[论文解读] Stock Volatility Prediction Using Recurrent Neural Networks with Sentiment Analysis

Yifan Liu, Zengchang Qin+2 more|arXiv (Cornell University)|May 6, 2017

Stock Market Forecasting Methods参考文献 13被引用 8

一句话总结

本文提出一种结合中文股票论坛帖子情感指标的混合循环神经网络（RNN）模型，以提升中国股市的股票波动率预测性能。通过构建领域特定的情感词典并融合情感得分与市场数据，该模型在股票000573上的预测准确率最高达到69.85%，显著优于仅使用RNN的模型（准确率为57.33%），表明金融论坛中的情感信息可有效提升预测性能。

ABSTRACT

In this paper, we propose a model to analyze sentiment of online stock forum and use the information to predict the stock volatility in the Chinese market. We have labeled the sentiment of the online financial posts and make the dataset public available for research. By generating a sentimental dictionary based on financial terms, we develop a model to compute the sentimental score of each online post related to a particular stock. Such sentimental information is represented by two sentiment indicators, which are fused to market data for stock volatility prediction by using the Recurrent Neural Networks (RNNs). Empirical study shows that, comparing to using RNN only, the model performs significantly better with sentimental indicators.

研究动机与目标

• 探究中文股票论坛中的投资者情绪与股市波动率之间的相关性。
• 通过为中文金融帖子创建领域特定的情感词典，解决通用情感词典在金融语境下的局限性。
• 开发并评估一种融合情感指标与市场数据的混合RNN模型，以提升波动率预测性能。
• 创建并公开一个可公开获取的、人工标注的中文金融论坛帖子数据集，用于情感分析与波动率预测研究。

提出的方法

• 利用人工标注的中文金融论坛帖子数据集，通过机器学习方法生成定制化情感词典，使其适配金融术语与投资者情绪表达。
• 使用学习得到的词典为每篇帖子计算情感得分，生成两个情感指标：正面情绪强度与负面情绪强度。
• 将情感指标与历史市场价格数据（如k日窗口内的收益率）融合，构成RNN模型的多模态输入。
• 在组合输入上训练循环神经网络（RNN），以预测未来股票波动率，预测任务被建模为波动率上升或下降的二分类问题。
• 通过测试集上的准确率评估模型性能，对回看窗口长度（k）进行超参数调优，并与基线模型（包括RNN、MLP和SVM）进行比较。
• 采用50次重复交叉验证程序，以确保结果稳健性，降低过拟合或随机性能波动的风险。

实验结果

研究问题

• RQ1 从中文金融论坛帖子中提取的情感信息能否提升股票波动率预测模型的准确率？
• RQ2 当在RNN模型中引入源自投资者讨论的情感指标时，其性能如何变化？
• RQ3 在波动率预测中，整合情感与价格数据的最优历史窗口长度（k）是多少？
• RQ4 在金融语境分析中，领域特定情感词典相较于通用情感词典的性能优势有多大？
• RQ5 一个公开可获取的、人工标注的中文金融论坛帖子数据集，能否作为未来基于情感的股票预测研究的基准？

主要发现

• 在股票000573上，融合情感指标的RNN模型（RNN+EMM）达到69.85%的预测准确率，显著优于仅使用RNN的模型（准确率为57.33%）。
• 在10只测试股票中，平均而言，情感指标的引入使预测准确率提升约4%，其中8只股票的性能优于基线RNN模型。
• 波动率预测的最优回看窗口长度（k）因股票而异，最佳结果出现在k=10–15之间，000573的最佳k值为12。
• RNN+EMM模型在性能上优于其他基线模型（包括MLP和SVM），其平均准确率为65.49%，而RNN单独使用时为61.62%。
• 模型在训练期间论坛讨论量较高的股票上表现最准确，如000573，表明数据质量和数量会影响模型的有效性。
• 本研究公开发布了一个包含1,000篇中文金融论坛帖子的人工标注数据集，为未来基于情感的金融预测研究提供了可复现性与基准支持。