發(fā)布時間：2021-09-29 23:44

　　股票市場是金融市場的一個非常重要的組成部分,其能夠反映國家的經(jīng)濟運行情況,常常被稱作經(jīng)濟的“晴雨表”、“風(fēng)向標”。能夠正確預(yù)測股市的走勢和趨勢對于政府和投資者都是一件具有重大意義的事。股市的走勢會受到非常多方面因素的影響,現(xiàn)代金融市場金融學(xué)者們很少考慮行為因素、心理因素等對投資者的決策產(chǎn)生影響。但是事實上投資者在做出決策的時候會受到各種各樣的因素影響,行為金融學(xué)提出,非理性的股市投資者的心理和行為將會影響股票市場態(tài)勢,使股票價格脫離了其本身的價值。國內(nèi)外諸多學(xué)者對股指預(yù)測均有所研究,但是基于行為金融的股票大盤分析相對來說比較少。在大數(shù)據(jù)時代的大背景下,本文利用爬蟲技術(shù)采集了網(wǎng)絡(luò)上的財經(jīng)評論信息,用這些文本信息和大盤指數(shù)數(shù)據(jù)對投資者的財經(jīng)評論行為展開分析。本文首先利用文本處理技術(shù)對財經(jīng)評論信息進行處理,研究了投資者的財經(jīng)評論行為并進行假設(shè)驗證,證明了數(shù)據(jù)的有效性。然后本文利用情感分類技術(shù)研究了財經(jīng)評論的投資者情感傾向,對金融數(shù)據(jù)進行了文本分類并進行了情感分析、對投資者情緒進行量化以及更進一步的利用情感極性分析作為特征輔助預(yù)測股票市場未來趨勢。本文使用了時變概率密度函數(shù)模型作為基礎(chǔ)模型來預(yù)... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－３爬蟲所取的網(wǎng)絡(luò)文本字段示例??經(jīng)過爬蟲系統(tǒng)的爬取，得到了?１１０余萬評論文本數(shù)據(jù)，時間覆蓋到２０１２年??

通過觀察股票大盤數(shù)據(jù)，我們對上證指數(shù)的收盤價和股票收益率作描述性統(tǒng)??計如下：??首先，我們分析了上證指數(shù)的收盤價折線圖，如圖４－１：??５５００．００－??｛＼??＂［??｜?３５００．００－?／?丨??２５００．００－??１５００．００－??ｓ￣￣’Ｔ?－?１?￣￣￣?￣￣?１?１?）?Ｉ?１?？Ｉ?：??２０１５／０１．０５?２０１５／０６／０３?２０１５／１１）０２?２０１６幻３／２９?２０１６／０８，＇＊２２?２０１７，＾１＾１９?２０１７；０６／２２??ｄａｔｅ??圖４－１上證指數(shù)大盤波動圖??如上圖４－１所示，可以看出，２０１５年股票市場經(jīng)歷了大漲大跌，股市震蕩非??常強烈，并從２０１６年開始處于緩慢上升狀態(tài)，直到現(xiàn)在也沒有太大的波動，基??３５??

本上是圍繞著３３００點上下波動。??為了更好的了解股票大盤的價格分布，我們對上證指數(shù)的收盤價做了以下頻??率直方圖，如圖４－２：??１２５Ｈ?＿??隱?醜＝?３３２２．１２??＾?＝?４７２．８０２??Ｎ?＝?６３０??１。叫??ｆ?７ｓｊ??５０－ｊ??。—ｒ?—??２５００．００?３０００．００?３ＳＱ０．００?４０００，Ｑ０?４５００．００?５０００．００??指數(shù)??圖４＿２上證指數(shù)頻率直方圖??從圖中可以看出，上證指數(shù)收盤價的均值為３３２２．１２，標準偏差為４７２．８０２。??且可以看出有可能不服從正態(tài)分布，上證指數(shù)收盤價很有可能為不平穩(wěn)序列。??一般來說，我們在對時間序列模型進行回歸預(yù)測時，要求時間序列數(shù)據(jù)是平??穩(wěn)的，而本文使用的時變概率密度函數(shù)模型有同樣的要求，通過對本文的上證指??數(shù)收盤價時間序列數(shù)據(jù)的觀察，收盤價序列有可能存在不穩(wěn)定性，所以對序列數(shù)??據(jù)做平穩(wěn)性檢驗，檢驗結(jié)果如下表４－２：???表４－２數(shù)據(jù)差分前的平穩(wěn)性檢驗結(jié)果???顯著性水平?ＡＤＦ值?臨界值?結(jié)論??１％?－２．１１２６５６?－３．４４０１９７?不平穩(wěn)??５％?－２．１１２６５６?－２．８６５７７６?不平穩(wěn)??１０％?－２．１１２６５６?－２．５６９０８３?不平穩(wěn)??可以看到

【參考文獻】：
期刊論文
[1]基于微博的投資者情緒對股票市場影響研究[J]. 張信東,原東良.  情報雜志. 2017(08)
[2]基于改進的支持向量機的股票預(yù)測方法[J]. 郝知遠.  江蘇科技大學(xué)學(xué)報(自然科學(xué)版). 2017(03)
[3]基于灰度預(yù)測與馬爾柯夫過程的股票價格預(yù)測模型[J]. 盧嘉澍,孫坤,廉潔,李燦.  現(xiàn)代商業(yè). 2017(17)
[4]投資者情緒與股市泡沫[J]. 李曉丹.  中國商論. 2017(08)
[5]基于微博信息的股票交易預(yù)測研究[J]. 胡婧,葉建木.  財政監(jiān)督. 2017(05)
[6]統(tǒng)計模型在中文文本挖掘中的應(yīng)用[J]. 王健,張俊妮.  數(shù)理統(tǒng)計與管理. 2017(04)
[7]基于投資者情緒的股票價格及成交量預(yù)測研究[J]. 陳曉紅,彭宛露,田美玉.  系統(tǒng)科學(xué)與數(shù)學(xué). 2016(12)
[8]基于百度指數(shù)的投資者關(guān)注度與股票市場表現(xiàn)的實證分析[J]. 陳植元,米雁翔,厲洋軍,鄭君君.  統(tǒng)計與決策. 2016(23)
[9]基于文本信息的股票指數(shù)預(yù)測[J]. 董理,王中卿,熊德意.  北京大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[10]中國股票市場國際聯(lián)動性研究——基于網(wǎng)絡(luò)分析方法[J]. 李岸,粟亞亞,喬海曙.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2016(08)

博士論文
[1]文本挖掘中若干關(guān)鍵問題的研究[D]. 胡佳妮.北京郵電大學(xué) 2008

碩士論文
[1]基于文本情感分析的股價預(yù)測研究與實現(xiàn)[D]. 戴成駿.重慶大學(xué) 2016
[2]人民幣匯率預(yù)測研究[D]. 羅賢興.浙江工商大學(xué) 2015
[3]基于情感分析的股票預(yù)測模型研究[D]. 宋敏晶.哈爾濱工業(yè)大學(xué) 2013



本文編號：3414683