基于文本挖掘和百度指数的投资者情绪指数研究 - 宏观经济研究院.pdf

2016年第1期 基于文本挖掘和百度指数的 投资者情绪指数研究* 孟雪井 孟祥兰 胡杨洋 内容提要 本文首先运用文本挖掘技术对 他社会科学研究。谷歌利用谷歌趋势中流感类 中国知网CSSCI期刊与新浪微博话题信息进行 关键词搜索量与美国流感看诊量之间的强相关 文本分析，并结合百度自身关键词推荐系统，在 关系，构造基于搜索数据的流感监测模型。在国 综合三大词库的基础上确定我国投资者相关的 内，互联网数据也渐渐体现出其价值，阿里巴巴 初始网络搜索关键词；其次，以上证指数为参 的淘宝数据分析平台就是利用搜索数据挖掘淘 照，对三大词库关键词的百度指数周数据的时 宝客户潜在消费力的工具。本文将构建基于百 间序列采用时差相关系数法、随机森林算法进 度指数搜索量这一大数据的沪市投资者情绪指 行筛选，过滤后得到最能反映我国投资者行为 数，其结论对规范我国股票市场的发展具有一 的关键词词库；最后利用因子分析法构建了具 定的现实价值及必要性。 有领先性的沪市投资者情绪指数。 对未来趋势的预测一直都是股票市场研究 关键词 文本挖掘 百度指数 投资者情 的重要内容，以往的研究中，研究者一般都是将 绪 股票市场 大量原始分析数据引入到复杂预测模型中，但 预测的有效性一直为人们所质疑，因为传统数 据的收集和公布往往存在一定滞后。而通过百 一、引言 度指数获得的互联网搜索数据信息与一般的市 场交易信息不同，它是通过搜索引擎的自动汇 近年来互联网技术爆炸式发展，作为海量 总加权得到的及时数据，具有更高的数据质量。 信息资源最常用的获取渠道，搜索引擎在网民 同时由于互联网的匿名性，投资者在互联网中 中广泛使用。搜索数据正是对网民搜索行为的 更加倾向表达其真实情感，使得互联网搜索数 客观记录，反映了网民的搜索需求，而搜索需求 据更能体现投资者心理及行为趋势，有助于深 在一定程度上反映了网民的关注点及意图。搜 入挖掘市场与主体之间的内在联动性。本文首 索数据的这一特性使其能够映射网民实际生活 先通过知网文库、微博舆情、百度推荐确定关联 中的行为特点，成为目前研究大数据的流行方 性关键词，在此基础上，通过一定的筛选方法获 向之一。在国外，互联网搜索数据已经开始受到 得领先于我国股市行情的关键词，最终基于这 学术界的广泛关注，并被逐渐应用于经济和其 些领先性关键词数据构建可量化的投资者情绪 *本文得到国家社科基金项目（14CTJ008）和中国博士后科学基金第58批面上项目（2015M582317）的资助。 144 2016年第1期 指数，以此建立可跟踪的投资者情绪的动态监 究结果发现，在对投资者情绪的作用机理的研 测机制，为加强我国金融市场管理、完善股票市 究中，学者们的观点在某些方面存在一致性。首 场环境、提升投资机制提供了一种新的可能性。 先，他们都认为投资者情绪会对决策造成影响， 并且这种影响是系统的、无法避免的，肯定了情 二、文献综述 绪在决策中的重要性。其次，他们都对投资者情 绪的影响机制进行了解释，单个投资者的情绪 （一）投资者情绪的文献综述 最初只对自我决策产生影响，但是当个体情绪 20世纪著名投资家Bernard Baruch曾说过： 经过“从众心理”、“盲目跟风”等的传播