南達科他州大學(xué)的Fu教授和Bai研究員近日成功開發(fā)出一款名為“ALERTA-Net”的人工智能(AI)模型，旨在預(yù)測股市的走勢和波動。該模型是一種深度神經(jīng)網(wǎng)絡(luò)，首次整合了宏觀經(jīng)濟數(shù)據(jù)、搜索引擎信息和社交媒體數(shù)據(jù)，為股市預(yù)測領(lǐng)域帶來了新的可能性。

　　研究團隊選擇了全球產(chǎn)業(yè)分類標準中的41支“藍籌”股票，結(jié)合了強大的社交媒體信息檢索和深度學(xué)習(xí)技術(shù)，從雅虎財經(jīng)等來源獲取了超過700萬條推文的數(shù)據(jù)。這些推文涵蓋了41支不同股票的討論，為構(gòu)建全面的預(yù)測模型提供了充分的信息基礎(chǔ)。

　　傳統(tǒng)的股市研究和預(yù)測方法主要包括技術(shù)分析和基本分析。然而，研究人員指出，這兩種方法都存在缺陷，容易忽略關(guān)鍵的股市指標。技術(shù)分析主要依賴于歷史數(shù)據(jù)，可能忽視由于意外事件引起的突然市場變化。而基本分析雖然更全面，但常常忽略了更廣泛經(jīng)濟與股市之間的共生關(guān)系。

　　“ALERTA-Net”模型的研究結(jié)果顯示，在準確性方面優(yōu)于著名的股票運動預(yù)測網(wǎng)絡(luò)DP-LSTM以及其他基準模型。研究人員表示，將繼續(xù)實驗，探索整合音頻和視頻來源等新的輸入，以進一步提高模型的準確性。

　　Fu教授認為，這種模型不僅僅局限于股市領(lǐng)域，還有著廣泛的應(yīng)用潛力。他指出，類似的建模方法可以幫助預(yù)測交通高峰期的等待時間等問題，展示了這一技術(shù)在不同領(lǐng)域的巨大應(yīng)用前景。

　　南達科他州大學(xué)研究人員的“ALERTA-Net”為股市預(yù)測領(lǐng)域帶來了創(chuàng)新，將社交媒體、宏觀經(jīng)濟和搜索引擎數(shù)據(jù)的綜合運用為股市預(yù)測提供了新的思路和工具。