20140627-广发证券-互联网大数据挖掘系列专题之（三）_倾听股吧之声_洞察大盘趋势_24页_1mb

报告摘要

本报告探讨了通过互联网大数据挖掘技术，尤其是股吧论坛文本信息，来构建投资者情绪指标并用于股市择时的策略。报告指出，随着互联网的发展，非结构化金融数据成为重要的信息来源，投资者在股吧论坛中的言论反映了其对市场的情绪，进而影响投资决策。

互联网金融数据的重要性：互联网金融时代带来了信息来源的多样化，非结构化文本如股吧帖子、分析师报告、微博等成为重要的信息来源。
股吧情绪指标构建：通过文本挖掘、分词和情感分析技术，构建了股吧情绪指标GS，结合点击量与回复量来衡量情绪强度。
策略构建方法：基于GS指标的时间序列构造布林通道，当指标突破上界时发出看多信号，突破下界时发出看空信号，用于预测大盘走势。
实证效果显著：GS指标在沪深300指数择时中表现良好，自2010年以来年化绝对收益达40.20%，年化超额收益达48.90%，胜率51.50%，赔率1.20。
数据规模庞大：股吧数据具有高维、高数据量和语义性强的特点，需采用高效的数据采集和处理技术。
数据挖掘流程：包括内容采集、内容挖掘和行为分析三个阶段，其中分词和情感分析是核心环节。
情感分析方法：采用关键词匹配法，结合程度词和否定词进行情感值计算，未来计划引入更先进的模型。

GS指标公式：
$$
G S _ {t} = \left(D _ {t} + H _ {t}\right) \times \left(G _ {t} - B _ {t}\right)
$$
其中，$D_t$ 为点击量，$H_t$ 为回复量，$G_t$ 为乐观帖子数，$B_t$ 为悲观帖子数。
布林通道参数：
- 上界：$GS_{UPt} = (GS_t的M日均值) \times (1 + N%)$
- 下界：$GS_{DOWNt} = (GS_t的M日均值) \times (1 - N%)$
- 参数设定：$M = 10$，$N = 30$
实证结果：
- 年化收益率：40.20%
- 年化超额收益率：48.90%
- 胜率：51.50%
- 赔率：1.20
- 累计最大回撤：22.30%
策略表现：
- 每个自然年度均获得正的绝对收益，胜率100%
- 2014年截止5月份累计收益9.23%
数据采集与处理：
- 采用多线程、分布式抓取方式，提高数据采集效率
- 数据预处理包括垃圾信息过滤、分词、情感分析等步骤
- 自定义金融词库包含约1000个乐观与悲观词汇
情感分析流程：
1. 查找情感词并记录情感值
2. 查找程度词并赋予相应权重
3. 查找否定词并调整情感值
4. 判断是否有感叹号，若有则加权处理
5. 计算并存储情感值到数据库
风险提示：
- 股吧言论仅反映投资者情绪，存在误差
- 量化策略并非绝对准确，需谨慎使用

行业投资评级：
- 买入：预期未来12个月内，股价表现强于大盘10%以上
- 持有：预期未来12个月内，股价相对大盘的变动幅度介于-10%～+10%
- 卖出：预期未来12个月内，股价表现弱于大盘10%以上
公司投资评级：
- 买入：预期未来12个月内，股价表现强于大盘15%以上
- 谨慎增持：预期未来12个月内，股价表现强于大盘5% - 15%
- 持有：预期未来12个月内，股价相对大盘的变动幅度介于-5%～+5%
- 卖出：预期未来12个月内，股价表现弱于大盘5%以上

地址：
- 广州市：广州市天河北路183号大都会广场5楼
- 深圳市：深圳市福田区金田路4018号安联大厦15楼A座 03-04
- 北京市：北京市西城区月坛北街2号月坛大厦18层
- 上海市：上海市浦东新区富城路99号震旦大厦18楼
邮政编码：
- 广州市：510075
- 深圳市：518026
- 北京市：100045
- 上海市：200120
客服邮箱：gf fy@gf.com.cn
服务热线：020-87555888-8612