建立在有效市場(chǎng)假說(shuō)基礎(chǔ)之上的傳統(tǒng)金融理論認(rèn)為金融資產(chǎn)價(jià)格充分反映了所有可得的信息。而行為金融學(xué)則強(qiáng)調(diào)投資者行為中的非理性成分,認(rèn)為除了股票的基本價(jià)值,反映投資者預(yù)期的投資者情緒也會(huì)對(duì)股票價(jià)格產(chǎn)生重要影響。因此從投資主體出發(fā),在行為金融理論的基礎(chǔ)上研究股票市場(chǎng)的波動(dòng),不失為一種有效的方式。而網(wǎng)絡(luò)媒體的發(fā)展為情緒的度量提供了直接來(lái)源,從股票評(píng)論中獲取投資者的看法與預(yù)期成為金融分析的重要手段。非結(jié)構(gòu)化的股票評(píng)論對(duì)投資者情緒的提取造成了一定挑戰(zhàn),為解決這部分問(wèn)題,本文運(yùn)用詞向量技術(shù)和關(guān)聯(lián)規(guī)則方法構(gòu)建并擴(kuò)展了情感詞典,利用情感分類算法對(duì)評(píng)論蘊(yùn)含的股票市場(chǎng)預(yù)期進(jìn)行了判斷,并以此為基礎(chǔ)構(gòu)建了投資者情緒指數(shù)。進(jìn)一步地,本文借助構(gòu)建的情緒指數(shù)探索網(wǎng)絡(luò)情緒與股票市場(chǎng)之間的關(guān)系,相關(guān)分析與因果檢驗(yàn)的結(jié)果都表明該情緒指數(shù)對(duì)股票收益具有一定的預(yù)測(cè)性。最后,相較于已有的股票預(yù)測(cè)方法,本文嘗試從兩個(gè)方向提高股票價(jià)格時(shí)間序列預(yù)測(cè)的準(zhǔn)確度。一方面,依賴于提取的輿情數(shù)據(jù)的投資者情緒,本文將情緒作為外部特征融入預(yù)測(cè)模型。另一方面,本文從時(shí)間序列模型本身入手,結(jié)合神經(jīng)網(wǎng)絡(luò)和計(jì)量模型的優(yōu)勢(shì)構(gòu)造NARX-GARCH模型,充分挖掘... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

股吧爬取頁(yè)面圖

圖 4.2 序列的自相關(guān)圖與偏自相關(guān)圖表 4.5 不同 p 和 q 的標(biāo)準(zhǔn)化 BICq=0 q=1 q=2 q=3 q=4P=0 NA 5.4140 5.5318 5.7964 6.2371P=1 4.9931 5.0132 5.0291 5.0500 5.0696P=2 5.0238 4.9730 4.9896 4.9996 5.0139P=3 4.9573 4.9782 4.9942 5.0172 5.0365P=4 4.9142 4.9035 4.8990 5.0289 4.9428Rt的 ARMAX(4,2)模型的參數(shù)估計(jì)如表 5 所示。對(duì)于股票收益率而言，AR(4數(shù)在 1%的顯著性水平下拒絕原假設(shè)，MA(2)的系數(shù)在 5%的顯著性水平下拒假設(shè)，并且自相關(guān)檢驗(yàn)表明已不具有自相關(guān)性，說(shuō)明 ARMAX(4,2)模型具有

文設(shè)置 NARX 神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為 2，隱含層數(shù)為 1，10，滯后期為 2。具體結(jié)構(gòu)如下圖所示：圖 4.3 NARX 網(wǎng)絡(luò)結(jié)構(gòu)上述經(jīng)過(guò)訓(xùn)練的 NARX 神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)值和對(duì)測(cè)誤差的效果圖如下所示。

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)股票網(wǎng)絡(luò)論壇的信息含量分析[J]. 段江嬌,劉紅忠,曾劍平.  金融研究. 2017(10)
[2]基于微博的投資者情緒對(duì)股票市場(chǎng)影響研究[J]. 張信東,原東良.  情報(bào)雜志. 2017(08)
[3]大數(shù)據(jù)時(shí)代基于文本信息的信用風(fēng)險(xiǎn)管理研究[J]. 陳藝云.  金融理論與實(shí)踐. 2017(04)
[4]大規(guī)模情感詞典的構(gòu)建及其在情感分類中的應(yīng)用[J]. 趙妍妍,秦兵,石秋慧,劉挺.  中文信息學(xué)報(bào). 2017(02)
[5]大數(shù)據(jù)背景下投資者行為研究的趨勢(shì)分析:基于“內(nèi)涵-思路-方法”的三重視角[J]. 李倩,吳昊.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2017(02)
[6]基于Word2Vec的情感詞典自動(dòng)構(gòu)建與優(yōu)化[J]. 楊小平,張中夏,王良,張永俊,馬奇鳳,吳佳楠,張悅.  計(jì)算機(jī)科學(xué). 2017(01)
[7]基于投資者情緒的股票價(jià)格及成交量預(yù)測(cè)研究[J]. 陳曉紅,彭宛露,田美玉.  系統(tǒng)科學(xué)與數(shù)學(xué). 2016(12)
[8]金融市場(chǎng)文本情緒研究進(jìn)展[J]. 唐國(guó)豪,姜富偉,張定勝.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2016(11)
[9]基于近鄰互信息的SVM-GARCH股票價(jià)格預(yù)測(cè)模型研究[J]. 張貴生,張信東.  中國(guó)管理科學(xué). 2016(09)
[10]基于word2vec的互聯(lián)網(wǎng)商品評(píng)論情感傾向研究[J]. 黃仁,張衛(wèi).  計(jì)算機(jī)科學(xué). 2016(S1)

博士論文
[1]數(shù)據(jù)驅(qū)動(dòng)的金融時(shí)間序列預(yù)測(cè)模型研究[D]. 張貴生.山西大學(xué) 2016

碩士論文
[1]基于海量文本挖掘的證券市場(chǎng)情緒監(jiān)控及預(yù)測(cè)[D]. 印如意.電子科技大學(xué) 2018
[2]基于互聯(lián)網(wǎng)數(shù)據(jù)挖掘的投資者情緒與股市收益統(tǒng)計(jì)研究[D]. 魯曉鵬.西南財(cái)經(jīng)大學(xué) 2016
[3]微博內(nèi)容挖掘與金融時(shí)間序列關(guān)聯(lián)性研究[D]. 周廣.北京郵電大學(xué) 2016
[4]大眾網(wǎng)絡(luò)情緒與中國(guó)股市的相關(guān)性探究[D]. 賴凱聲.南開(kāi)大學(xué) 2013
[5]基于中文社會(huì)媒體分析的股票行為預(yù)測(cè)[D]. 袁多利.合肥工業(yè)大學(xué) 2013
[6]基于關(guān)聯(lián)規(guī)則和圖排序的句子情感傾向性研究[D]. 宋艷雪.大連理工大學(xué) 2011



本文編號(hào)：2910883