股票,是人们进行投资理财、资产管理的一种重要方式,对股票进行准确的投资预测,不仅能给投资者带来利益,而且也能极大地促进国家经济的发展。因此,股票市场一直受到投资者和专家的关注与重视。由于股票市场的变动呈现复杂波动趋势,导致股价被不确定性噪声信号的影响较大,进而使得对股票的投资和对价格趋势的预测面临许多挑战。于是作为互联网和金融融合的产物--智能投顾便产生了。智能投顾,作为一种线上工具,是进行财富管理的创新形式,通过自动化的算法分析应用程序及结合大数据技术的专业互联网交易平台分析技术来为广大顾客和投资者提出专业个性化的股票投资理财建议,提供专业的资产配置风险管理咨询服务。本文一方面从股票文本的角度,结合加权融合的思想,对网站上专家的股评进行主题识别;另一方面,从技术指标的角度,将MACD嵌入到奇异值分解中,实现对不确定性噪声的消除,进而实现对股票的投资预测。主要工作如下:(1)搭建文本分类的框架,结合加权融合的思想,在特征层和决策层进行融合,实现对专家股评文本的主题精准识别。具体包括:特征选择层,对多种特征选择方法进行加权融合,使其能够全面表征股票文本特点;决策层,基于SVM-score,,对多个分类器进行决策层融合,构建一个增强分类器,用于最终的文本主题判别。(2)将MACD的加权平均思想融入到奇异值分解中,进而对MACD模型进行修正。首先,依据加权平均的思想构造特殊的重构吸引子二维信号矩阵;其次,利用奇异值分解,消除不确定性噪声的干扰;最后,基于修正的MACD模型对股票的卖出买入点做出研判,使其能够准确反映股票价格的涨跌规律,实现股票的精准预测。创新之处在于巧妙地将MACD的算法融合到奇异值分解矩阵中,进而利用SVD实现了对不确定噪声的消除或减弱,完成对股票的预测。实验数据来源于东方财富网的“大盘分析”相关文本报道和从巨潮资讯网站下载的沪深股市2016年1月1日至2017年11月3日的日线数据,用来验证上述方法的有效性。基于实测数据的实验表明:相比单一模式的文本主题识别方法,文章提出的多层次融合算法的识别精度明显提高;相比传统的MACD技术指标,文章提出的基于重构吸引子奇异值分解的MACD修正模型能较好地实现股票的精准预测。