通過不同的卷積核從嵌入向量中提取多維的特征，在text-CNN中，卷積核的寬度的取值為3、4、5，每個(gè)尺寸卷積核的數(shù)量為256；可以通過卷積層從不同的角度分析句子，考慮了語義之間的關(guān)系，以獲取更全面更深層次的特征表達(dá)。在卷積層后加一個(gè)激活函數(shù)，用于生成每個(gè)尺寸卷積核的特征遍歷。

（3）池化層（Pooling Layer）：池化層中采用最大池化的方法，即抽取每個(gè)特征向量的最大值表示最重要的特征。當(dāng)對所有卷積層生成的特征向量進(jìn)行池化之后，還需要將每個(gè)特征值給拼接起來，合成一個(gè)長形特征向量。在池化層到全連接層之前可以加上dropout防止過擬合。

（4）全連接層（Fully connected layer）：全連接層使用SoftMax激活函數(shù)可得到屬于每個(gè)類的概率，根據(jù)概率計(jì)算出情感值以及每日的消極與積極的分?jǐn)?shù)。在模型的評估方面，在分類問題中損失值常采用交叉熵?fù)p失函數(shù)，除此之外，精準(zhǔn)率、召回率以及F1值也是本實(shí)驗(yàn)中的主要評價(jià)指標(biāo)。

1.2 情感分析流程

在情感分析的過程中，將獲取到的社交媒體文本進(jìn)行劃分，在原則上選取全部數(shù)據(jù)集的一部分進(jìn)行打標(biāo)，為后續(xù)的模型訓(xùn)練做準(zhǔn)備?？傮w的情感分析流程如圖2所示。

圖2 CNN情感分析流程圖Fig.2 CNN flow chart of emotion analysis

具體步驟如下：

（1）標(biāo)注數(shù)據(jù)：由于CNN是一種監(jiān)督學(xué)習(xí)算法，因此需要對數(shù)據(jù)集進(jìn)行標(biāo)注，本文采取交叉打標(biāo)的方法，確保數(shù)據(jù)標(biāo)注的質(zhì)量；其中積極和中性的文本標(biāo)注為1，消極的文本標(biāo)注為0；打標(biāo)的數(shù)據(jù)集參與模型的訓(xùn)練過程，而另外一部分則為實(shí)例數(shù)據(jù)集。

（2）劃分訓(xùn)練集與測試集：將標(biāo)注好的數(shù)據(jù)集進(jìn)行訓(xùn)練集和測試集的劃分，并且分別將積極和消極的數(shù)據(jù)區(qū)分開來，按照命名規(guī)范統(tǒng)一存儲(chǔ)到一個(gè)文件夾內(nèi)。

（3）數(shù)據(jù)預(yù)處理：主要包含數(shù)據(jù)清洗，將不符合規(guī)范或空值的文本信息進(jìn)行處理，根據(jù)去停用詞的列表將無意義字符與標(biāo)點(diǎn)符號去除，之后使用jieba分詞對每條文本進(jìn)行分詞，為后續(xù)的詞向量轉(zhuǎn)換做準(zhǔn)備。

（4）生成詞向量：首先根據(jù)分詞結(jié)果統(tǒng)計(jì)訓(xùn)練集中所有的詞匯，生成vocab.txt，根據(jù)詞匯來構(gòu)建索引，并將每個(gè)單詞映射到0～M間的整數(shù)（M為詞匯大?。瑢⒚總€(gè)句子都成為整數(shù)向量，生成vec.txt。

（5）模型訓(xùn)練：首先定義模型訓(xùn)練前的一些參數(shù)，包含句子長度（統(tǒng)一后）、輸出層的類別數(shù)（本文是兩類：積極和消極）、嵌入維度、濾波器的數(shù)量等等，定義之后梳理輸入層、卷積層、池化層以及輸出層的代碼，細(xì)節(jié)如上一節(jié)中的模型設(shè)計(jì)。根據(jù)定義好的模型進(jìn)行結(jié)果以及評估指標(biāo)的輸出，根據(jù)驗(yàn)證集的結(jié)果來保存最優(yōu)的參數(shù)。

（6）模型復(fù)用及測試：將測試集通過相同的數(shù)據(jù)預(yù)處理方式得到詞向量，根據(jù)訓(xùn)練過程中保存的參數(shù)，進(jìn)行模型的加載與復(fù)用，最終對得到的結(jié)果進(jìn)行評估，結(jié)果可以再次優(yōu)化，重新訓(xùn)練，直到最終的效果最優(yōu)。

