4、利用混合遗传算法/支持向量回归和BERT结合新闻头条与历史数据预测道琼斯工业平均指数

利用混合遗传算法/支持向量回归和BERT结合新闻头条与历史数据预测道琼斯工业平均指数

1. 引言

人工智能在不同领域得到了广泛应用并取得了显著成效，如图像识别、语言翻译、蛋白质结构预测和金融等。在金融应用中，人工智能可用于解决多种密切相关的金融问题，如股票市场预测、投资组合生成和央行预测等。本文主要聚焦于股票市场预测，因为了解市场走势（熊市或牛市）能帮助投资者做出更明智的金融决策。

在人工智能技术出现之前，股票市场预测就已存在。20世纪70年代，大多数投资遵循基本面分析方法，通过“仔细分析相关事实”来衡量股票价值，决策基于定性和定量因素，避免投机行为。到了20世纪90年代，定量金融开始占据主导地位，人们意识到可以基于会计和技术指标准确预测未来回报。如今，人工智能技术进一步提升了市场预测的准确性。

本文将探讨两种先进的人工智能技术：混合遗传算法/支持向量回归和双向编码器表征从变换器（BERT），并提出一种结合这两种技术的新模型，用于预测道琼斯工业平均指数（DJIA）的每日收盘价。

2. 文献综述

2.1 混合遗传算法/支持向量回归

混合遗传算法/支持向量回归是一种重要的股票预测技术。该技术通过应用多元自适应回归样条、核岭回归和逐步回归来寻找最佳的技术指标，以构建模型。支持向量回归（SVR）与其他回归形式不同，它不会在特定容差范围外生成某些假设，但会对超出容差范围的示例进行惩罚。遗传算法则用于评估回归模型，通过生成新的后代来反复选择解决方案，直到达到2000次迭代或解决方案达到一定的均方根误差。

研究人员在一些台湾股票上测试了多个模型，发现MARS/GA/SVR和SR/GA/SVR往往优于非GA模