20140610-申万宏源-2014夏季主动量化及期权会议研究之九_基于舆情挖掘的策略分享_20页_1mb

基于舆情挖掘的策略分享总结

核心内容

本报告围绕基于舆情挖掘的金融策略展开，旨在通过分析非结构化文本数据（如财经新闻、股票论坛、研究报告等），挖掘市场情绪与投资者行为之间的关系，从而为投资决策提供新的视角。报告分为背景介绍、系统构架、策略介绍和结果与进度四个部分，详细介绍了数据获取、清洗、分析以及策略实现的全过程。

主要观点

• 数据来源广泛：涵盖股吧、论坛、微博、研究报告和财经新闻等，能够全面反映市场情绪。
• 非结构化数据价值高：金融信息中大部分以文本形式存在，具有巨大分析潜力。
• 系统架构灵活：采用MATLAB与MySQL结合的方式，支持本地单机、集群部署，具备并行计算能力。
• 策略多样化：包括关键词策略、评论热点策略、情感词策略，分别从关注度、情绪判断和市场反应等角度出发。
• 情感分析初步成果：当前情感分析准确率约为60%，仍有较大改进空间。
• 未来方向明确：包括算法优化、代码改写、实时数据分析、自动预警及词汇库管理等。

关键信息

数据获取与清洗

1. 从股吧、微博、研究报告等渠道获取文本数据。
2. 建立全文索引，便于快速检索与分析。
3. 数据存储于MySQL数据库，支持条件查询与管理。

系统构架

1. 数据采集：支持实时与历史数据采集，包括按小时、日内、周内等时间粒度。
2. 处理流程：数据读取 → 清洗 → 存储 → 策略分析。
3. 计算工具：使用MATLAB进行数据分析，支持Parallel Computing Toolbox进行并行计算。

策略介绍

1. 关键词策略

• 指数策略：通过统计关键词出现频率，计算关键词指数，反映市场关注度。
• 词云策略：生成词云图，展示热门词汇分布，实现关键词预警功能。

2. 评论热点策略

• 分析指定时间内的个股评论数量与讨论热度，识别那些评论增加但股价波动较小的个股，作为潜在投资信号。

3. 情感词策略

• 普通投资者情绪：对所有评论进行情感分析，生成多空指数。
• 普通投资者偏好：基于情感分数与股价走势，建立非线性回归模型，探索相关关系。
• 机构多空情绪：对研究报告进行情感分析，生成机构多空指数。

情感分析核心

• 情感判别分为乐观与悲观，正分值代表乐观情绪，负分值代表悲观情绪。
• 使用句子权重矩阵对每条评论进行情感评分，最终得出每只股票或整体市场的多空指数。

结果与进度

当前成果

• 情感分析准确率：约60%，具备初步分析能力。
• 策略实现：关键词策略与情感词策略已初步实现，可进行数据统计与分析。

改进方向

1. 完善主观句判断模式，提升情感分析的准确性。
2. 将MATLAB代码改写为Java，提高代码效率与可部署性。
3. 优化代码，实现实时数据分析与结果可视化。

后续任务

1. 建立策略进行历史回测，挖掘舆论与标的的非线性关系。
2. 实现自动预警功能，及时捕捉市场情绪变化。
3. 管理词汇索引库，提升关键词识别与分析效率。

信息披露

• 证券分析师承诺：陈杰分析师具备合法执业资格，独立、客观地出具报告，不因报告内容获得任何补偿。
• 公司资质：上海申银万国证券研究所有限公司具有证券投资咨询业务许可，资格编号ZX0065。
• 法律声明：本报告仅供客户参考，不构成投资建议，客户应自主决策并承担风险。未经授权，不得复制或分发本报告内容。

联系方式

• 分析师：陈杰
• 邮箱：chenjie@swsresearch.com
• 公司：上海申银万国证券研究所有限公司
• 网站：www.swsresearch.com

总结

本报告系统性地介绍了基于舆情挖掘的金融策略构建过程，涵盖了数据获取、系统架构、策略实现与分析结果等多个方面。通过情感分析、关键词识别与评论热点分析等手段，能够有效捕捉市场情绪变化，为投资决策提供新的依据。尽管当前情感分析准确率尚有提升空间，但整体框架已具备可实施性，未来可通过算法优化、代码部署与策略回测进一步完善。