以上為CNN情感分析的流程，后續(xù)通過測試集得到最優(yōu)的結(jié)果之后可將其用于實(shí)例數(shù)據(jù)的情感極性結(jié)果的輸出，作為投資者情緒來源。本文設(shè)定了兩個(gè)參數(shù)，作為投資者情緒的量化指標(biāo)，在情感分析的研究中，如需給文本的情感賦值為積極與消極，大多是采用1和0的方式；本文的情感分析模型是卷積神經(jīng)網(wǎng)絡(luò)（CNN），是一個(gè)二分類模型，因此本文將積極情感賦值為1，消極情感賦值為0，這樣就可以得出定正向和負(fù)向的數(shù)量。首先需要統(tǒng)計(jì)當(dāng)日積極和消極的條數(shù)來去確定當(dāng)日股吧帖子條數(shù)，以一天為一個(gè)單位為當(dāng)日內(nèi)情感極性為積極的帖子數(shù)量，為當(dāng)日內(nèi)情感極性為消極的帖子數(shù)量，numt為t天的股吧論壇帖子數(shù)量，見公式（1）；另外本文將非交易日周六和周日的帖子數(shù)量總和放在周五，共同影響周一的股票市場。

投資者情緒參數(shù)是通過對每一條文本信息輸出情感極性之后，將根據(jù)對數(shù)平均值的方法來量化當(dāng)日股民的情緒值。由于規(guī)定積極的情感值輸出為1，消極的為0，最終是以對數(shù)函數(shù)為基礎(chǔ)來定義，可以得出持有某種傾向的投資者數(shù)量的多少，為senti t,計(jì)算方法見公式（2）。情感指標(biāo)值越大，說明偏向于積極情感的投資者數(shù)量越多。

2 基于LSTM的股票漲跌預(yù)測

2.1 長短期神經(jīng)網(wǎng)絡(luò)（LSTM）原理

長短記憶神經(jīng)網(wǎng)絡(luò)（通常稱作LSTM），是一種特殊的RNN，能夠?qū)W習(xí)更長的依賴關(guān)系。LSTM由Hochreiter和Schmidhuber[18]引入，并被許多人進(jìn)行了改進(jìn)和普及，現(xiàn)在被廣泛使用。

LSTM是一種特殊的遞歸神經(jīng)網(wǎng)絡(luò)，解決了RNN長期依賴中梯度消失和梯度爆炸的弊端，在時(shí)間序列數(shù)據(jù)的預(yù)測方面具有優(yōu)勢。LSTM的內(nèi)部空間的單元結(jié)構(gòu)如圖3所示。

圖3 LSTM模型單元結(jié)構(gòu)圖Fig.3 LSTM model unit structure diagram

模型中相較于RNN添加了輸入門、遺忘門和輸出門三種記憶細(xì)胞的狀態(tài)，其中模型輸入的參數(shù)是h t-1和x t，分別代表上一個(gè)的隱藏層輸出狀態(tài)和t時(shí)刻的變量值，通過對輸入的參數(shù)對無用信息進(jìn)行處理，而同時(shí)更加注重有用信息，達(dá)到遺忘門的作用，給出式（3），參數(shù)為左側(cè)第一列中遺忘門的權(quán)重矩陣(w)與偏置項(xiàng)(b)，同理，第二三列為輸入門，計(jì)算方法為式（4）和式（5），第四列的式（6）為輸出門以及單元狀態(tài)的權(quán)重矩陣與偏置項(xiàng)：

步驟中的σ為sigmoid函數(shù)，tanh為正切函數(shù)，上述步驟計(jì)算完成之后，式（7）計(jì)算了t時(shí)刻的輸出狀態(tài)C t，是使用遺忘門和輸入門的參數(shù)f t、i t和C′t；最終在輸出門狀態(tài)下，式（8）使用正切函數(shù)計(jì)算t時(shí)刻的隱藏層輸出。

