基于在线外汇新闻情感挖掘的汇率预测研究

近年来,自然语言处理(NLP)技术被广泛用来研究财经新闻、财经评论、社交媒体等非结构化文本数据的情感极性,并使用这些非结构化文本数据的情感极性作为投资者情绪的代理变量来预测金融市场的波动.本文在NLP技术和深度学习方法的基础上,构建了一个基于在线外汇新闻情感挖掘的汇率预测方法.在这个方法中,首次使用互信息理论构建了外汇领域的情感词典,并结合本文构造的基础词典计算出了外汇新闻的情感极性.研究表明外汇新闻情感极性和美元兑人民币汇率之间存在格兰杰因果关系和长期的协整关系,同时本研究首次将外汇新闻情感极性和其他金融数据纳入深度学习方法中,实证结果表明:该方法在美元兑人民币汇率的短期、中期和长期波动预测...

Full description

Saved in:
Bibliographic Details
Published in计量经济学报 Vol. 2; no. 2; pp. 441 - 464
Main Authors 孙少龙, 魏云捷, 黎建强
Format Journal Article
LanguageChinese
Published 中国科学院数学与系统科学研究院 01.04.2022
中国科技出版传媒股份有限公司
Subjects
情感分析
自然语言处理
汇率预测
情感极性
Online AccessGet full text
ISSN2096-9732
DOI10.12012/CJoE2022-0016

Cover

More Information
Summary:近年来,自然语言处理(NLP)技术被广泛用来研究财经新闻、财经评论、社交媒体等非结构化文本数据的情感极性,并使用这些非结构化文本数据的情感极性作为投资者情绪的代理变量来预测金融市场的波动.本文在NLP技术和深度学习方法的基础上,构建了一个基于在线外汇新闻情感挖掘的汇率预测方法.在这个方法中,首次使用互信息理论构建了外汇领域的情感词典,并结合本文构造的基础词典计算出了外汇新闻的情感极性.研究表明外汇新闻情感极性和美元兑人民币汇率之间存在格兰杰因果关系和长期的协整关系,同时本研究首次将外汇新闻情感极性和其他金融数据纳入深度学习方法中,实证结果表明:该方法在美元兑人民币汇率的短期、中期和长期波动预测中效果显著.
ISSN:2096-9732
DOI:10.12012/CJoE2022-0016