证券市场情绪分析评述

　　中图分类号：F83 文献标识码：A 文章编号：1672-3791（2015）08（c）-0192-02

　　在云计算与大数据的DT时代，证券市场分析与预测的内容与方法也发生了巨大变化，更加突显信息与数据的巨大价值。伴随移动互联网的蓬勃发展，特别是微信、移动新闻客户端等加快了信息传播速度，也在极大改变着证券市场信息服务模式。早期的股票投资者还需要在同花顺、大智慧等PC客户端浏览行情和获取证券资讯；而今，各类股票App蓬勃发展，为无数新生代投资者提供投资参考。股票App的产品模式是将交易与交流相结合，组建日常化的投资社区。其基础架构类似微信、微博之类的社交应用，一些炒股达人则成为这些社交应用的微信公众号或者微博大V，草根股民也可以用朋友圈来发表一下自己对股市的看法。一些股票App还推出了追随“股票高手”进行“跟单交易”的傻瓜化证券投资模式，一度取得不错投资业绩而倍受新入市投资者追捧。证券信息服务、股票App与社交网络的融合发展，不断催生出新的信息服务模式，也催生出一种新的证券分析手段――证券市场情绪分析。

　　1 证券市场情绪分析

　　2013年诺贝尔经济学奖得主罗伯特?席勒曾于20世纪80年代设计了一个至今被业内称道的投资模型。在这个模型中，主要参考三个变量：投资项目计划的现金流、公司资本的估算成本、股票市场对投资的反应（市场情绪）。罗伯特?席勒认为，市场本身带有主观判断因素，投资者情绪会影响投资行为，而投资行为直接影响资产价格。在大数据技术诞生之前，市场情绪始终无法进行量化。

　　2010年，美国印第安纳大学和英国曼彻斯特大学的三位学者合作发表了一篇题为《Twitter情绪预测股市》的论文，指出基于大量推文而分析出的公众情绪与道琼斯工业指数相关联，甚至具有预测性。他们选取2008年2月28日至12月19日近1000万条推文作为样本，采用两种情绪追踪工具将其分类：一种是开源工具OpinionFinder，将推文二分为积极和消极情绪；另一种是以临床医学使用的情绪状态量表（POMS）基础而新开发的情绪测试工具GPOMS，能将公众的情绪分为冷静、警惕、确信、活力、友善和幸福这六个类别。他们发现，将“冷静”情绪指数后移3天，竟然与道琼斯工业平均指数惊人一致，也就是说，Twitter反映出的情绪能在一定程度上预测3～4天后的股市变化。他们还将“冷静”的情感信息加入到SOFNN股市预测模型，发现模型的准确率从仅输入股市数据时的73.3%提升至86.7%。

　　证券市场情绪分析是捕捉全网证券资讯，分析社交网络大数据，统计网络上的看涨看跌观点并作出预测分析。所用信息来源分为两种：一种是依托全球最大专业数据提供公司如英国DataSift（数据雨燕）和美国GNIP。DataSift数据池共有超过21家网站，拥有强大的信息过滤算法，每秒能挖掘12万条推文，数据池除了主要的Twitter、Facebook、Wordpress和Tumblr外，还有图片社交网站Instagram、视频分享网站Youtube和Dailymotion等，其中Datasift还取得了新浪微博、腾讯微博的资源授权；另一种是公司用自己的语义分析法对数据进行细分。例如SMA锁定超过30万的专业投资者，这部分人密切关注资本市场动向，有规定地发布股市推文，因此，成为SMA数据库的基础来源，并每月自动筛选替换。

　　证券市场情绪分析的方法是利用先进的语义分析法或信息过滤算法，使用社交网络的大数据，捕捉涨跌或买卖等关键词，将推文二分为积极和消极情绪，或者更细致的构造情绪状态量表，据此统计市场看涨看跌情绪。

