基于新闻文本挖掘的股指期货高频预测研究

作     者：徐维军 付志能 李茂昌 张卫国 XU Weijun;FU Zhineng;LI Maochang;ZHANG Weiguo

作者机构：华南理工大学工商管理学院广州510641 中国平安人寿保险股份有限公司深圳518000 

基　　金：国家自然科学基金面上项目(71771091) 国家自然科学基金重点国际(地区)合作与交流项目(71720107002) 广东省基础与应用基础研究基金(2019A1515011752) 科技部科技创新2030“新一代人工智能”重大项目(2020AAA0108404)资助课题 

出 版 物：《系统科学与数学》 (Journal of Systems Science and Mathematical Sciences)

年 卷 期：2021年第41卷第7期

页      码：1856-1875页

摘      要：近两年来,Google团队提出的BERT模型被越来越多地应用于文本分类任务中.在BERT模型的基础上,文章提出了一个基于新闻文本挖掘的股指期货高频预测模型,进而设计了相应的高频交易策略.文章基于股指期货的高频价格波动为每条新闻赋予涨跌平标签,利用所提出模型对新闻进行分类,从而预测三大股指期货价格的涨跌平方向,并完成股指期货模拟高频交易.基于5年半以来的三大股指期货的高频数据及证券新闻文本的实证研究显示,文章提出的预测模型和交易策略取得了较高的准确率和收益率,且在中证500股指期货上表现最好.

主 题 词：股指期货 高频预测 证券新闻 BERT模型 文本挖掘 

学科分类：12[管理学] 02[经济学] 0202[经济学-财政学类] 050301[050301] 05[文学] 1201[管理学-管理科学与工程类] 020204[020204] 0503[文学-新闻传播学类] 

核心收录：

馆 藏 号：203104969...