面向金融市场走势预测的在线论坛公众情绪挖掘与演化分析算法研究

As the rapid development of online financial forum, an increasing number of information is filed in the entire financial market, which affects the decision making of investors, and may further have a direct or indirect influence on the price movement of financial market. Existing research on financial market forecasting model only focus on the time series of transaction data, how to combine the valuable public mood information from online financial forum with traditional market forecasting model has become a hot research topic, so that the effectiveness and efficiency of prediction model will be enhance. The project will conduct research on key theory and technology of public mood detection algorithm, its evolution mechanism, and the market forecasting model incorporating public mood information. Firstly, opinion spam detection technology based on author features and review features will be investigated. Secondly, to analyze the evolution of public mood, the interactive cascade mode based affective computing and the time series representation model of public mood will be studied. Thirdly, the market forecasting model incorporating public mood will be researched. Finally, based on the theoretical study, a prototype system will be designed and implemented, so that a visualization of the whole process of public mood detection and evolution will be provided. These, in turn, will validate the value of the theoretical research, and has great potential to help people to discovery some interesting phenomenon and rules. This declared project would be expected to complement and promote both theoretical research and practical applications of the financial market forecasting.

随着在线金融论坛的兴起，越来越多的信息充斥着金融市场，影响投资者决定，从而直接或间接地影响金融市场的价格走势。已有的金融市场走势预测研究仅仅考虑时间序列的交易数据，如何从在线金融论坛蕴含的海量数据中提取出有价值的公众投资情绪，融合到传统的市场走势预测模型中，以提高预测模型的性能和效率，已成为一个新兴的研究方向。为此，本课题将对公众情绪的挖掘算法、演化机制以及融合公众情绪的市场走势预测模型展开研究。首先，从用户和内容两个角度出发研究垃圾意见检测算法；其次，研究基于情感计算的交互级联模型和公众情绪时间序列表示模型；再次，研究融合公众情绪的市场走势预测模型。在理论研究的基础上，设计并实现原型系统展示公众情绪随时间的演化过程，并实时的展示市场走势预测结果，以真实数据验证所取得成果，验证理论研究，并发现其中的有趣现象和规律。本课题的研究有望对金融市场走势预测的理论和应用实践提供重要的补充和推动作用。

随着在线金融论坛的兴起，越来越多的信息充斥着金融市场，影响投资者决定，从而直接或间接地影响金融市场的价格走势。已有的金融市场走势预测研究仅仅考虑时间序列的交易数据，如何从在线金融论坛蕴含的海量数据中提取出有价值的公众投资情绪，融合到传统的市场走势预测模型中，以提高预测模型的性能和效率，已成为一个新兴的研究方向。.本项目对公众情绪的挖掘算法、演化机制以及融合公众情绪的市场走势预测模型展开研究。（1）从用户和内容两个角度出发研究垃圾意见检测算法，首先提出一种基于半监督学习的托攻击检测方法及一种针对混合型托攻击的基于半监督学习检测器HySAD；同时借鉴传统的社区检测算法，检测网络中紧密耦合的社区组织，对社区组织成员的行为进行量化评定，挖掘潜在的群组恶意用户；最后提出基于板块实时热点挖掘的无关意见检测算法。（2）研究基于情感计算的交互级联模型和公众情绪时间序列表示模型，构建面向交互式文本的主题情感计算模型，可以间接获取给定评论对特定金融产品的情感倾向；同时设计公众情绪时间序列表示模型与公众情绪演化分析算法，并用实验验证了情感计算的有效性。（3）研究融合公众情绪的市场走势预测模型。进行交易情绪和公众情绪联动性分析，并研究融合公众情绪的多目标市场走势预测模型。（4）在理论研究的基础上，设计并实现原型系统展示公众情绪随时间的演化过程，并实时的展示市场走势预测结果。.研究成果在国内外重要的学术会议和期刊上发表15篇高质量学术论文，其中SCI/SSCI 检索论文12篇，国际/国内学术会议论文3 篇；并申报2项国家发明专利，培养硕士研究生3名。本课题的研究有望对金融市场走势预测的理论和应用实践提供重要的补充和推动作用，可以减少投资者的风险，提高投资者的收益，促进了整个金融市场的发展。