至此，一個(gè)LSTM層的計(jì)算完成，t時(shí)刻的輸出將被傳遞到下一個(gè)時(shí)刻進(jìn)行計(jì)算。

2.2 融合投資者情緒的股票漲跌預(yù)測

在本研究中，本文的預(yù)測模型的功能是捕獲多個(gè)信息來源與未來股價(jià)走勢之間的關(guān)系。本節(jié)將從股票市場的特點(diǎn)以及影響其變化的主要因素出發(fā)，借助網(wǎng)絡(luò)媒體平臺，將股票交易數(shù)據(jù)、技術(shù)指標(biāo)以及投資者情緒特征整合起來，通過深度學(xué)習(xí)的方法構(gòu)建股票趨勢預(yù)測模型，探索它們對股票走勢的綜合影響。其中論壇文本數(shù)據(jù)采用卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行投資者情緒的挖掘，整合多維特征數(shù)據(jù)，輸入LSTM模型進(jìn)行預(yù)測，最終輸出分類結(jié)果。后續(xù)將在此基礎(chǔ)上，選取4個(gè)在股票預(yù)測研究中常見的方法作為基線方法，與主體方法進(jìn)行對比實(shí)驗(yàn)。

將特征數(shù)據(jù)進(jìn)行預(yù)處理之后輸入LSTM模型進(jìn)行預(yù)測，最終輸出分類結(jié)果。整體預(yù)測框架圖如圖4所示。

圖4 融合投資者情緒的股票預(yù)測框架圖Fig.4 Block diagram of stock forecast incorporating investor sentiment

本文的主題是股票市場的漲跌預(yù)測，由于是時(shí)間序列預(yù)測，因此要考慮時(shí)間步長，不同的步長效果會(huì)有所不同；在預(yù)測模型的輸入中，可以從圖5流程圖中看出，左側(cè)是輸入前t天的股票特征數(shù)據(jù)，其中包括股票每日交易數(shù)據(jù)、技術(shù)指標(biāo)以及投資者情緒，而右側(cè)則是輸出下一個(gè)交易的股票趨勢，分為上漲和下跌。

圖5 股票漲跌模型預(yù)測流程圖Fig.5 Stock rise and fall model prediction flow char

模型訓(xùn)練的過程中，采取交叉驗(yàn)證的方法，以此來減小損失，損失計(jì)算選擇均方誤差作為損失函數(shù)，利用隨機(jī)梯度下降的方法更新權(quán)重。模型評估則是通過計(jì)算真實(shí)值和預(yù)測值的誤差來進(jìn)行比較，最后在驗(yàn)證集中驗(yàn)證模型的準(zhǔn)確率，選取最優(yōu)的模型進(jìn)行測試集結(jié)果的輸出。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 樣本選取與實(shí)驗(yàn)設(shè)置

交易數(shù)據(jù)以及技術(shù)指標(biāo)數(shù)據(jù)：本文選擇上海股票主板市場的代表“上證50指數(shù)”（上海證券市場最具影響力的一批優(yōu)質(zhì)大盤企業(yè)）作為研究對象。時(shí)間跨度為2017-03-20至2020-03-20。在選擇時(shí)，選取接口中的開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)、漲跌額、漲跌幅、成交量以及成交額是最重要的變量，這應(yīng)該是投資者主要關(guān)注的因素；除以上變量外，還手動(dòng)構(gòu)建了5和10日的移動(dòng)平均線（MA）、指數(shù)移動(dòng)平均線（EMA）、變動(dòng)率指標(biāo)（ROC）、相對強(qiáng)弱指數(shù)（RSI）、能量潮（OBV）技術(shù)指標(biāo)等量化數(shù)據(jù)。

社交媒體文本數(shù)據(jù)：根據(jù)股票指數(shù)數(shù)據(jù)，從東方財(cái)富平臺的股吧論壇（http：//guba.eastmoney.com）獲取社交媒體話題數(shù)據(jù)，這一時(shí)間段的選取為2017年03月20日—2020年03月20日。為了自動(dòng)化抓取網(wǎng)絡(luò)媒體中的評論數(shù)據(jù)，本文在PyCharm平臺基于Python編寫爬蟲程序。網(wǎng)絡(luò)爬蟲主要收集了包括浦發(fā)銀行（600000）、上海機(jī)場（600009）、民生銀行（600016）、中國石化（600028）、中信證券（600030）、三一重工（600031）等50只包含在“上證50指數(shù)”中股票的股吧評論，主要用于股票論壇語料庫的構(gòu)建，一共爬取到約240萬條評論。

