13、股票预测与数独求解的创新方法

股票预测与数独求解的创新方法

股票预测相关内容

在股票预测领域，众多学者采用了不同的方法来预测股价。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。此外，还有学者使用朴素贝叶斯、SVM 和逻辑回归算法分析推特数据中的金融情感词典。Shi 等人提出了基于深度神经网络（DNN）的深度股票预测方法，使用标准普尔 500 指数中公司的特定金融新闻进行预测。Weng 等人采用集成学习方法结合新闻和谷歌搜索数据，能够提前一天预测股价。Shastri 等人使用苹果的新闻文章创建数据集，训练基于人工神经网络（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进行股票价格预测的研究相对较少。Deng 等人尝试对三家日本公司进行技术和情感分析的结合，提出了对日本证券交易所价格数据和 Engadget 情感数据的多核方法。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模型（BoW）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，选择纳斯达克上市的雅虎、微软和 Facebook 三家公司进行预测。

为了弥补技术