基于個(gè)體投資者情感量化的上證指數(shù)預(yù)測(cè)檢驗(yàn)

王 聰，高廣闊，王 亮

（上海理工大學(xué) 管理學(xué)院，上海 200093）

引言

隨著信息技術(shù)水平不斷提高，人類(lèi)社會(huì)迎來(lái)大數(shù)據(jù)時(shí)代。以大數(shù)據(jù)為“食”的量化研究如雨后春筍般爆發(fā)，量化投資在金融領(lǐng)域也得到了廣泛關(guān)注。基于John R.Nofsinger（2001）提出的“情感投資”的廣泛存在性，情感投資的定量研究也具有了為“投資者情感因素作用于產(chǎn)品定價(jià)”提供事實(shí)依據(jù)的重要作用。如果關(guān)于投資者情感的定量研究能夠準(zhǔn)確反映金融資產(chǎn)價(jià)格，則Fama和French（2014）的五因子模型將很有可能納入“社會(huì)媒體因素”來(lái)重新定義股票價(jià)格的影響因素。

在理論研究方面，后續(xù)學(xué)者先后通過(guò)對(duì)Twitter為代表的社交媒體進(jìn)行情感挖掘驗(yàn)證了投資者情感的變化與各類(lèi)金融產(chǎn)品的價(jià)格之間具有相關(guān)關(guān)系。Johan Bollen（2011）[6]利用雙維度情感對(duì)于道爾瓊斯工業(yè)指數(shù)漲跌情況進(jìn)行了預(yù)測(cè)，其準(zhǔn)確率達(dá)到87.6%。宋敏晶（2013）通過(guò)在線股評(píng)收集數(shù)據(jù)并進(jìn)行分詞，研究了股評(píng)情感和股市表現(xiàn)之間的關(guān)系，發(fā)現(xiàn)股評(píng)情感均存在“周末效應(yīng)”，即周末時(shí)投資者情緒整體向上。他還進(jìn)一步建立主成分分析回歸模型預(yù)測(cè)個(gè)股漲跌情況，準(zhǔn)確率達(dá)到87.45%。楊陽(yáng)（2015）對(duì)和訊網(wǎng)和新網(wǎng)財(cái)經(jīng)中的上證180成分股進(jìn)行數(shù)據(jù)挖掘來(lái)判斷市場(chǎng)情緒的向好向壞，結(jié)果顯示新聞數(shù)量與股票指數(shù)呈現(xiàn)顯著正相關(guān)關(guān)系；新聞報(bào)道與個(gè)股收益率的正向指數(shù)具有正相關(guān)性高。

從計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、金融學(xué)的領(lǐng)域劃分角度來(lái)看，目前基于情感量化投資研究方法在這三個(gè)領(lǐng)域的對(duì)應(yīng)分別是機(jī)器學(xué)習(xí)分類(lèi)算法，統(tǒng)計(jì)學(xué)時(shí)間序列分析和金融學(xué)思考分析范式。在機(jī)器學(xué)習(xí)分類(lèi)算法中，國(guó)內(nèi)外學(xué)者主要應(yīng)用的算法有支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、最大熵等。雖然支持向量機(jī)在劃分較高緯度的數(shù)據(jù)中相對(duì)其他算法有著較為明顯的優(yōu)勢(shì)，但樸素貝葉斯算法實(shí)現(xiàn)簡(jiǎn)單，且在分類(lèi)垃圾郵件中已經(jīng)被證實(shí)高度有效；神經(jīng)網(wǎng)絡(luò)與最大熵算法實(shí)現(xiàn)則較為復(fù)雜，數(shù)據(jù)訓(xùn)練要求較高。在時(shí)間序列分析中，VAR模型的脈沖響應(yīng)函數(shù)是用于檢測(cè)二者因果關(guān)系最常用的工具，該工具要求數(shù)據(jù)平穩(wěn)。然而目前少有學(xué)者利用時(shí)間序列分析投資者情感和股票價(jià)格漲跌幅的關(guān)系。傳統(tǒng)的時(shí)間序列分析方法為多變量的靜態(tài)預(yù)測(cè)提供了嚴(yán)密的分析范式，但其分析多是建立在線性回歸的基礎(chǔ)之上，對(duì)于變量之間的非線性關(guān)系很難做出解釋。就金融學(xué)思考分析范式而言，國(guó)內(nèi)學(xué)者對(duì)個(gè)股板塊和行業(yè)板塊的劃分為后續(xù)研究起到了指導(dǎo)意見(jiàn)，但大多未能對(duì)具體的預(yù)測(cè)結(jié)果做出解釋。本文擬利用神經(jīng)網(wǎng)絡(luò)算法對(duì)VAR擬合后的曲線進(jìn)行改進(jìn)分析，挖掘變量間除線性關(guān)系之外的非線性關(guān)系。

