导读:本文包含了股市新闻论文开题报告文献综述及选题提纲参考文献，主要关键词:股市新闻,事件抽取,事件研究法
股市新闻论文文献综述
王剑波,熊丽媛[1]（2019）在《浅析股市新闻中的金融事件对上市公司的影响》一文中研究指出在金融市场中,每天都有数以万计的新闻文本产生。本文针对股市类新闻,使用了数据挖掘的方法,采集了大量的新闻文本数据,使用计算机自然语言处理技术对新闻文本进行事件抽取和事件分类,最后使用事件研究法量化不同类别的新闻事件对上市公司的影响。(本文来源于《商讯》期刊2019年26期）
谢聘[2]（2019）在《“想参与科创板打新，现在也不晚”》一文中研究指出8月8日，在第二批科创板个股上市首日，上游新闻联合银河证券重庆江南大道营业部举办了以科创板为主题的股市沙龙，由专业人士为投资者们讲解科创板的个股情况、行情走势、退市制度等内容，让投资者们可以更加深入地了解科创板，更加从容地投资科创板。谈科创板打新(本文来源于《重庆商报》期刊2019-08-12）
程萧潇[3]（2019）在《场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验》一文中研究指出经济生活是个人日常生活的显性表达,人们的衣食住行与经济交易紧密相关,而交易与信息则密不可分,这也决定了信息对于个人生活的重要影响。通过VAR模型和基于格兰杰因果关系检验的时间序列模型探讨新闻热度、新闻情感和社交媒体热度对股指收益率的效应及影响机制。研究发现:新闻情感和社交媒体热度对股指收益率产生显着影响,而新闻热度却对股指收益率不产生显着影响;社交媒体热度不仅构成新闻热度的格兰杰原因,也是新闻情感的格兰杰原因;网络舆情的场景效应远超新闻媒体对股指收益率的内容效应。(本文来源于《统计与信息论坛》期刊2019年07期）
雍舜[4]（2018）在《基于财经新闻文本数据挖掘的股市预测研究》一文中研究指出股票市场作为金融市场的重要组成部分,在金融领域中具有举足轻重的地位。无论是在学术领域还是股票投资领域,人们都对股票市场的预测研究充满极大兴趣。传统的股市预测研究大多从股票市场自身角度出发,根据股票市场的历史价格数据,交易量等进行预测研究,很少从互联网财经新闻的角度来探讨新闻与股票市场间的联系。自从进入互联网时代,信息的传播与获取更加迅速便捷,投资者能够通过互联网财经网站及时获取相关信息,辅助投资者进行投资决策判断,因此研究财经新闻对股票市场的影响以及如何利用新闻信息对股票市场进行预测具有重要现实意义。本文基于财经新闻文本信息,从文本挖掘的角度研究了财经新闻对股票市场的影响及预测。由于文本信息是非结构化的数据,首先需要对收集到的财经新闻文本进行处理,运用R语言软件对财经新闻进行文本分割,特征提取,从海量文本信息中提取出关键词并得到关键词词频,对关键词进行聚类分析,初步筛选关键词。然后运用随机森林算法,基于关键词的重要性排序对关键词进行进一步的降维处理,得到最终导入模型分析的关键词变量。股票市场代理变量则选择了上证指数,将指数的上涨,下跌作为一个已知二分类问题,分别用1和0表示。在数据处理方面,分别对关键词百度指数数据和上证指数数据进行了处理,用取对数后的百度指数代替直接获得的百度指数数据,根据每个交易日的上证指数数据计算出了当日收益率。最后结合处理后关键词百度指数数据和上证指数数据,运用SVM算法进行模型拟合预测,并依据预测结果构建模拟交易策略,将交易收益与同时期指数收益比较,分析能否获得超额收益。同时作为对照组,运用随机森林算法进行模型拟合预测及构建交易策略,对比两种方法下的预测效果和模拟交易收益差异。考虑到股票市场的周期性,分别选取了牛市市场阶段和熊市市场阶段的财经新闻数据及上证指数数据,对比研究财经新闻在不同的市场行情阶段对股票市场的影响是否存在差别,以及基于财经新闻对股票市场的预测在不同的市场行情阶段是否存在显着差异。通过以上研究,本文主要得到了以下四条结论:(1)财经新闻文本与股票市场间存在一定关系,基于财经新闻文本的股市预测模型无论是在牛市阶段还是熊市阶段,都取得了良好的预测效果。