使用 FinBERT-LSTM 预测股票价格:整合新闻情感分析
原文中文,约400字,阅读约需1分钟。发表于: 。使用基于股票价格历史和金融、商业、技术新闻文章的深度学习网络来预测股票价格,并将加权新闻类别整合到预测模型中,最终利用 NASDAQ-100 指数股票数据与 Benzinga 新闻文章训练模型,结果显示 FinBERT-LSTM 模型性能最佳。
本研究探讨了自然语言处理与金融分析的交叉领域,重点关注情感分析在股价预测中的影响。通过使用NLP技术BERTopic和深度学习模型,证明了融入主题情感能提高股票预测模型性能。结果显示股市评论中的主题提供了对股市波动和价格趋势的有价值见解。该研究为NLP在金融分析方面的潜力做出了贡献,并为实时情感分析和市场情感的进一步研究开辟了道路。