需要注意的是，基于投資者情感挖掘的預(yù)測(cè)方式會(huì)因投資主體、市場(chǎng)結(jié)構(gòu)、甚至具體時(shí)間而異。考慮到投資者情感與投資標(biāo)的價(jià)格變動(dòng)之間的影響關(guān)系存在“相互性”和“滯后性”的特點(diǎn)，本文建立了綜合考慮這兩種特性的預(yù)測(cè)模型，并通過(guò)對(duì)預(yù)測(cè)結(jié)果的分析檢驗(yàn)，提出了存在的問(wèn)題和可能的解決方案。此外，盡管?chē)?guó)內(nèi)專(zhuān)家對(duì)機(jī)構(gòu)投資者情緒會(huì)顯著影響股票指數(shù)的結(jié)論已達(dá)成共識(shí)，但缺乏對(duì)占大多數(shù)投資主體的廣大散戶(hù)投資者的情緒對(duì)股指變化影響程度的量化分析，且進(jìn)行估價(jià)預(yù)測(cè)的可行性、準(zhǔn)確性仍難以定論。本文將對(duì)個(gè)體投資情緒量化預(yù)測(cè)股票指數(shù)的有效性驗(yàn)證，有利于加深對(duì)我國(guó)金融市場(chǎng)的了解，為政府制定相關(guān)政策法規(guī)提供理論依據(jù)。

一、理論模型構(gòu)建與分析

情感挖掘的投資邏輯在于，認(rèn)為股票價(jià)格變動(dòng)的根本性原因是投資者根據(jù)自身情緒等因素做出買(mǎi)賣(mài)決策，因此推高或拉低了相應(yīng)的交易價(jià)格。當(dāng)市場(chǎng)整體受情緒影響較大時(shí)，利好利空消息會(huì)對(duì)股市造成巨大的影響；當(dāng)市場(chǎng)整體受情緒影響較小時(shí)，利好利空消息對(duì)投資者的決策行為造成的影響較小，則對(duì)股市價(jià)格變動(dòng)所造成的影響也相應(yīng)變小。本文理論模型及研究方法具體包括以下方面。

（一）投資者情感分類(lèi)及量化

采用數(shù)據(jù)挖掘的方式對(duì)主流財(cái)經(jīng)評(píng)論網(wǎng)站進(jìn)行數(shù)據(jù)抓取后，綜合考慮星期效應(yīng)，聯(lián)系投資者情緒與投資收益，采用廣泛應(yīng)用于分類(lèi)垃圾郵件的“樸素貝葉斯模型”[9]對(duì)投資者情感進(jìn)行分類(lèi)，該分類(lèi)方式對(duì)于分類(lèi)維度較少的分類(lèi)操作具有顯著的效果。

對(duì)于任意股吧評(píng)論x而言，其類(lèi)別y可分為正向和負(fù)向，正向（y=0）和負(fù)向（y=1）具有 m，n個(gè)特征屬性，在分類(lèi)中使用的特征屬性即為從股票評(píng)論中提取的關(guān)鍵詞。

若每一組特征屬性x都有一個(gè)唯一的y與之對(duì)應(yīng)，由此可以得到聯(lián)合概率分布P（X，Y）。

但是當(dāng)x的特征詞達(dá)到上千（維度），其任何一個(gè)維度變化都有可能造成y的不同，此時(shí)維數(shù)增長(zhǎng)問(wèn)題是嚴(yán)重的。為了使P（X，Y）可以計(jì)算，樸素貝葉斯對(duì)變量之間關(guān)系做出了假設(shè)，即各個(gè)維度的特征在類(lèi)確定的情況下都是獨(dú)立同分布的，在x給定的情況下為確定值，因此關(guān)于y取值{0，1}的劃分可以表示為：

