基于财经新闻的金融品种价格走向探讨

摘 要：随着经济的发展，经济全球化趋势的加强，国际间的经济活动越来月频繁，在商品交易中出现各种贸易壁垒等情况，这加剧了金融活动的不确定性。金融品种价格的走向预测一直是金融界关注的重点问题，人们希望通过准确的预测来掌握金融商品价格的走向，提高自身的经济效益。近年来，随着互联网的发展，各种媒介形式不断出现，由此出现大量财经新闻信息，这些财经新闻通过对金融商品历史价格的数据进行分析，在结合市场金融的变化元素，对金融品种的价格走向进行预测。针对这种情况，建设自动分析模型，应用金融价格走势预测方法，通过具体数据进行实验，以此观察实际预测效果。

关键词：财经新闻；金融品种；价格走向

金融品种价格走向实际上是金融品种的实际价格进行预测，通过客观、科学的预测效果，来开展金融活动。在金融品种价格的走向预测中，财经新闻信息提供的相关数据信息能够帮助预测活动，在这一预测过程中，以金融品种的历年数据作为基础，应用各种科学分析方法来预测金融价格，降低金融品种价格的不确定性，为金融计划、决策提供参考依据。相比较数字数据信息的预测，文本信息的预测范围更广、预测信息更加丰富，在金融价格的走向预测中，大多选用数据预测的方法，通过定量模型的建设来分析价格趋势。

一、财经新闻信息的作用

随着现代互联网的发展，信息获取的途径不断增多，信息的利用率逐渐提高。现阶段，金融品种价格走向的预测中，财经新闻信息与金融市场联系起来，其成为金融价格预测的一个重要标准，也成为金融投资者了解金融信息的一个重要渠道。

在现代的金融投资中，财经新闻能够主导金融参与者的心理，很多的金融活动参与者都将财经信息作为投资的一个量化标准，通过财经新闻信息来对金融品种的未来前景进行观察，以此来预测金融品种价格的走向。

二、金融品种价格走向预测

（一）情感倾向

金融财经新闻属于文本数据，在信息的传递上，会表现出某种情感倾向或者是情绪状态，而财经新闻的情感主要是指在传达金融信息的情绪状态，其中包含着对金融市场的预期发展状态、金融价格的预期走向等，可以说这些新闻信息包含着判断、评估的意味。金融财经新闻的情感倾向，情感衡量公式如下：

Polarity=

代表某一篇财经新闻对金融价格走向的A测。

其中，mn代表财经新闻中积极词汇、消极词汇的个数，Npos代表积极词汇的词频，Nneg代表消极词汇的词频，而代表积极词汇词频的求和，则是代表所有消极词汇的求和，通过积极词汇以及消极词汇的作用，能够从财经新闻中获得对金融价格预测的基本情感情感倾向。

在金融品种价格走向的预测中，将一天的财经新闻的走向预测与新闻数量结合起来，综合得出对金融价格走向最基本的情感态度，然后结合金融市场的发展情况，引导投资者更好地进行投资，由此可见在金融品种价格走向的预测建立在财经新闻信息的基础上十分必要。

（二）多元线性回归模型

在财经新闻中，金融品种价格的预测实际上是一个比较复杂的过程，在预测过程中可以建设相关的模型帮助了解价格趋势。

由于财经新闻的数量较多，以一天为单位，将每一篇新闻作为研究对象，则可以对每一篇新闻进行独立观测，即假设新闻的数量为n，则构建的研究模型为：

yi=θ0+θ1x1i+…+θk xki+ui，其中i=1，2…n

其中，θ0代表常数项，即为定量，θk xki则代表回归系数，即为变量。

在多元线性回归模型的建设中，首先要将权威性高、影响力大的金融财经新闻作为研究对象，并对新闻信息进行分类处理，能够根据新闻的积极、消极词汇来判断情感倾向，获得相应的情感指标；其次，在价格预测中，要关注财经新闻的数量，能够将全天的新闻进行分类，获得全天的情感指标；最后，要将情感指标与金融品种的历史价格组合起来，通过模型的构建来对金融品种价格走向进行预测。

现资者要想更好地了解金融品种的市场变化情况，金融财经新闻是重要途径，但在市场中，金融品种的类型较多，品种价格不能一概而论，因此要按照金融品种对金融财经新闻进行分类，选择财经新闻的关键词，能够对相同新闻进行去重处理，选择恰当的关键词来帮助投资者了解金融品种价格的走向，以此获得更加准确的预测结果。

根据财经新闻，可以基本了解金融品种价格走向，观察金融价格的未来变化，同时也能够对来的金融市场产生影响，进一步影响金融品种的价格。

三、结语

在现代金融品种价格的走向预测中，以金融新闻信息和历史价格数据为基础，构建模型来完成价格预测。在模型的建设中，将多元线性回归和定量模型组合起来，通过对财经新闻情感信息的预测来获得比较比较准确的情感倾向值。在未来金融价格走向的预测中，要将新闻信息的短期预与历史价格的变动趋势结合起来，获得比较好的预测效果。

参考文献：

[1]陈海文，蔡志平，方峰. 应用财经新闻挖掘的金融品种价格走势预测[J]. 计算机工程与科学，2016，（09）：1909-1916.

[2]蔡志平，陈海文. 结合财经新闻挖掘和金融历史数据的金融品种价格预测方法[P]. 湖南：CN105022825A，2015-11-04.