计算机应用

作者：王吉祥, 过弋, 戚天梅, 王志宏, 李真, 汤敏伟

单位：1. 华东理工大学 信息科学与工程学院, 上海 200237;2. 大数据流通与交易技术国家工程实验室, 上海 200237;3. 上海大数据与互联网受众工程技术研究中心, 上海 200072;4. 天翼电子商务有限公司 风险管理部, 上海 200085

关键词：机器学习,文本向量化,舆情影响力,汇率预测,滑动时间窗口

基金：国家重点研发计划项目（2018YFC0807105）；国家自然科学基金资助项目（61462073）；上海市科学技术委员会科研计划项目（17DZ1101003，18511106602，18DZ2252300）。

针对目前人民币汇率预测研究存在的数据源单一导致难以提升预测效果的问题，提出一种嵌入互联网舆情强度的预测技术，通过融合多方面数据源进行对比分析，有效降低了人民币汇率的预测误差。首先，融合互联网外汇新闻数据和历史行情数据，并将多源文本数据转化为可计算的特征向量；其次，通过情感特征向量构建五种特征组合并对其进行对比，给出了嵌入互联网舆情强度的特征组合作为预测模型输入；最后，设计外汇舆情影响汇率预测的滑动时间窗口，建立基于机器学习的汇率预测模型。实验结果表明，嵌入互联网舆情的特征组合相对于不含舆情的特征组合在均方根误差（RMSE）和平均绝对误差（MAE）上分别提升了9.8%和16.2%；此外，长短期记忆网络（LSTM）预测模型比支持向量回归（SVR）、决策回归（DT）和深度神经网络（DNN）预测模型表现更好。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期