lstm股票市场情感分析

⑴ 如何设置股票分析软件的五日、十日、二十日均线

分析软件毕竟是软件！对于新手，我建议介入：

一、超跌股！(超跌必反弹)二、低价股！(低价必有涨)三、慢牛股(诸如目前的银行股奥运股)！

⑵ 用LSTM做情感分析只能二分类吗能够得到短文本的情感值吗

mysql比较好用点吧，而且比较专业点，这个数据库你可以用一个可视化软件管理的，就跟Oracle数据库管理软件plsql或者QQ那样的页面差不多，可以操作：查询，修改，删除，更新。mysql数据库很校管理软件名字：Navicat_for_MySQL_10.0.5.0_XiaZaiBa....

⑶ 人工智能技术能够解决商业问题的例子有哪些

人工智能技术可以解决的商业问题其实有很多的，比如有：
1、智能客服，智能客服主要的工作就是在人工换班或者是等待人太多的时候为客户解决问题的。
2、智能机器人，因为这种机器人是拥有简单的智力并且可以自己移动，所以这种机器人可以做的工作非常多，比如可以提醒我们做一些事情，可以帮助做一些家务等等。
3、智能机械，现在工厂中为了避免出现疲劳工作，进而发生事故的情况，会使用一些智能的机械来代替人工工作，不但可以长期的工作，不知疲劳，还可以保证合格率。
实际上，人工智能技术可以做的事情有很多，不过由于现在还有一些没有实现，所以在这里就不多介绍了，不过随着人工智能的慢慢发展，不断的研究，相信在以后会有更多的智能产品，来给人们的生活带来更多的体验。那下面就分享一些人工智能的知识，希望可以让大家更了解人工智能。
首先从自然语言处理原理到进阶实战的词向量与词嵌入方面来看TFIDF、Word2Vec算法、 Gensim模块、Skip-gram、TF代码实现Word2Vec算法项目、FastText、Word Embedding、深度学习用户画像项目。
然后从自然语言处理原理到进阶实战的循环神经网络原理与优化方面来看有Vanilla RNN、Basic RNN实现MNIST手写数字图片识别、LSTM长短时记忆、GRU与双向LSTM、电影评论情感分析案例、Seq2Seq、机器写唐诗案例、CNN+LSTM+CRF、POS tagging词性标注案例、 NER命名实体识别案例、 孪生网络、语义相似度分析案例。
最后从自然语言处理原理到进阶实战的Transformer和Bert方面来看有Attention注意力机制、Attention算法流程、Transformer、Self-Attention机制、Multi-Head Attention、Bert、Bert as service开源项目。
还有概率图模型算法的贝叶斯分类有朴素贝叶斯分类器、拉普拉斯估计代码实战垃圾邮件分类；HMM算法有马尔可夫过程、初始概率、转移概率、发射概率、 隐含马尔可夫模型原理、维特比算法；最大熵模型有熵、条件熵、相对熵、互信息、最大熵模型算法原理、有约束条件的函数最优化问题、最大熵和最大似然估计关系、IIS算法；CRF算法有条件随机场的性质条件随机场的判别函数条件随机场的学习条件随机场的推断CRF与HMM关系。

⑷ 求懂股票的大神解答，股票市场靠谱吗是不是一开始会赚点钱，然后慢慢的越投越多，最后被套牢然后亏本好

第一，股票市场没有靠不靠谱这个特性，区别只在于你懂不懂，你会不会。道理就和你会做菜可以应聘做厨师，不会做菜却做了厨师结果一样。
第二，股票不是赌博，如果你不懂，从一开始你就是赔钱的，根本不存在你说的过程。
第三，我给你粗略描述一下股票投资获利的方式。
首先是最无脑最不需要专业知识的价值投资，选择一只主力类型为国家队外资法人机构的长线趋势向上的大盘股，在净值比，市盈率，质利率处于每次历史股价底部区域的状态买入，这种左侧交易时间拉长一定赚钱。
然后是利用技术分析筹码分析知识针对游资私募牛散大户为主力的中小票的右侧交易模式，这种交易可以依靠正确的技术分析筹码分析大概率研判正确股价之后的走势，而小概率的错误可以用纪律操作保证0大赔，最多小赔出场，那么时间拉长，就是大赚+小赚+小赔的效率模式。
现在我这么空说你可能没感觉，举些实际例子给你看吧，都是股价发生变化事前我在网络知道的回答

