異構(gòu)數(shù)據(jù)融合驅(qū)動(dòng)的股市波動(dòng)預(yù)測(cè)研究

葉慕戎 魯越 譚楚婷

摘要：由于股票市場(chǎng)具有復(fù)雜性、動(dòng)態(tài)性和混亂性等諸多特點(diǎn)，其波動(dòng)易受各種信息源的影響，因此對(duì)其預(yù)測(cè)具有相當(dāng)?shù)奶魬?zhàn)性，而機(jī)器學(xué)習(xí)方法的應(yīng)用在目前取得了一定的成功。文章從深度學(xué)習(xí)方法出發(fā)，融合多種數(shù)據(jù)源，提出一種異構(gòu)數(shù)據(jù)融合驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)模型，探索股市輿情、量化指標(biāo)與股價(jià)波動(dòng)的內(nèi)在聯(lián)系，以及媒體信息對(duì)股市波動(dòng)的影響機(jī)制。

關(guān)鍵詞：多特征融合；輿情分析；股市預(yù)測(cè)；LDA；神經(jīng)網(wǎng)絡(luò)

中圖法分類號(hào)：TP181 文獻(xiàn)標(biāo)識(shí)碼：A

１ 引言

由于金融時(shí)間序列數(shù)據(jù)存在復(fù)雜、非線性、難以預(yù)測(cè)的情況，因此股票市場(chǎng)的預(yù)測(cè)任務(wù)充滿挑戰(zhàn)［１］ ，金融業(yè)界也一直在尋找能夠系統(tǒng)地預(yù)測(cè)未來資產(chǎn)收益的方法，嘗試預(yù)測(cè)資產(chǎn)的有效收益，然而股票市場(chǎng)處于極其動(dòng)蕩和嘈雜的環(huán)境中，這項(xiàng)任務(wù)無疑困難重重。傳統(tǒng)股票預(yù)測(cè)方法往往僅依賴歷史定量數(shù)據(jù)進(jìn)行擬合分析，如價(jià)格、交易量、周轉(zhuǎn)率等。作為定量數(shù)據(jù)的補(bǔ)充，文本信息也成為部分研究者關(guān)注的對(duì)象［２］ 。使用計(jì)算機(jī)技術(shù)抽取海量輿情觀點(diǎn)，對(duì)文本進(jìn)行挖掘爬取處理，將特征進(jìn)行整合，可以分析出股票市場(chǎng)發(fā)展動(dòng)態(tài)的優(yōu)劣，為每個(gè)投資者提供各自不同且具有針對(duì)性的建議和方法。隨著文本情感分析的高速發(fā)展，簡(jiǎn)單文本極性判斷已不能滿足人們對(duì)互聯(lián)網(wǎng)的需求，跨學(xué)科、跨平臺(tái)的研究，將文本分析技術(shù)廣泛應(yīng)用在不同的領(lǐng)域。將引導(dǎo)機(jī)制、營(yíng)銷理論以及多元盈利模式融合，以提高模型性能。隨著數(shù)據(jù)挖掘的深入，面向股票市場(chǎng)領(lǐng)域的細(xì)粒度情感分析技術(shù)的應(yīng)用解決了隱式情感難提取、文本不規(guī)范等問題。學(xué)者正應(yīng)用實(shí)踐企圖證實(shí)輿論與股票市場(chǎng)的相關(guān)性以及試圖應(yīng)用輿論預(yù)測(cè)市場(chǎng)的走向［３～５］ 。

本文主要討論了量化指標(biāo)、股市輿情與股價(jià)波動(dòng)間的潛在關(guān)聯(lián)，為金融從業(yè)者、研究者提供了一種全新的視角，以行為金融學(xué)對(duì)行為人決策的研究成果為研究基礎(chǔ)，尋求投資者在金融市場(chǎng)中可能會(huì)受到來自認(rèn)知系統(tǒng)的各種偏差及對(duì)其信息處理和決策過程的影響，以期建立一個(gè)從投資者情緒到投資者行為，再到投資者行為對(duì)金融市場(chǎng)和實(shí)體經(jīng)濟(jì)影響的科學(xué)研究模式。