（二）結(jié)合投資者情緒變化，預(yù)測(cè)投資標(biāo)得漲跌幅

在獲得了對(duì)于不同情感的股票評(píng)論的實(shí)時(shí)統(tǒng)計(jì)之后，利用皮爾遜相關(guān)系數(shù)篩選可能受投資者情緒影響的股票，以及其可能的滯后時(shí)間段，得到個(gè)股價(jià)格與投資者情緒相關(guān)聯(lián)的初步結(jié)論。之后，將經(jīng)過(guò)篩選的股票建立VAR時(shí)間序列模型，量化分析投資者情緒對(duì)與股票價(jià)格的統(tǒng)計(jì)學(xué)解釋力，一般VAR模型為：

其中，yt是m維內(nèi)生變量向量，xt是r維外生變量向量，A0，A1，…Ap，B1，…Bq是待估計(jì)參數(shù)矩陣，Ut是隨機(jī)誤差項(xiàng)。

值得注意的是VAR模型不僅考慮了投資者情緒（x）對(duì)于股票價(jià)格（y）的影響，還考慮了股票價(jià)格（y）對(duì)于投資者情緒（x）的影響。該模型的難點(diǎn)在于其滯后階數(shù)的選擇，主要涉及兩個(gè)步驟：①對(duì)通過(guò)檢驗(yàn)的相關(guān)系數(shù)篩選，得到滯后期最大的評(píng)論序列和股票漲跌序列；②通過(guò)AIC準(zhǔn)則對(duì)①中得到的序列進(jìn)行最優(yōu)擬合選取。

（三）投資者情緒對(duì)股票價(jià)格進(jìn)行預(yù)測(cè)的有效性檢驗(yàn)

神經(jīng)網(wǎng)絡(luò)算法是模仿人腦的工作機(jī)理，對(duì)函數(shù)本身的拓?fù)浣Y(jié)構(gòu)進(jìn)行建模，通過(guò)不斷的調(diào)整神經(jīng)元權(quán)重值來(lái)得到對(duì)非線性關(guān)系的最優(yōu)擬合。部分VAR模型的殘差顯示出模型中仍然存在未提取的關(guān)鍵信息。因此，需要利用神經(jīng)網(wǎng)絡(luò)模型對(duì)與投資者情緒與股票價(jià)格之間的非線性關(guān)系進(jìn)行修正，主要涉及神經(jīng)網(wǎng)絡(luò)算法中的循環(huán)神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)中具體設(shè)置幾個(gè)感知層以及每層設(shè)置幾個(gè)神經(jīng)元一直以來(lái)都是學(xué)術(shù)界討論的對(duì)象，Kurita[10]針對(duì)于只有一層感知層的神經(jīng)元個(gè)數(shù)提出了經(jīng)驗(yàn)公式：

其中Nin指的是輸入神經(jīng)元數(shù)目，在模型中為1（投資者情感神經(jīng)元），得出隱藏（感知）層神經(jīng)元個(gè)數(shù)為3。在激活函數(shù)方面，利用Tahn函數(shù)作為隱藏層，y=x的線性函數(shù)作為輸出層的組合在文獻(xiàn)[11]中被證明擬合曲線均方誤差最小，所以也采用了相同的策略。其中網(wǎng)絡(luò)的輸入變量為VAR模型擬合后的漲跌幅預(yù)測(cè)值，輸出變量為神經(jīng)網(wǎng)絡(luò)改進(jìn)后的漲跌幅預(yù)測(cè)值。

二、實(shí)證分析

（一）變量設(shè)置與數(shù)據(jù)來(lái)源

在股票實(shí)時(shí)評(píng)論方面，本文選取2017年3月至2017年5月的東方財(cái)經(jīng)股吧評(píng)論數(shù)據(jù)，原因是該股吧的股票評(píng)論信息非?；钴S，在工作日時(shí)間，僅上證指數(shù)股吧一天的評(píng)論就可以達(dá)到4 000多條。在文本挖掘時(shí)，結(jié)合評(píng)論特點(diǎn)還進(jìn)行了如下設(shè)計(jì)：

1.過(guò)濾股吧“灌水黨”與“廣告黨”