⑸ 股票高手请进~

江恩的理论不是在具体的教你怎么去买卖股票，而是一种哲学和大气的展现。无论是具体科学还是文学，最终是哲学上的概括才能把握全局，人类的文明虽然随着时代在不断的变迁，但是人是恒古不变的万物之灵。有句话叫做：站的高才能看得远。江恩就是把古往今来对哲学的思考加入了理论之中，你仅仅局限于股票操作是无法体会这种大气的。你的学会纵观全球的金融市场，从宏观经济学的角度来看资本市场，而不是单独的股票，最终转化成一种对战略的思考，而不是具体操作的战术。你把自己想象成国家的财政部长，手握2000亿资本，要抵御外来的金融攻击，也要发展国内的经济。你就能理解了！
PS：江恩理论的战略意义明显大于战术意义，他把握的更多的是趋势，而非细节的操作点。操作点我建议还是倾向数学工具，用统计的方法，大数理论能平滑掉内部的误差，从而反映本质的细节。不然你还看什么K线阿？K线不就是每天去统计数据画图么？量变产生质变，道理不错，但是质变得时间和关键点，江恩的理论显得有些勉强，不如看数据来的真实。科学没有半点虚假。

⑹ 基于机器学习的情感分析是什么意思

以下以语义特征为例：

机器学习基于语义特征的情感分析

基于语义特征的情感分析先人已有研究，可以通过情感词典匹配来做，但是应用机器学习在这方面会使精确度更高些。
以本人参与的一个项目为主，总结下相关技术点。
背景是：分析用户评论感情色彩是积极还是消极，即是褒还是贬。

具体步骤为：
1.有监督的人工给文本标注类标签。如有5000条评论数据，我们给其中的1000条标为积极的，再选1000条标为消极的，积极和消极就是所谓的类标签。
2.选择特征。从积极的评论数据中按词来选择积极的所有特征。同理，从消极的评论数据中按词来选择消极的所有特征。如“这款游戏非常好玩”->”这款”->“游戏”->”非常”->”好玩”，分为四个特征词，也可以采用双词搭配，“这个游戏”和“非常好玩”作为特征。
3.特征降维，减少特征的数量。如上“这个游戏非常好玩”中的“这个游戏”没有必要作为特征，因为“好玩”或“非常好玩”已经决定了评论是积极的。
4.将语料文本变成使用特征表示。
5.统计所有特征出现的次数，并按倒序排序。
6.从以上结果中选出排序最靠前的一些特征作为最终的评判特征。
7.使用训练数据根据特征训练分类算法，得到分类器。
8.用测试数据检测分类器的准确度。
我们将数据分为两部分：开发集、测试集。用开发集的数据训练分类算法得到分类器；再用分类器对测试集里的数据进行分类，给出分类预测得到的标签；对比分类标签和人工标注得到的标签的差异，计算出准确度。

⑺ 聊聊你对股票投资的一些看法

投资股市应遵守以下三个原则：
1.不借钱炒股
有些投资者是用自己的积蓄来投资股票，碰上股市行情好，赚了钱就应收手，但人们往往还想赚得更多，于是借钱炒股，这是非常不理智的做法。一旦亏了便债台高筑，得不偿失。
2.不要用赌博心态炒股
买股票本是一种投资，而现实生活中很多投资者却用赌博心态去炒股，将全部资金买了一只股票，输赢就看这一次，赚了自己运气好，亏了怪自己手气坏。赚了想再赚，亏了想扳本。股市的涨跌是很正常的，投资股市必须有一颗平常心，不以股市涨升而沾沾自喜，不以股市下跌而怨天尤人。好心态才会有好的收益。
3.不要把炒股作为主业
炒股可以致富，但并不是每个人都能通过股市成为富翁。股市好时，交易厅人满为患，各行各业的人都盲目地挤进股市，卖菜的不卖菜了，小店主也不开店了，还有许多上班族上班时打个照面就流到股市去了，甚至有许多人把炒股作为主业，终日泡在交易厅，梦想着赚大钱。殊不知股市赚钱容易，赔钱更容易，那些赚钱的股民是以一部分股民赔钱为代价的。

