基于情感分析的期货价格高频鲁棒预测方法

来源：管理科学学报杂志2026年第7期北京时间：

作者：刘金培，罗瑞，陈华友，余乐安，贾宁，朱宁

单位：刘金培,安徽大学大数据与统计学院;安徽大学商学院,罗瑞,安徽大学大数据与统计学院,陈华友,安徽大学大数据与统计学院,余乐安,四川大学商学院,贾宁,天津大学管理与经济学部,朱宁,中国科学技术大学管理学院,

摘要：商品期货价格高频数据具有高度的非线性、非平稳性和高波动性等特征，这对期货价格有效预测提出了巨大的挑战.当前研究通常通过提取新闻文本中的情感极性信息对商品期货价格进行预测，从而有效提升预测的时效性.然而，由于海量的新闻文本通常存在较多的噪声信息，严重影响了预测的精度和稳定性.为此，本研究对期货价格相关新闻文本进行情感分析，并提出一种加权双井势曲面支持向量回归(WDWPS-SVR)模型来对商品期货价格高频数据进行有效预测，同时能显著提升预测的鲁棒性.该模型基于双井势(DWP)函数，在原始特征空间内利用四次双井势曲面对数据进行回归，来刻画高频期货数据中的复杂数据特征.并且通过权重函数计算各训练样本点的权重值，以衡量样本点在拟合过程中的相对重要性，从而滤除新闻文本噪声对参数估计的干扰.将该模型应用于大连商品交易所2019年—2022年大豆期货收盘价预测，并从预测性能和鲁棒性两个方面与现有模型进行对比分析.研究结果表明：1)通过赋权方法降低新闻文本噪声对回归过程产生的影响，能够增强模型的鲁棒性，进而可提升预测结果的稳定性.2)WDWPS-SVR模型具有较强的非线性特征学习能力，能够实现对期货价格高频数据细节波动的有效拟合，进而可提高预测方法的准确率.3)新闻文本情感变量能够有效解释期货价格的高频波动，显著提高了预测时效性.

关键词：期货价格预测; 无核支持向量回归; 鲁棒性; 情感分析; 噪声数据