13、股票预测与数独问题的创新解决方案

股票预测与数独问题的创新解决方案

1. 股票预测研究现状

在股票价格预测领域，众多学者采用了不同的方法。2018 年，Bharathi 等人将句子级情感得分（SSS）算法应用于 RSS 新闻源，对安曼证券交易所（ASE）上市股票进行了 5 天、10 天和 15 天的价格预测。同年，Batra 和 Daudpota 成功地将支持向量机（SVM）应用于与苹果相关的推文，对 2010 年至 2017 年的股价进行了预测。Chiong 等人也成功展示了 SVM 算法在金融新闻股票价格预测中的应用。Sohangir 等人使用朴素贝叶斯、SVM 和逻辑回归算法分析了 Twitter 数据中的金融情感词汇。Shi 等人提出了基于深度神经网络（DNN）的深度股票预测方法，用于标准普尔 500 指数中的公司。Weng 等人采用集成学习方法结合新闻和谷歌搜索数据，实现了提前一天的股票价格预测。Shastri 等人利用苹果的新闻文章创建数据集，训练了基于人工神经网络（ANN）的模型，成功预测了未来股价。

然而，将技术分析和情感分析相结合并开发综合股票价格预测模型的研究相对较少。Deng 等人尝试将技术分析和情感分析相结合，用于三家日本公司的股价预测。他们对日本证券交易所的价格数据和 Engadget 的情感数据提出了多核方法。Li 等人通过结合技术指标和金融新闻的情感数据，成功预测了香港证券交易所上市公司的日内股价，并训练了多核支持向量回归（SVR）进行价格预测。Akita 等人使用长短期记忆（LSTM）深度学习方法预测了东京证券交易所 50 家公司的股价，通过对公司新闻文章应用词袋（BoW）方法计算情感。Ayman 等人使用朴素贝叶斯和 k 近邻（kNN）算法训练模型，选择了纳斯达克上市的雅虎、微软和 Facebook