在股吧評(píng)論中，出現(xiàn)的某投資軟件推廣信息可能具有重復(fù)性，將最終獲取的評(píng)論數(shù)量造成偏差，因此在程序中設(shè)計(jì)了禁忌表來(lái)評(píng)論5分鐘內(nèi)評(píng)論/發(fā)帖次數(shù)大于5次的用戶(hù)。

2.評(píng)論關(guān)鍵詞字?jǐn)?shù)調(diào)權(quán)后標(biāo)記情感

由于評(píng)論者在股吧評(píng)論時(shí)長(zhǎng)短不同，單純統(tǒng)計(jì)正向詞或負(fù)向詞的出現(xiàn)頻率會(huì)大大低估回復(fù)較短的股民情感，因此采用TF-IDF對(duì)于評(píng)論信息進(jìn)行調(diào)權(quán)處理，在此基礎(chǔ)上再獲得評(píng)論的關(guān)鍵字。其中分子是該詞在文件中出現(xiàn)的次數(shù)，分母是文件中所有出現(xiàn)次數(shù)之和（公式5）。

3.神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理

由于神經(jīng)網(wǎng)絡(luò)算法涉及到梯度下降法優(yōu)化當(dāng)前網(wǎng)絡(luò)權(quán)重，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理可以提高收斂速度，提高擬合精度，在擬合完畢后，再對(duì)數(shù)據(jù)進(jìn)行還原來(lái)來(lái)得到最終的預(yù)測(cè)數(shù)據(jù)。

（二）實(shí)證研究

1.投資者評(píng)論時(shí)間序列分析

（1）星期差異的時(shí)間序列分析

股票的評(píng)論數(shù)量因個(gè)股所受關(guān)注程度不同而不同，為了探尋星期效應(yīng)，選取上證指數(shù)股吧在2017年2月20日至3月22日的評(píng)論數(shù)據(jù)。通過(guò)箱線圖看出股市開(kāi)市時(shí)股吧評(píng)論數(shù)量遠(yuǎn)高于休市時(shí)，且每日評(píng)論數(shù)量偏差很大（圖1）。在獲取情感數(shù)據(jù)方面，每日數(shù)據(jù)容量有所不同。同時(shí)，通過(guò)對(duì)股票價(jià)格和正向情感占比的相關(guān)性分析，發(fā)現(xiàn)針對(duì)不同交易日期，投資者情感對(duì)股票價(jià)格的影響的顯著滯后期也會(huì)不同，因此在后續(xù)的實(shí)驗(yàn)中，會(huì)根據(jù)具體日期來(lái)具體分析。

圖1 每日評(píng)論數(shù)量統(tǒng)計(jì)

（2）每日評(píng)論正向情感占比與大盤(pán)指數(shù)聯(lián)動(dòng)分析

對(duì)正向情感所占比重與大盤(pán)漲跌幅進(jìn)行標(biāo)準(zhǔn)化可以發(fā)現(xiàn)：在以天為單位的區(qū)間內(nèi)，兩者的漲跌幅同步關(guān)系并不是特別顯著（圖2），但這并不意味著兩者之間不存在相關(guān)關(guān)系，其可能原因在于：其一，每日漲跌幅反映的是收盤(pán)價(jià)格相對(duì)于開(kāi)市價(jià)格的區(qū)間統(tǒng)計(jì)，而正向股票評(píng)論占比反映的是一天的情況，單純計(jì)算區(qū)間漲跌幅與全天占比忽略了區(qū)間內(nèi)部的相關(guān)關(guān)系；其二，股評(píng)與股票價(jià)格之間的相互關(guān)系可能存在一定的滯后效應(yīng)，今日對(duì)市場(chǎng)的正向觀點(diǎn)也可能造成日后股票價(jià)格變動(dòng)。

