基于文本挖掘技术的投资者情绪统计测度与股价预测.pdfVIP

中文摘要

传统的股票价格分析与预测多以公司基本面或技术指标为依据，这类方法虽能在

一定程度上揭示股价波动规律，但普遍忽视了市场中的非理性因素。近年来，市场频

繁出现的非理性波动凸显了投资者情绪对股价变化的重要作用——作为市场行为的

核心驱动要素之一，投资者情绪不仅直接影响个体决策，还会通过市场机制放大波动

效应，进而对股价产生显著影响。随着大数据采集技术和自然语言处理技术的快速发

展，将网络舆情文本中隐含的投资者情绪信息引入市场预测研究，弥补了传统方法在

捕捉非理性因素方面的不足，为优化市场预测模型提供了新的研究路径。然而，如何

精确测度投资者情绪并量化其在不同时间跨度、市场场景中的作用强度及时效性，仍

是当前亟待解决的重要课题。

基于中国证券市场的实践，本文以网络舆情数据为基础构建投资者情绪指数，结

合计量经济学方法与深度学习技术，系统探究投资者情绪在股票价格预测中的应用价

值。研究方法上，首先运用网络爬虫技术从股票论坛采集海量金融文本；其次采用

BERT-BILSTM模型对舆情文本进行情绪分类，实现市场情绪的量化表达；进而结合股

票交易数据，通过面板回归模型分析情绪对股票收益的影响；最后构建基于双层LSTM

网络的量化模型，对股票指数变化进行预测。

研究发现，投资者情绪对当日股票收益具有显著的正向影响，但这种影响会在未

来1至3个交易日内逐步衰减，且情绪对股票收益的影响在不同行业、时期及企业类

型中存在显著差异——周期性行业和私营企业对情绪冲击更为敏感，而国有企业和稳

健行业的响应相对较弱，这一结论进一步印证了投资者情绪作为市场非理性因素的关

键作用。同时，将市场情绪指数纳入特征选择范畴后，股指量化预测模型的精度得到

显著提升，以上证50指数和沪深300指数为例，融入情绪数据的模型预测准确率较

基准模型分别提升4.4%和9.4%。此外，研究还创新性地提出基于流通市值加权的市

场情绪指数，通过将个股情绪得分与流通市值权重相结合，优化了传统情绪指数的计

算方法。与常见的正负舆情比例指数及个股情绪简单加总指数相比，该加权指数在反

映市场情绪动态变化和提升预测性能方面优势明显，不仅提高了情绪测度的精确性，

也为情绪因素在市场预测中的实际应用提供了新思路。

从政策与实践层面，研究提出以下建议：证券监管机构应强化市场情绪监测，借

助情绪指数实时识别市场风险信号，为政策制定和市场管理提供支撑；相关平台与研

究机构需推进数据共享与透明化，开放高质量的舆情数据以夯实情绪研究的基础；金

融机构可开发基于情绪指数的量化投资工具，将情绪指标与传统技术指标相结合，优

化交易策略以提升收益；同时，应倡导理性投资文化，通过普及研究成果引导投资者

万方数据

科学认识市场情绪，减少非理性交易行为。本文的研究不仅深化了对投资者情绪与股

票价格关系的理论认知，也为优化市场管理和量化投资实践提供了重要参考。未来研

究可进一步拓展数据来源，融合新闻、社交媒体、分析师报告等多维度信息，探索更

具解释力和国际适用性的模型与方法，推动投资者情绪研究在金融领域的持续发展。

关键词：投资者情绪；自然语言处理；BERT-BILSTM；深度学习；股票市场

ABSTRACT

Traditionalapproachestostockpriceanalysisandpredictionprimarily

relyoncorporatefundamentalsortechnicalindicators.Whilethesemethods

canrevealpricefluctuationpatternstosomeextent,theygenerallyoverlook

irrationalfactorsinthemarket.Inrecentyears,frequentepisodesofirrational

marketvo