基于多級模型的金融異構(gòu)信息獲取與預(yù)測分析.pdf

1、隨著大數(shù)據(jù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，傳統(tǒng)的方法已無法滿足金融領(lǐng)域各方面用戶的個(gè)性化、多樣化、自動(dòng)化的需求，亟需異構(gòu)信息處理技術(shù)和數(shù)據(jù)挖掘技術(shù)從金融異構(gòu)信息中獲取有用的信息并進(jìn)行處理。為了幫助金融用戶進(jìn)行投資，并向用戶全面準(zhǔn)確的展現(xiàn)金融證券的相關(guān)信息，需要從多元異構(gòu)信息中獲取金融證券的相關(guān)信息，并對其特征進(jìn)行分析從而向用戶提供有價(jià)值的投資建議。本課題圍繞著用戶感興趣的相關(guān)問題，從用戶感興趣的金融特征出發(fā)，從異構(gòu)信息中抽取出投資者感興趣的特征，然

2、后對特征進(jìn)行分析建立多級模型，對相關(guān)數(shù)據(jù)進(jìn)行預(yù)測，從而為金融證券投資者提供一定的策略和數(shù)據(jù)參考。
　　本文研究的主要內(nèi)容如下：
　　基于規(guī)則本體自適應(yīng)的PDF文檔特征獲取方法：包括對可轉(zhuǎn)債上市公告書的信息抽取和新股上市公告書和招股說明書的信息獲取。首先針對不同的PDF文檔進(jìn)行文檔轉(zhuǎn)換；然后根據(jù)不同的金融產(chǎn)品建立本體，從而建立相應(yīng)的本體規(guī)則庫；對相應(yīng)特征的規(guī)則權(quán)重進(jìn)行自適應(yīng)調(diào)節(jié)，優(yōu)先選擇權(quán)重高的規(guī)則對新的PDF文檔進(jìn)行處理；通

3、過模式匹配的方法對PDF中所包含的特征進(jìn)行抽取。最后對抽取到的內(nèi)容進(jìn)行規(guī)范化，最終得到全面、準(zhǔn)確的特征數(shù)據(jù)。
　　多元異構(gòu)信息的獲取：本文中多元異構(gòu)信息的獲取包括金融實(shí)時(shí)數(shù)據(jù)的獲取、PDF文檔金融特征的獲取，以及網(wǎng)頁上PDF文檔的獲取和相關(guān)的歷史數(shù)據(jù)的獲取這三部分。通過分別使用Socket傳輸，模式匹配，正則表達(dá)式匹配的方法獲取這三部分的數(shù)據(jù)，并分別使用本體知識驗(yàn)證、第三方驗(yàn)證、人工驗(yàn)證、交叉驗(yàn)證的方法對獲取到的數(shù)據(jù)進(jìn)行數(shù)據(jù)驗(yàn)證。

4、
　　金融數(shù)據(jù)的預(yù)測分析：通過建立多級模型對可轉(zhuǎn)債的轉(zhuǎn)股與封閉基金的凈值進(jìn)行預(yù)測。在第一級中根據(jù)可轉(zhuǎn)債和封閉基金的特征運(yùn)用趨勢評估模型、SVR模型、神經(jīng)網(wǎng)絡(luò)（BP）模型三個(gè)模型進(jìn)行金融特征預(yù)測；在第二級中將第一級中三個(gè)模型產(chǎn)生的結(jié)果通過神經(jīng)網(wǎng)絡(luò)將預(yù)測結(jié)果進(jìn)行融合；第三級在第二級的基礎(chǔ)上對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，通過遺傳算法選擇合適的、最優(yōu)的初始化權(quán)重和閾值，從而獲得更優(yōu)的預(yù)測結(jié)果。最后，通過上述的模型完成對可轉(zhuǎn)債和封閉基金特征的更精確的