证券大数据分析研究

来源：计算机技术与发展杂志2020年第10期北京时间：

作者：林天华;张倩倩;祁旭阳;赵霞

摘要：将大数据技术与机器学习应用到证券领域,探索国内证券行业发展规律是证券行业科技创新的重要举措。 介绍了证券大数据的概念,总结了大数据技术在证券领域的应用,包括交易监察、财务分析、恐慌指数分析、舆论热度分析、个性化服务、预测与量化投资等。 分析了目前处理证券大数据的主要算法模型,包括交易监管算法、财务分析算法、恐慌指数分析算法、情感分析算法以及预测与量化投资算法模型。 并对其中的机器学习预测算法,如支持向量机、卷积神经网络、贝叶斯神经网络、遗传算法对 BP 神经网络的优化等进行详细论述,对传统时序预测模型和基于机器学习的预测模型进行了优劣性对比。 最后对证券领域的大数据应用进行了展望和总结,大数据技术在证券领域的应用日益广泛,采用机器学习算法对证券行情进行预测是研究方向和热点。

关键词：证券大数据;数据分析;机器学习;交易监管;预测分析