3.2 模型驗(yàn)證與對比

3.2.1 數(shù)據(jù)預(yù)處理

（1）文本預(yù)處理

文本數(shù)據(jù)預(yù)處理包括查看重復(fù)評論數(shù)據(jù)、去除評論中出現(xiàn)的數(shù)字和英文字符、分詞、去除停用詞及詞性標(biāo)注。數(shù)據(jù)清洗：首先對爬取到的文本進(jìn)行清洗，刪除內(nèi)容或者時(shí)間缺失與異常的評論，通過對應(yīng)去停用詞將評論中的標(biāo)點(diǎn)符號以及無意義詞清洗掉。中文分詞與去停用詞：使用python的jieba分詞器完成分詞工作，并使用哈工大停用詞表，在分詞過程中直接去除停用詞；與此同時(shí)，進(jìn)行詞性標(biāo)注。詞向量生成：通過word2vec訓(xùn)練出評論的詞向量，并統(tǒng)一詞序列的長度，作為模型的輸入。數(shù)據(jù)對應(yīng)關(guān)系：當(dāng)天15點(diǎn)之前的評論數(shù)據(jù)影響當(dāng)天的股票走勢，15點(diǎn)之后的影響下一天的股票走勢。

（2）標(biāo)準(zhǔn)化處理

由于每個(gè)特征屬于不同量綱，因此需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，使用的是Z-score方法，進(jìn)行特征縮放，保證處理后的數(shù)據(jù)符合正態(tài)分布。計(jì)算方法如式（9）：

其中，μ為樣本均值，σ為樣本標(biāo)準(zhǔn)差，x為樣本數(shù)據(jù)本身。

將整體的數(shù)據(jù)集按照8∶2的比例劃分訓(xùn)練集與測試集，再從訓(xùn)練集中挑選10%的數(shù)據(jù)作為驗(yàn)證集。在訓(xùn)練過程中，采取每次40條交易數(shù)據(jù)的批量，總迭代次數(shù)為500次，時(shí)間窗的跨度為5～14天，選擇不同的時(shí)間窗做對比實(shí)驗(yàn)。

3.2.2 模型驗(yàn)證及結(jié)果分析

根據(jù)設(shè)置好的具體參數(shù)，將數(shù)據(jù)輸入LSTM漲跌預(yù)測模型進(jìn)行結(jié)果的輸出。在此基礎(chǔ)上，實(shí)驗(yàn)選取機(jī)器學(xué)習(xí)中分類預(yù)測表現(xiàn)比較出色的隨機(jī)森林（RF），K最近鄰（KNN），樸素貝葉斯（NB）以及支持向量機(jī)（SVM）這四種基線方法進(jìn)行對比，通過改變時(shí)間窗的大小，分別研究方法以及時(shí)間窗對預(yù)測模型的影響。

首先是針對本文所提出的模型的分析，LSTM模型的預(yù)測效果如圖6所示，圖中為測試集的146條數(shù)據(jù)的預(yù)測結(jié)果，可以看出股票漲跌的趨勢基本是一致，當(dāng)股價(jià)變化比較小時(shí)，預(yù)測得比較準(zhǔn)確，但是在100～140這個(gè)區(qū)間可以看出當(dāng)股價(jià)變化較大的時(shí)候，真實(shí)值與預(yù)測值之間的誤差變大，準(zhǔn)確率會(huì)有所下降。一個(gè)方面是因?yàn)樵谶@段期間，“上證50指數(shù)”每日的收盤價(jià)、開盤價(jià)等交易數(shù)據(jù)變化較大，導(dǎo)致以此為基礎(chǔ)構(gòu)建的技術(shù)指標(biāo)的變化也相對較大，多個(gè)指標(biāo)的不確定性增加，因此導(dǎo)致了預(yù)測的偏差較大；另外一個(gè)方面是由于當(dāng)時(shí)的大環(huán)境處于新冠肺炎疫情期間，大多數(shù)股民的情感偏向與消極，因此情感指標(biāo)的不確定性再次導(dǎo)致預(yù)測的誤差偏大。雖然指標(biāo)的不確定性導(dǎo)致預(yù)測值與真實(shí)值的偏差較大，但是總體看來，模型在此期間的漲跌趨勢預(yù)測是準(zhǔn)確的，具有一定的指導(dǎo)意義。

