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。
Sentiment has important predictive power for macroeconomic variables and financial markets.This paper discusses currently available methodologies to perform sentiment text analysis,develops a new sentiment dictionary for Chinese financial texts,and proposes a hybrid sentiment measurement method combined with machine learning.The data in this paper comes from more than 1.75 million pieces of news published by 32 well-known Chinese newspapers and nearly 25 million posts on Eastmoney forum from 2011 to 2019.Hybrid method can improve the accuracy of sentiment measurement compared with the dictionary-based method or machine learning method.The empirical results show that news sentiment has a good predictive ability for macroeconomic indicators.Securities and economy related news also have certain predictive power on the stock market.Eastmoney sentiment can significantly predict the stock return,trading volume and volatility of stock market while has little effect on macroeconomy.Further analysis shows that text sentiment of different economic cycles,trading days and different stock types has different prediction effects on the stock return.
作者
范小云
王业东
王道平
郭文璇
胡煊翊
Fan Xiaoyun;Wang Yedong;Wang Daoping;Guo Wenxuan;Hu Xuanyi(School of Finance, Nankai University)
出处
《管理世界》
CSSCI
北大核心
2022年第10期78-95,共18页
Journal of Management World
基金
国家社科基金重大项目“基于结构性数据分析的我国系统性金融风险防范体系研究”(基金号:17ZDA074)
国家社科基金重大研究专项项目“我国债务危机风险的防范治理与有效缓解对策研究”(基金号:18VFH007)
国家社科基金项目“健全系统性金融风险预警、防控与应急处置机制研究”(基金号:18CJY061)的资助
国家自然科学基金面上项目“基于大数据的中国金融系统性风险测度及其演化规律研究”(基金号:71873070)。
关键词
金融文本
文本分析
投资者情绪
大数据
机器学习
financial text
text analysis
investor sentiment
big data
machine learning