⑻ 最经典的10本股票书籍有哪些

第一本 股票作手回忆录
作者：利沃默
这本书相信大家已经在无数的论坛和前辈提到过，但都无动于衷，没有正式看过，或者看过的时候还刚开始交易，对交易理解尚浅，没有体会到这本书的真正价值！甚为可惜！实际上无论是新手还是老手都应当反复看，因为这本书谈论的是市场的根本和一个完整的交易框架，离开了这个根本和框架，你对市场的距离和理解都是片面的，多少年老手觉得自己非常牛逼，结果在一场交易失利后翻看该书才断然悔悟，觉得详见恨晚，这个傻逼无比的人就是我！因此这本书也成为了枕边书！
所以不要错过这本书，找点时间把这本书啃下来，收益良多！
推荐大家看丁圣元翻译的版本，之前版本就不要看了，翻译的很不通顺。
第二本 推荐华人陈江挺的《炒股的智慧》，一本薄薄的小书，但内容很全面，如果是新手的话推荐一年之内看三遍，打下基础的交易技术和理念。
这本书可能已经绝迹，但网上还有电子版的，可以下载看。
第三本 推荐《亚当理论》也是很薄的一本书，讲的道理也很简单（但很深刻），最主要的是这本书通过很多故事来说明道理，让人深刻理解什么是市场！这是很多新手和老手都或缺的！
当年用了接近三个小时看了完整的电子版，但回味却用了2个小时，其实书中的理念早已知晓并贯彻执行，但还是很佩服作者能够把道理说的如此深刻，让人从情感上理解了市场，而不是书本上那种字面理解，这就是我强烈推荐的原因。
能够省却很多认识上的弯路，其实交易这个行当属于先难后易型，前面有无数的弯路和诱惑，后面只要走过去了，问题就不大了，当然后面的道路需要自律，这个没有人能够替代，高低的区别也在这里。
第四本 台湾刀疤老二的文章，全名叫做台湾名家刀疤老二经验谈。
听到刀疤老二这个名字想必很多股友觉得很雷人，其实不然，这个名字只是代号而已，没有我们想象的那个方面意思，反倒是刀疤老二本人在火了以后，被人尊称为刀疤大大。
这本书我看了很多遍，不为别的就为了那“简单明了”四个字，我觉得港台、欧美等地知识类书籍与国内最大的区别在于趣味性，读刀疤的书让你在最短时间亲身感受到一个职业交易者的成长过程，把十几年的时光和体验浓缩在一个个他叙述自我的过程中，其中理念、策略、方法都有涉足，我觉得这本书是新手进阶必读物！
看完了这本，对于“什么是趋势”以及怎样看趋势，运用趋势去做股票会有格外提升，对于看盘功夫欠缺或者总是感觉提升不上来的，也必须补补这本书。
第五本 《全球杰出交易员的成功实践和心路历程》
人物传记类股票图书是我的最爱，不为别的光是每一个人物的故事和经历会让我受益匪浅，而在情感上能够体验他们面对交易上的压力和处理方法，每一个访谈犹如电影版在面前回访，而我习惯于把这种电影映射在记忆的深处，一旦面临相同情况，这种记忆就会被打开，好多次都拯救了我的交易。
当年读完这本书的时候我个人最大收获就是体会到风险控制这几个字，在全球各个国家各个领域最顶尖的交易者都在说风险二字的时候，风险已经从一个交易零件变成深入骨髓的东西，如果还觉得自己做不好风险控制或者总是管不住自己下单的手，除了用绳子也可以看看这本书！
第六本《海龟交易法则》 关于海龟的故事在交易圈想必耳闻能熟，版本也比较多，我建议看两个版本的海龟故事，一个是柯林斯写的《海龟交易法则》，因为作者本人是海龟，所以很多案例很真实，可以让我们情景再现的学习。
另一个是张轶翻译的《真正的海龟交易者》这本书没有出版，但就其内容来说我认为是众多海龟故事和海龟交易版本中最好的一本。里面很多句子都让我感到心灵的共鸣，我甚至读完中文后又对照英文对了一遍，每一遍都让我震惊，一个是译者的精准翻译，另一个是书的作者是那种真正懂交易，同时又能写出来让人看明白，所以强烈推荐了。
第七本《克罗谈期货交易策略》翻译者同样是张轶，这里说一下看了很多的书，张轶都是翻译者，虽然他本人不是交易高手，也在各个论坛上看到他为生活忙碌，但他本人的价值已经通过翻译这些经典的著作得到印证，这里再次谢过张兄，也祝他越来越好。
