# 基于深度学习并利用上市公司新闻舆情的股价预测模型（一） ![china-stock.jpg][1] 大家都知道，在A股中许多股票深受舆论及新闻的影响，而因为舆论及新闻天然的难预测性，许多股票的股价便变得十分难以预测。而如今随着社交媒体的流行，人们开始在各类平台上表达自己的想法，其中亦包括对股市的评价，因此我们认为若能将上市公司相关的新闻舆论纳入股价的预测因子，那也许会使得模型产生长足的进步。因此我们通过对微博，新浪新闻中的上市公司相关舆论新闻进行舆情分析，并加入适量财务因子，建立神经网络模型对股价进行预测。最后我们的模型取得了不俗的表现（RMSE=0.002），可见新闻舆论对股价具有一定的影响效应。 # 数据集 因为新闻及舆论数据需要通过爬虫获得，因此我们仅选取了200个股票作为我们的训练样本中的股票，而时间窗口为从2018年1月1日至今。 1. 舆情指数 我们选取了新浪微博及百度新闻作为我们的新闻源，在进行了爬取后，我们使用了[Baidu NLP API](https://cloud.baidu.com/doc/NLP/NLP-API.html)对他们进行了舆情分析，并得到了相应的舆情指数，及置信度。 1.1. 微博 因为新浪微博自身的免费API对数据请求量有着极大的限制，因此我们使用python写了爬虫程序对包含各上市公司名称的微博进行了爬取。 1.2. 百度新闻 与新浪微博相同，我们使用了爬虫程序来爬取新闻数据。 3. 股票财务因子 因舆论并非影响股价的唯一因子，因此我们同时使用聚宽API下载了相应时间的股票的一些财务因子，包括：昨日收盘价，今日开盘价，流通市值，总市值，昨日收盘市盈率及市净率。 最后，通过数据预处理及整合，我们获得了4564个数据样本，包含了如下特征： *舆情分数总分，舆论数量，舆情分数平均值，舆情分数*置信度，舆情分数加权平均，昨日收盘价，实际昨日收盘价，今日开盘价，总市值，流通市值，昨日市盈率及市净率*，以及一个应变量：**明日平均股价相对于今日平均股价的增长率**。 # 神经网络结构 我们构建了一个典型的结构数据神经网络回归器： ![model.png][2] # 模型训练 我们抽取了各10%的数据作为验证集及测试集。而除去神经网络的训练外，我们同时训练了一个随机森林模型作为基准模型，来对神经网络模型进行比较评价。具体训练过程可在下部notebook中查看。 # 结果 对于随机森林模型，我们获得了0.0015的均方误差根 ![RF.png][3] 而对于神经网络模型，我们获得了0.002的军方误差根 ![NN.png][4] 此处神经网络并未打败随机森林模型，大概率是因为数据集太小，通常数据样本大于1万时，神经网络才能较大发挥他的价值。 # 讨论及改进 - **希望国君量化平台能够尽早加入主流的机器学习及深度学习框架（tensorflow, keras, pytorch, ...）** - 未来应加入雪球等主流财经类社交平台 - 适当加大数据集的数量 - 加大时间窗口的宽度，目前时间太短，模型时效性有限 - 对假期及周末后的第一个交易日，应对假期期间的舆情分数进行整合处理 [1]: https://quant.gtja.com/img/2ea9196984a2483436d4ca9ddbb666aa [2]: https://quant.gtja.com/img/b45d0cd52054962af5adb899e001fa01 [3]: https://quant.gtja.com/img/4294eb9096aedbd9742014a3f8d7fca0 [4]: https://quant.gtja.com/img/2d4fbf4b9099f63af9821cd5c7b9a49e