基本文本挖掘的金融预测分析开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着世界经济全球化及世界金融业的不断发展，金融活动中的不确定性不断增加，人们希望通过对金融经营管理活动中难以确定的未来发展趋势和规律进行研究，做出预见性的判断与推测，使金融活动中的不确定性最小化。海量金融信息中有大量的数据是以文本的形式存在，如何从这些文本信息中挖掘出有价值的信息变得异常重要。

金融预测是指以金融理论及当前数据为基础，综合运用各种技术手段与分析方法，对金融经营管理活动中难以确定的未来发展趋势和规律做预见性判断与推测的研究，使金融活动中的不确定性最小化。然而金融活动极其复杂，受众多不确定因素影响，因而不确定性是金融市场的本质。

2. 研究的基本内容与方案

设计（论文）主要内容：金融时间序列预测是金融预测领域的一个重要问题,但因其充满噪声、非平稳和混沌性,对它的预测成为一个非常具有挑战性的课题。微博数据中包含着有价值的预测信息,但大多数现有的预测模型并没有考虑到伴随着时间序列的微博数据。为了克服这一局限性,本设计采用微博信息,通过支持向量回归模型(svr)的方法进行金融时间序列预测。该方法包含三个步骤:获取微博数据，将微博数据表示为特征向量,基于文本特征向量的支持向量机预测。

完成的主要任务及要求：

1.查阅相关文献资料不少于15篇，其中英文不少于2篇，完成开题报告；

3. 研究计划与安排

第1周至第5周查阅资料，完成开题报告

第6周至第7周获取微博数据

第8周至第8周数据量化

4. 参考文献（12篇以上）

[1]王保华.基于文本挖掘技术的金融预测方法研究.哈尔滨工业大学博士论文.2012年

[2]吴江.基于语义规则的web金融文本情感分析.计算机应用.2014年2月

[3]郭小文.基于互联网金融文本挖掘的投资者情绪与股票市场互动研究.西南交通大学硕士论文.2015年