A Hybrid Deep Learning Framework for Stock Price Prediction Considering the Investor Sentiment of Online Forum Enhanced by Popularity

使用最先进的深度学习技术，基于从在线论坛中提取的投资者情绪的股票价格预测已经变得可行，但是股票价格预测一直是预测员的难题。我们提出了一种新颖的混合深度学习框架，用于预测股票价格。该框架利用XLNET模型分析用户在在线论坛上发布的帖子中传达的情绪，将这些情绪与帖子的受欢迎程度因素相结合，计算每日的群体情绪，并将这些信息与股票技术指标整合到改进的BiLSTM-highway模型中，用于股票价格预测。通过涉及中国股市四只股票的一系列比较实验，证明了混合框架有效地预测股票价格。这项研究揭示了分析投资者的文本观点对于股票价格预测的必要性。

使用深度学习技术预测股票价格，结合在线论坛中投资者情绪和帖子受欢迎程度的因素，解决股票预测难题。

使用XLNET模型分析在线论坛用户帖子中的情绪，结合帖子受欢迎程度计算每日群体情绪，并将其与股票技术指标结合，提出了一种改进的BiLSTM-highway模型，用于股票价格预测。

论文通过实验验证了所提出的混合框架有效地预测股票价格。研究揭示了分析投资者文本观点对于股票价格预测的必要性。

最近的相关研究包括：1. "A Hybrid Deep Learning Framework for Stock Price Prediction"（本文）；2. "Stock Price Prediction Based on Machine Learning: A Survey"；3. "An Ensemble Deep Learning Framework for Stock Price Prediction"。