不同社交平台上公众情感与股市关系的对比研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文研究内容及意义 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 相关研究 | 第15-24页 |
| 2.1 时间序列相似性分析 | 第15页 |
| 2.2 文本分析 | 第15-19页 |
| 2.3 人工神经网络 | 第19-21页 |
| 2.4 股票价格预测研究背景 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 数据采集和预处理 | 第24-34页 |
| 3.1 股票研究对象的选取 | 第24-25页 |
| 3.2 股票每日交易数据的采集与预处理 | 第25-29页 |
| 3.3 雪球数据的采集与预处理 | 第29-32页 |
| 3.4 新浪微博数据的采集与预处理 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 社交平台的公众情感分析 | 第34-38页 |
| 4.1 情感词典构造 | 第34-35页 |
| 4.2 情感时间序列生成 | 第35-37页 |
| 4.3 情感时间序列优化 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 公众情感与股价的因果关系检验 | 第38-42页 |
| 5.1 格兰杰因果关系检验 | 第38-40页 |
| 5.2 情感时间序列与股价变动的因果关系检验 | 第40-41页 |
| 5.3 不同平台格兰杰因果关系对比分析 | 第41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 基于情感与股价关系的股价预测 | 第42-47页 |
| 6.1 自组织模糊神经网络 | 第42-44页 |
| 6.2 基于因果关系的模型输入 | 第44页 |
| 6.3 不同平台的预测准确度对比分析 | 第44-45页 |
| 6.4 本章小结 | 第45-47页 |
| 第七章 结论与展望 | 第47-49页 |
| 7.1 结论 | 第47-48页 |
| 7.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |
