1. 本选题研究的目的及意义

在当今金融市场中，股指作为衡量市场整体走势的重要指标，其波动对于投资者、监管机构和整个经济体系都具有至关重要的影响。

准确预测股指走势一直是金融领域的研究热点和难点，而大数据的出现为股指预测提供了新的机遇和挑战。

2. 本选题国内外研究状况综述

随着大数据技术的快速发展，国内外学者对基于大数据的股指预测研究越来越关注，并取得了一系列成果。

1. 国内研究现状

国内学者在基于大数据的股指预测方面，主要集中于以下几个方面：1.数据源拓展:学者们开始探索将新闻文本、社交媒体数据等非结构化数据应用于股指预测，例如，[李晓东等(2018)利用网络搜索指数预测股市波动](https://xueshu.baidu.com/usercenter/paper/show?paperid=10326991699782349154site=xueshu_se)，[王辉等(2019)基于微博情绪构建股市预测模型](https://xueshu.baidu.com/usercenter/paper/show?paperid=11427847946113790268site=xueshu_se)。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本研究的主要内容包括以下几个方面：1.大数据与股指预测概述:阐述大数据的概念、特征以及其在股指预测中的应用价值，并对股指预测的基本概念、方法和意义进行概述。

2.股指预测相关理论基础:介绍与股指预测相关的理论基础，包括有效市场假说、行为金融学理论、技术分析指标等，为后续模型构建提供理论支撑。

4. 研究的方法与步骤

本研究将采用定量分析与实证研究相结合的方法，具体步骤如下：
1.数据收集与预处理:从wind资讯、国泰安数据库等渠道收集股指历史数据、宏观经济数据、新闻舆情数据等，并对数据进行清洗、去噪、标准化等预处理操作，以构建可靠的研究样本。

2.特征工程:基于金融市场理论和数据挖掘技术，对预处理后的数据进行特征提取，构建多维度特征体系，包括技术指标、宏观经济指标、情绪指标等。

3.模型选择与构建:研究和比较不同机器学习算法（如支持向量机、随机森林、神经网络等）在股指预测中的应用效果，选择最优算法构建预测模型。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：
1.多源数据融合:本研究将整合来自金融市场、宏观经济、新闻舆情等多源异构数据，构建更加全面的股指预测数据集，以提高模型的预测精度。

2.特征工程创新:本研究将结合金融市场理论和数据挖掘技术，探索新的特征提取方法，构建更有效的股指预测特征体系。

3.模型优化与改进:本研究将在现有机器学习算法的基础上，对模型进行优化和改进，以提高模型的预测精度和泛化能力。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1]李晓, 叶强, 王磊. 基于文本情感分析的股市预测研究综述[j]. 计算机应用研究, 2022, 39(12): 3553-3562.

[2]丁美麟, 汪浩, 彭博, 等. 基于新闻情感和深度学习的股指预测研究[j]. 计算机工程与应用, 2022, 58(16): 197-205.

[3]王馨瑶, 刘丽. 融合多源数据的股指趋势预测模型[j]. 统计与信息论坛, 2021, 36(12): 25-33.