基于舆情分析的股票真实波幅指标预测研究

发布时间：2021-09-08 13:03

　　伴随着我国互联网技术的飞速发展与金融市场机制的日益完善,网络舆情已经逐渐成为影响我国股票市场稳定的一个重要因素。而股票市场的舆情包括很多方面,比如股票市场上的波动,投资者的情绪变化和因股票市场的波动引起的公共讨论。此文章利用真实波幅均值指标来衡量股市的波动,借助知网和百度指数两大平台,通过建立股票市场的情感权重字典来量化舆情,进而构建舆情情感权重指数,以实现对真实波幅均值进行预测。如何准确的、无感情色彩的反映投资者的情绪是建立股票市场的情感权重字典的关键,除此之外字典中的关键词应与股市高度相关;同时,为了实现股票市场的动态监控,关键词需要保证定时更新、富于变化。具体步骤如下:（1）建立初始关键词词库:利用八爪鱼软件抓取CNKI近三年来一万多篇关于“股票市场”的文献题目,并借助Python软件中分词包（Jieba）进行分词工作,通过中文分词及过滤、词频分析三步建立基础词库;（2）关键词时差法筛选:设定因变量y为沪深300指数的真实波幅均值数据,自变量x是基础词库中某个关键字的TF-IDF值,利用SPSS软件计算基础词库中该关键字的百度指数日数据和沪深300真实波幅均值的日数据时间序列的时... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

基于舆情分析的真实波幅均值预测研究流程图

哈尔滨工业大学管理学硕士学位论文第 2 章 相关理论基础1 舆情分析常用方法股票市场的舆情包括投资者的情绪变化、股票市场的行情波动以及因场的行情波动引起的舆情事件，而这种波动基本上是由各种各样的信息，其涵盖广泛的主题如宏观经济学、基本面、政治新闻和社会热点等。图常用的舆情分析研究框架。

其主要用来判断文本信息中的情感取向。在本文中，按照情感的粒度分为正向和负向[58]。图2-2 为情感分析研究流程图。首先利用爬虫软件获取原始数据（文献题目）后输入，然后利用分词包进行分词，经过三步过滤后，建立舆情情感字典，通过判断规则来进行分类。图 2-2 情感分析研究流程图

【参考文献】：
期刊论文
[1]基于Logistic回归模型的微博情感分析研究[J]. 冯军军,王海沛,贺晓春.  计算机与数字工程. 2018(09)
[2]基于股评的投资者情绪对股票市场的影响[J]. 部慧,解峥,李佳鸿,吴俊杰.  管理科学学报. 2018(04)
[3]混频投资者情绪与股票价格行为[J]. 姚尧之,王坚强,刘志峰.  管理科学学报. 2018(02)
[4]基于递归特征消除方法的随机森林算法[J]. 吴辰文,梁靖涵,王伟,李长生.  统计与决策. 2017(21)
[5]基于神经网络模型的产品属性情感分析[J]. 刘新星,姬东鸿,任亚峰.  计算机应用. 2017(06)
[6]基于多维特征分析的社交网络意见领袖挖掘[J]. 曹玖新,陈高君,吴江林,刘波,周涛,胥帅,朱子青.  电子学报. 2016(04)
[7]新股收益与投资者情绪——基于中国股市新股“涨停板”数量的实证研究[J]. 杨竹清,张超林.  浙江金融. 2016(03)
[8]基于文本挖掘和百度指数的投资者情绪指数研究[J]. 孟雪井,孟祥兰,胡杨洋.  宏观经济研究. 2016(01)
[9]我国股票市场投资者情绪SENT指数的构建——基于上证A股公司的面板数据[J]. 马若微,张娜.  中央财经大学学报. 2015(07)
[10]金融危机背景下中美投资者情绪的传染性分析[J]. 文凤华,杨鑫,龚旭,黄创霞,杨晓光.  系统工程理论与实践. 2015(03)

硕士论文
[1]基于神经网络的用户下一个地理兴趣点推荐模型研究[D]. 张芷芊.武汉大学 2018
[2]基于深度学习的太阳能光伏发电短期预测方法[D]. 于佳弘.浙江大学 2018
[3]基于神经网络模型的文本情感分析系统的研究与实现[D]. 郭豪.北京邮电大学 2018
[4]基于百度指数的投资者关注度对于股票市场表现的影响[D]. 缪杰.厦门大学 2014
[5]投资者情绪对中国股市收益与收益波动影响实证研究[D]. 仇冬.华中科技大学 2012



本文编号：3390835