融合情感分析和GAN-TrellisNet的股价预测方法

将时序深度神经网络应用于股票价格预测,已成为量化金融领域的重要研究方向。时序神经网络具有很好的序列数据捕捉能力和学习记忆能力,在股票预测上有一定适用性。但是现有的模型大多存在预测准确度不高、模型结构复杂导致训练时间较长等问题.为了解决以上问题,提出了一种基于情感分析和GAN-TrellisNet的股价预测方法。提出了一个基于LSTM-CNN的情感分析模型,用于分析爬虫获取的主流金融论坛股票评论,并获得股票情感指数。为了提高预测准确度,将情感指数和百度搜索指数加入股票交易数据中作为训练集,提出了一个基于TrellisNet和CNN的改进型GAN股价预测模型,利用TrellisNet生成器的卷积特性来捕捉数据的局部特征,选取特征提取能力较强的CNN作为判别器来区别预测结果和真实股价。通过选取10只代表性股票和三种大盘指数的不同时段数据进行算法验证,结果表明,与ConvLSTM和GAN-LSTM预测模型相比,GAN-TrellisNet模型能有效缩短训练时间,提高预测准确率。

基于投资者情绪视角下的股指期货套期保值

以沪深300股指期货为研究对象,采用t-Copula-ECM-GARCH动态模型,研究沪深300股指期货的最优套期保值策略,并将其与最小二乘法(OLS)等传统套期保值策略进行比较。通过主成分分析方法(PCA)构建股票现货市场和股指期货市场的投资者情绪指数,并将其分别引入上述模型中。结果表明,与未考虑投资者情绪的套期保值策略相比,加入投资者情绪指数后沪深300股指期货的套期保值效果明显提高。说明基于投资者情绪的套期保值模型比原有模型规避风险的效果更好。

在线医药电商评论情感分析——基于XGBoost集成加权词向量和大语言模型的情感识别模型

消费者评论是考察消费者情感的重要数据源,对商品评论进行数据挖掘是帮助在线医药电商改善经营的重要途径。立足于在线医药电商的用户评论,基于SO-PMI(情感倾向点互信息)算法构建该领域情感词典,对评论词向量进行情感加权。利用XGBoost(极限梯度提升树)集成词向量和LLM(大语言模型)构建情感识别模型,最后得出评论情感指数,从多个维度展开,分析消费者评论中的情感趋势。实证分析表明,构建的情感识别模型的AUC(曲线下的面积)等验证指标较LLM模型相比有进一步提升,具有一定的应用价值。

系统性金融风险对宏观经济运行的非线性影响研究

为了探究系统性金融风险对宏观经济的影响,该研究采用了CRITIC法和因子分析法,构建系统性金融风险指数和宏观经济韧性水平指数。通过MS-VAR模型探讨了不同区制状态下金融风险对宏观经济的非线性效应。研究发现,系统性金融风险对宏观经济存在时变影响,短期内对宏观经济造成负向冲击,但长期来看反而会提高经济韧性。研究结果还表明,系统性金融风险对宏观经济具有明显的时变特征,实时采取预防和控制措施,有序处置突出风险,有助于促进经济实现高质量发展。研究通过将经济韧性作为宏观经济抵御风险和冲击的评价指标,为宏观经济的发展提供了一个新的研究视角,同时为宏观经济抵御风险、促进经济的高质量发展提供了有力指导。

融合公众情绪的上海城市形象感知分析

城市形象对于促进城市健康发展十分重要,纳入公众参与的城市形象研究十分必要。本文将公众情绪纳入城市感知研究框架,利用基于迁移学习的中文全词覆盖双向编码模型(BERT-WWM)的情感分类方法、情感倾向指数和语义分析模型,对上海签到原创微博进行分析,探索上海城市形象感知。结果表明:(1)由城市情感形象感知分析可知,上海整体城市情感形象积极,市民在城市商业、文旅、生活活跃区域更易产生不同城市情感形象感知;(2)由城市认知形象感知分析可知,使上海产生积极认知形象的源头主要是城市文旅;使上海产生消极认知形象的源头主要是城市天气、城市交通、生活压力等;非常规时事热点事件会在短期内得到大规模关注,从而影响该时间段内的城市认知形象。融合公众情绪的上海城市形象感知分析既能更好地了解某一阶段市民对所在城市获得感、幸福感、安全感的真实表达,又能更好地为今后长期的城市规划与治理提供合理的参考。

投资者情绪对白酒板块收益率的影响研究

文章将投资者情绪指数(CICSI)作为中国股票市场投资者情绪的代表,选取2013年3月—2023年8月的国证白酒指数作为白酒板块的代表,利用VAR模型对中国的股市投资者情绪指数与白酒板块股票收益率之间的关系进行了研究。研究结果表明,投资者情绪指数与白酒板块收益率存在双向的影响,滞后一期的投资者情绪指数对白酒板块的收益率有正向影响,而长期存在反转效应;白酒板块收益率则对下一期的投资者情绪产生明显的正向作用。

