華航股票PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

利用LSTM神經網路和情緒分析進行短期股價預測

為了解決華航股票PTT的問題，作者柯沁儒 這樣論述：

股市價格的改變具有高波動性的特質，是因為影響因素眾多所導致，因此在股價預測上一直是非常複雜且具有挑戰的研究議題。但是隨著深度學習的快速發展，越來越多的模型可以用於預測股價的波動，Long Short Term Memory（LSTM）神經網路是深度學習中類神經網路的方法之一，在處理時間序列相關的任務上有顯著的成果，很適合做為股票趨勢預測的模型。由於網際網路的普及，投資人可以隨時隨地的使用行動裝置接收網路資訊，進而影響買賣決策，使股價產生變化，而新聞和PTT股票板是投資人最常用於接收股市資訊的管道，有效分析其文章內容中所隱含的情緒，有助於提升預測的準確率。本研究運用預訓練的Bidirectio

nal Encoder Representations from Transformers（BERT）模型分析新聞和PTT股票板文章的情緒特徵，之後結合股票歷史成交資訊，輸入LSTM神經網路進行股價預測。實驗結果發現加入二項情緒特徵後，均方根誤差（RMSE）可以得到平均12.05%的改善。