基于内联关系的方面级情感分析方法

方面级情感分析 (aspect-based sentiment analysis, ABSA) 旨在预测给定文本中特定目标的情感极性. 研究表明, 利用注意力机制对目标及其上下文进行建模, 可以获得更有效的情感分类特征表达. 然而, 目前常用的方法是通过对特定目标使用平均向量来计算该目标上下文的注意权值, 这类方法无法突出文本中个别单词对于整个句子的重要性. 因此, 提出了一种基于内联关系的方面级情感分析方法, 该方法可以对目标和上下文进行建模, 将关注点放在目标的关键词上, 以学习更有效的上下文表示. 首先使用门控循环单元 (gated recurrent unit, GRU) 对方面信息和句中单词进行融合分布式表达; 然后将分布式表达输入到结合注意力机制的长短时记忆网络 (long short-term memory network, LSTM), 通过查询机制来增加内联关系的权重, 最终得到方面级情感分类. 该模型在公开数据集上进行的实验结果表明, 该方法是有效的, 精确度均超过基线模型.     

行为金融学和投资者信念模型

近几年,大量文献发现的证券市场异常现象(anomalies)严重地挑战了有效市场假说。建立了一个投资者信念模型,认为投资者的信念是在不完美信息下对公司级和市场级两个层面的分析之后形成的。提出模型不仅假设更合理,还以简约和统一的方式同时解释了多个已发现的异常,如反应过度和反应不足、小市值公司或高成长性公司效应,并给出了计算机仿真。还提出了两个有待验证的异常现象。     

基于SWOT量化分析的丽江旅游业发展战略研究

在拟的投建的"丽江国际旅游集散中心"项目调研的基础上,结合调研内容对项目进行SWOT分析,通过量化分析因素,将SWOT定性分析问题转换成运筹学中"产销平衡"问题,然后运用LINGO对问题进行求解,最后根据求解结果,提出具体的发展策略和建议,以期进一步推动丽江旅游业的发展.     

基于数值模拟的网络安全风险量化参数优化分析

为了解决传统方法无法得到有效参数,导致建立网络安全风险量化模型量化精度低的弊端,通过数值模拟方法研究了网络安全风险量化参数优化问题。针对主机风险计算,依据主机所处状态对风险向量进行定义,通过加权计算得到合理的权重函数,将主机直接风险值和间接风险值结合在一起,获取主机风险值。将主机风险值相加求和,求算数平均值,获取网络在某时刻的平均风险值。针对风险值中的复杂函数,采用引入时延的支持向量机方法建立网络安全风险量化模型,对其进行描述。针对建立的网络安全风险量化模型中的重要参数惩罚因子和核函数宽度系数,采用蚁群算法进行初寻优,对待优化参数进行数值模拟,得到最优惩罚因子为10,最优核函数宽度系数为0.112。结果表明：采用所提方法对网络中主机1进行安全风险量化,得到的结果和主机1实际风险情况相符,研究其它主机可得到相同结论;所提方法对网络安全风险量化值和实际结果最为相符;所提方法量化结果误差最低。可见所提方法参数优化性能优,对网络安全风险量化精度高。     

考虑评论感知情感和宏观经济指标的汽车销量预测

为提高汽车销量的预测精度,从而为企业估算销售收入、制定生产计划和进行发展战略决策提供有效支撑,提出了一种考虑评论感知情感和宏观经济指标的汽车销量预测方法.首先通过构建领域专有情感词典,对口碑评论进行情感分数提取,其后基于前景理论和归因理论对评论情感的影响机理进行研究,获得评论感知情感指数,最后结合经济指标和历史销量,通过线性回归模型对真实汽车车型销量进行预测.结果表明:与仅使用历史销量数据相比,模型中加入评论感知情感和宏观经济指标有效提升了销量预测精度.     

