文件列表:

matlab code/
python code/
USD UNY汇率数据集.xlsx
带情感向量的数据集.xlsx
带情感向量预测结果.xlsx
描述性统计.xlsx
新闻情感向量及新闻标签.csv
无市场情绪预测结果.xlsx
每日新闻情感向量.csv
汇通财经-外汇-新闻文本.csv
汇通财经-外汇-新闻文本.xlsx

# 基于深度学习的新闻情感影响下的人民币汇率预测 基于深度学习的新闻情感影响下的人民币汇率预测 本文使用Python从汇通财经网爬取了2018年12月1日至2024年3月26日的外汇新闻，并对新闻文本进行了预处理和人工情感标注。随后，本文通过对BERT模型的输出层维度进行调整并对调整后的模型进行微调，使其能够精准地捕捉和识别文本中的情感倾向。最终，基于BERT的情感分类模型在新闻情感分类任务上取得了89.30%的准确率，表明该模型能够有效提取新闻文本中的情感信息，为汇率预测提供了更丰富的信息维度和特征尺度。 进一步，本文基于BERT模型计算了具体的每日新闻情感向量，以反映外汇市场情绪，并将新闻情感向量融入基于Bi-LSTM的汇率预测模型。通过在模型中融合滑动窗口和PSO粒子群算法来优化预测模型，实现了融合市场情绪的汇率预测。研究结果表明，引入新闻情感向量可以显著提高汇率预测的准确性。具体而言，相较于仅使用历史汇率数据的模型，融合了市场情绪的模型在测试集上的拟合优度提高了5.05%，均方误差降低了31.63%，平均绝对误差降低了14.47%。这说明新闻情感向量能够反映市场情绪的变化，弥补了仅依靠历史数据难以全面反映市场变化的不足，从而极大地提高了汇率预测模型的精度。

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：