078经济论坛基于投资者情绪的元宇宙股票价格预测研究——以千方科技为例文/余佳雨“元宇宙”是数字技术的革命，也是数字文明的重要成果，它拥有广阔的发展空间和无限的可能性。文章以千方科技公司股票价格为研究对象，为了能够更加精准和高效地对股票价格进行预测，提出了基于集合经验模态分解和双向长短时记忆神经网络（EEMD-BiLSTM）的股票价格预测模型。以千方科技公司股票价格时间序列数据为数据样本，对其进行集合经验模态分解，分别求得不同时间尺度下所得的固有模态分量（IMF）；再对IMF建立BiLSTM股票价格预测模型；最后，对各分量的预测结果进行求和，得出最终预测值，以此对股票价格进行预测。1文献分析金融资产定价一直是金融领域的核心问题，关于这方面，学者们众说纷纭。例如，刘海飞等（2017）发现微博信息质量将改变公司股票波动受到市场平均股票的影响情况[1]；从股吧论坛上获取信息从而捕捉投资者情绪，继而研究股价与其之间的关系也是研究的方向之一（部慧等（2018））[2]；吴慧慧（2022）考察投资者情绪截面特征对股票定价的影响，并探究投资者情绪对股票定价的影响机制[3]；还有学者对上市公司财务报表进行分析，通过了解公司整体的经营状况和财务业绩对公司未来发展进行预测（印辉（2022））[4]。在大数据时代，自然语言处理技术（NLP）的迅猛发展使量化投资者情绪成为可能。该方面的研究主要分为两类，一是构建情感词典进行情感打分，如顾文涛等（2020）在构建适用于对金融投资领域的财经新闻进行文本分析的新型情感词典的基础上建立了预测模型[5]。二是运用深度学习的方法进行情感分类，如张洋（2021）在其研究文献中提出融合此特性的双通道复合模型[6]。对金融资产进行价格预测的方法通常可以分为两种：即线性预测和非线性预测。Yuze等（2021）采用长短期记忆神经网络和变模态分解研究新闻情对石油期货价格的影响[7]。宫晓莉等（2020）采用支持向量机研究金融行业的风险预警体系，并且论证了预警体系的合理性[8]。由于股票价格是非平稳的时间序列数据，因此，在最近的研究中，发展了一种新的集成预测方法，即“分解与集成”，以处理不规则和非平稳的时间序列数据预测任务。该方法将原始时间序列数据分解为若干个平稳周期，通过预测模型分别进行估计，最后综合得到预测输出。在所有的分解方法中，经验模态分解（EMD）分类方法是目前经验工作中使用的主要方法。基于以上研究，文章构建了EEMD-BiLSTM模型与投资者情绪指标的千...