圖6 模型預(yù)測結(jié)果Fig.6 Model prediction results

其次是與基線方法的比較，圖7為五種方法的預(yù)測準(zhǔn)確率對比圖。從圖中可以看出，根據(jù)不同方法的對比，雖然隨著時(shí)間窗的增加，LSTM模型從整體上看準(zhǔn)確率基本高于其他方法，呈上升的趨勢，但是增長幅度比較小，說明了在LSTM模型中交易信息的長期與短期數(shù)據(jù)對股市的影響基本沒有太大變化。

圖7 預(yù)測模型準(zhǔn)確率對比圖Fig.7 Comparison of prediction model accuracy

從圖7中可以看出，隨著時(shí)間窗的增加，基線方法的準(zhǔn)確率呈逐步增長的跡象，說明了時(shí)間窗越大，模型學(xué)習(xí)到的信息越多，預(yù)測效果越好；但是從12天到14天的變化中可以看出，大部分算法的準(zhǔn)確率呈下降趨勢，說明時(shí)間窗的設(shè)置并不是越長越好。

從總體上可以看出，在預(yù)測下一個(gè)交易日的漲跌方面，LSTM方法的準(zhǔn)確率在這幾種方法中表現(xiàn)最好，并且時(shí)間窗在一定范圍內(nèi)的改變下，準(zhǔn)確率的波動(dòng)比較小，整體上都高于其他的基線方法，表現(xiàn)出了其在處理時(shí)間序列數(shù)據(jù)的優(yōu)越性；在基線方法中，SVM方法的準(zhǔn)確率在5～9天的范圍內(nèi)隨時(shí)間窗變化的波動(dòng)變化比較大，之后呈現(xiàn)上升的趨勢；其中隨機(jī)森林（RF）的表現(xiàn)最好，其次是KNN、NB、SVM方法。

上面的實(shí)驗(yàn)基本驗(yàn)證了模型的有效性，接下來在模型的輸入變量上，本文尋求了更多的可能性。通過手動(dòng)構(gòu)造技術(shù)指標(biāo)以及投資者情緒來衡量其對股票市場的影響，對實(shí)驗(yàn)做進(jìn)一步的改進(jìn)，形成更加多樣的對比實(shí)驗(yàn)，從而使本文的結(jié)論更加豐富。

3.3 對比實(shí)驗(yàn)一：添加技術(shù)指標(biāo)

上述實(shí)驗(yàn)中，本文考慮了接口中固定的幾個(gè)指標(biāo)，因此在特征工程方面，嘗試構(gòu)造更多的技術(shù)指標(biāo)來探究對股票市場的影響；技術(shù)指標(biāo)都是由交易數(shù)據(jù)計(jì)算得出的，本文在技術(shù)指標(biāo)的選取一方面是考慮到中國股市的交易周期是一周五天，構(gòu)建了5日和10日的移動(dòng)平均線（MA），另外由于漲跌預(yù)測是一個(gè)趨勢預(yù)測，為了更好地觀察股票價(jià)格的變化，還構(gòu)建了指數(shù)移動(dòng)平均線（EMA）、RSI指標(biāo)（相對強(qiáng)弱指數(shù)：某一個(gè)期間內(nèi)股價(jià)上漲總幅度占股價(jià)變化總幅度平均值的百分比），另外就是能量潮O(jiān)BV（統(tǒng)計(jì)成交量變化的趨勢）和ROC（變動(dòng)率）這幾個(gè)指標(biāo)，旨在通過添加特征來提高準(zhǔn)確率。在本次實(shí)驗(yàn)中，選取時(shí)間窗中的第11天（該參數(shù)下各個(gè)算法的準(zhǔn)確率比較穩(wěn)定），調(diào)整不同的算法進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示。

表1 添加技術(shù)指標(biāo)后的準(zhǔn)確率Table 1 Accuracy after adding technical indicators

從表中可以看出，添加技術(shù)指標(biāo)之后，各個(gè)算法的準(zhǔn)確率都有不同程度的增加，股票市場預(yù)測模型的預(yù)測效果有所提升，說明本文構(gòu)造的技術(shù)指標(biāo)對于股票市場也是有一定影響的。

后期通過PCA方法對添加的技術(shù)指標(biāo)進(jìn)行指標(biāo)排序，排名靠前的是漲跌點(diǎn)、成交額、指數(shù)移動(dòng)平均線、變動(dòng)率，說明這些特征對股市的影響更加突出。

