[发明专利]一种基于投资者情绪的VWAP量化交易系统及方法

权利要求书

1.一种基于投资者情绪的VWAP量化交易方法，其特征在于，包括以下步骤：

(1)、通过结合Hownet中文基础情感词典、以BCC为语料金融领域词典和文本挖掘的东方财富网股吧来构建个股投资者情绪指标；

(2)、通过对若干投资者情绪代理变量的主成分分析，得到市场投资者情绪指标；

(3)、引入文本挖掘出的个股投资者情绪指标，建立了支持向量机(SVM)模型预测模型，并将市场投资者情绪指标作为影响因子加入到传统VWAP量化交易策略概率测度的更新迭代中，从而获得基于投资者情绪改进的VWAP动态交易策略。

2.根据权利要求1所述的基于投资者情绪的VWAP量化交易方法，其特征在于，在步骤(1)中，构建个股投资者情绪指标，具体流程包括：采用计算点互信息PMI的方法构建金融领域情感词典，利用金融领域情感词典，对东方财富网个股评论进行语义分析，基于BSI指数建立投资者情绪指数SEN。

3.根据权利要求2所述的基于投资者情绪的VWAP量化交易方法，其特征在于，在步骤(1)中，所述PMI(Pointwise Mutual Information)，即点互信息，通过考虑两个元素间的共现概率来计算它们的关联程度。应用到文本中，两个词语之间的点间互信息值公式为：

其中，P(word₁&word₂)表示两个词语在同一文本中的共现概率，P(word_i)表示该词语在文本中出现的概率。共现概率越高，表明两个词语在同一文本中越有可能一起出现，因而可以认为这两个词具有一定的相关性。PMI值越大，两者相关性越高。将PMI运用在情感倾向性分析，可以判断词语极性，即计算SO-PMI(Semantic Orientation using PointwiseMutual Information)。SO-PMI是在PMI值基础上做进一步的计算，获得文本的极性。

其中，positive和negtive分别为预先设定的积极种子词库和消极种子词库。基于公式，分别计算该词与积极种子词的PMI值总和、与消极种子词的PMI值总和，二者之差为SO-PMI值。当SO-PMI值为正时，该词与积极种子词相关性更高，可以认为该词更有可能是积极的；当SO-PMI值为负时，该词与消极种子词相关性更高，可以认为该词更有可能是消极的。

4.根据权利要求2所述的基于投资者情绪的VWAP量化交易方法，其特征在于，在步骤(1)中，采用计算点互信息PMI的方法构建金融领域情感词典，利用金融领域情感词典，对东方财富网个股评论进行语义分析，基于BSI指数建立投资者情绪指数SEN。具体如下：

A、结合Hownet基础情感词典，选取常用的金融词语作为积极与消极的种子词，构成positive和negtive集合；

B、采用北京语言大学语料库(BCC)中的语料和微博语料，对其进行分词，并计算各词与种子词的PMI值，根据设定PMI阈值并结合人工筛选，初步筛选出一些待分类词语；

C、计算初步筛选出待分类词语的SO-PMI值，结合计算SO-PMI值的结果和人工筛选，得到新扩展的金融领域词语及其极性；

D、以东方财富网的股吧发言为对象，对于每只个股的评论发言，使用python的BeautifulSoup进行文本挖掘，结合SnowNLP包进行分词，由此得到分词后的个股股吧评论文本。综合Hownet基础词典和金融领域情感词典，将东方财富网个股评论分词后的结果与情感词典进行匹配，当匹配为积极词时，看涨词语增加1，当匹配为消极词时，看跌词语增加1；

E、考虑看涨词与看跌词所占比例，基于BSI指数进行投资者情绪指数设计：

SEN即为本发明所构造的个股投资者情绪指标。SEN值越大，目前股民情绪越热烈，对该股未来走势越看强；SEN越小，股民情绪越低落，对该股越不看好。特别地，当SEN超过0.5时，投资者对该股总体上是看涨的，当SEN低于0.5时，投资者对该股总体上是看跌的。