基于文本信息的上市中小企业财务困境预测研究

本文通过网络爬虫获取上市中小企业相关的文本信息,包括以年报为代表的信息披露报告和互联网新闻媒体报道的文本内容,采用词袋方法基于不同特征词词表对这些文本内容进行了量化分析,并以财务变量模型为基础对文本信息量化指标在财务困境预测中的作用进行了实证检验,结果表明由信息披露报告构建的管理层语调变量以及由新闻媒体报道构建的报道倾向变量、负面报道比例变量确实可以提高财务困境模型的拟合度和预测能力,而且在对不同类型文本信息的分析应有不同的侧重点。尽管本文针对的是上市中小企业,但并未考虑市场交易信息,因而可以推广到未上市交易的中小企业。

网络社交媒体中投资者情绪对股票市场的影响研究

行为金融学理论表明投资者情绪会在一定程度上影响投资者决策并进一步影响股价走势。基于互联网社交媒体及网络投票信息,通过爬取新浪股吧及新浪财经多空调查数据,利用文本分析及机器学习算法,构建了一个较为严谨准确的互联网投资者情绪指标,并与同期上证指数进行实证分析及Granger因果检验。研究表明:互联网投资者情绪是证券市场收益率的Granger原因,即投资者情绪有助于预测下一期股市涨跌,但仅在短期内有效;其次,互联网投资者情绪也是证券市场成交量的Granger原因,且对成交量的影响时间通常超过10期,长于对收益率的影响时间;此外,引入投资者情绪后的FF四因子模型对投资组合收益率的拟合效果要优于传统三因子模型。

投资者情绪与证券投资收益:机器学习对网络社交媒体的文本分析

本文研究投资者有关个股的情绪对股票收益的预测价值。我们通过网络爬虫收集了线上投资者论坛中有关上证50指数成分股在2019—2023年的700多万条评论信息,通过自然语言处理进行情感分类,从而构建了关于每只股票的周度投资者情绪指数。研究发现,投资者看涨情绪指数和关注度指数对于短期股价变化具有显著的预测能力,并且基于这两个因子所构建的量化投资策略能够获得明显超额收益。因而,在考察投资者情绪的效应时,研究者不仅要考虑到整体市场情绪,还应该关注投资者有关个股情绪的异质性。这些发现提供了有效市场理论的反面证据。

媒体文本情绪与股票回报预测

本文在Loughran and MacDonald(2011)词典的基础上通过人工筛选和word2vec算法扩充,构建了一个更新更全面的中文金融情感词典。我们使用该情感词典计算我国财经媒体文本情绪指标,发现媒体文本情绪可以更准确地衡量我国股市投资者情绪的变化,对我国股票回报有显著的样本内和样本外预测能力。媒体文本情绪对一些重要的宏观经济指标也有显著的预测能力,具有重要的学术和实践应用价值。