基于社交媒体的投资者情绪对股市收益影响的大数据分析.pdfVIP

龙源期刊网

基于社交媒体的投资者情绪对股市收益影响

的大数据分析

作者：张书煜王瑶范婷婷赵理王旭泽

来源：《中国市场》2015年第25期

摘要[]社交媒体中的信息是一个大数据库，通过微博搜索抓取社交媒体中投资者微博数

据，利用中文语义分析技术，将该投资者情绪划分成六个等级，构建社交媒体中投资者的情绪

指数，并且以同时段的股市为研究对象，基于VAR模型，运用Granger因果关系检验、脉冲

响应函数，探讨社交媒体中不同程度的投资者情绪倾向与股市收益之间的预测能力和双向反馈

关系。

关键[词]社交媒体；投资者情绪；股市收益；大数据

[DOI]10.13939/j.cnki.zgsc.2015.25.065

引1言

行为金融学认为，情绪可以深刻地影响个人的行为和决策。夏雨禾（2010）通过对438个

样本的分析，对新浪微博互动的结构性要素以及发生机制进行了深入探究，研究结果发现，新

浪微博是一个文化性、个人性和情绪性的互动空间。杨维（2011）从微博传播的及时性、草根

性的特征出发，探讨了在网络舆情形成过程中微博起到的作用。梁坤，蒋翠清，丁勇（2013）

利用特征提取等技术，抽取中文社会媒体上的干系人的话题，同时构建股票收益率的回归模

型，研究中文社会媒体上千系人和话题的活动状况对股票收益率的影响。研究结果表明，中文

社会媒体上不同干系人对股票收益的影响不同。而乔智和耿志民（2013）讨论了股吧对个人投

资者情绪的影响研究，运用实证方法验证了个人投资者情绪与股市收益间存在的相关关系。徐

琳（2013）基于微博中的投资者情绪的研究，使得让投资者知情股市收益研究，微博信息不仅

反映了该信息发布者的心理和行为，同时也能够影响相关投资者的投资行为。

研究模型与2方法

主2.1要模型

本文采用向量自回归模型（VAR）来检验社交媒体中的投资者情绪与股市收盘价、股市成

交量之间的时滞关系。VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后项

的函数来构造模型，其一般形式为：

龙源期刊网

其中，是k维内生变量向量，Y（i=1，2，…，P）是滞后内生变量向量，X（i=0，

t-1t-i

1，…，r）是d维外生变量向量或滞后外生变量向量，P、r分别是内生变量和外生变量的滞后

阶数。A是k*k维系数矩阵，B是k*d维系数矩阵，这些矩阵都是待估计的参数矩阵。ε是由

tit

k维随机误差项构成的向量，其元素相互之间可以同期相关，但不能与各自的滞后项相关以及

不能与各自的滞后项相关以及不能与模型右边的变量相关。

研究方法2.2

第一，使用深圳视界信息技术有限公司研发的网页采集软件八爪鱼数据采集系统抓取海量

的微博数据。该平台以分布式云计算平台为核心，从各种不同的网站或者网页获取大量的规范

化数据。第二，以天为单位归类微博数据，并且清洗不能表现投资者情绪的垃圾数据，如非原

创微博或者只包含链接地址的微博等。第三，运用中文语析分析工具，分析微博中包含的情感

信息，量化投资者情绪。本课题将从两个层面来分析和量化投资者情绪信息：第一个层面可以

将投资者情绪分为两个维度——积极情绪倾向和消极情绪倾向；第二个层面讲积极情绪和消极

情绪继续细分，可分为一般、中度和高度积极情绪倾向以及一般、中度和高度消极情绪倾向。

第四，接下来我们将会把得到的数据资料用专业软件Eviews进行整理并加以分析，以便我们

制作出相应的统计图表等，最终基于大数据对投资者情绪与股市收益之间的相互关系进行分

析。第五，通过Granger因果关系检验，论述和验证社会情绪变化与股票市场变化确实存在相

关关系。第六，使用脉冲响应函数进行股市收益走势预测的实证分析，得出投资者情绪和股市

收益走势相互间的预测能力，并提出改善方案。

实证3研究

数据3.1来源——社交媒体中的投资者情绪数据

本