基于股吧文本的主题挖掘及其股票投资应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 本文的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究综述 | 第11-14页 |
| 1.2.1 基于社交媒体的主题挖掘研究综述 | 第11-13页 |
| 1.2.2 基于主题投资的选股策略研究综述 | 第13-14页 |
| 1.3 本文创新点与章节安排 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 预备知识 | 第17-38页 |
| 2.1 获取文本的相关技术 | 第17-22页 |
| 2.1.1 网络爬虫简介 | 第17-18页 |
| 2.1.2 Python爬虫 | 第18-22页 |
| 2.2 文本预处理的相关方法 | 第22-24页 |
| 2.2.1 汉字简繁体转换 | 第23页 |
| 2.2.2 中文分词 | 第23-24页 |
| 2.2.3 过滤停用词 | 第24页 |
| 2.2.4 特征提取 | 第24页 |
| 2.3 主题挖掘的相关理论 | 第24-37页 |
| 2.3.1 主题挖掘 | 第24-26页 |
| 2.3.2 LDA基础 | 第26-29页 |
| 2.3.3 LDA简介 | 第29-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于股吧文本的主题挖掘 | 第38-47页 |
| 3.1 数据获取 | 第38-39页 |
| 3.1.1 数据来源 | 第38页 |
| 3.1.2 数据爬取 | 第38-39页 |
| 3.1.3 数据保存 | 第39页 |
| 3.2 数据清洗 | 第39-41页 |
| 3.2.1 汉字简繁体转换 | 第39-40页 |
| 3.2.2 分词、过滤停用词 | 第40-41页 |
| 3.3 主题挖掘 | 第41-46页 |
| 3.3.1 LDA算法 | 第41-44页 |
| 3.3.2 文本聚类算法 | 第44-46页 |
| 3.3.3 算法比较 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于主题挖掘的股票投资应用 | 第47-67页 |
| 4.1 多因子选股策略的相关理论 | 第47-51页 |
| 4.1.1 CAPM模型 | 第47-48页 |
| 4.1.2 APT模型 | 第48页 |
| 4.1.3 Fama-Freach三因子模型 | 第48-49页 |
| 4.1.4 多因子策略评价指标 | 第49-51页 |
| 4.2 构建主题热度因子 | 第51-56页 |
| 4.2.1 构建主题热度因子 | 第51-54页 |
| 4.2.2 主题热度因子有效性检验 | 第54-56页 |
| 4.3 多因子选股策略构建 | 第56-66页 |
| 4.3.1 构建多因子库 | 第56-57页 |
| 4.3.2 建立逻辑回归选股模型 | 第57-60页 |
| 4.3.3 配资和止损 | 第60页 |
| 4.3.4 策略构建 | 第60-64页 |
| 4.3.5 添加主题热度因子前后策略效果对比 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75-77页 |
| 附件 | 第77页 |
