基于文本情感分析和LightGBM-LSTM模型的黄金期货价格预测研究

摘要

在金融市场中，黄金期货价格受到多种因素的影响，对其进行准确的预测具有重要的意义.本文融合多源数据提出一种结合LightGBM(Light Gradient Boosting Machine)特征选择方法和LSTM模型的黄金期货价格预测模型.首先，将获取的宏观经济指标和技术指标进行预处理，对非结构化新闻标题数据采用不同方法进行情感倾向标注，进而构建加权情感指数，并将多个关键词的百度搜索指数合并为百度综合搜索指数.其次，利用LightGBM方法分别对宏观经济指标和技术指标进行特征重要性排序，提取关键特征.最后，将筛选后的特征与加权情感指数以及百度综合搜索指数共同作为LSTM预测模型的输入变量.实证结果表明，融合多源数据的LightGBM-LSTM模型预测表现优异，模型预测误差最小，与基准模型相比，能够对黄金期货收盘价作出更准确的预测.

关键词

黄金期货 / 多源数据融合 / 新闻标题 / 特征选择 / 长短期记忆神经网络