克罗是美国著名交易家，有些地方把他归结为长线交易大师，这个我并不认同，通常只有媒体和对交易摄入不神的人才会对交易者打符号以便理解，资深的交易者都知道，每一个交易交易手法通常都会有几样，并不是完全死板的那种固定，有时会非常灵活，所以很难简单定义某个交易者就是长线交易方法。之所以要说这么多是因为大家在看到克罗进行交易的时候虽然很多时候时间周期很长，但他一旦做错了或者是错过了都会毫不犹豫的纠正自己的错误，看克罗的书交易手法并没有让我感慨太多，倒是大师的气度和沉稳让我受益良多，总是在交易时反复比较，特别是受股价影响时总会问自己，如果是克罗他会怎么面对？如果对自己交易感觉到持股没有定力建议重点看看，会心静下来很多！
第八本《职业期货炒手》说上本书的时候忘了说一句话，克罗的书都是经典！这本也一样，克罗的书在国内有好几本，我基本都看过，但有些版本并不是很好，建议大家还是去看张轶翻译的，这本也是克罗书中不可多得的经典，反倒是克罗最早出版的《克罗谈投资策略》我觉得在克罗的书中是相对弱的一本，也许是书出来以后不畅销吧，所以后面的书就没有出版。这也是一种悲哀，好书通常受众群体较小，很难畅销，畅销书一般都是通俗类小说，所以这里有个经验告诉大家，看到好书一定要买下来，哪怕后来发现这本书并不是很完美，经典的只是其中一部分，也要买下来，图书代表一种知识资源，这种资源因为我上面说的出版原因可能没有机会出现在你的眼前，如果你错过了，就需要很长时间才能获得相应完整知识，而买错一本书的成本不过几十元，下载电子版的甚至免费，所以不要错过一本好书！
第九本《十年一梦》作者青泽，这本书同样经典，放到这里似乎有些晚，但在前面我说过，我推荐的顺序是按照一般读者的成长阶梯来的，既想让读者找到完整的知识结构链条，又不想做苦行僧的学习。
在看来前面那么多的技术和理念后，我相信很多朋友已经积累起来“一定”的交易理念和交易技术，甚至跃跃欲试。但你要注意我在“一定”两字上面加了引号，是因为按照我的经验，这个“一定”通常来说是读者的自我感觉，这个感觉的范围如果自我感觉是100的话，实际上可能只有30-40%，也就是说实际会缩小！这个是因为人的心理通常会自我膨胀导致的。所以这里面我把青泽的《十年一梦》加进来，目的是让大家看看青泽自述的一个交易者的自我成长，让大家有更多的感性认识，这种感性的认识是其他通过读书等理性过程无法获得的，这才是交易者成长关键——能不能在关键的时点实现知识和自我认知的飞跃！
第十本《金融怪杰》《新金融怪杰》这两本书比较老，有一本国内还没有出版，但网上电子版的很多，大家可以随便下一下，这两本书在很早就已经通读过，但那个时候没有领会精髓，只当成传记类财经图书读了一遍，若干年后当自己有了一定的经验后再读，发现好像以前完全没有读过一样，于是仔仔细细又看了一遍，再过若干年再读又感慨书里内容很多太经典，为什么没有早点明白呢？于是再读，这次读了两遍，基本背了下来。
说了这么多大家一定很好奇，这两本书到底说的是什么？其实这两本书是杰克斯瓦格采访记录，他采访了全世界最优秀的交易者，然后把记录整理成书，不管是对想进入交易行当的人还进入多年的老手，通过他的书都可以领略全世界顶尖交易员的智慧，成本是免费！
所以我的建议是把这两本书找到，然后背下来，五年以后再度，你会感激我说的这番话。
第十一本《对冲基金奇才》这本同样是斯瓦格的书，依旧是采访全世界最顶尖的交易者，十多年过去了，斯瓦格的采访功力显然见涨，挖掘出了采访者更多的东西，视野也更加开阔，仅仅是交易策略的划分读后就比多年前《金融怪杰》时要细致的多，这本书比较厚，只看了两遍，但却是太经典，里面有很多东西让人如淋春风，把很多经典章节用手机拍了下来，有空的时候常常翻看，所以强烈推荐了！
第十二本《通向财务自由之路》作者范.k.撒普，这本书的第一版名字叫做《通向金融王国自由之路》刚开始看到这个名字的时候我特别讨厌，因为当时正好成功学等烂书满天飞的时候想当然的以为是这类书籍，然后被抛弃很多年后偶然上网查资料涉猎到书里内容，才又死扛着的耐心看了一点书的内容，这一看发现自己竟然发现了金子。
《通向财务自由之路》这本书如果按照传统的股票书籍去理解，你会发现他说的内容简直是鸟语，但是如果你真的是一个对交易理解比较深入的人，你会逐渐发现你过去对交易的理解是多么的浅显和片面，甚至是无知！
也正是这本书书让我全面、深入的了解了市场的机理和运作，走上的了职业化交易的道路。

