[发明专利]一种基于互联网数据采集的情绪指数构建方法

说明书

技术领域

本发明属于数据分析技术领域，特别涉及一种关于股票价格预测的情绪指数构建方法。

背景技术

近年来，金融学界大量学术研究发现非标准化的数据，例如通过特殊方法构建的投资者关于市场的情绪波动指数、关于监管层面政策不确定性的相关指数，以及投资者在网络上发表的关于投资的正负面言论等，对于解释和分析金融市场波动起到了关键性的作用。因此，区别于目前通用的例如股票开盘价、收盘价、交易量等标准化金融数据，可通过构建市场投资者的情绪指数，来对股票价格日常走势进行预测。

发明内容

本发明的目的，在于提供一种基于互联网数据采集的情绪指数构建方法，其可通过IT技术获取市场投资者的情绪指数，对金融市场中的投资决策提供重要的附加信息。

为了达成上述目的，本发明的解决方案是：

一种基于互联网数据采集的情绪指数构建方法，包括如下步骤：

步骤1，获取互联网数据中针对某项投资的关注程度；

步骤2，构建正负情绪指标；

步骤3，从公开市场获取当月IPO数量和当日股票价格波动两项指标；

步骤4，根据如下公式计算市场投资者情绪指数：

市场投资者情绪指数＝[A/(A+B+C+D)]*关注程度(Focus)+[B/(A+B+C+D)]*正负情绪指标(PosNegSentiment)+[C/(A+B+C+D)]*当月IPO数量(IPOnum)+[D/(A+B+C+D)]*当日股票价格波动(Volatility)

其中，A，B，C，D分别为关注程度、正负情绪指标、当月IPO数量、当日股票价格波动的权重。

上述步骤1的详细内容是：根据上市公司总部所在地对应的IP所发表的关键字进行检索，针对某项投资，以固定时间段为单位收集相关指数，来作为关注程度，所述相关指数是指在固定时间段内关键字出现次数的总和。

上述固定时间段为每月、每周、每天、每小时或每分钟。

上述步骤2的详细内容是：

步骤21，采用ORACLE关系型数据库，包括表guba，表authors，表articles和表comments，通过如下步骤构建数据库：

1)发送HTTP请求至股吧主页URL，获取HTML内容并解析，记录page＝1；

2)查找新标签，遍历子节点；

i.将帖子的标题、作者、股吧账号、发表日期、最后更新日期存入表articles；

ii.访问帖子URL，获取细览页HTML内容并解析，将内容、阅读数、评论数存入表comments；

iii.访问作者URL，获取作者页HTML内容并解析，将作者信息存入表authors；

iv.访问帖子股吧URL，将股吧信息存入表guba；

3)获取帖子总数和每页帖子数，判断当前是否为最后一页，如果不是最后一页，则访问下一页，记录page＝page+1，重复步骤2)；

步骤22，基于网页得到的语义数据，通过语义分析领域通用的中文情感极性词词典使用SOSA算法进行分析，SOSA算法持续多次随机轮询节点，并根据以上方式进行状态改变；然后，逐渐将温度下降，重复下一轮操作；

步骤23，当轮询次数达到预设，或满足停止准则时，结束重复过程，以当前结果作为正负情绪指标。

上述步骤4中，权重的计算方法是：查询股票实时收益，同时将步骤1-3得到的关注程度、正负情绪指标、当月IPO数量、当日股票价格波动代入下式，

股票实时收益＝A*关注程度+B*正负情绪指标+C*当月IPO数量+D*当日股票价格波动+残差

假设残差符合正态分布，应用多元线性回归得出A，B，C，D的值。

采用上述方案后，本发明利用非标准化数据对金融领域的影响，将非标准的网络情绪数据和标准的金融数据有机结合，构成一套非标准化的、能够准确衡量市场投机情绪的指数，基金经理，风控经理以及广大投资者可以依据此信息调整投资策略，规避市场风险。

具体实施方式

以下将结合具体实施例，对本发明的技术方案及有益效果进行详细说明。

本发明提供一种基于互联网数据采集的情绪指数构建方法，可通过设计相应的指数，通过IT技术从网络上合法获取计算该指数所需要的相关信息。