3.4 對比實(shí)驗(yàn)二：添加投資者情緒

通過訓(xùn)練CNN情感分類模型，對上證50中的50支股票約240萬條評論進(jìn)行情感值的輸出。由并將每日的15點(diǎn)作為節(jié)點(diǎn)，按照日期匯總每日情感值；由于非交易日也有部分評論，考慮到周六周日的評論會(huì)影響周一的股票市場，故將其歸結(jié)到周五的評論中，共同影響周一的股市。最終結(jié)果的輸出為看漲與看跌，對應(yīng)股民積極和消極的情感傾向。實(shí)驗(yàn)最后輸出第一個(gè)情緒特征（藍(lán)線）與收盤價(jià)（紅線）進(jìn)行Z-score標(biāo)準(zhǔn)化之后基本變化如圖8所示。

圖8 每日收盤價(jià)與每日情緒趨勢Fig.8 Daily closing price and daily mood trend

從圖中可以看出，相對于股價(jià)的變化來說，股民每日的情感值變化波動(dòng)較大，間接說明了股價(jià)牽動(dòng)著萬千股民的心。

整個(gè)時(shí)間的跨度為2017-03-20到2020-03-20，從整體上觀察可以看出在2017年到2018年6月份之間和2019年到2020年3月份之間兩個(gè)特征的趨勢基本一致，股價(jià)上漲，股民的情感呈現(xiàn)上升的趨勢，上升的程度較?。坏枪蓛r(jià)一旦下跌，股民的情感會(huì)很敏感，負(fù)向情感比較明顯，與前一天產(chǎn)生比較大的落差，聯(lián)想實(shí)際可以看出股民對于股價(jià)下跌的接受程度比較小。比較反常的是2018年6月份到2019年初，這段期間股價(jià)在3年之內(nèi)屬于最低的一部分，股民情緒前后落差較大，但是股民的情感在股價(jià)下跌的過程中整體呈現(xiàn)上升的趨勢，預(yù)估是股民們覺得股價(jià)應(yīng)該不會(huì)跌到如此程度，抱著看漲的心態(tài)，但是好景不長上升一段時(shí)間后開始急速下降，之后股價(jià)的一點(diǎn)點(diǎn)上升都會(huì)引起情感值大幅度的上升，間接體現(xiàn)了當(dāng)股市處于低迷時(shí)，股民的情緒比平常更加不穩(wěn)定。

通過將每日的兩個(gè)情感特征輸入到前一個(gè)階段的股票預(yù)測模型中，實(shí)驗(yàn)結(jié)果如圖9所示：綠色線為添加投資者情緒之后的準(zhǔn)確率結(jié)果?？梢詮膱D中看出：添加投資者情緒之后，各個(gè)算法準(zhǔn)確率都增加了。

圖9 添加投資者情緒后的準(zhǔn)確率Fig.9 Accuracy of adding investor sentiment

實(shí)驗(yàn)結(jié)果顯示上文中通過CNN情感分析得到的股民情緒雖然起伏比較大，但是一定程度上反映在了股票市場的決策方面，投資者情緒變量對預(yù)測股票市場漲跌有一定的作用，驗(yàn)證了本文的研究目的，可以在一定程度上輔助相關(guān)利益者及時(shí)做出決策。

4 結(jié)束語

本文首先提出了卷積神經(jīng)網(wǎng)絡(luò)模型，提取深度情感特征，構(gòu)建了股票市場中的投資者情緒特征；引入深度學(xué)習(xí)中的LSTM，建立了一種股票指數(shù)漲跌預(yù)測模型，定量研究了交易數(shù)據(jù)、技術(shù)指標(biāo)以及投資者情緒三種源數(shù)據(jù)對股票市場漲跌的影響。通過對上證50指數(shù)近三年數(shù)據(jù)的實(shí)證研究，與單一數(shù)據(jù)源和基線方法相比，融合投資者情緒的LSTM模型預(yù)測效果更佳，擬合程度更高；證明股票市場對于公眾的情緒是相對敏感的，模型可以為相關(guān)利益者輔助決策。目前存在的問題是未考慮投資者的社交關(guān)系，后期可以考慮增加社交節(jié)點(diǎn)權(quán)重來豐富模型的輸入，進(jìn)而提升模型的性能。