互联网金融文本信息关键词形态挖掘.pdfVIP

* 互联网金融文本信息关键词形态挖掘 梁霞, 梁循 中国人民大学信息学院，北京100872 E-mail: boxforliangxia@ 摘 要：基于互联网金融信息流时间序列, 本文对金融信息关键词信息强度的波动率变化规律进行了建模 分析。通过对单个金融关键词波动率的自回归分析，得出了单个金融词汇波动率满足线性关系并且具有马 尔可夫特征。通过对多个关键词波动率的交叉回归分析,使用自组织映射网络（SOM ）进行聚类分析,发现 同一类关键词的波动率具有很强的对称性和集聚性。 关键词：金融信息；时间序列；波动率；回归分析；SOM 聚类 Formation Mining of Financial Text Information on Internet Xia Liang, Xun Liang School of Information, Renmin University of China, Beijing 100872 E-mail:boxforliangxia@ Abstract: Based on financial information time series on Internet, this paper established models to analyze the regular pattern of volatility of financial information strength. It is proved that volatility of single financial keyword has a linear relationship and property of Markov through auto-regression. Then after cross-regression of multi-keywords and SOM clustering, we find that volatility of the same cluster possesses strong symmetry and compact properties. Keywords: financial information; time series; volatility; regression analysis; SOM clustering 1. 引言 互联网上的金融信息具有很多特性，借助已有的成熟的自然语言处理方法，针对金融 特定领域的词汇，可以很准确地处理互联网金融信息[1] 。最简单的互联网金融信息的强度 可以定义为金融信息的数目，即互联网上的金融信息条数。 目前，研究股市信息流强度W 的特性，在国外和国内的文献并不多，就其理论本身来 i 说，它是一个新的研究领域[2] 。在金融信息流强度 W 研究和应用方面，一般都研究 W 对 i i 市场的影响。文献[3]发现，隔夜互联网上的信息对第二天有股市收益有预测作用；文献[4] 对金融信息量的异常变化和金融市场的异常变化做了关联分析，表明异常变化的互联网信 息和异常变化的股价变化之间有一定的关系。这些研究用信息的条数或信息熵来度量金融 信息强度 W ，没有考虑股市信息流强度W 的特性和形态。如果能有效研究信息量W 本身 i i i 的一些特性就能为将来研究股市整体信息与股市价格的关系提供理论与方法上的支持。 2. 建模方法 2 σ (t)也称之为波动率，波动率一般认为是金融市场在某一时间内的价格或交易量的方 i 差。本文是指金融词汇的词频在某一段时间