随着金融市场参与者的大幅增加和金融衍生品的不断演化,金融市场结构愈发复杂多变,对市场稳定和发展提出了新的挑战和机遇。特别是随着移动互联网的快速发展,信息得以快速传播和增长,市场参与者依据这些信息制定投资策略,进而对市场的稳定和发展产生影响。在线文本新闻作为获取资讯信息的重要来源之一,如何有效利用庞杂的文本新闻信息对金融市场进行预测,对市场的稳定发展和市场参与者的经营决策有着重要影响。文本数据具有语义多元、句法复杂多变、隐喻性表达等诸多特点,使得基于传统文本挖掘技术的预测任务存在文本表征能力有限、依赖人工规则抽取文本特征等缺陷。因此,本文结合传统自然语言处理技术和深度学习模型,从文本表征学习、全局特征向量抽取、时序数据建模等多个方面,对基于新闻文本语义分析的标准普尔500指数(Standard&Poor’s 500 Index,S&P 500 Index)的涨跌预测任务进行深入研究和实践,具体研究内容如下:1.基于事件抽取的股指涨跌预测模型。自然语言处理研究的首要任务是如何有效地把文本语义信息表征为机器语言,传统词袋(Bag-Of-Words,BOW)等表示模型存在无法表征上下文语义信息、特征向量高维度高稀疏等问题,本文基于句法分析树对新闻标题进行主谓宾成分抽取,利用Word2Vec表示模型把主谓宾成分表征为低维、稠密的实值向量,结合张量神经网络(Neural Tensor Networks,NTNs)对由主谓宾组成的事件向量进行高层次特征抽取。同时利用基于LSTM(Long Short-Term Memory)记忆神经元的循环神经网络拟合新闻事件与指数波动的时序关系,实现利用文本数据预测标普500指数涨跌的预测模型。2.基于Seq2Seq(Sequence-to-Sequence)的股指涨跌预测模型。在事件抽取的基础上,本文进一步利用基于Seq2Seq的SV(Skip-thought Vector)模型表征新闻标题的事件向量,该模型利用大规模新闻语料库进行训练,可以有效把语义信息转换成低维稠密的实值向量。同时,为了把同一天所有新闻事件有效映射到当天的指数上,本文利用FV(Fisher Vector)编码对事件向量进行全局特征分解和抽取,并设计多层双向的LSTM循环神经网络从过去和未来两个时间维度刻画新闻事件与指数波动的序列关系。基于以上两个预测模型,本文利用语义距离、准确率、MCC等多个指标评估模型,两个基于新闻文本的组合预测模型在标普500指数预测任务上分别取得64.06%和64.55%的预测准确率,并根据实验结果得出以下结论:1.新闻文本能作为预测未来指数走势的有效特征之一;2.新闻文本信息对指数影响具有时效性,新闻事件对指数预测的有效性从当前时刻往前推移呈长尾效应;3.文本信息的有效表示有助于提高指数的预测准确率。