近年來隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為了一個可以獲取信息、交流和評論的平臺。正是由于網(wǎng)絡(luò)信息開放性和資源共享性,投資者獲取金融市場信息的成本逐漸降低,逐步減少信息不對稱帶來的影響,但同時由于中國股票市場還未完全成熟,中國投資者的非理性程度較高,其情緒容易受到互聯(lián)網(wǎng)媒體所傳遞出來的關(guān)注度、主觀看法等影響,繼而引起投資者投資決策和投資行為的改變。目前國內(nèi)外學(xué)者主要從單一的角度研究媒體或投資者對股票市場產(chǎn)生的影響,而缺少對兩者相關(guān)關(guān)系的探討。研究媒體關(guān)注度與投資者之間的關(guān)系對研究兩者的交互作用進而理解它們與金融市場之間的關(guān)系有重要的意義。由于金融市場具有復(fù)雜的分形結(jié)構(gòu),而多重分形交叉相關(guān)性分析方法（MF-DCCA）可以對復(fù)雜系統(tǒng)進行詳細描述,可以解釋兩個時間序列之間的多重分形特征并對復(fù)雜系統(tǒng)的局部特征進行精準刻畫。故論文利用MF-DCCA方法分析媒體關(guān)注度與投資者情感強度之間的相關(guān)關(guān)系,并對它們的分形特征進行描述和分析。這是MF-DCCA方法在金融領(lǐng)域應(yīng)用的新思路為了更準確地分析媒體關(guān)注度與投資者情感強度之間的關(guān)系,論文首先針對基于傳統(tǒng)情感詞典的情感分析方法不能準確計算出投資者情感強度的... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

萬科投資者評論示例

24圖 3. 3 上汽投資者評論示例Fig 3.3 SAIC Investor Review Sample數(shù)據(jù)收集工作依賴于網(wǎng)絡(luò)爬蟲技術(shù)實現(xiàn)，本文使用 python 語言編寫了網(wǎng)絡(luò)文本爬蟲程序以實現(xiàn)對新浪財經(jīng)網(wǎng)站股吧評論數(shù)據(jù)抓取。首先將某一企業(yè)的股吧評論的主網(wǎng)址作為輸入變量，通過 urllib2.Request 以及 urllib2.urlopen 函數(shù)獲取網(wǎng)頁源碼，最后通過 read 函數(shù)將網(wǎng)頁源碼全部讀出。將讀出的源碼通過正則表達式找到所有源碼中每一條評論的 url，對 url 進行源碼獲取并通過正則表達式獲取評論內(nèi)容，不斷循環(huán)讀取，直到讀取全部的評論內(nèi)容。抓取結(jié)果如圖 3.4 所示。依賴 MYSQL 數(shù)據(jù)庫存儲數(shù)據(jù)。

圖 3. 4 股吧評論爬取結(jié)果示例Fig 3.4 Stock Post Bar Comments Crawl Results Example3.2.2 數(shù)據(jù)預(yù)處理得到股吧評論數(shù)據(jù)后，由于采集到的評論文本存在著大量的無意義的符號以及網(wǎng)址鏈接等，這些信息稱之為噪聲數(shù)據(jù)，會對接下來的分析造成干擾，所以為了保證情感分析的準確性需要對采集的文本評論數(shù)據(jù)進行去噪處理，包括去除空格，亂碼，無用符號以及其他與文本無關(guān)的數(shù)據(jù)。本文采取 Python 中的正則表達式對文本中的噪聲數(shù)據(jù)進行過濾處理得到不含噪聲數(shù)據(jù)的純文本數(shù)據(jù)，處理結(jié)果如圖 3.5 所示。

【參考文獻】：
期刊論文
[1]融合演化特征的公共安全事件微博情感分析[J]. 曾子明,萬品玉.  情報科學(xué). 2018(12)
[2]基于個體投資者情感量化的上證指數(shù)預(yù)測檢驗[J]. 王聰,高廣闊,王亮.  經(jīng)濟研究導(dǎo)刊. 2018(26)
[3]投資者情緒與股票收益關(guān)系的實證檢驗[J]. 李巖,金德環(huán).  統(tǒng)計與決策. 2018(15)
[4]基金市場上投資者情緒變動及其影響研究——基于新浪財經(jīng)基金評論的統(tǒng)計視角[J]. 常靜,閆麗瑞,王鐳.  中國發(fā)展. 2018(01)
[5]基于Word2Vec的情感詞典自動構(gòu)建與優(yōu)化[J]. 楊小平,張中夏,王良,張永俊,馬奇鳳,吳佳楠,張悅.  計算機科學(xué). 2017(01)
[6]基于word2vec的互聯(lián)網(wǎng)商品評論情感傾向研究[J]. 黃仁,張衛(wèi).  計算機科學(xué). 2016(S1)
[7]融合句法信息的金融論壇文本情感計算研究[J]. 蘭秋軍,劉文星,李衛(wèi)康,胡星野.  現(xiàn)代圖書情報技術(shù). 2016(04)
[8]什么導(dǎo)致了股票收益的“媒體效應(yīng)”:預(yù)期關(guān)注還是未預(yù)期關(guān)注?[J]. 王建新,饒育蕾,彭疊峰.  系統(tǒng)工程理論與實踐. 2015(01)
[9]媒體報道與投資效率[J]. 張建勇,葛少靜,趙經(jīng)緯.  會計研究. 2014(10)
[10]媒體報道、制度環(huán)境與股價崩盤風(fēng)險[J]. 羅進輝,杜興強.  會計研究. 2014(09)

博士論文
[1]中國股市媒體效應(yīng)研究：官方新聞、市場謠言與有限注意力[D]. 何欣.西南財經(jīng)大學(xué) 2012

碩士論文
[1]新聞情感態(tài)度與股票市場波動的多重分形交叉相關(guān)性分析研究[D]. 王偉.合肥工業(yè)大學(xué) 2017
[2]基于依存句法的情感分析系統(tǒng)的設(shè)計與實現(xiàn)[D]. 胡騁.華南理工大學(xué) 2016
[3]投資者情緒對中國股市收益與收益波動影響實證研究[D]. 仇冬.華中科技大學(xué) 2012



本文編號：3094360