独家 | 基于新闻标题的股价走势分析（附链接）

作者:  Ronil Patil

翻译：王闯 (Chuck)

校对：詹好

本文约1900字，建议阅读5分钟

作者基于Kaggle上的新闻头条和股票指数数据集，用Python演示了如何利用NLP技术对新闻标题进行情感分析，从而预测股价走势。

标签：自然语言处理、情感分析、股价预测

本文曾作为数据科学博客松（https://datahack.analyticsvidhya.com/contest/data-science-blogathon-7/）的部分内容发表。

“不要在草堆里找一根藏针，而是要买下整个草堆！”

本次的主题与上述的引文有关，是一项对于股票市场的数据研究工作（译者注：引文是美国指数基金先驱John Bogle的名言，简述了指数型基金的概念，即与其花昂贵的费用请经理人从股市里大海捞针，不如用最简单的方法、最少的手续费，投资整个市场。）

本文介绍了基于自然语言处理（NLP）技术，如何创建一个利用新闻标题来分析股价的模型。具体而言，利用NLP来对新闻标题进行情感分析，从而预测股价涨跌。因此，本文的所有内容都是围绕如何用情感分析来预测股价展开的。

数据集介绍

 

这里我们使用了Kaggle数据集。你可以从这里（https://github.com/ronil068/Stock-Sentiment-Analysis）直接下载。该数据集是Kaggle上可用的世界新闻和股票价格的组合数据。数据框中包括其中25列分别对应每一天的25条TOP新闻，日期列（Date）和标签列（Label, 因变量特征）。数据范围是2008年至2016年，数据框2000年至2008年是从雅虎财经抓取的。标签基于道琼斯工业平均指数。

• 标签为1–股价上涨。

• 标签为0–股价持平或下跌。

开始

 

首先引入相关库

import pandas as pd
from sklearn.feature