| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1.绪论 | 第10-20页 |
| 1.1 研究背景和研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 财经新闻和股票市场关系的文献综述 | 第11-15页 |
| 1.2.2 深度学习应用的研究综述 | 第15-16页 |
| 1.2.3 文献述评 | 第16-18页 |
| 1.3 本文研究框架和思路 | 第18-19页 |
| 1.4 本文可能的创新点 | 第19-20页 |
| 2.有效市场假说、文本挖掘技术和深度学习理论方法介绍 | 第20-28页 |
| 2.1 有效市场假说理论介绍 | 第20-21页 |
| 2.1.1 有效市场假说的含义 | 第20-21页 |
| 2.1.2 有效市场的类型及定义 | 第21页 |
| 2.2 文本挖掘技术 | 第21-23页 |
| 2.3 深度学习常用模型 | 第23-28页 |
| 2.3.1 卷积神经网络 | 第23-24页 |
| 2.3.2 循环神经网络 | 第24-26页 |
| 2.3.3 支持向量机 | 第26-28页 |
| 3.财经新闻影响股票市场的路径及机制分析 | 第28-43页 |
| 3.1 财经新闻影响股票市场的路径分析 | 第28-29页 |
| 3.2 搜索引擎在研究财经新闻对股票市场影响的作用分析 | 第29-31页 |
| 3.3 数据的获取及预处理 | 第31-38页 |
| 3.3.1 财经新闻数据来源 | 第31-32页 |
| 3.3.2 财经新闻文本数据的获取及预处理 | 第32-36页 |
| 3.3.3 百度指数的获取及预处理 | 第36-38页 |
| 3.4 利用百度指数分析财经新闻对股市收益率的影响 | 第38-43页 |
| 4.基于深度学习财经新闻对股市投资决策影响的实证分析 | 第43-63页 |
| 4.1 沪深股市有效性检验 | 第43-45页 |
| 4.1.1 序列相关检验 | 第44页 |
| 4.1.2 ADF检验 | 第44-45页 |
| 4.2 财经新闻文本的向量化及标签赋予 | 第45-48页 |
| 4.3 模型的选择及评价标准 | 第48-52页 |
| 4.4 基于不同数据源下对股票市场波动的预测 | 第52-60页 |
| 4.4.1 基于财经新闻下对股票市场波动的预测 | 第52-55页 |
| 4.4.2 基于金融交易数据对股票市场波动的预测 | 第55-58页 |
| 4.4.3 基于财经新闻和金融交易数据下对股票市场波动的预测 | 第58-60页 |
| 4.5 评价本文所建模型优劣 | 第60-61页 |
| 4.6 模拟投资者交易决策 | 第61-63页 |
| 5.结论和建议 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
