刘昌荣，黄 珍，袁贝贝，李 岚

(1. 兰州文理学院 数字媒体学院， 甘肃 兰州 730010; 2. 兰州文理学院 教育学院， 甘肃 兰州 730010)

我国许多民众选择投资股票市场以求获得财产增值，但股票市场风险大，股民都很关注股票的涨跌规律，由于对上市公司信息了解不足、难以理解众多专业金融术语等问题，因而蒙受风险的可能性较大.许多上市公司也很关注自家公司的股票涨跌情况，因为股票涨跌在一定程度上反映出了公司的发展情况和国家经济的发展状况.所以，预测股票价格走势、制定合理的投资策略，在金融领域具有重要的战略意义.

目前，股票预测的方式主要有两类，即传统的统计学方法和神经网络方法.统计学领域主要有逻辑回归模型、ARCH模型、GARCH模型、支持向量机(SVM)和隐马尔可夫模型等预测方法；人工神经网络方面主要有小波神经网络、遗传LMBP神经网络、BP神经网络等预测模型.文献[1-6]使用传统模型和方法，通过分析关键特征和交易信号等重要信息来进行股票数据分析，从而做出是否为股票拐点和是否适合交易的判断；文献[7-9]在传统模型的基础上融入了神经网络方法或股票干扰因素来进行某一特征预测或模型改进；文献[10]以LSTM模型为主，融合ARIMA(Autoregressive Integrated Moving Average)模型，预测了游客数据；文献[11]通过优化传统模型改进而来的XGBoost来预测短期股价走势，但仍可进一步改进；文献[12]提出加入新闻数据对股票价格走势进行预测，但其模型中未进行新闻数据特征筛选，存在难以界……