AI驱动市场情绪分析系统实战

📚 共计 30 章节

什么是市场情绪？为什么AI能驱动情绪分析？系统整体架构概览。

Python环境、Anaconda、Jupyter Notebook、关键库安装（Pandas, Numpy, Scikit-learn, Transformers）。

数据采集基础

网络爬虫原理、Requests库、BeautifulSoup库、API调用基础。

金融数据源实战

抓取财经新闻（东方财富、新浪财经）、获取社交媒体数据（Twitter/微博API）。

数据清洗与预处理

文本去噪、HTML标签去除、特殊字符处理、统一大小写。

中文分词技术

Jieba分词库详解、自定义词典、停用词过滤、词性标注。

文本特征提取

词袋模型（Bag of Words）、TF-IDF算法原理与实现。

词向量与嵌入

Word2Vec原理、Gensim库使用、预训练词向量加载。

情感词典方法

基于词典的情感分析（SnowNLP）、构建自定义金融情感词典。

传统机器学习模型

朴素贝叶斯、逻辑回归、支持向量机（SVM）在情感分类中的应用。

模型评估与调优

交叉验证、混淆矩阵、精确率/召回率/F1分数、网格搜索。

深度学习入门

PyTorch基础、张量操作、自动求导机制。

循环神经网络（RNN）

RNN原理、处理序列数据、文本情感分类实战。

长短期记忆网络（LSTM）

LSTM解决长期依赖问题、Bi-LSTM模型构建。

注意力机制

Attention原理、Self-Attention、在情感分析中的应用。

注意力机制

Transformer与BERT

Transformer架构解析、BERT预训练模型、Hugging Face库。

微调预训练模型

使用BERT进行情感分类微调、参数调整技巧。

金融领域预训练模型

FinBERT、RoBERTa等金融专用模型介绍与使用。

实时数据流处理

Kafka基础、实时抓取新闻流、流式情感分析。

情感分数聚合

时间序列聚合、加权平均、指数移动平均。

构建情绪指数

标准化处理、基准对比、情绪指数可视化。

指数可视化

情绪与价格关联分析

相关性分析、Granger因果检验、领先滞后关系。

基于情绪的交易策略

情绪阈值策略、情绪趋势跟踪策略、回测框架搭建。

情绪极端值预警、仓位管理、止损策略。

Flask/FastAPI构建REST API、Docker容器化部署。

前端可视化

Streamlit快速搭建仪表盘、Plotly交互式图表。

仪表盘交互

监控与告警

日志系统、Prometheus监控、钉钉/邮件告警。

模型量化、ONNX推理加速、异步处理。

某股票事件驱动分析（财报发布、政策变动）。

课程总结与展望

项目复盘、未来趋势（多模态情绪分析、大模型应用）。