| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究思路及研究内容 | 第12-13页 |
| 1.4 创新与不足 | 第13-16页 |
| 1.4.1 创新点 | 第13-14页 |
| 1.4.2 不足点 | 第14-16页 |
| 2 文献综述 | 第16-23页 |
| 2.1 行为金融理论文献综述 | 第16-17页 |
| 2.2 网络舆情与证券市场研究文献综述 | 第17-23页 |
| 2.2.1 以数字方式直接量化网络信息的研究 | 第17-19页 |
| 2.2.2 用文本挖掘工具来量化网络文本信息的研究 | 第19-20页 |
| 2.2.3 检验网络信息影响的方法 | 第20-23页 |
| 3 基于朴素贝叶斯文本分类算法的投资者情绪指标构建 | 第23-39页 |
| 3.1 文本分类算法原理 | 第23-29页 |
| 3.1.1 文本分类算法原理介绍 | 第23-28页 |
| 3.1.2 选择朴素贝叶斯文本分类方法的原因 | 第28-29页 |
| 3.2 中文分词及TF-IDF加权 | 第29-31页 |
| 3.2.1 中文分词 | 第29-30页 |
| 3.2.2 TF-IDF加权 | 第30-31页 |
| 3.3 数据来源及贝叶斯分类结果 | 第31-37页 |
| 3.3.1 数据来源 | 第31-34页 |
| 3.3.2 贝叶斯分类过程 | 第34-35页 |
| 3.3.3 贝叶斯分类结果 | 第35-37页 |
| 3.4 指标构建 | 第37-39页 |
| 3.4.1 投资者情绪指标构建 | 第37-38页 |
| 3.4.2 投资者意见分散度指标构建 | 第38-39页 |
| 4 网络信息与股票市场的相关分析 | 第39-58页 |
| 4.1 网络信息变量及股票市场变量的统计特征描述 | 第39-44页 |
| 4.1.1 投资者发帖时间分布 | 第40-41页 |
| 4.1.2 股票交易量与网络发帖量 | 第41-42页 |
| 4.1.3 股票收益率与投资者情绪指标 | 第42-43页 |
| 4.1.4 股票日内波动率与投资者意见分散度 | 第43-44页 |
| 4.2 股票市场变量与网络信息变量回归分析 | 第44-58页 |
| 4.2.1 股票市场变量与网络信息变量的相关分析 | 第45-46页 |
| 4.2.2 股票市场变量与网络信息变量的无滞后回归分析 | 第46-49页 |
| 4.2.3 股票市场变量与网络信息变量的滞后回归分析 | 第49-54页 |
| 4.2.4 上涨阶段与下跌阶段的滞后回归分析对比 | 第54-58页 |
| 5 总结与展望 | 第58-63页 |
| 5.1 结论 | 第58-60页 |
| 5.2 本文研究的局限性 | 第60-61页 |
| 5.3 未来研究展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 后记 | 第66-67页 |
| 致谢 | 第67页 |
