我們構建了一個實時市場情緒指數，由三個主要組成部分組成：從社交媒體、市場數據和期權隱含信息中提取的情緒。我們研究了這三個組成部分之間的相互關係，為整個市場生成了一個具有經濟意義的情緒指數，並研究了它的預測能力。
市場不僅受到基本的經濟因素的影響，還受到社會情緒、政治新聞和事件等因素的影響。為了更好地預測市場走勢，我們需要研究這些多方面的影響。目前市場預測實踐中最常見的策略是將各種信息來源的特徵連接成一個超級特徵向量，這將每個信息來源分開處理，忽略它們之間的交互作用。這個實際的挑戰促使我們在研究中開發了一種受監督的張量回歸學習方法。我們基於張量的人工智能市場預測模型捕捉了各種信息來源之間的關係和相互依賴性。此外，我們的人工智能市場預測模型採用一系列張量，反映了收集到的信息的時間序列，因為在金融危機時，金融市場往往會經歷突然的階段轉換。面對市場的動盪，股票價格之間的相關結構也會發生變化。我們基於張量的人工智能市場預測模型使我們能夠從價格時間序列中實證提取出複雜的關係，通過推斷股票價格的即將到來的動態來預測突然的變化。
