A Comprehensive Survey of Stock Market Prediction Through Sentiment Analysis and Machine Learning
创建于 更新于
摘要
本报告系统回顾了将情感分析与机器学习结合用于股票市场预测的研究，涵盖了从基于词典到深度学习的情感挖掘技术及其在回归、支持向量机、神经网络等多种预测模型中的应用。研究表明，融入情感特征通常能提升短期股价走势预测的准确率，尤其是采用金融领域专用词典（如Loughran-McDonald）和金融专用预训练模型（如FinBERT）时效果显著。同时，报告指出了数据噪声、情感与价格时序对齐、市场非平稳性及模型可解释性等核心挑战，并总结了业界的实际应用案例，强调未来研究应关注模型的鲁棒性、解释性和动态适应能力 [pidx::0][pidx::1][pidx::6][pidx::7][pidx::8]。
