基于投资者情绪对高频股票的预测

股票市场预测是经济领域中非常重要的实际问题。高频金融数据包含更多信息，对捕捉股市微观变化非常显著。因此，通过运用高频金融时间序列来预测短期内股票价格趋势可以更精准地规避风险并获得理想回报。为了将投资者情绪应用于高频领域，本文提出了一种基于Informer的高频股市长时间序列预测模型AE＿Informer，该模型考虑了投资者情感。首先，本文提出引入投资者情绪对股票高频数据进行股票预测，可以有效地提高模型的预测精度。本文对原有的Informer模型进行了改进，增加了非对称Embedding层来更好地利用股票评论数据对股票进行预测。实验结果表明，加入投资者的情绪倾向对提高预测效果有效，而改进后的Informer模型在对加入投资者情绪的高频股票长期预测中优于原版模型。