(2)在不同市场行情阶段,互联网财经新闻与股票市场关系的密切程度存在较大差异,基于财经新闻文本的股市预测效果在不同市场行情下具有一定差异,在牛市阶段,财经新闻与股票市场关系的密切程度更大,基于SVM算法和随机森林算法的模型在牛市期间的预测效果比两种模型在熊市期间的预测效果更好;(3)采用不同的模型方法会影响财经新闻文本对股票市场的预测效果,但无论在牛市阶段还是熊市阶段,SVM模型的预测效果都优于随机森林模型的预测效果,但两者间差值并未随市场所处环境不同而表现出大幅波动。(4)股票市场所处的周期行情阶段会影响根据预测结果构建的交易策略收益。在牛市阶段,基于预测结果构建的交易策略微具优势,两个模型的收益率都高于同期指数收益率;在熊市阶段,两个模型的收益率均高于同期指数收益率,基于SVM模型预测结果的收益大幅跑赢市场。两种模型的交易收益分别在特定的市场行情阶段下具有优势。在牛市阶段,基于随机森林算法的交易策略收益率优于SVM算法下的交易策略收益率,而在熊市阶段,结果则相反,SVM算法的交易策略收益大幅高于基于随机森林算法的交易策略收益。(本文来源于《浙江财经大学》期刊2018-12-01）
王伟,倪丽萍,李莹,侯晓娟[5]（2018）在《基于MF-DCCA的股市波动率和在线金融新闻情感强度交叉相关性研究（英文）》一文中研究指出研究股市波动率和在线金融新闻情感强度的交叉相关性,首先构建了情感词典并对在线金融新闻情感强度计算方法进行研究;再运用多重分形去趋势波动交叉相关分析法(MFDCCA)对股市波动率和在线金融新闻情感强度的交叉相关性进行考察。实证表明:两者之间存在交叉相关性,且呈现出多重分形特征;股市波动率和在线金融新闻情感强度之间存在反持续性,且两者之间存在负相关关系。(本文来源于《机床与液压》期刊2018年18期）
史峰[6]（2018）在《金融媒体新闻情绪及其对股市影响研究》一文中研究指出资产组合理论是现代金融学的重要基石,该理论的两个重要假设是投资者理性和有效市场假说,资本组合理论和其后出现的资本资产定价模型、套利定价理论和期权定价模型等一起构成了现代金融学理论体系。随着世界范围内资本市场的快速发展,金融衍生品数量的不断增加以及金融市场交易者的快速增长,有效市场假说从理论和实证方面都受到了挑战,难以解释金融市场中出现的种种异象。行为金融学把包括心理学在内的行为科学理论融入到金融学中,是一门新兴的边缘学科,该学科通过微观个体行为以及产生该行为的心理因素等动因来解释、研究和预测金融市场的发展变化。金融市场情绪研究是行为金融学研究的重要领域,随着金融信息数量的增加和可得性的提升,在计算机技术和大数据技术的推动下,金融市场情绪研究已经受到了学术界的普遍关注,并且涌现出了以投资者情绪、情绪指数、新闻情绪为代表的一大批学术成果。本文系统性的回顾了新闻情绪研究相关文献,使用新闻文本数据库和新闻情感数据库,从理论模型研究、新闻文本情绪研究、个股新闻情绪研究、指数新闻情绪研究等四个层次研究了金融新闻情绪和金融市场的关系,本文主要研究内容如下:理论模型研究:在论述行为金融学定义、发展历程和研究主题的基础上,从投资者异质性的角度出发,分别构建投资者同质均衡价格模型和投资者异质均衡价格模型,推导投资者同质和异质条件下均衡价格,讨论新闻情绪对于均衡价格的影响。新闻文本情绪研究:在比较多种情感词字典的基础上研究基于“文字包”的金融新闻情绪量化方法,采用洛克伦和麦克唐纳金融字典抽取金融新闻情感词,并通过正面和负面情感词数占新闻总词数比例量化新闻正面和负面情绪。采用包括朴素贝叶斯、支持向量机和神经网络在内的机器学习算法和“文字包”算法识别新闻的类别,并比较各种算法新闻情绪分类算法准确率。个股新闻情绪研究:在使用洛克伦和麦克唐纳金融字典量化金融新闻情绪的基础上,研究基于新闻文本数据库的新闻情绪对于个股收益率的影响和周末情绪积累效应,并对比新闻情绪对于中美股市影响的差别。研究公告对于媒体新闻报道时间分布的影响,发现新闻报道时间分布具有比较强的公告聚集效应,以及公告的情绪加强效应。研究个股新闻情绪对于股票波动率的影响,并且构建基于个股新闻情绪的股票交易策略,实证验证基于新闻情绪的股票交易策略具有稳定的收益。新闻情绪指数研究:研究基于新闻情感数据库的月度市场情绪指数构建方法,使用非确定方法构建了第一动量情绪指数和第二动量情绪指数,实证验证情绪指数具有较强的SP500指数收益率预测能力。在验证共同基金收益和新闻情绪指数相关性的基础上,构建基于新闻情绪指数的共同基金投资组合,实证验证该投资组合具有稳健的收益。本文的研究表明,金融市场情绪能够通过影响投资者情绪和交易行为,从而影响个股收益率、波动率和指数收益率。对于我国不成熟的股票市场来说,由于投资者中散户较多,更容易受到新闻情绪的干扰,因此相关监管机构需要密切关注市场情绪变化,并且及时采取措施防止因为情绪造成的市场大涨大跌。(本文来源于《对外经济贸易大学》期刊2018-09-01）
