网络社交媒体中投资者情绪对股票市场的影响研究

发布时间：2020-09-18 12:20

　　股票市场表现的影响因素一直都是学者和股民讨论的热点,除了经济基本面及公司经营情况外,大量研究表明投资者情绪也会对股市涨跌起到一定作用。尤其是中国这样的新兴市场,股市自成立至今不足30年,个人投资者盲目从众、追涨杀跌的羊群效应较为明显。目前学术界对投资者情绪的测度方法主要是依赖证券市场交易数据,如封闭式基金折价率、IPO首日溢价率等间接指标作为投资者情绪的代理,其客观性、时效性一般,对于投资者情绪衡量的准确性无法保证。另一方面,随着互联网及Web2.0时代的发展,越来越多人参与到网络社交媒体中进行信息的交流和讨论,并且也通过互联网信息帮助自己做出决策。而股票论坛作为投资者交流与讨论投资经验与观点的平台,其中蕴含了丰富的信息值得进行挖掘和研究。本文从互联网大数据挖掘这一创新视角出发,利用Python编程抓取了新浪股吧中的股民发帖信息及新浪财经多空投票数据,通过文本情感分析技术提炼出投资者情绪指标,并与股票市场进行了实证分析。研究发现网络投资者情绪与股票市场收益率及成交量均呈现出较高的正相关性,且前者在短期内有助于预测股市下一交易日的涨跌,而对成交量的影响作用通常超过10个交易日。同时,本文还基于研究结果为投资者优化投资策略,以及为监管层建立健康稳定的投资环境,促进我国股市健康发展提供了建议。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51
【部分图文】：

技术路线图,技术路线

图 1-1 技术路线Fig.1-1 Research Idea1.4 论文结构本文主要分为六个部分，各章节的内容安排如下所示：第一章：绪论。本章主要介绍论文的研究背景、研究目的和意义、研究方法、技术路线和论文结构等。第二章：理论分析及文献综述。通过阅读国内外文献，了解行为金融学理论对股票市场的解释，并了解各时期学者们对于投资者情绪的衡量方式，梳理并总结前人的研究成果和经验，为本文打下扎实的理论基础。第三章：数据来源选择和收集。通过对比不同网站股票论坛的数据质量和可操作性，选择合适的数据来源，并利用 Python 爬虫程序，对互联网数据进行抓取和存储，便于后续分析。第四章：文本情感分析及投资者情绪指数的构建。运用不同的文本分析技术，对下载的数据进行深入挖掘和提炼，并对比不同情感分类技术的准确性，从而构

机器学习,分类方法,步骤

图 2-1 基于机器学习的情感分类方法步骤1 Steps of sentiment analysis based on Machine Lear金融学理论角度出发，解释了投资者情绪。其次，梳理了国内外学者对于投资者情波动的实证研究结果，指出传统视角下的、收集成本高及存在滞后性的缺陷。而随率先开始尝试从海量 Web2.0 数据中挖掘有多都是基于英语语言文本及欧美发达证券构与英语存在较大差异，且中国证券市场关领域的研究相对还比较匮乏。目前国内媒体角度来研究投资者情绪方面已经做出相同，文本情感分析方法相对较为粗糙，此得出结论也无法统一，说服力不强。结前人的经验和不足基础上，尝试通过网

情感分析,算法逻辑,情感,帖子

图 4-1 基于情感词典的情感分析算法逻辑Fig.4-1 steps of sentiment analysis based on sentiment dictionary示了本文基于情感词典法的股评情感分类效果：表 4-1 基于情感词典的情感分类效果评估Precision Recall F-measure乐观 73.6% 75.5% 74.5%悲观 77.1% 74.2% 75.6%发现，在所有乐观情绪的帖子中，有 75.5%的帖子被算法法标注为乐观的帖子中，准确率达到 73.6%；同样，在所有 74.2%的帖子被算法识别了出来，而被算法标注为悲观的 77.7%。可以看出，在我们扩充了基本情感词典之后，情前学者的研究结论要提高了不少。考虑到这一方法操作简类有效性也达到了可以接受的水平。在下一节中我们将着算法，即目前学术界研究较为热门的机器学习分类算法，分类准确性。

【参考文献】