基于投资者情绪的创业板股票收益率预测研究

以创业板股票市场为主要研究对象，基于文本挖掘方法对创业板股票收益率进行预测分析，利用词典法对从东方财富股吧爬取的2021年4月1日至2023年4月1日创业板股票评论的情感倾向进行分类，建立投资者情绪指数，构建基于粒子群算法优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)模型对收益率进行预测分析。在实证分析阶段，以创业板中流通市值最大的股票——“宁德时代”为代表，利用PSO-SVM模型对其收益率进行预测分析，同时设置一系列对照模型进行对比分析。结果表明：提出的模型预测结果优于其他对照组模型(多元线性回归、随机森林、支持向量机),而引入情绪指数的模型预测效果比未引入情绪指数的模型预测效果更好。

Research on GEM Stock Return Forecasting Based on Investor Sentiment