摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-17页 |
1.1 研究目的及意义 | 第9-10页 |
1.1.1 研究目的 | 第9页 |
1.1.2 研究意义 | 第9-10页 |
1.2 国内外相关技术研究现状 | 第10-15页 |
1.2.1 文本情感分析的国内外研究现状 | 第10-13页 |
1.2.2 媒体信息对资产收益影响的研究现状 | 第13-15页 |
1.3 本文主要研究内容 | 第15页 |
1.4 章节内容组织与研究整体框架 | 第15-17页 |
第2章 金融新闻倾向性分析 | 第17-29页 |
2.1 文本倾向性分析方法 | 第17-22页 |
2.1.1 Rocchio 分类方法 | 第17页 |
2.1.2 朴素贝叶斯算法 | 第17-18页 |
2.1.3 K 最近邻算法 | 第18-19页 |
2.1.4 决策树 | 第19页 |
2.1.5 松弛算法 | 第19页 |
2.1.6 最大熵分类方法 | 第19-20页 |
2.1.7 支持向量机 | 第20-22页 |
2.2 股票数据的获取和预处理 | 第22-23页 |
2.3 基于词典的篇章级文本倾向算法——HMSA 算法 | 第23-24页 |
2.4 实验结果评价与分析 | 第24-27页 |
2.4.1 语料集合 | 第24页 |
2.4.2 评价标准 | 第24-25页 |
2.4.3 文本倾向性分析实验结果及分析 | 第25-27页 |
2.5 本章小结 | 第27-29页 |
第3章 媒体新闻内容对股票收益影响机理 | 第29-42页 |
3.1 媒体新闻内容影响股票收益的内在机理 | 第29-35页 |
3.1.1 有限关注对投资者信息选择行为的影响 | 第29-30页 |
3.1.2 信息过载对投资者信息选择行为的影响 | 第30-31页 |
3.1.3 中国股票市场制度背景的特殊性 | 第31-35页 |
3.2 投资者关注度代理变量的选取 | 第35-37页 |
3.2.1 异常交易量 | 第35-36页 |
3.2.2 超额收益率 | 第36-37页 |
3.3 样本数据选取及研究方法 | 第37-38页 |
3.3.1 样本数据的选取 | 第37页 |
3.3.2 信息事件发生的确定 | 第37-38页 |
3.4 实验结果评价与分析 | 第38-41页 |
3.4.1 媒体信息对投资者投资行为的影响 | 第38-40页 |
3.4.2 带有文本倾向性的媒体信息对超额收益的影响验证 | 第40-41页 |
3.5 本章小结 | 第41-42页 |
第4章 基于媒体信息内容指标的投资策略获利模式 | 第42-49页 |
4.1 基于媒体信息文本倾向性指标的投资策略设计 | 第42-45页 |
4.1.1 惯性投资策略和反转投资策略 | 第42-43页 |
4.1.2 有效市场理论 | 第43页 |
4.1.3 基于文本情感极性指标的投资策略设计 | 第43-45页 |
4.2 样本股票选取 | 第45页 |
4.3 实验结果评价与分析 | 第45-48页 |
4.4 本章小结 | 第48-49页 |
结论 | 第49-50页 |
参考文献 | 第50-55页 |
致谢 | 第55页 |