基于BVANet的财经新闻情感分析

摘要

股票市场的预测一直以来是金融大数据分析领域一项难题，而财经新闻中包含的内在信息对市场表现有很大影响。提出了一种基于BERT的向量自回归融合网络(BVANet)，该网络通过BERT将财经新闻情感量化，后结合市场表现联合构建金融时间序列向量自回归(VAR)模型，最终实现股票的预测。结果表明，与传统算法相比，BVANet在提取新闻情绪信息和模型预测中取得了更好的效果，新闻的情绪对市场表现有预测作用。该研究可为自然语言处理在金融预测的应用提供实践参考。

关键词

深度学习 / 财经新闻 / 自然语言金融预测 / 情感分析 / 时间序列分析

基金资助

国家自然科学基金(11702289); 山西省关键核心技术和共性技术研发公关专项(2020XXX013)