ETF期权隐含偏度、投资者情绪的理性与非理性

以上证50ETF期权为研究对象，重点分析上证50ETF的隐含偏度与市场情绪之间的关系。与以往的相关研究不同，对于可能引致期权隐含分布左偏的市场情绪进行了分解，通过对所分解的情绪成分及其与左偏分布特征的关系进行实证检验，重点研究了情绪中的非理性成分在原生市场和衍生市场之间的跨市场传递，以进一步探究出影响市场稳定性的根源。研究表明：上证50ETF隐含分布的左偏程度与市场中的非理性情绪紧密相关，具体而言，非理性情绪越高涨，隐含分布越是呈现左偏；并且，在对已实现波动率、期权相对需求等变量加以控制以后，结论依然成立。这意味着，现阶段，仅从我国ETF期权市场中提取关于ETF未来预期信息的想法不可行。     

互联网新闻媒体报道对我国股市的影响分析

互联网新闻媒体作为投资者的重要信息来源,对投资者的投资决策具有重要影响,同时也会影响股票市场的具体表现.为研究互联网媒体上发布的新闻报道对股票市场的影响,本文通过互联网搜索引擎采集了与股票市场相关的大量新闻报道,从新闻媒体关注度和情感指标两个方面分析其对我国股票市场的影响.通过对2012年1月1日至2016年4月30日之间上证综指的表现进行实证检验,发现互联网新闻媒体的关注度和情感指标对我国股票市场的运行均有一定的影响,而舆情指数一方面不受新闻媒体报道数量的影响,另一方面衡量了情感指标的相对影响,是量化新闻媒体报道情感的较佳指标.同时,我们的实证显示众多新闻媒体报道的网站来源中,52.8%的来源中已经包含了99.3%的新闻报道,是对股票市场产生影响的重要来源.通过互联网新闻媒体关注度和情感指标对股票市场影响的研究,可以加强对股票市场走势的分析与预测,为投资者提供投资建议.     

The industrial asymmetry of the stock price prediction with investor sentiment: Based on the comparison of predictive effects with SVR

As a representative emerging financial market, the Chinese stock market is more prone to volatility because of investor sentiment. It is reasonable to use efficient predictive methods to analyze the influence of investor sentiment on stock price forecasting. This paper conducts a comparative study about the predictive performance of artificial neural network, support vector regression (SVR) and autoregressive integrated moving average and selects SVR to study the asymmetry effect of investor sentiment on different industry index predictions. After studying the relevant financial indicators, the results divide the Shenwan first-class industries into two types and show that the industries affected by investor sentiment are composed of young companies with high growth and high operative pressure and there are a great number of investment bubbles in those companies.     

基于双粒度模型的中文情感特征词提取研究

为了能够快速准确地提取出海量文本信息中的情感特征词,提出从情感词语集中通过人工筛选得到种子词并对其情感强度赋值,同时,以这些种子词为基准计算出情感词语集中其他词语的情感强度值,从而得到各特征词在词语级及句子级的倾向性贡献度值。然后,将特征词在词语级、句子级这2种不同粒度情况下计算出的情感倾向性贡献度值有机结合起来,构造出基于双粒度模型的中文情感特征词提取模型。该提取方法考虑了特征词在词语级和句子级2个方面的情感倾向,使最终提取出的情感词的准确率得到了提高。实验表明,只要有一个全面的情感词典系统和一组准确恰当的种子词,提出的方法可以获得良好的准确率和召回率。     

基于中文微博语料的情感倾向性分析

微博的兴起与传播使得短文本情感分类成为目前的热门研究领域。通过对中文微博语料的情感倾向性分析进行研究,提出了一种新的情感分类方法。首先构建了两级情感词典,并对不同级别情感词作不同增强;然后在情感特征方面使用N-Gram方法,尽量获取有限长度博文中的未登录情感词和情感信息。经实验验证与传统方式相比较,该方法的准确率和召回率都有所提高,在COAE2014微博情感倾向性评测任务中也取得了较好的成绩。