　　美国华尔街投行、对冲基金、甚至纽约证券交易所都在使用社交网络股市情绪量化分析法。2015年4月，总部位于波士顿的对冲基金Tashtego宣布，将依靠数据算法，利用社交网络分析客户情绪和投资者行为进行交易。从2013年美国证监会允许上市公司在社交网络披露公司信息起，华尔街投行、对冲基金等纷纷开始利用市场情绪分析。诸如Social Market Analytics和Hedge chatter等公司都以Twitter、Facebook等社交网络大数据为基础，收集分析网络上的看法评论，并作出股价预测。包括汤森?路透、彭博社在内的著名数据提供商也开始提供社交网络数据分析服务。

　　2 国内市场情绪分析

　　分析软件如何在全球每天数百亿推文中筛选有效信息，成为量化市场情绪的关键，专业的算法成为筛选有效信息的利器。

　　国内首款证券市场情绪分析软件股票雷达的雷达关注功能是一款针对A股的个股资讯聚合分析工具，后台数据来源于全网，通过捕捉全网各类股票资讯，统计网络中所有人的看涨看跌观点，再利用自身大数据技术分析预测股票价格走势以供投资者参考。

　　投资脉搏网站推出了股市心情指数，数据来源于股吧、新浪财经、搜狐财经等，并利用自家的算法程序在社交数据中提取最核心关键内容，辨别涨跌、买卖等关键指标，得出大多数股民对大市的心理预测值，且用户也能在投资脉搏网站上对当天股票的整体行情评分。 　　百度股市通首创中国股市知识图谱，基于百度每日实时抓取的数百万新闻资讯和数亿次的股票、政经相关搜索大数据，通过技术建模、人工智能等专业的数据挖掘和分析技术，将新闻信息、搜索数据与股票建立起相应的关系，以信息的热度变化来实时分析股票市场的变动。它可以为股民提供最新股票热点信息，帮助股民发现这些信息与股票的关系。其公布的数据显示所统计的热点事件股票的上涨概率达78%，日均涨幅达1.7%。如果按照A股1年240个交易日计算，年复利收益在理论上达到56倍。

　　3 评述

　　利用社交网络上的投资者观点进行大数据分析，能够在一定程度上反映投资者情绪，是证券市场情绪量化的有效手段。对于客观分析市场状况，修正证券分析模型的预测精度有着积极作用，有助于理性投资。但情绪指数并非万能，一般而言利用市场情绪预测大市趋势比预测个股更有用。对于严肃的专业投资者来说，更不应当滥用情绪指数，也不可简单地用情绪指数替代所有专业分析。在作出投资决定时，没有什么可以替代专业判断和严谨的研究与调查。另外，社交网络对突发事件的预测缺乏前瞻性，网络用户与股市投资者也并不完全重合，其样本代表性也需认真考量。

　　投资者应当做到理性投资。证券市场充满博弈，再“精准”的预测和投资建议都是有风险的。各类市场情绪分析软件不应简单基于情绪指数给出投资意见，而应将该所有相关信息全部呈现给用户，包括所有看好和不看好的言论内容，以及这些言论发表者的身份、背景和历史言论。当用户了解完所有这些信息之后，他的投资决定可能更加理性。

　　从国内应用提供的服务看，我国的社交网络情绪分析还处于起步阶段，也暂时缺乏健全的市场监管和指导。美国软件公司对市场情绪的量化已进入可视化阶段，能将一只股票的实时情绪变化走势形象地表现出来，甚至能将这些数据通过Excel下载并自行统计，其所能达到的直观效果与分析深度不言而喻。我国的相关软件多是一揽子聚合信息服务中的一项，且只涉及后台分析，向投资者提供市场情绪看涨或看跌的个股，目前还不能像东方财富、同花顺等交易软件一样，向投资者提供具象数据。我国的股市情绪分析还有很大提升空间。

　　4 结语

　　证券市场情绪分析是证券投资预测的重要内容之一，是证券预测模型的重要变量参数，能为投资者提供极具价值的参考意见，辅助投资者进行理性投资。基于社交网络为信息源的大数据分析能够汇总网络上投资者的观点，量化反映投资者情绪，各类市场情绪分析软件及股票App为投资者提供更专业、更开放的投资资讯服务，让投资决策更加简洁与智能化，涌现出类似“跟高手炒股”等新投资模式，在促进市场公平与客观理性投资等方面起到积极作用。

本文链接：http://www.qk112.com/lwfw/fxlw/xingzhengfa/148521.html