伴隨著我國互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展與金融市場(chǎng)機(jī)制的日益完善,網(wǎng)絡(luò)輿情已經(jīng)逐漸成為影響我國股票市場(chǎng)穩(wěn)定的一個(gè)重要因素。而股票市場(chǎng)的輿情包括很多方面,比如股票市場(chǎng)上的波動(dòng),投資者的情緒變化和因股票市場(chǎng)的波動(dòng)引起的公共討論。此文章利用真實(shí)波幅均值指標(biāo)來衡量股市的波動(dòng),借助知網(wǎng)和百度指數(shù)兩大平臺(tái),通過建立股票市場(chǎng)的情感權(quán)重字典來量化輿情,進(jìn)而構(gòu)建輿情情感權(quán)重指數(shù),以實(shí)現(xiàn)對(duì)真實(shí)波幅均值進(jìn)行預(yù)測(cè)。如何準(zhǔn)確的、無感情色彩的反映投資者的情緒是建立股票市場(chǎng)的情感權(quán)重字典的關(guān)鍵,除此之外字典中的關(guān)鍵詞應(yīng)與股市高度相關(guān);同時(shí),為了實(shí)現(xiàn)股票市場(chǎng)的動(dòng)態(tài)監(jiān)控,關(guān)鍵詞需要保證定時(shí)更新、富于變化。具體步驟如下:（1）建立初始關(guān)鍵詞詞庫:利用八爪魚軟件抓取CNKI近三年來一萬多篇關(guān)于“股票市場(chǎng)”的文獻(xiàn)題目,并借助Python軟件中分詞包（Jieba）進(jìn)行分詞工作,通過中文分詞及過濾、詞頻分析三步建立基礎(chǔ)詞庫;（2）關(guān)鍵詞時(shí)差法篩選:設(shè)定因變量y為滬深300指數(shù)的真實(shí)波幅均值數(shù)據(jù),自變量x是基礎(chǔ)詞庫中某個(gè)關(guān)鍵字的TF-IDF值,利用SPSS軟件計(jì)算基礎(chǔ)詞庫中該關(guān)鍵字的百度指數(shù)日數(shù)據(jù)和滬深300真實(shí)波幅均值的日數(shù)據(jù)時(shí)間序列的時(shí)... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于輿情分析的真實(shí)波幅均值預(yù)測(cè)研究流程圖

哈爾濱工業(yè)大學(xué)管理學(xué)碩士學(xué)位論文第 2 章 相關(guān)理論基礎(chǔ)1 輿情分析常用方法股票市場(chǎng)的輿情包括投資者的情緒變化、股票市場(chǎng)的行情波動(dòng)以及因場(chǎng)的行情波動(dòng)引起的輿情事件，而這種波動(dòng)基本上是由各種各樣的信息，其涵蓋廣泛的主題如宏觀經(jīng)濟(jì)學(xué)、基本面、政治新聞和社會(huì)熱點(diǎn)等。圖常用的輿情分析研究框架。

其主要用來判斷文本信息中的情感取向。在本文中，按照情感的粒度分為正向和負(fù)向[58]。圖2-2 為情感分析研究流程圖。首先利用爬蟲軟件獲取原始數(shù)據(jù)（文獻(xiàn)題目）后輸入，然后利用分詞包進(jìn)行分詞，經(jīng)過三步過濾后，建立輿情情感字典，通過判斷規(guī)則來進(jìn)行分類。圖 2-2 情感分析研究流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于Logistic回歸模型的微博情感分析研究[J]. 馮軍軍,王海沛,賀曉春.  計(jì)算機(jī)與數(shù)字工程. 2018(09)
[2]基于股評(píng)的投資者情緒對(duì)股票市場(chǎng)的影響[J]. 部慧,解崢,李佳鴻,吳俊杰.  管理科學(xué)學(xué)報(bào). 2018(04)
[3]混頻投資者情緒與股票價(jià)格行為[J]. 姚堯之,王堅(jiān)強(qiáng),劉志峰.  管理科學(xué)學(xué)報(bào). 2018(02)
[4]基于遞歸特征消除方法的隨機(jī)森林算法[J]. 吳辰文,梁靖涵,王偉,李長生.  統(tǒng)計(jì)與決策. 2017(21)
[5]基于神經(jīng)網(wǎng)絡(luò)模型的產(chǎn)品屬性情感分析[J]. 劉新星,姬東鴻,任亞峰.  計(jì)算機(jī)應(yīng)用. 2017(06)
[6]基于多維特征分析的社交網(wǎng)絡(luò)意見領(lǐng)袖挖掘[J]. 曹玖新,陳高君,吳江林,劉波,周濤,胥帥,朱子青.  電子學(xué)報(bào). 2016(04)
[7]新股收益與投資者情緒——基于中國股市新股“漲停板”數(shù)量的實(shí)證研究[J]. 楊竹清,張超林.  浙江金融. 2016(03)
[8]基于文本挖掘和百度指數(shù)的投資者情緒指數(shù)研究[J]. 孟雪井,孟祥蘭,胡楊洋.  宏觀經(jīng)濟(jì)研究. 2016(01)
[9]我國股票市場(chǎng)投資者情緒SENT指數(shù)的構(gòu)建——基于上證A股公司的面板數(shù)據(jù)[J]. 馬若微,張娜.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2015(07)
[10]金融危機(jī)背景下中美投資者情緒的傳染性分析[J]. 文鳳華,楊鑫,龔旭,黃創(chuàng)霞,楊曉光.  系統(tǒng)工程理論與實(shí)踐. 2015(03)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的用戶下一個(gè)地理興趣點(diǎn)推薦模型研究[D]. 張芷芊.武漢大學(xué) 2018
[2]基于深度學(xué)習(xí)的太陽能光伏發(fā)電短期預(yù)測(cè)方法[D]. 于佳弘.浙江大學(xué) 2018
[3]基于神經(jīng)網(wǎng)絡(luò)模型的文本情感分析系統(tǒng)的研究與實(shí)現(xiàn)[D]. 郭豪.北京郵電大學(xué) 2018
[4]基于百度指數(shù)的投資者關(guān)注度對(duì)于股票市場(chǎng)表現(xiàn)的影響[D]. 繆杰.廈門大學(xué) 2014
[5]投資者情緒對(duì)中國股市收益與收益波動(dòng)影響實(shí)證研究[D]. 仇冬.華中科技大學(xué) 2012



本文編號(hào)：3390835