我们构建了一个实时市场情绪指数，由三个主要组成部分组成：从社交媒体、市场数据和期权隐含信息中提取的情绪。我们研究了这三个组成部分之间的相互关系，为整个市场生成了一个具有经济意义的情绪指数，并研究了它的预测能力。
市场不仅受到基本的经济因素的影响，还受到社会情绪、政治新闻和事件等因素的影响。为了更好地预测市场走势，我们需要研究这些多方面的影响。目前市场预测实践中最常见的策略是将各种信息来源的特征连接成一个超级特征向量，这将每个信息来源分开处理，忽略它们之间的交互作用。这个实际的挑战促使我们在研究中开发了一种受监督的张量回归学习方法。我们基于张量的人工智能市场预测模型捕捉了各种信息来源之间的关系和相互依赖性。此外，我们的人工智能市场预测模型采用一系列张量，反映了收集到的信息的时间序列，因为在金融危机时，金融市场往往会经历突然的阶段转换。面对市场的动荡，股票价格之间的相关结构也会发生变化。我们基于张量的人工智能市场预测模型使我们能够从价格时间序列中实证提取出复杂的关系，通过推断股票价格的即将到来的动态来预测突然的变化。
