摘要
由于现代计算机技术的飞速发展和互联网的广泛使用,研究者开始有机会获得曾经无法企及的文本大数据,通过对文本内容中与金融市场相关的部分进行挖掘,从而更加深入地理解和刻画资产价格变动机制。典型的文本大数据包括公司业绩披露、媒体新闻报道、社交论坛讨论等。在金融和会计领域,如何从文本中提取有效的情绪信息并研究其对资产价格变动的影响已经成为近年来的研究热点。本文总结了文本情绪分析在金融市场与资产定价相关领域的应用与研究进展,整理了主要的文本分析方法,包括词汇分类字典法、文本词汇加权和基于机器学习的朴素贝叶斯法等。本文还从横截面与时间序列两个方面介绍了文本情绪影响资产预期收益的计量方法和经济机制的最新成果。
出处
《经济学动态》
CSSCI
北大核心
2016年第11期137-147,共11页
Economic Perspectives
基金
国家自然科学基金青年项目(71602198)
