| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 股票市场分析研究 | 第14-15页 |
| 1.2.2 投资者情绪对股票市场的影响 | 第15-16页 |
| 1.2.3 大数据视角下投资者情绪的量化 | 第16-17页 |
| 1.2.4 金融时间序列预测 | 第17-19页 |
| 1.2.5 研究现状总结 | 第19页 |
| 1.3 研究内容与创新点 | 第19-20页 |
| 1.4 文章架构与研究方法 | 第20-22页 |
| 2 理论方法综述 | 第22-32页 |
| 2.1 行为金融理论 | 第22-24页 |
| 2.1.1 行为金融概述 | 第22-23页 |
| 2.1.2 行为金融的理论基础 | 第23-24页 |
| 2.2 文本挖掘关键技术 | 第24-29页 |
| 2.2.1 文本挖掘过程 | 第24-27页 |
| 2.2.2 词典构建技术 | 第27-28页 |
| 2.2.3 情感分类算法 | 第28-29页 |
| 2.3 金融时间序列模型 | 第29-31页 |
| 2.3.1 ARMAX模型 | 第29-30页 |
| 2.3.2 GARCH模型 | 第30页 |
| 2.3.3 NARX动态神经网络 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于文本挖掘的投资者情绪指数构建 | 第32-44页 |
| 3.1 基本思路 | 第32-33页 |
| 3.2 数据收集与处理 | 第33-34页 |
| 3.2.1 网络爬虫 | 第33-34页 |
| 3.2.2 中文分词与清洗 | 第34页 |
| 3.3 金融领域词典的构建与扩展 | 第34-41页 |
| 3.3.1 领域词典概述 | 第35页 |
| 3.3.2 领域词典的构建 | 第35-37页 |
| 3.3.3 基于word2vec的领域情感词典扩展 | 第37-39页 |
| 3.3.4 基于关联规则的领域主题词典扩展 | 第39-41页 |
| 3.4 投资者情绪指数计算 | 第41-43页 |
| 3.4.1 股票评论情感分类 | 第41页 |
| 3.4.2 分类器的训练与评价 | 第41-42页 |
| 3.4.3 情绪指数合成 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于投资者情绪的股票市场分析与预测 | 第44-56页 |
| 4.1 基本思路 | 第44页 |
| 4.2 NARX-GARCH模型的构造 | 第44-45页 |
| 4.3 数据的选取与检验 | 第45-48页 |
| 4.3.1 数据的来源与处理 | 第45-47页 |
| 4.3.2 相关性分析与因果性检验 | 第47-48页 |
| 4.4 ARMAX与NARX模型的建模与分析 | 第48-52页 |
| 4.4.1 ARMAX建模 | 第48-50页 |
| 4.4.2 NARX神经网络建模 | 第50-52页 |
| 4.5 预测误差的GARCH建模与分析 | 第52-53页 |
| 4.6 实验效果分析 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 研究总结 | 第56页 |
| 5.2 不足与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间参加的研究工作和获得的学术成果 | 第65页 |