２ 文獻(xiàn)綜述

多源數(shù)據(jù)融合技術(shù)是數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)領(lǐng)域中一種常見的特征處理手段，基于人工智能、模式識(shí)別、統(tǒng)計(jì)推斷等，在醫(yī)療診斷、目標(biāo)識(shí)別、自動(dòng)駕駛等領(lǐng)域都有著良好的應(yīng)用，通過融合不同數(shù)據(jù)源、不同粒度的信息，可以更好地捕捉數(shù)據(jù)之間的高階特征交互。

在國(guó)內(nèi)，陳曉美［６］ 開展了對(duì)于Ｗｅｂ２．０ 的網(wǎng)絡(luò)評(píng)論信息的分析研究，通過領(lǐng)域知識(shí)進(jìn)行互補(bǔ)，構(gòu)建了基于“觀點(diǎn)?領(lǐng)域知識(shí)?主題”的新型知識(shí)搜索體系，以發(fā)現(xiàn)網(wǎng)絡(luò)評(píng)論中的觀點(diǎn)知識(shí)；郭光明［７］ 設(shè)計(jì)了概率主題模型ＬＵＢＤ?ＣＭ，并將其應(yīng)用于刻畫用戶信用屬性，融合社交數(shù)據(jù)中用戶信用畫像的有效信息，以搭建用戶信用畫像預(yù)測(cè)系統(tǒng)；賀雅琪［８］ 根據(jù)Ｄｅｍｐｓｔｅｒ?Ｓｈａｆｅｒ證據(jù)理論，提出了一種數(shù)據(jù)融合框架，實(shí)現(xiàn)了對(duì)多源數(shù)據(jù)的決策級(jí)融合；鄧烜堃構(gòu)建了一種基于有限布爾茲曼機(jī)的深度自編碼器，實(shí)現(xiàn)了對(duì)高位金融數(shù)據(jù)的特征降維并構(gòu)建了回歸模型預(yù)測(cè)股價(jià)，通過實(shí)證表明自編碼器提取特征的效果優(yōu)于傳統(tǒng)主成分分析與因子分析等方法；王乾基于股票歷史數(shù)據(jù)、財(cái)經(jīng)新聞數(shù)據(jù)、股票社交輿情３ 種信息源，使用ＬＳＴＭ 網(wǎng)絡(luò)對(duì)個(gè)股漲跌趨勢(shì)進(jìn)行預(yù)測(cè)，通過實(shí)證證明了多源數(shù)據(jù)預(yù)測(cè)的合理性；黃潔云提出充分利用股市多源數(shù)據(jù)，并使用小波變換捕捉時(shí)間序列波動(dòng)趨勢(shì)，同時(shí)對(duì)文本數(shù)據(jù)使用ＢＥＲＴ 模型提取其文本情感特征，融合量化特征與文本特征并預(yù)測(cè)股票波動(dòng)；張露設(shè)計(jì)了一種ＳＢＶ 多源信息融合模型，有效解決了財(cái)務(wù)預(yù)警問題中的有效樣本不平衡問題，實(shí)現(xiàn)了對(duì)股市財(cái)務(wù)預(yù)警的精確預(yù)測(cè)；劉政昊從知識(shí)關(guān)聯(lián)視角構(gòu)建了一個(gè)金融領(lǐng)域知識(shí)圖譜，嘗試發(fā)現(xiàn)股票之間的關(guān)聯(lián)性與隱含特征，為投資者提供指導(dǎo)建議；耿立校提出了一種基于多源異構(gòu)數(shù)據(jù)的ＬＳＴＭ 模型，結(jié)合了歷史交易數(shù)據(jù)、量化指標(biāo)數(shù)據(jù)、文本評(píng)論數(shù)據(jù)３ 類數(shù)據(jù)，對(duì)股票波動(dòng)走勢(shì)進(jìn)行實(shí)時(shí)預(yù)測(cè)，并驗(yàn)證了其有效性和可行性。

