中概股的新闻极性市场预测研究

摘要 股票市场的预测一直是数据研究热点，但是受到很多因素的影响，其预测难度较高.新闻是影响股价的重要因素，投资者也经常依赖新闻进行股票交易与决策，因此对新闻的剖析可以为投资者提供有效信息.新闻作为非结构性数据运用到股票预测中困难重重，而随着机器学习技术和自然语言分析技术的发展，使得该问题的解决成为了可能.目前国内外资本市场政策上的显著差异性导致越来越多的国内企业在国外上市，而关于中文新闻对中概股预测影响的研究却很少.本文提出了一种新的循环评估支持向量机（Cyclic Evaluation Support Vector Machine，CE-SVM）模型，并将其应用于新闻极性对中概股预测的研究中.实验证明，CE-SVM相比起朴素贝叶斯模型提高了4%的准确率，证明了方法的有效性