透過新聞文章預測股價漲跌趨勢－結合情緒分析、主題模型與模糊支持向量機

郝沛毅; 歐仁彬; 黃天受; 林振穎; 吳建生

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P363 - 395

基础与应用科学 > 资讯科学
社会科学 > 管理学

DOI： 10.6382/JIM

书目管理工具

相关连结

问题回报

全文下载

透过新闻文章预测股价涨跌趋势－结合情绪分析、主题模型与模糊支持向量机

Sentiment and Topic Analysis on Financial News for Stock Movement Prediction by Using Fuzzy Support Vector Machine

郝沛毅(Pei-Yi Hao) ；欧仁彬(Jen-Bing Ou) ；黄天受(Tien-Shou Huang) ；林振颖(Zhen-Ying Lin) ；吴建生(Jian-Sheng Wu)

资讯管理学报； 25 卷 4 期 (2018 / 10 / 31) ， P363 - 395

繁体中文

股价预测；情绪分析；潜在狄利克雷分配；文字探勘；模糊理论；支持向量机； stock trend prediction ； sentiment analysis ； latent dirichlet allocation ； text mining ； fuzzy theory ； support vector machine

0 个人觉得这篇文章赞

摘要 │ 参考文献 (45) │ 被引用文献 (4) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Purpose-In Big Data era, the amount of news articles has been increasing tremendously. In front of such a big volume of textual data, more and more institutions rely on the high processing power of modern computers for text mining and machine learning to make more accurate predictions of stock market. Discovering the fundamental data available in unstructured text is the most challenging research aspect and therefore is the goal of this work. Design/methodology/approach-In this study, we extracted the hidden topic model and emotional information from news articles. Besides, we developed a fuzzy support vector machine to merge the abundant information from the on-line news, which can be used to forecast the trend of stock prices. Fuzzy set theory is very useful for this study because the texts are fuzzy in itself (such as high/low and big/small), and there is an ambiguous boundary between rise and fall categories. For example, going up either 10% or 1% belongs to rise category, but is different in degree. Findings-As for this study, the highest forecast accuracy rate was 87% for the food-related stocks, 71% for the semiconductors-related stocks, and 69% for the computer peripheral-related stocks. When compared with traditional support vector machine, which the forecast accuracy rates of stock price trends were just over 50% (nearly to random guess), the method proposed in this study is significantly better than the forecasting model of traditional support vector machine. Research limitations/implications-This study focused only on accurately classifying the stock movement based on hidden topic and sentiment features. In our future work, we plan to investigate more complex semantic features. Practical implications-Successful predictions of stock price movement tendency have obvious advantages. According to the Efficient Market Hypothesis, the price of a stock asset is given by all information available in the moment. Financial news carries information about the firm's fundamentals and qualitative information influencing expectations of market participants. This study employs sentiment and topic analysis on financial news to predict stock movement. This can help analysts, investors and institutional traders to effectively evaluate current stock prices. Originality/value-This study is, to the best of our knowledge, the first attempt to apply fuzzy support vector machine and hidden topic/semantic features for the prediction of stock movement in Taiwan.

参考文献 ( 45 ) 〈TOP〉

黄金蘭,林以正,谢亦泰,程威铨(2012)。中文版「语文探索与字词计算」词典之建立。中华心理学刊，54(2)，185-201。
连结：
(2012).Mining Text Data.Springer.
An, W.,Liang, M.(2013).Fuzzy support vector machine based on within-class scatter for classification problems with outliers or noises.Neurocomputing,110,101-110.
Bahrepour, M.,Akbarzadeh-T, M.-R.,Yaghoobi, M.,Naghibi-S, M.-B.(2011).An adaptive ordered fuzzy time series with application to FOREX.Expert Systems with Applications,38(1),475-485.
Blei, D.M.,Ng, A.Y.,Jordan, M.I.(2003).Latent dirichlet allocation.Journal of Machine Learning Research,3,993-1022.

被引用文献 ( 4 ) 〈TOP〉

龚千芬,郝沛毅(2022)。融合深度神经网路与深层模糊孪生支持向量机於股价预测。资讯管理学报，29(4)，303-333。
许婉琪,柯建全,李飞涵,王明昌(2022)。市场恐慌情绪对台股新闻事件之股价反应的影响。管理与系统，29(2)，147-186。
张益诚,张育杰,余泰毅(2021)。探讨环境教育论文的文件自动分类技术－以2013－2018年环境教育研讨会摘要为例。环境教育研究，17(1)，85-128。
(2024)。以时间卷积网路结合长短期记忆模型预测股价：台股预测实证。资讯管理学报，31(2)，177-207。

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址