![]() |
|
以作者查詢圖書館館藏 、以作者查詢臺灣博碩士 、以作者查詢全國書目 、勘誤回報 、線上人數:37 、訪客IP:18.191.103.10
姓名 聶詩宇(Szu-Yu Nieh) 查詢紙本館藏 畢業系所 資訊工程學系在職專班 論文名稱 探討財經新聞與金融趨勢的相關性
(The relevance between financial news and financial trends)相關論文 檔案 [Endnote RIS 格式]
[Bibtex 格式]
[相關文章]
[文章引用]
[完整記錄]
[館藏目錄]
至系統瀏覽論文 ( 永不開放)
摘要(中) 探討財經新聞與金融趨勢的相關性
在這個資本主義的時代,市場上有許許多多金融相關的產品可以做選購,但產品的玩法過於複雜,且市場的消息也太過紊亂,又時常充斥者假消息,對於一般人實在很難做分辨並且理解出,新聞與金融產品之間的關係,本論文研究透過深度學習的方法,和對於網路上的資訊的探勘,以及使用對文本的情緒分析,在文章的分析階段結合時下流行的神經網路,來幫助使用者分析出哪些才是財經新聞內必須表達的重要意義,找出定義新聞關鍵詞的幾種三種想法,必且驗證出深度學習的方法在分析股市新聞的1/3/5/10/15 天候的漲跌是有幫助的,並且發現影響最劇烈為離新聞發布日最靠近的日期,希望可以讓投資人得到可用的參考資訊,並且可以證明財經網路和新聞漲跌的相關性,以幫助投資人得到有用的資訊,以降低投資風險。摘要(英) The relevance between financial news and financial trends
In Capitalism, there is a lot of financial products could be chosen for earning more money, however, that product is too complex and the financial news is too messy for a customer to invest it.
For an ordinary consumer, is hard to recognize the content of the news what the reporter really wants to tell to the reader. In this paper we want to figure the out the relevance between news and financial trend by training a model by deep learning method with the key of news content and the data mining at the internet information. With the sentiment analysis we thinking of put the key word at news content by 3 different ideas. Verified the idea for Deep learning’s prediction function on ups and down of 1/3/5/10/15 days latter stock’s price. Hope it can help customer to figure it out when is a best time to invest a product and whether the financial is effect by the news and prove the relevance between financial news and financial trends.關鍵字(中) ★ 財經
★ 神經網路
★ 股市
★ 新聞
★ 情緒分析關鍵字(英) ★ financial
★ Neural Network
★ Stock
★ News
★ Sentiment analysis論文目次 摘要 i
Abstract vi
致 謝 vii
目 錄 viii
表 目 錄 xiii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 章節排序 2
第二章 文獻探討 3
2.1 金融分析 3
2.1.1 基本面分析 3
2.1.2 技術分析 4
2.1.3 消息面分析 5
2.1.4 籌碼面分析 5
2.2 消息面分析簡介 6
2.2.1 文字探勘 6
2.2.2 情緒分析 7
2.3 類神經網路 8
2.3.1 前饋式神經網路 8
2.3.2 回饋式神經網路 9
2.4 支援向量機 9
2.5 研究方向 11
第三章 研究方法 13
3.1 網路爬蟲的設計 14
3.1.1 資料萃取 14
3.1.2 DB 設計 15
3.2 股市新聞與股價關係實驗設計 18
3.2.1 實驗的資料取得 19
3.2.2 資料預處理 20
實驗A 20
實驗B 22
3.2.3 訓練環境設定 28
3.2.4 啟動函數 30
3.2.5 測試模型 33
第四章 實驗結果 35
4.1 實驗建置與環境設置 35
4.2 實驗的股票 35
4.3實驗成果總覽: 38
4.3.1食品類股 38
4.3.2 能源類股 40
4.3.3 鋼鐵類股 41
4.3.4 半導體類股 43
4.3.5 營建類股 44
4.3.6 總覽標靶個股成果 46
4.4 Confusion Matrix 比較實驗(A/B/C一天後表現) 49
4.5 比較SVM與DNN的成效 54
4.5.1 食品類股 54
4.5.2 能源類股 56
4.5.3 鋼鐵類股 59
4.5.4 半導體類股 61
4.5.5 營建類股 62
4.6 實驗結果 65
第五章 結論與未來發展 66
參考文獻 68參考文獻 [1]. 陳家蓁,GA_ANN “模型對總體經濟因素與技術指標預測股市指數績效之研究”, 臺北大學博士論文, 2020
[2]. 侯珈蓉, 股票交易行為與流動性關係之研究─台灣各產業分析, 中正大學碩士論文,2012
[3]. 牟勝遠, 台灣股市技術分析實證-以KD指標、RSI指標、MACD指標、DMI指標為例,義守大學碩士論文,2013
[4]. 詹昇凱, 以類神經網路及羅吉斯回歸加強技術分析, 中正大學碩士論文,2018
[5]. 林國平,模糊類神經網路系統於股市股價預測之應用,大葉大學碩士論文,2003
[6]. 喻欣凱, 運用支援向量機與文字探勘於股價漲跌趨勢之預測,輔仁大學碩士論文,2008
[7]. 陳敘融,利用財經新聞預測台灣股市大盤的漲跌,嘉義大學碩士論文,2016
[8]. 鄧琮翰, 結合新聞文字探勘及財務數據於股價趨勢預測之研究, 屏東科技大學碩士論文, 2015
[9]. 李哲睿, 以法人籌碼預測台指期貨價格-LSTM 模型之應用, 輔仁大學碩士論文,2019
[10]. 謝鴻安, 三大法人籌碼面預測臺灣加權指數與臺股期貨-倒傳遞類神經網路與計量方法之應用,高雄應用科技大學碩士論文,2014
[11]. Xiao Ding,Yue Zhang, Ting Liu, Junwen Duan,Deep Learning for Event-Driven Stock Prediction, Harbin Institute of Technology, 2015
[12]. Sullivan M, et al. Orchestrating anaphase and mitotic exit: separase cleavage and localization Slk19.Nat Cel Biol3(9):771-7,2001
[13]. 李佳頤, 以自然語言對話理解顧客購屋喜好認知之聊天機器人,中興大學碩士論文 , 2019
[14]. 蕭為元, 應用文字探勘及機器學習技術於股票推薦系統之研究,屏東科技大學碩士論文,2013
[15]. Cortes, C.; Vapnik, V. Support-vector networks. Machine Learning. 1995, 20 (3): 273–297.
[16]. 魏志強, 小波核函數支援向量機於資料探勘,中正大學碩士論文,2011指導教授 王家慶(Jia-Ching Wang) 審核日期 2021-10-12 推文 plurk
funp
live
udn
HD
myshare
netvibes
friend
youpush
delicious
baidu
網路書籤 Google bookmarks
del.icio.us
hemidemi
myshare