３ 模型設(shè)計(jì)

３．１ 基于ＬＤＡ 的情緒指數(shù)構(gòu)建

ＬＤＡ 是一種無監(jiān)督學(xué)習(xí)主題模型，無需人工對(duì)訓(xùn)練集進(jìn)行標(biāo)注，僅利用文檔集合就可以依概率分布顯示出每篇文檔的主題。對(duì)于文本的處理以及數(shù)據(jù)的挖掘，ＬＤＡ 模型是一個(gè)常用的文本建模方法，可以有效地從文本中提取所需的重要信息。對(duì)于文本中隱含情緒的提取以及建模，ＬＤＡ 模型克服了傳統(tǒng)文本相似度的比較方法中的缺點(diǎn)，大幅提升了提取分析的效率。

作為經(jīng)典主題模型之一，ＬＤＡ 的核心思想是將文檔表示為若干個(gè)潛在的主題，其中每個(gè)主題都通過一定量的單詞來描述，具體而言，通過參數(shù)估計(jì)得到詞匯概率分布，并結(jié)合各文檔主題概率分布進(jìn)行判斷，從而將詞項(xiàng)空間的全部詞匯聚類轉(zhuǎn)移到主題空間中，達(dá)到提取文本主題的目的。通過對(duì)每個(gè)詞ｗ 的主題ｚ進(jìn)行采樣，基于其統(tǒng)計(jì)頻次，計(jì)算得到文本主題ｋ 中的詞項(xiàng)概率分布φｋ 和第ｍ 篇文檔的主題概率分布θｍ ，其ＬＤＡ 聯(lián)合概率為：

在得到文本主題詞匯后，本文使用開源情感分析工具Ｓｎｏｗｎｌｐ 得到其情感評(píng)分，其底層算法為樸素貝葉斯模型。其訓(xùn)練過程實(shí)質(zhì)上是統(tǒng)計(jì)每一個(gè)特征出現(xiàn)的頻次，通過對(duì)文本打上正、負(fù)極性的標(biāo)簽，將每一個(gè)詞匯視作相互獨(dú)立的特征，統(tǒng)計(jì)各個(gè)詞匯特征出現(xiàn)的頻次與訓(xùn)練樣本中的詞匯總數(shù)，就可以將情感極性分析任務(wù)轉(zhuǎn)化為一個(gè)貝葉斯分類模型，具體公式為：

其中，ｃ１， ｃ２ 為情感極性（積極或消極），ｗ１，ｗ２，…ｗｎ為每個(gè)詞匯出現(xiàn)的頻次，即特征ｎ 為詞匯數(shù)。

３．２ 基于Ａｕｔｏ?Ｅｎｃｏｄｅｒ 的特征提取

由于股票市場(chǎng)指標(biāo)種類繁多，需要接受大量輸入信息，而且不同技術(shù)指標(biāo)之間往往存在多重共線性的可能，為降低數(shù)據(jù)維度，提取出原數(shù)據(jù)中最具代表性的信息，壓縮輸入信息量，實(shí)現(xiàn)特征重構(gòu)與特征提取。

本文建立了Ａｕｔｏ?Ｅｎｃｏｄｅｒ 自編碼器模型，實(shí)現(xiàn)了由高維數(shù)據(jù)到低維數(shù)據(jù)的壓縮編碼。在處理統(tǒng)計(jì)特征的部分，依次完成差分處理、對(duì)數(shù)變換和標(biāo)準(zhǔn)化，提取時(shí)間序列的統(tǒng)計(jì)特征，以Ａｕｔｏ?Ｅｎｃｏｄｅｒ 模型提取重要因子，并加入模型。

