摘 要：［目的 / 意义］股票价格的预测在商业和金融领域具有重要的意义。新闻信息可以作为预测股票价格的重要依据。本文提出了一种基于新闻特征抽取和循环神经网络预测股票涨跌的方法。［方法 / 过程］在股票信息特征抽取方面，除了股价信息，还提取了与股票相关的新闻特征。首先依据经验选取了一些能代表新闻利好和利空性质的种子单词，然后基于最优化方法计算出所有单词的利好极性。之后通过单词的利好极性构造出新闻的特征。模型方面，考虑到价格的时序性以及新闻影响的持续性，使用了基于神经网络的模型。［结果 / 结论］在实验中，相对于基于价格特征的 SVM 分类器，本文提出的方法能 将股票涨跌预测的准确率提升 5% 左右。

欢迎阅读《文献与数据学报》！您是该文第5077位读者！