股票市场预测是一个复杂的金融市场分析领域，涉及大量的数据处理和分析技术。随着互联网和社交网络的发展，信息获取的途径更加多元化，传统的股票市场预测方法已不能满足投资分析的需求。多矩阵辅助张量分解方法的提出，旨在结合社交网络中的股民情感、财经网站的新闻报道以及传统金融量化数据，通过张量的数学模型捕捉多维度数据之间的潜在关系，从而提高股票市场预测的准确性。
本研究中的“社交网络”是指互联网上基于用户互动形成的社交平台，例如微博、论坛、贴吧等。在股票市场预测中，社交网络上的股民情绪能够反映出市场参与者对于股票或者市场的态度和预期，这些数据对于预测股票价格波动有重要参考价值。在大数据时代，股民的情绪信息可以被量化分析，为预测模型提供更为丰富的信息输入。
张量分解是数学中的一个重要概念，它涉及到多维数据的分解技术。张量可以视为更高维度的矩阵，它可以将不同数据源的信息以张量的形式融合起来。在股票市场预测中，张量分解的方法可以整合来自不同数据源的信息，包括金融网站的新闻报导、社交网络的用户情绪以及传统金融量化数据等，这些信息通过张量分解得到处理和分析后，能够揭示出股票市场波动的潜在模式。
本研究中提到的“双矩阵辅助张量分解模型”是针对股票市场预测提出的创新方法。双矩阵辅助的含义在于，除了张量本身，研究者构建了两个辅助矩阵来解决张量数据稀疏性问题。这两个辅助矩阵分别是股票关联矩阵和公司财报量化特征矩阵。股票关联矩阵描述了股票之间的相关性，而公司财报量化特征矩阵则包含了公司财务报表中的数值信息。这两者辅助矩阵与张量相结合，不仅可以减少数据的稀疏性，还能强化模型在捕捉不同信息维度间关系的能力。
在研究实施过程中，研究者将提出的模型应用于2015年和2016年CSI100指数中的股票数据进行实验，并与现有的股票预测模型进行比较。实验结果表明，该模型在预测股票价格波动方面具有较好的效果，为投资者提供了选择股票买卖时机的参考。
此外，该研究强调了大数据舆情分析和人工智能技术在投资预测中的应用价值。金融机构能够利用这些技术从海量信息中提取出有价值的数据，并将其用于更加精准的预测分析。这标志着投资分析和预测的未来趋势，不仅仅是基于财务数据的传统方法，而是向着更为综合的大数据和人工智能分析方向发展。
基于多矩阵辅助张量分解对股票市场预测的研究展示了利用先进技术融合多源数据进行市场分析的潜力。通过社交网络的舆情信息、传统金融量化数据的结合，以及高级数学模型的辅助，可以为股票市场分析带来更为全面和准确的预测。这也反映出随着科技的进步，金融市场分析正在逐步转向智能化和多元化的方向。
