SentiPulse · 舆情脉动

A 股新闻情绪 + LSTM 股价预测端到端项目（数据采集、清洗、建模、评估一体）。

目录结构

SentiPulse/
├── 文档/                   # 项目文档、报告素材、团队分工声明
├── 训练数据/               # 原始爬取数据 + 清洗后可用数据
├── 实验数据/               # 实验结果、BERT 训练输出、分析报告
├── 数据爬取/               # 爬虫模块：Baostock + 东方财富 + 巨潮 + 证券时报
├── 数据清理/               # 规则清洗 + DeepSeek 新闻摘要 + 坏样本修复
├── BERT微调/               # bert-base-chinese 金融情绪三分类微调
├── 时序模型训练/           # LSTM 训练、回测、年度滚动实验、BERT 对比实验
├── 应用部分/               # Web Dashboard（Flask + 前端）
├── core/                   # 核心 Python 库（情感推理、LSTM、数据处理）
├── run.py                  # 统一 CLI 入口
├── pyproject.toml          # 项目配置
└── requirements.txt        # 依赖

快速开始

conda activate FinBERT
cd SentiPulse

# 1. 数据已入库时，直接生成情感特征
export BERT_MODEL_PATH=../models/Bert
export SENTIMENT_MODEL_PATH=../models/FinBERT2-large
python 时序模型训练/build_sentiment_both.py --variant both --dataset CSMD50_merged

# 2. 三组 LSTM 训练
python -m core.price_forecast.train --mode all --symbols 贵州茅台 --epochs 20

# 3. 回测
python run.py evaluate --symbol 贵州茅台 --mode all --n-points 40

# 4. 训练数据量实验（FinBERT fusion，全股票）
python run.py year-roll-experiment --epochs 20

# 5. BERT 三组对比实验（前5年训练，最后1年测试）
python run.py bert-compare-experiment --epochs 20

Web 展示 Dashboard

pip install flask flask-cors
python run.py serve          # 默认演示模式
# 打开 http://127.0.0.1:5000

依赖

pip install -r requirements.txt

详细流程见 docs/项目流程与原理说明.md。