本文利用机器学习方法探究股民评论情感极性,建立包含股民每日情感极性特征在内的多特征结合的个股股价涨跌分类模型,为证劵从业人员决策提供参考。总体流程分为三个阶段:首先,通过语法分析和支持向量机的方法,计算股民评论文本的情感极性数值;之后,通过聚类算法从每日股评情感数据集中选择具有代表性的评论极性特征;最后,建立基于股民情感极性特征与多种特征结合的股价涨跌分类预测模型。本文的主要研究内容和贡献如下:(1)基于语法分析和支持向量机的股民评论文本情感极性分析模型的研究针对目前股民评论文本情感极性分析的方法需要大量人工标注的语料的问题。本文提出了一种基于语法分析和支持向量机的股民评论文本情感分析模型,用来获取评论语句的情感极性。模型通过计算词语相似度的方法对情感词典扩充,并利用基于情感词典的语法分析方法计算评论文本的情感极性。考虑到部分评论文本无法通过基于语法分析的方法得到其情感极性,本文利用支持向量机方法对剩余文本二次分类,来获取剩余评论文本的情感极性。由于训练集通过基于情感词典的语法分析方法得到,因此避免了人工标注。实验结果表明,模型能达到76.5%的分类精度。(2)基于NNBSC聚类算法的股民每日评论文本情感极性数据特征提取的研究考虑到股民每日评论文本极性数据集数据量与数据数值大小不同,需要对每日评论文本极性数据集进行特征提取。为了反映每日情感极性数据集的分布和统计特征,本文提出了一种基于邻域空间的聚类算法(Nearest-Neighbor-Based Spatial Clustering,NNBSC),对股民每日评论文本情感极性数据聚类,计算数据集的类簇及类簇中心。之后,结合统计方法实现对每日评论文本极性数据集的特征提取的目的。针对聚类过程中类簇边界样本点判断不准确的问题,本文提出了样本点近邻域相似可达概念。之后,为更好地适应几何分布、高斯分布的数据类型,所提算法在近邻域相似可达判定中引入了权重系数,以改变类簇边界样本点的判断条件。实验表明,NNBSC聚类算法对6种数据类型聚类,平均FMI最高可达0.988,能够有效地获取每日评论极性数据集的类簇以及类簇中心。(3)基于改进Ada Boost算法的股价涨跌分类预测模型的研究为了对包含评论极性特征与多种特征结合的数据进行股价涨跌分类预测,本文提出了基于改进Ada Boost算法的分类预测模型。所提模型针对传统Ada Boost分类算法对异常值敏感与联合决策投票阶段部分子分类器权重过高的问题做出了改进。所提算法,在训练阶段,采用基于随机子空间的判决式特征选择方法对样本特征属性随机采样,对子分类器进行训练;在联合投票决策阶段,采用了融合了样本属性精度和子分类器的精度的投票决策机制。实验结果表明,改进的Ada Boost算法具有更高的分类精度。