文 献 综 述
1 引言
互联网的发展给许多行业和人的行为带来了翻天覆地的变化。随着国民经济的发展，人们的投资理念发生变化，投资热情高涨，中国股市的规模也在不断扩大。利用互联网获取财经媒介信息，如财经新闻、评论文章和微博等，并分析即时股市行情逐渐成为投资者目前最常使用的信息获取方式，这些信息的作用随后反应在投资者的投资行为和股市波动中。利用挖掘互联网金融信息传递对投资者心理和行为的影响，并期望以此能够通过系统方法的构建与改进，进一步完善行为金融学的研究，将情感分析实践性的运用于金融领域中，实现对股票价格走势预测和市场监管，成为了新的研究方向。
本文其余部分内容安排如下。在第二部分中，我们回顾已有研究，建立相关理论；第三部分中，我们进一步分析研究方法，完成研究流程的建设；第四部分中，我们对目前研究的不足进行总结并提出了新的展望。
2 相关理论
金融市场中，信息是影响投资者决策的决定性因素。财经媒介信息已被广泛证实对金融市场交易以及资产价格存在显著的影响效应。Lavrenko[1]最早对雅虎财经网站中的127支股票的38469篇新闻信息进行了实证研究，认为可以利用新闻来预测股票价格。Tetlock[2]提取和量化了华尔街日报中的乐观和悲观情绪，并发现悲观情绪报道后的交易量趋于上升，高度悲观情绪报道后常跟随着市场价格的下跌和回升趋势。Zhang和Skiena[3]认为，当股票市值大时，日交易量与参考新闻的数量之间的相关性变大，这进一步意味着积极交易股票的新闻报道比不活跃的更高。同时，互联网在线用户行为分析也受到了广泛关注，Wysocki[4]研究了雅虎网站中的3000多支股票，发现投资者评论最多的企业具有高市值、高盈利率、高财务绩效和高波动性、低机构持股等特征，Antweiler[5]实证研究了雅虎金融和RagingBull两个网站45支股票的1559621条评论信息，认为评论与股市表现是有相关关系的。
这些研究的出现是由于学者发现，投资者并不总是完全理性的，Kahneman[6]提出的有限理性假说的提出开启了行为金融学的新篇章。在后续研究中发现，在不确定的条件下的决策过程中，投资者并不是完全理性的，会受到诸如过度自信、代表性、可得性、框定依赖、瞄定和调整、规避损失等信念的影响，出现系统性的认知偏差。因此，在股票市场中股票价格并不仅仅只受到企业主体的影响，还很大程度上由投资者投资主体行为所决定，即投资者的心理因素和行为对股票价格的决定作用。De，Shleifer，Summers和Waldman[7]首次将投资者情绪引入股票价格决定模型，指出如果投资者的情绪相互影响，套利者则无法消除非理性行为导致的错误定价，投资者情绪因而会成为影响金融资产均衡价格的系统性风险。后续的研究大多都支持投资者情绪与股票收益之间存在相关关系的结论。
因此，加强对投资者情绪的研究具有重要的现实意义，有利于人们更好地理解市场波动机制，为投资者决策和市场监管提供有力参考。现有测量投资者情绪的指标有很多，如问卷调查、交易数据（交易量、IPO发行量与首日收益、封闭式基金折价等）、投资者信心指数、行情判断[8]和宏观经济运行数据[9]等，主要是基于数值的分析。随着近年数据挖掘的进一步发展，结合投资者情绪的影响，学者通过文本挖掘等手段进一步对投资者情绪进行提取和分析，情感分析的手段也开始被运用。情感分析（Sentiment Analysis，AS），又被称为意见挖掘（Opinion Mining），在现今环境下受到了越来越多的关注。情感分析的概念最早由Nasukawa提出，目的是通过分析给定文本或片段（句子、短语或词语）中的情感极性（Sentiment Polarity），结合情感词语义和否定词的干涉，得到如肯定（positive）、否定（negative）或中性（neutral）的结果，还可以结合程度副词和句法得到情感强度，如强和弱等。情感分析可以在篇章层、句子层和短语层等分析层面进行[10]。
在国外，情感分析在市场中已经有了一定的运用，例如微软公司开发的商业智能系统Pulse[11]，它能够从大量的评论文本数据中，利用文本聚类技术提出用户对产品细节的看法；Sanjiv从网络上的某只股票的股评信息中获取其市场评价，对股票的价格进行预测[12]。但在国内，情感分析在金融领域的应用还有待进一步挖掘。
3 研究方法
