海量的互聯(lián)網(wǎng)金融信息在金融市場(chǎng)中擁有著舉足輕重的地位,對(duì)網(wǎng)絡(luò)金融文本信息的挖掘工作存在明顯的實(shí)踐價(jià)值。投資者在進(jìn)行投資活動(dòng)的過(guò)程中存在主觀性偏好和認(rèn)知偏差,市場(chǎng)并非是完全有效的,由此資產(chǎn)定價(jià)不能忽視投資者心理因素的作用。隨著社交網(wǎng)站和金融理財(cái)互動(dòng)平臺(tái)的涌現(xiàn),投資者更傾向于通過(guò)便捷性的網(wǎng)絡(luò)途徑關(guān)注股票市場(chǎng)信息,并可以不受時(shí)間、空間的限制與其他投資者互動(dòng)交流心得。如果可以有效地結(jié)合互聯(lián)網(wǎng)金融信息測(cè)度出投資者情緒,并能夠進(jìn)行風(fēng)險(xiǎn)預(yù)警研究,這給股市實(shí)踐帶來(lái)的價(jià)值是尤為顯著的。在現(xiàn)代資產(chǎn)理論的框架下,本文首先從心理學(xué)和外部環(huán)境分析投資者情緒對(duì)股票市場(chǎng)風(fēng)險(xiǎn)的影響機(jī)理;其次,以2017年3月17日至2018年5月3日期間東方財(cái)富網(wǎng)上證指數(shù)股吧554186條發(fā)帖信息為研究對(duì)象,對(duì)投資者情緒特征進(jìn)行全面刻畫(huà),并應(yīng)用基于詞典的情感分析方法實(shí)現(xiàn)金融文本挖掘和情感識(shí)別;與此同時(shí),設(shè)計(jì)一套股票市場(chǎng)風(fēng)險(xiǎn)預(yù)警系統(tǒng),將市場(chǎng)表現(xiàn)指標(biāo)和投資者情緒指標(biāo)應(yīng)用到核函數(shù)為徑向基函數(shù)、懲罰系數(shù)為4、γ參數(shù)為2^-5的SVM模型,并以預(yù)警精度、查準(zhǔn)率、召回率及F1指數(shù)科學(xué)評(píng)估預(yù)警能力,最終引入投資者情緒的回測(cè)精度... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于情感詞典的金融文本挖掘過(guò)程

圖 3. 2 常見(jiàn)中文分詞工具的受眾度對(duì)比圖文本分詞關(guān)鍵在于分詞工具的選擇。因?yàn)椴煌姆衷~工具采用的分詞算法并非一致，這會(huì)直接導(dǎo)致分詞效果差別化。Github 作為全球程序員發(fā)布開(kāi)源項(xiàng)目的重要代碼倉(cāng)庫(kù)，不乏也聚集許多文本分詞工具，其 star 值可以被用來(lái)反映程序的受眾度。圖 3.2 展示了目前常見(jiàn)中文分詞工具的受眾度對(duì)比圖，其中 jieba 分詞庫(kù)遙遙領(lǐng)先。觀察表 3.3，比較如下 8 種分詞工具對(duì)同個(gè)示例的分詞效果，jieba分詞的分詞效果不亞于其他分詞工具，而且也 供詞性標(biāo)注功能。于是，最終選擇 python 中 jieba 中文分詞庫(kù)作為文本分詞工具。它囊括中文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、新詞識(shí)別、支持用戶(hù)自定義詞典等功能，由此被廣泛地應(yīng)用于中文詞法分析。具體示例如下：指數(shù)沒(méi)有補(bǔ)跌調(diào)整下來(lái)絕對(duì)不要進(jìn)，市場(chǎng)底還早呢

出 TF 值和 IDF 值。TF 即詞頻，是各個(gè)詞在 個(gè)文本逆向文檔頻率，可以衡量各個(gè)詞語(yǔ)重要性。各個(gè)特定（3.1），其中，All_Num表示文本文件總數(shù)，Conta的文本文件數(shù)。 = 10( _ _ ) 誤率，本文運(yùn)用 TF-IDF 技術(shù)進(jìn)行特征表示。網(wǎng)絡(luò)領(lǐng)文本信息，保留文本中出現(xiàn)頻率較高的關(guān)鍵詞，并整個(gè)文本的話題和主旨。集合所有分詞后的標(biāo)題文本圖 3.3）。從詞云圖上觀測(cè)出，“大盤(pán)”、“A 股”數(shù)” 出現(xiàn)的頻次較高，印證標(biāo)題文本是對(duì)金融領(lǐng)域狀況密不可分。而“股災(zāi)”、“下跌”此類(lèi)形容股市者的情感。

【參考文獻(xiàn)】：
期刊論文
[1]市場(chǎng)操縱與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于投資者情緒的路徑分析[J]. 李夢(mèng)雨,李志輝.  國(guó)際金融研究. 2019(04)
[2]投資者情緒與股價(jià)崩盤(pán)風(fēng)險(xiǎn):來(lái)自中國(guó)市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J]. 趙汝為,熊熊,沈德華.  管理評(píng)論. 2019(03)
[3]基于SVM的碳金融風(fēng)險(xiǎn)預(yù)警模型研究[J]. 谷慎,汪淑娟.  華東經(jīng)濟(jì)管理. 2019(03)
[4]企業(yè)內(nèi)部控制與機(jī)構(gòu)投資者羊群行為:“反向”治理效果及異質(zhì)性分析[J]. 張向麗,池國(guó)華.  財(cái)貿(mào)研究. 2019(01)
[5]基于動(dòng)態(tài)無(wú)標(biāo)度網(wǎng)絡(luò)的信息策略與羊群行為演化研究[J]. 王宗潤(rùn),潘城城.  中國(guó)管理科學(xué). 2018(12)
[6]央行外匯干預(yù)、投資者情緒與匯率變動(dòng)[J]. 司登奎,李小林,江春.  統(tǒng)計(jì)研究. 2018(11)
[7]基于實(shí)驗(yàn)經(jīng)濟(jì)學(xué)的投資者情緒對(duì)股票流動(dòng)性影響研究[J]. 尹海員,華亦樸.  中央財(cái)經(jīng)大學(xué)學(xué)報(bào). 2018(11)
[8]基于股市投資者情緒的非理性投機(jī)泡沫模型研究[J]. 黎超,胡宗義,施淑蓉.  財(cái)經(jīng)理論與實(shí)踐. 2018(05)
[9]投資者信息能力:意見(jiàn)分歧與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——來(lái)自社交媒體“上證e互動(dòng)”的證據(jù)[J]. 丁慧,呂長(zhǎng)江,陳運(yùn)佳.  管理世界. 2018(09)
[10]網(wǎng)絡(luò)投資者情緒與股票市場(chǎng)價(jià)格關(guān)系研究——基于文本挖掘技術(shù)分析[J]. 孟志青,鄭國(guó)杰,趙韻雯.  價(jià)格理論與實(shí)踐. 2018(08)



本文編號(hào)：3567300