圖2 評(píng)論情感與漲跌幅聯(lián)動(dòng)分析

在考慮以上兩個(gè)因素的情況下，以具體日期為例，對(duì)上述全天數(shù)據(jù)進(jìn)行了向前與向后60分鐘的相關(guān)性分析，同時(shí)為了避免區(qū)間漲跌幅對(duì)個(gè)體信息的忽略，選用3分鐘均線來(lái)代替區(qū)間漲跌數(shù)據(jù)。同時(shí)對(duì)未通過(guò)顯著性檢驗(yàn)的相關(guān)系數(shù)進(jìn)行剔除，結(jié)果如圖3所示：當(dāng)股票評(píng)論滯后區(qū)間為1～14（3分鐘～42分鐘）時(shí)，股票價(jià)格與正向評(píng)論占比有明顯的負(fù)向滯后相關(guān)性；當(dāng)股票評(píng)論之后區(qū)間為-3～-13（－9分鐘至－39分鐘）時(shí)，股票價(jià)格與正向評(píng)論占比有明顯正相關(guān)關(guān)系。說(shuō)明當(dāng)股票價(jià)格上漲后，人們對(duì)于股票價(jià)格持續(xù)利好做出了情緒反應(yīng)，針對(duì)該股票發(fā)表正向評(píng)論的比例顯著增加，但是由于上漲幅度的不同，正向評(píng)論增加的快慢不同；投資者對(duì)股票的看好，從一定程度上拉高了股票的長(zhǎng)期上漲，但是由于看好力度不同，上漲的快慢也不同。同樣，對(duì)正向評(píng)論數(shù)量和成交量進(jìn)行相關(guān)分析后也發(fā)現(xiàn)了類(lèi)似的結(jié)論，即市場(chǎng)情緒對(duì)股票的看好會(huì)引起股票成交量的顯著增加。

2.預(yù)測(cè)分析

圖3 正向評(píng)論占比與三分鐘均線相關(guān)性分析

接下來(lái)利用Python工具[12]建立VAR模型，并進(jìn)行3分鐘均線漲跌幅的初步預(yù)測(cè)。以2017年2月21日為例，通過(guò)調(diào)整滯后階數(shù)（滯后期為21分鐘），并運(yùn)用AIC準(zhǔn)則自動(dòng)選取AIC最小的滯后階數(shù)對(duì)方程進(jìn)行擬合（圖4）。左圖為對(duì)當(dāng)日上證指數(shù)漲跌幅預(yù)測(cè)，初步觀察可知：利用投資者情感建立VAR模型對(duì)股票漲跌幅進(jìn)行預(yù)測(cè)具有一定的可行性，但其預(yù)測(cè)結(jié)果仍有偏差。右圖則是對(duì)預(yù)測(cè)結(jié)果的殘差進(jìn)行核密度估計(jì)，顯示該殘差近似服從正態(tài)分布，推測(cè)殘差中可能存在未能被VAR模型解釋的因素。鑒于此，需要使用神經(jīng)網(wǎng)絡(luò)算法對(duì)VAR預(yù)測(cè)進(jìn)行改進(jìn)。為了更直觀反映神經(jīng)網(wǎng)絡(luò)對(duì)于曲線擬合的改進(jìn)作用，我們接下來(lái)對(duì)VAR模型預(yù)測(cè)的殘差和神經(jīng)網(wǎng)絡(luò)修正后得到的殘差進(jìn)行了均方誤差、正態(tài)性檢驗(yàn)和序列相關(guān)性檢驗(yàn)的對(duì)比。

3.神經(jīng)網(wǎng)絡(luò)改進(jìn)預(yù)測(cè)結(jié)果分析

圖4 VAR模型預(yù)測(cè)結(jié)果分析

（1）均方誤差改進(jìn)

利用均方誤差改進(jìn)的百分比來(lái)衡量VAR預(yù)測(cè)的改進(jìn)效果，其計(jì)算公式為：

圖5 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)改進(jìn)MSE分析

如圖5所示，盡管在17天內(nèi)神經(jīng)網(wǎng)絡(luò)算法均對(duì)模型擬合結(jié)果做出了改進(jìn)，但在部分日期（2.21，2.24，3.1，3.13，3.16）神經(jīng)網(wǎng)絡(luò)卻得到了改進(jìn)效果變差的結(jié)論。通過(guò)分析神經(jīng)網(wǎng)絡(luò)的擬合曲線后發(fā)現(xiàn)，其主要原因是神經(jīng)網(wǎng)絡(luò)算法在初期對(duì)數(shù)據(jù)進(jìn)行了歸一化處理，而在后期通過(guò)樣本方差與均值得到還原后的預(yù)測(cè)樣本難以反映數(shù)據(jù)的異方差性。

（2）正態(tài)性檢驗(yàn)改進(jìn)

