中概股的新闻极性市场预测研究 - 新闻大学杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 新闻大学

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

中概股的新闻极性市场预测研究

作者:

关键词:

摘要：

股票市场的预测一直是数据研究热点,但是受到很多因素的影响,其预测难度较高.新闻是影响股价的重要因素,投资者也经常依赖新闻进行股票交易与决策,因此对新闻的剖析可以为投资者提供有效信息.新闻作为非结构性数据运用到股票预测中困难重重,而随着机器学习技术和自然语言分析技术的发展,使得该问题的解决成为了可能.目前国内外资本市场政策上的显著差异性导致越来越多的国内企业在国外上市,而关于中文新闻对中概股预测影响的研究却很少.本文提出了一种新的循环评估支持向量机(Cyclic Evaluation Support Vector Machine,CE-SVM)模型,并将其应用于新闻极性对中概股预测的研究中.实验证明,CE-SVM相比起朴素贝叶斯模型提高了4%的准确率,证明了方法的有效性.

文章来源：《新闻大学》网址: http://www.xwdxzz.cn/qikandaodu/2020/0910/375.html