自編碼器（Ａｕｔｏ?Ｅｎｃｏｄｅｒ， ＡＥ）是一種經(jīng)典神經(jīng)網(wǎng)絡(luò)模型，主要由編碼器（Ｅｎｃｏｄｅｒ）及解碼器（Ｄｅｃｏｄｅｒ）構(gòu)成，其主要原理是將輸入樣本通過編碼器映射至一個(gè)特征空間中，接著通過解碼器將已完成編碼的抽象特征映射回原始空間，以得到重構(gòu)樣本，然后對(duì)比輸入和輸出，使二者不斷逼近，最終實(shí)現(xiàn)特征提取。通過學(xué)習(xí)到的新特征，Ａｕｔｏ?Ｅｎｃｏｄｅｒ 可以重構(gòu)出原始輸入數(shù)據(jù)，解碼成更低維的數(shù)據(jù)。設(shè)輸入樣本為ｘ，抽象特征為ｙ，重構(gòu)樣本為ｘ ，編碼函數(shù)為ｆ（ｘ），解碼函數(shù)為ｇ（ｘ），誤差為ｅ，則有：

３．３ 基于ＬＳＴＭ 的股價(jià)波動(dòng)預(yù)測(cè)

長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（ Ｌｏｎｇ Ｓｈｏｒｔ?Ｔｅｒｍ Ｍｅｍｏｒｙ，ＬＳＴＭ）是一種深度神經(jīng)網(wǎng)絡(luò)模型，在語音識(shí)別、股指預(yù)測(cè)等涉及序列數(shù)據(jù)的任務(wù)中具有相當(dāng)廣泛的應(yīng)用。

ＬＳＴＭ 模型隸屬于循環(huán)神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ ＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＮＮ）的一種，由于其能夠處理長(zhǎng)時(shí)序列，比ＲＮＮ 更適用于處理和預(yù)測(cè)時(shí)間序列數(shù)據(jù)。傳統(tǒng)ＲＮＮ模型試圖通過循環(huán)來讓信息連續(xù)傳遞，然而隨著句子距離的增加，ＲＮＮ 將難以連接相關(guān)信息，也就是俗稱的遠(yuǎn)程依賴問題，該網(wǎng)絡(luò)的設(shè)計(jì)本意正是希望克服遠(yuǎn)距離依賴問題， 并在各種任務(wù)中取得優(yōu)異表現(xiàn)。

ＬＳＴＭ 模型由遺忘門、輸入門、輸出門３ 部分組成，引入了單元狀態(tài)的概念，其模型架構(gòu)為：

其中，σ 為激活函數(shù)，Ｗ 為權(quán)重矩陣，ｂ 為偏置項(xiàng)，ｆｔ ，ｉｔ ，ｏｔ 和ｃｔ 分別為輸入門、遺忘門、輸出門和單元激活向量，ｈｔ 為輸出激活函數(shù)。

近年來， ＬＳＴＭ 受到了很多科學(xué)家的青睞，其在輿情分析任務(wù)中的應(yīng)用均取得了較好的效果，并在多個(gè)領(lǐng)域成為不可替代的一部分。通過ＬＳＴＭ 模型可以準(zhǔn)確捕捉股市輿情間的高階特征交互，并基于反復(fù)迭代訓(xùn)練學(xué)到記憶哪些信息和遺忘哪些信息。基于在ＬＤＡ 主題模型中得到的關(guān)聯(lián)關(guān)系，結(jié)合股票的發(fā)布時(shí)間、漲跌情況、股民評(píng)價(jià)、公司經(jīng)營(yíng)狀況等軌跡，預(yù)測(cè)其未來的發(fā)展熱度，使用神經(jīng)循環(huán)網(wǎng)絡(luò)，能夠更好地?cái)M合波動(dòng)趨勢(shì)，誤差較小，預(yù)測(cè)精度較高，進(jìn)而為廣大投資者的投資決策提供了一定的輔助參考作用。

