情感分析與深度學習組態對股價預測的影響研究

專案詳細資料

Description

目前股價預測研究多是基於技術面的數據資料,然而隨著網路社群的發展,消息面的發酵會影響投資人的決策和短期股價走向。因此,如何萃取消息面的文本資訊,進而能同時考量技術面和消息面的影響,將是未來提升股價預測準確性的重要研究方向。由於股價是時間序列,深度學習分類器Transformer採用的Seq2Seq的架構,相當適合被採用,本計畫首先將針對其架構上的標準化方式與組態進行改良,以提升效能並將其作為情感分析和股價預測模型的重要候選分類器,並期望其未來也能適用於其他處理序列型資料的研究領域。其次,詞嵌入法的改良,將可提升情感分析模型的效能。針對消息面的效應,本計畫將利用最新的靜態和動態詞嵌入方法,提取消息面的文本資訊,並轉換為情感極性,設計最適合股價資訊的情感分析模型。再者,本計畫將採用自行提效後的Transformer,以及近年常被使用的注意力機制、深度學習混合式模型,評比出最適分類器選項,作為情感分析模型和股價預測的分類器。最終,本計畫將利用自行產出的情感分析模型,再搭配第三階段所評選出的最適分類器,完成兼顧技術面和消息面的股價預測模型,並以三大美國股票社群資料,進行訓練、測試和驗證,期能提升股價預測的準確性和適用性。
狀態已完成
有效的開始/結束日期1/08/2231/07/23

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 11 - 永續發展的城市與社群
  • SDG 12 - 負責任的消費與生產
  • SDG 17 - 為永續目標構建夥伴關係

Keywords

  • 詞嵌入、情感分析、股價預測、深度學習

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。