⑼ 情感指数是什么

网络名片中对指数有所说明
指数
求助编辑网络名片指数，根据某些采样股票或债券的价格所设计并计算出来的统计数据，用来衡量股票市场或债券市场的价格波动情形。

情感指数 我个人的理解是:应该是将情感以数字的形式进行表达，然后进行分析。然后根据得出的结果作为参考分析，调整情绪，或者做点相应的事情。

⑽ lstm 情感分析model.add+1，256 参数是什么意思

neg=pd.read_excel('neg.xls',header=None,index=None)
pos=pd.read_excel('pos.xls',header=None,index=None) #读取训练语料完毕
pos['mark']=1
neg['mark']=0 #给训练语料贴上标签
pn=pd.concat([pos,neg],ignore_index=True) #合并语料
neglen=len(neg)
poslen=len(pos) #计算语料数目

cw = lambda x: list(jieba.cut(x)) #定义分词函数
pn['words'] = pn[0].apply(cw)

comment = pd.read_excel('sum.xls') #读入评论内容
#comment = pd.read_csv('a.csv', encoding='utf-8')
comment = comment[comment['rateContent'].notnull()] #仅读取非空评论
comment['words'] = comment['rateContent'].apply(cw) #评论分词

d2v_train = pd.concat([pn['words'], comment['words']], ignore_index = True)

w = [] #将所有词语整合在一起
for i in d2v_train:
w.extend(i)

dict = pd.DataFrame(pd.Series(w).value_counts()) #统计词的出现次数
del w,d2v_train
dict['id']=list(range(1,len(dict)+1))

get_sent = lambda x: list(dict['id'][x])
pn['sent'] = pn['words'].apply(get_sent)

maxlen = 50

print "Pad sequences (samples x time)"
pn['sent'] = list(sequence.pad_sequences(pn['sent'], maxlen=maxlen))

x = np.array(list(pn['sent']))[::2] #训练集
y = np.array(list(pn['mark']))[::2]
xt = np.array(list(pn['sent']))[1::2] #测试集
yt = np.array(list(pn['mark']))[1::2]
xa = np.array(list(pn['sent'])) #全集
ya = np.array(list(pn['mark']))

print 'Build model...'
model = Sequential()
model.add(Embedding(len(dict)+1, 256))
model.add(LSTM(256, 128)) # try using a GRU instead, for fun
model.add(Dropout(0.5))
model.add(Dense(128, 1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', class_mode="binary")
print 'Fit model...'
model.fit(xa, ya, batch_size=32, nb_epoch=4) #训练时间为若干个小时

classes = model.predict_classes(xa)
acc = np_utils.accuracy(classes, ya)
print 'Test accuracy:', acc
可以试一试
w = [] #将所有词语整合在一起
for i in d2v_train:
w.extend(i)

newList = list(set(w))
print "newlist len is"
print len(newList)

dict = pd.DataFrame(pd.Series(w).value_counts()) #统计词的出现次数
print type(dict)
print len(dict)