４ 結(jié)束語

本文主要研究了基于多源異構(gòu)數(shù)據(jù)的股指趨勢(shì)預(yù)測(cè)，嘗試將股市信息歸納為歷史交易數(shù)據(jù)、量化指標(biāo)數(shù)據(jù)、文本評(píng)論數(shù)據(jù)３ 類數(shù)據(jù)源，通過設(shè)計(jì)不同的特征工程手段將不同種類數(shù)據(jù)融合至一處，然后輸入ＡＥ?ＬＳＴＭ 模型實(shí)現(xiàn)對(duì)股票指數(shù)波動(dòng)的預(yù)測(cè)，有效改進(jìn)了模型效果。同時(shí)，通過與若干基線的對(duì)照實(shí)驗(yàn)，驗(yàn)證了模型的先進(jìn)性與可行性。

隨著互聯(lián)網(wǎng)信息技術(shù)的高速發(fā)展，信息發(fā)布與傳播速度愈發(fā)加快，數(shù)據(jù)量級(jí)呈現(xiàn)出井噴式的增長(zhǎng)，導(dǎo)致社會(huì)投資者難以甄別其中的有效信息。然而由于股票市場(chǎng)的復(fù)雜性，歷史交易數(shù)據(jù)、量化指標(biāo)數(shù)據(jù)、文本評(píng)論數(shù)據(jù)均會(huì)影響投資者在股票市場(chǎng)中的決策行為，進(jìn)而對(duì)股票收益率和流動(dòng)性產(chǎn)生影響。因此本文基于前人基礎(chǔ)，對(duì)股票的相關(guān)輿論信息進(jìn)行數(shù)據(jù)挖掘，提出了量化數(shù)據(jù)與文本數(shù)據(jù)的融合方法，基于ＬＤＡ 構(gòu)建文本主題特征，基于ＡＥ?ＬＳＴＭ 模型預(yù)測(cè)股票價(jià)格走勢(shì)，相信未來能夠在股票投資領(lǐng)域發(fā)揮重要作用。

參考文獻(xiàn)：

［１］ 李尚昊，朝樂門．文本挖掘在中文信息分析中的應(yīng)用研究述評(píng)［Ｊ］．情報(bào)科學(xué)，２０１６，３４（８）：１５３?１５９．

［２］ 王超．輿情熱度對(duì)股市收益的影響［Ｄ］．杭州：浙江大學(xué)，２０２０．

［３］ 孫明璇，李莉莉．基于數(shù)據(jù)挖掘的投資者情緒對(duì)股市波動(dòng)影響研究［Ｊ］．燕山大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），２０２０，２１（１）：６８?７７．

［４］ 呂華揆，劉政昊，錢宇星，等．異質(zhì)性財(cái)經(jīng)新聞與股市關(guān)系研究［Ｊ］．?dāng)?shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，２０２１，５（１）：９９?１１１．

［５］ 劉薇，姜青山，蔣泓毅，等．基于ＦｉｎＢＥＲＴ?ＣＮＮ 的股吧評(píng)論情感分析方法［Ｊ］．集成技術(shù)，２０２２，１１（１）：２７?３９．

［６］ 陳曉美．網(wǎng)絡(luò)評(píng)論觀點(diǎn)知識(shí)發(fā)現(xiàn)研究［Ｄ］．長(zhǎng)春：吉林大學(xué)，２０１４．

［７］ 郭光明．基于社交大數(shù)據(jù)的用戶信用畫像方法研究［Ｄ］．合肥：中國(guó)科學(xué)技術(shù)大學(xué)，２０１７．

［８］ 賀雅琪．多源異構(gòu)數(shù)據(jù)融合關(guān)鍵技術(shù)研究及其應(yīng)用［Ｄ］．成都：電子科技大學(xué)，２０１８．

作者簡(jiǎn)介：葉慕戎（２０００—），本科，研究方向：金融數(shù)學(xué)。