基于网络信息挖掘的股市影响因素分析

吉林大学学报(信息科学版) ›› 2014, Vol. 32 ›› Issue (2): 195-200.

基于网络信息挖掘的股市影响因素分析

马俊伟¹, 王铁军¹, 李庆¹, 林漳希^1,2

1. 西南财经大学金融智能与金融工程重点实验室, 成都 611130；2. 德克萨斯理工大学商务智能高级研究中心, 美国德克萨斯州 79409

出版日期:2014-03-25 发布日期:2014-06-12
作者简介:马俊伟（1984—）, 男, 甘肃嘉峪关人, 西南财经大学博士研究生, 主要从事金融工程研究, (Tel)86-13438862464(E-mail)majunweihiker@gmail.com; 李庆（1976—）, 男, 成都人, 西南财经大学教授, 博士生导师, 主要从事文本挖掘研究, （Tel）86-13408004039（E-mail）kooliqing@gmail.com。
基金资助:
国家社科基金重点资助项目(11AZD077); 西南财经大学中央高校基本科研业务基金资助项目（JBK1207018; JBK1307200)

Stock Market Influence Factor Analysis Based on Web Data Mining

MA Junwei¹, WANG Tiejun¹, LI Qing¹, LIN Zhangxi^1,2

1. Laboratory for Financial Intelligence and Financial Engineering, Southwestern University of Finance & Economics, Chengdu 611130, China;2. Center for Advanced Analytics and Business Intelligence, Texas Tech University, Texas 79409, USA

Online:2014-03-25 Published:2014-06-12

摘要/Abstract

摘要：

针对海量网络文本信息的获取、量化和分析的难题, 采用信息抓取技术获得网络金融舆情文本信息, 并根据数据的信息量对金融舆情信息进行分类, 建立因子模型和时间序列模型, 分析网络金融舆情信息对我国股票市场的影响。通过实证得到以下结论：与单只股票相关的网络文本信息数量, 明显影响了该只股票在第2日的收益率; 信息容量越大的网络文本信息对股票的影响力越大, 而不同组的信息对收益率的作用方向不同; 网络文本信息的数量与股票波动率明显相关, 信息容量不同的文本信息对波动率的影响力也不同。

关键词: 网络文本挖掘, 股票市场, 因子分析

Abstract:

We collect Web financial text information from financial BBS（Bulletin Board System) and classify all these text information according to their word count. Then we do empirical analysis by factor model and GARCH(Generalized Autoreg Ressive Conditional Heteroskedasticity) models. Our three findings are: number of new posts and stock yield are directly related; posts with more words are expected to have greater affects on stock yield; the correlation between count of new posts and stock volatility is statistically significant.

Key words: Web text mining, stock market, factor analysis

中图分类号:

TP39

马俊伟, 王铁军, 李庆, 林漳希. 基于网络信息挖掘的股市影响因素分析[J]. 吉林大学学报(信息科学版), 2014, 32(2): 195-200.

MA Junwei, WANG Tiejun, LI Qing, LIN Zhangxi. Stock Market Influence Factor Analysis Based on Web Data Mining[J]. Journal of Jilin University(Information Science Ed, 2014, 32(2): 195-200.

[1]	任瑞治，顾玲嘉. 基于Matlab的数字电视原理实验教学研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 403-408.
[2]	李温温，刘富，姜守坤. 基于引导滤波的指节纹图像增强算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(4): 409-413.
[3]	李志军，王恩东，刘丹. 面向拥塞控制的WMN 联合功率控制与信道分配[J]. 吉林大学学报(信息科学版), 2018, 36(4): 357-365.
[4]	任伟建，宋月，陈建玲，任璐，孙勤江. 基于改进的卷积神经网络的钢号识别[J]. 吉林大学学报(信息科学版), 2018, 36(3): 325-332.
[5]	刘富，刘星，康冰. 基于浅层残差网络的视线估计算法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 333-338.
[6]	唐俊奇. 评估多处理机系统计算速度的要素研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 351-355.
[7]	刘欢，范亚芹，梁乃生. 基于网络信息的混合推荐算法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 339-344.
[8]	张勇，张溯，王旭东，路阳，王臣. 基于时频域特征的场景音频研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 300-305.
[9]	卢韶芳，关馨，韩长明. 快速提取旋转体轮廓母线方法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 269-276.
[10]	唐伯浩，蔡立华，高策，张涛. 光电经纬仪星校航向技术研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 246-251.
[11]	张雯頩，康冰. 驾驶员疲劳状态检测方法研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 252-259.
[12]	黄岩，刘金蟾，孔垂禹，张赛男. 基于 FPGA 的视频图像提取研究[J]. 吉林大学学报(信息科学版), 2018, 36(3): 283-288.
[13]	杜红军, 李巍, 赵永彬, 金成明. 基于OpenStack 体系的云计算基础架构研究[J]. 吉林大学学报(信息科学版), 2018, 36(2): 213-216.
[14]	于超, 王璐, 程道文. 基于本体的教育资源语义检索系统研究[J]. 吉林大学学报(信息科学版), 2018, 36(2): 207-212.
[15]	刘克平, 李西卫, 李岩, 于微波. 基于边缘信息的SIFT 图像匹配算法[J]. 吉林大学学报(信息科学版), 2018, 36(2): 200-206.