不同来源金融文本信息含量的异质性分析——基于混合式文本情绪测度方法

摘要：

情绪对宏观经济和金融市场具有重要的预测能力.本文评估了不同文本情绪分析方法的准确性,开发了一种新的中文金融文本情绪词典,并融合机器学习算法提出了一种混合式情绪测度方法.本文数据来源于2011～2019年中国32家知名报刊发布的175万条新闻和投资者在东方财富网股吧发表的近2500万条帖子.与仅基于词典法或机器学习的方法相比,混合式方法可以提高情绪测度的准确率.本文实证结果表明,新闻情绪对宏观经济指标预测效果较好,证券类和经济类新闻对股票市场也具有一定的预测能力.股吧情绪则能显著预测股票市场的收益率、交易量和波动性,但对宏观经济影响甚微.进一步分析表明,不同经济周期、交易日以及不同类型股票的文本情绪对股票收益率的预测效果也具有异质性.

关键词：金融文本、文本分析、投资者情绪、大数据、机器学习

所属期刊栏目：38

分类号：F832.51;F279.246;TP391.1

资助基金：国家社会科学基金;国家自然科学基金;国家社会科学基金;国家社会科学基金

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：78-95