基于大数据的互联网媒体对证券市场影响研究

Stock market volatility comes from the release, dissemination and absorption of information. With the advance of Web techniques, the influence of Web information on the stock market is becoming increasingly salient with its huge amount and fast dissemination. However, due to the limitation of data acquisition and analytical techniques, the study on the mechanism of Web information percolation and its degree of impact on stock markets is yet to be explored. Specifically, the media impacts on stock markets caused by stock comovement, multiple information shocks, rumors in Web media have not been systematically studied. In this project, we build upon our studies on the big data analysis of the interplay between Web media and stock markets. As such, we first propose an information framework to quantitatively analyze the media impact on stock markets, which builds on the advanced intelligent information techniques to quantify textual information, detect public emotions, and rumor, explore enterprise connections in Web media, and quantitatively analyze media impact on stocks. Then, we study the mechanism of Web information percolation and its degree of impact on stock markets from the perspectives of investors’ behavior, corporate governance, and stock market regulation to protect investors with the highest quality information, assist in corporate management, and provide decision makers with the most reliable inputs for the health of the market.

证券市场波动与信息的发布、传播和吸收密切相关。随着互联网兴起，海量信息和极速传播加剧了媒体对证券市场的影响。然而，由于数据获取和智能分析的局限性，互联网媒体对证券市场影响的研究深度和广度严重不足。媒体影响中的联动效应、叠加效应、谣言现象等关键问题至今还未得到系统地梳理。本课题，从“大数据”分析入手，首先，研究特定的大数据挖掘技术，从海量互联网信息中捕捉投资者情绪、辨识谣言、挖掘企业媒体关系脉络、建立面向非结构化文本数据的关联影响分析模型。实现对互联网媒体信息内容和影响力传播方式的智能分析，提供一套完整分析互联网媒体对证券市场影响的技术方案和大数据分析平台。然后，从投资者认知行为、上市公司治理、金融市场监管三个不同的角度，量化分析互联网媒体对证券市场的影响机理、传导机制、以及冲击效果，从而为维护投资者的权益，规范上市公司行为，优化证券市场稳定机制提供重要的理论参考和实践指导。

证券市场波动研究是金融风险领域一个历久弥新的课题。随着互联网兴起，海量媒体信息对证券市场波动风险的影响日益显著。本课题尝试从大数据量化分析视角，通过研发面向证券金融数据特性的智能信息处理技术和深度学习模型，来揭开互联网媒体与证券市场风险波动的内在机理。具体而言，首先，通过对近30年证券市场媒体效应的研究工作进行了系统性梳理和分析，首次勾勒出了该领域的核心重点、技术脉络和未来发展方向。其次，针对证券金融大数据特性，研究了一系列特定的智能信息处理技术，包括，面向主题的财经媒体定向抓爬引擎、基于情景的中文财经情感词分析技术、基于社会化媒体的公众情感分析技术、面向证券市场高维度信息融合的张量学习算法等。最后，依据自主研发的技术，构建了一个证券市场媒体效应分析平台（Stock++），并依据该平台展开了一系列面向证券市场社会化媒体效应、中国房地产证券市场媒体效应的研究和探索。实质上，本研究试图从大系统分析视角，从一种兼具质性思考与量化分析的角度，提取多源异构市场信号特征，在统一的智能学习框架下，用整体、连续，而非单一的数据关系，来解释和预测证券市场的风险波动。旨在为金融学领域的经典命题寻找一个新的智能计算的解决方案。相关研究成果能为金融学经典问题的研究提供一个新的视角和技术手段，促进金融学和人工智能的深度融合，使得从微观视角分析证券市场局部波动成为了可能，最终实现通过洞察局部风险的演变，达到防控资本市场整体系统性风险的目的。