投资者情绪与指数收益——不同市场条件下的差异分析

文章研究了投资者情绪对市场收益率的解释力。基于2011—2020年月度数据,以成交量和投资者信心指数作为投资者情绪指标,检验了其对于指数收益的解释力。结果表明投资者情绪对于股指收益率具有较强解释力。进一步研究根据行情走势将数据分为4个阶段,分别检验不同阶段投资者情绪对于收益率解释力的异同,结论显示成交量和投资者信心指数对于收益率的解释力根据股指处于不同波动阶段而呈现出一定差异。信心指数和成交量作为情绪指标具有一定互补性。此外还检验了投资者信心指数、成交量与收益率之间的内生性,结论表明变量间不存在内生性问题。

投资者情绪指数构建及其与超额收益率关系研究

有效度量市场投资者情绪是研究投资者情绪对资本市场影响的关键。选取2008—2022年证券投资者信心指数、消费者信心指数、市盈率、成交量、换手率、新增投资者开户数的月度数据,用主成分分析法构建市场投资者情绪复合指数(CIMIS_(t)),并通过“孪生股票”模型和定性分析对CIMIS_(t)进行有效性检验。采用ARMA-GARCH模型消除CIMIS_(t)和超额收益率(R_(a))的自相关和异方差性,对其残差进行回归分析和Granger因果检验。实证发现,CIMIS_(t)能较准确表征中国股市投资者情绪,去除自相关和异方差性的投资者情绪与R_(a)呈显著正相关,对R_(a)拟合效果更好;短期内超额收益率明显影响投资者情绪,而投资者情绪不能明显影响我国股市的表现。研究结果为投资者在投资决策以及监管者在制定市场政策时提供参考。

上海财经大学上海市消费者信心指数编制研究

消费者信心指数已成为许多国家先行经济指标的组成部分,并在经济景气预测中发挥了重要的作用。本文首先探讨了编制消费者信心指数的理论基础;然后对国际上几个具有代表性的消费者信心指数的编制方法进行了比较研究;接着介绍了上海财经大学上海市消费者消费者信心指数的编制,并对已取得的调查结果进行了实证分析;最后提出了该指数编制中需要进一步研究的若干问题。

网络舆情监测指标体系构建研究

当前,社会各类网络舆情事件频频发生,对网络舆情进行监测的形势迫在眉睫,国家和社会各界对此高度重视。本文从网络舆情传播关系出发,阐述了网络舆情监测指标构建基本原则和网络舆情发展演变过程,建立四维指标体系。加入传播主体身份视听化程度和内容详略度指标考察,构建监测预警模型,为政府和网络监察部门工作提供理论支持。

投资者情绪指数研究综述

对国内外学者在投资者情绪指数方面的研究工作进行了研究梳理,把它们划分为两类:一是通过直接调查投资者的情绪而得到直接指数;另一类是通过获取客观数据整理后,间接反映投资者的心理变化的间接指数。最后指出目前关于我国投资者情绪指数研究的不足和将来对投资者情绪需要研究的几个方面。

市场情绪如何影响城市房价

基于行为金融学理论建立了房地产情绪指数影响房价的模型,借鉴Baker andWurgler (2006)提出的构建资本市场投资者情绪指数的方法,从供需两方选取合适的情绪指标;同时,运用大数据方法,选取百度指数作为情绪指标,运用主成分分析法构建了我国35个大中城市房地产市场的情绪指数,实证研究了市场情绪对房地产价格的影响。另外,还测度不同区域房地产市场情绪指数,通过实证分析横向对比东部和中西部城市市场情绪对房价的影响程度。实证结果表明,市场情绪对房地产价格有着显著的正向影响;市场情绪对房地产价格的正向影响呈现区域异质性,东部地区市场情绪对房地产价格的正向影响强于中西部地区。

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

在我国股票市场一片繁荣,投资者参与市场热情极度高涨,IPO企业数量不断增加的背景下,笔者以投资者情绪指数作为研究主题,以上海证券交易所A股公司的面板数据为基础,编制了投资者情绪指数并分析了其与上海A股市场指数之间的关系。笔者选取2013年1月1日—2014年6月1日间上证A股月度IPO首日平均收益(RIPO)、IPO总量(NIPO)、总市值加权的换手率(TURN)及上证A股每月新增开户数(NIA)作为衡量投资者情绪的代理变量,剔除了年消费价格指数和宏观经济景气指数这两个宏观经济基本面因素的影响,构建了上证A股市场投资者情绪的SENT指数。通过一致性和优越性分析表明SENT情绪指数对上证A股市场的投资者情绪具有较好的解释能力,并且通过进一步的分析验证了该指数与上证A股月度指数之间存在双向格兰杰因果关系,说明投资者情绪与股票市场指数之间自我加深的循环作用在股市繁荣时可能引起泡沫,在股市低迷时可能会加剧调整,需要适度合理的政策来调节非理性情绪造成的市场波动。

影响证券投资者情绪的因素分析

将证券投资者对后市的预期作为情绪的代理变量,全面分析了影响中国证券投资者情绪的各种因素.实证分析结果表明,我国证券投资者受到市场历史表现的锚定,存在系统的启发式偏差,从而不能根据新信息作出理性的预期.

