融合多源异构数据的小规模股票市场极端波动预测模型

来源：计算机工程与应用杂志2026年第11期北京时间：

作者：陈祺东, 谢家怡, 曹广喜

单位：1.南京信息工程大学 计算机学院，南京 210044；2.无锡学院 物联网工程学院，江苏 无锡 214105；3.无锡学院 数字经济与管理学院，江苏 无锡 214105；

摘要：在中国金融市场中，小规模市场股票由于流动性低和信息不对称性高的特点，往往表现出极端收益波动性。为了有效预测小规模市场股票的收益波动率，提出了基于多源异构数据的多尺度多模态股票预测模型（multi-scale & multi-modal stock forecasting network，MSSFNet）。利用多层卷积神经网络提取K线图复杂的波动形态，并结合长短期记忆网络捕获其时序关系。对投资者评论进行情感分析，考虑投资者评论对他人的影响力构建动态加权修正情感因子（cumulative sentiment impact score，CSIS），并与宏观经济因子一起输入到结构化数据处理模块提取结构化特征并捕获其时序关系。提出一种多模态融合模块（self-attention projection fusion，SAPF）用于融合K线图特征和文本-宏观经济特征，生成跨模态的联合表示。将融合特征输入到全连接层，得到最终预测结果。为了证明模型的有效性和适用性，选取多种单模态模型和多模态模型进行对比实验。实验结果表明，提出的MSSFNet在预测小规模市场股票的极端波动的效果更优越。

关键词：股票预测,小规模市场,多模态,投资者情绪,模态融合

基金资助：无锡学院引进人才科研启动专项经费（2023r001）。