基于大数据的金融市场趋势预测研究

摘要

目的：本研究旨在基于大数据分析，构建金融市场趋势预测模型，以提高预测的准确性与可靠性，从而
为投资者提供科学的决策支持。方法：通过收集金融市场的历史数据、社交媒体情绪和宏观经济指标，采用自回
归模型、支持向量机和长短期记忆网络三种方法进行建模与分析。利用均方误差、决定系数、准确率和 F1-score
等指标对模型进行性能评估，并进行数据的预处理与模型训练。结果：实验结果表明，LSTM模型在预测准确性上
优于AR和 SVM模型，其均方误差为 1.45，决定系数达到 0.93，准确率为 0.85，F1-score为 0.82。SVM和AR模型
的性能略逊，分别为 1.92和 2.67。结论：基于大数据的金融市场趋势预测研究显示，LSTM模型具备更强的适应性
与准确性，能够有效捕捉市场动态及其非线性特征。未来研究可结合更丰富的特征数据与新兴技术，进一步提升
模型的预测能力。