网络股评对股市走势的影响:基于文本情感分析的方法

为研究网络股评是否影响股民决策以及股市走势的问题，本文收集新浪股吧中30只沪深300指数的股票的网络股评，计算情感指数，建立ARMA—GARCHX模型与ARMAX—GARCH模型，从而分析股评中情感因素与股市走势之间的关系。本研究对证券投资机构和个人的投资决策具有参考价值。研究显示，通过情感分析技术，从网络股评信息中提取投资者情感是可行的，且具有数据样本量大、时效性强、更接近投资者的真实情感等优点；同时发现，将投资者情感作为两个模型的输入项来预测股票价格的波动是可行的，并且ARMAX—GARCH模型效果更好，但模型中情感多为当期情感；ARMA—GARCHX模型模拟效果不如ARMAX—GARCH模型，但情感多为前期情感，有更好的预测能力。

行业投资者情绪的测量及其对收益的影响效应研究

投资者情绪对行业收益影响研究的关键在于行业情绪的测量。基于封闭式基金折价、交易量、波动率、行业beta值和每股流通市值这5个单项情绪指标提取主成分,构建了23个申万一级行业的投资者综合情绪指数(IICSI),并通过面板数据模型分析了各行业的投资者情绪对收益的影响效应。实证结果表明,投资者情绪对当期收益具有短期、中期和长期的正向激励作用,但对预期收益则只在短期和中期表现出正向效应,而在长期反转为负向的抑制效应,并且情绪对当期收益和预期收益的影响都具有显著的行业差异性,最后基于情绪对预期收益的行业影响差异构建了不同投资期限下的套利策略。

中国股票市场投资者情绪综合指数的构建

借鉴Baker and Wurgler(2006)的方法,结合中国国情,选取封闭式基金折价率、IPO数量、IPO首日收益率、市场交易量、换手率及消费者信心指数等六个指标,作为衡量投资者情绪变化的代理指标,构建了一个能较好地反映中国投资者情绪波动的指数ISI,并剔除了可能包含的宏观经济因素。研究结果表明,ISI对中国股票市场的波动有较好的解释能力。ISI的构建为接下来研究投资者情绪假说对中国资本市场"金融异象"解释提供了很好的工具。

投资者情绪对股票横截面收益的非对称影响研究

Fama-French三因子模型未解释部分包含大量市场非理性信息,本文以周和月好淡指数作为投资情绪的代理变量,对其进行假日、季节调整,并将其分为乐观和悲观、极端和非极端四类;依据市值、账面市值比、市值-账面市值比将上市公司分为35个组合;运用FF三因子模型,检验投资者情绪,特别是极端情绪(包括乐观和悲观)对股票横截面收益的影响。研究发现:周投资者情绪对股票横截面收益有正向影响;月投资者情绪仅对小市值股票横截面收益有负向影响;周极端乐观和极端悲观情绪对股票横截面收益影响具有非对称性;市场对极端悲观情绪反应过度,对极端乐观情绪反应不足。

投资者情绪和上证综指关系的实证研究

投资者情绪是反映投资者的未来投资意愿或预期的市场人气指标,文章选择了央视看市投资者情绪调查数据作为投资者情绪指标的依据,分析投资者情绪指标和上证综指之间的关系。研究表明投资者情绪和上证综指有非常直观的联系和比较一致的运行趋势,有较强的相关性。投资者情绪指标为我们提供了分析投资者心理与行为模式的工具,监管部门也可以通过调节和引导投资者情绪来调控市场。

一种基于网络评论的商品特征挖掘方法

商品评论中含有大量的有用信息,这些信息对买方的购买行为和卖方的销售行为都有着显著的影响。商品特征作为网络评论中的关键信息,有重要的实际意义和研究价值。本文提出一种新的商品特征挖掘方法,该方法通过扩充用户词典来提升候选特征的准确性,同时引入同义词表对候选特征有效地剪枝,此外还提出情感指数的概念并以此作为从候选集中选择商品特征的依据,并从电商网站分别获取了手机和数码相机等四种商品的相关评论用于数值实验。实验结果显示该挖掘方法是可行的、有效的,不仅很好地提升现有研究结果的准确性,同时也为商品特征挖掘领域提供了新的研究思路。