對(duì)22天神經(jīng)網(wǎng)絡(luò)得到的預(yù)測(cè)殘差進(jìn)行正態(tài)性檢驗(yàn)，并且與之前VAR模型得到的檢驗(yàn)進(jìn)行對(duì)比（圖6），其中紅色為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)殘差正態(tài)檢驗(yàn)所對(duì)應(yīng)P值，藍(lán)色為VAR模型預(yù)測(cè)殘差正態(tài)檢驗(yàn)所對(duì)應(yīng)P值，可以看出神經(jīng)網(wǎng)絡(luò)的修正都做了增大的調(diào)節(jié)，其中VAR模型殘差拒絕原假設(shè)的3天（2.21，2.22，3.1）也都通過(guò)了顯著性檢驗(yàn)，可以判定殘差呈現(xiàn)正態(tài)分布，信息已基本提取完整。

（3）序列相關(guān)性改進(jìn)

圖7顯示了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)前后的殘差序列相關(guān)檢驗(yàn)結(jié)果，在VAR模型預(yù)測(cè)的2月21日，約有50%的滯后階數(shù)顯示出序列相關(guān)性，但是在神經(jīng)網(wǎng)絡(luò)改進(jìn)之后殘差的序列相關(guān)性均得到了良好的消除。

圖6 殘差正態(tài)檢驗(yàn)P值對(duì)比

圖7 殘差1～6階序列相關(guān)占比

三、結(jié)論及展望

本文首先通過(guò)數(shù)據(jù)挖掘的方式對(duì)東方財(cái)經(jīng)股吧2017年3月至2017年5月上證指數(shù)評(píng)論數(shù)據(jù)進(jìn)行收集，使用樸素貝葉斯模型進(jìn)行了情感分類(lèi)，之后在進(jìn)行驗(yàn)證的基礎(chǔ)之上結(jié)合了傳統(tǒng)統(tǒng)計(jì)學(xué)方法與智能算法對(duì)個(gè)體投資者情感與上證指數(shù)價(jià)格變動(dòng)之間的影響關(guān)系進(jìn)行了嘗試性建模預(yù)測(cè)，該模型綜合考慮了投資者情感與上證指數(shù)價(jià)格變動(dòng)關(guān)系的相互性與滯后性?；窘Y(jié)論如下：（1）投資者情緒與股價(jià)漲跌幅之間存在確實(shí)相關(guān)關(guān)系；（2）利用線性關(guān)系進(jìn)行建模預(yù)測(cè)具有一定的局限性；（3）添加兩者的非線性關(guān)系建模可以對(duì)預(yù)測(cè)結(jié)果進(jìn)行良好的改進(jìn)；（4）投資者情緒與股價(jià)漲跌幅之間的日區(qū)間聯(lián)動(dòng)關(guān)系波動(dòng)較大。另外，結(jié)合當(dāng)下我國(guó)二級(jí)市場(chǎng)呈現(xiàn)股市資金連續(xù)外流、機(jī)構(gòu)投資者占比逐年上升的情況，我國(guó)二級(jí)市場(chǎng)正逐漸趨于“理性”；基于情感的量化投資策略在個(gè)人投資者資金集聚的某些股票中具有影響作用，但該影響作用正逐漸減弱。

本研究依然存在一定的局限性，投資者情感對(duì)于股票價(jià)格的波動(dòng)呈現(xiàn)出“異方差”的特點(diǎn)，不同類(lèi)型的投資者情感對(duì)于股票價(jià)格的變動(dòng)影響不同?；诖耍刹捎肎ARCH-M模型引入方差的時(shí)間序列因素變量從而達(dá)到對(duì)模型異方差的改良。此外，股吧評(píng)論活躍個(gè)體多為個(gè)體投資者，但近年來(lái)，機(jī)構(gòu)投資者在我國(guó)二級(jí)市場(chǎng)的投資占比日趨重要，而小的個(gè)人情感波動(dòng)將不足以促使群體（機(jī)構(gòu)）投資者作出決策，影響股價(jià)。數(shù)據(jù)挖掘可以從股吧的評(píng)論信息轉(zhuǎn)向上市公司的重大新聞，以分析機(jī)構(gòu)投資者的集體行為。通常比較大的新聞播報(bào)可以大范圍的影響投資者情緒，這時(shí)即便是機(jī)構(gòu)投資者的集體決策也會(huì)受到一致的影響。