苏煜荣[7]（2018）在《议程设置与有限关注：财经新闻与股市波动关系研究》一文中研究指出在股市投资中,财经新闻往往引起大量投资者的关注和重视,重大财经新闻报道更是经常干预市场走势。本研究围绕财经新闻报道与股市波动之间的相关性展开研究,运用事件研究法、内容分析法、回归分析等研究方法,基于沪深股市真实数据,考察财经新闻是否影响股市波动。同时也从中探讨财经新闻报道数量、内容倾向以及投资者注意力在其中的作用机制。研究结果表明:财经新闻对股市波动存在显着性影响。股票异常收益率在财经新闻报道的前一天和后九天出现显着波动,股票异常交易量则在财经新闻报道的前叁天和后十五天内出现显着波动,说明市场可能存在一定信息泄露的问题。投资者注意力进一步影响股市波动。在其他条件不变的情况下,注意力指标每上升1单位,异常收益率上升0.0153992个单位;注意力指标每上升1单位,异常交易量上升0.2435567个单位。投资者注意力在财经新闻报道数量、报道倾向对股市波动的影响中起到中介作用。财经新闻报道数量越多,新闻报道越正面,投资者注意力越高,对于股市的影响越明显。(本文来源于《暨南大学》期刊2018-06-30）
王世伟[8]（2018）在《基于深度学习的财经新闻对股市投资决策影响的研究》一文中研究指出股票市场中证券价格的波动及预测一直是投资者关注的问题同时也是学术界研究的热点问题之一。过往研究中学者们的主流做法是采用股票市场中交易数据来预测证券价格,这使得很多影响证券价格的其它因素未被包含在预测模型中。随着深度学习和文本挖掘的技术出现,使得在研究证券市场价格波动上能够利用和挖掘出更多的信息。本文运用了行为金融学、文本挖掘和深度学习的相关知识和理论,采用了长短期记忆神经网络、卷积神经网络和支持向量机研究了财经新闻对股票投资决策的影响,并分析了财经新闻影响股票市场的路径,结尾处对普通投资者提出了投资建议。首先,本文梳理了财经新闻和股票市场有关的文献综述,提出前人的研究中使用的方法不能很好地挖掘到财经新闻的内涵信息使得在预测股票市场波动或者分析财经新闻对股票市场影响上解释力不足。本文利用Python书写了网络爬虫,爬取了华尔街见闻快讯栏目中2016年1月1日至2017年12月31日的新闻标题及相应的发布时间作为财经新闻的初始样本数据,同时从Wind数据库中获取了2016年1月4日至2017年12月29日中交易日的交易数据,包括开盘价、最高价、最低价、交易量、涨跌幅。其次,剔除了财经新闻数据中非交易日和非交易时刻之后剩余的新闻数据作为研究样本数据,下称财经新闻样本数据。首先分年度统计财经新闻文本数据的词频并停用了一部分高频无实际含义的词汇之后获取每个年度前100位词汇的百度指数,利用样本期内沪深300指数收益率为因变量,100个词汇的百度指数为自变量,采用随机森林的算法进行了回归,得到了样本期内对沪深300指数收益率有重要影响的词汇,通过回顾2016年度和2017年度财经新闻的大事记,表明筛选出对沪深300指数收益率有重要影响的词汇和样本期内财经新闻大事记相吻合,证明了财经新闻的确影响到投资者的交易决策进而影响到了沪深股票市场的波动。其次,根据沪深300指数的涨跌幅来对财经新闻样本数据进行赋标签,假如跟财经新闻样本数据同时刻的涨跌幅大于0,则为1,反之则为0,得到了可以用于深度学习训练的数据。本文采用了Word2Vec对财经新闻样本数据进行训练,进而采用深度学习中长短期记忆神经网络(Long Short Term Memory,LSTM)对数据进行训练得到稳定的输出模型,并根据训练的模型对沪深300涨跌进行了预测;并对比同条件下只利用金融时序数据和联合金融时序数据和财经新闻样本数据下的预测结果。结论表明模型采用财经新闻文本数据时,预测效果最好。同时采用同样的方法使用CNN和SVM进行了对比研究。结果表明,LSTM在金融时序数据上、财经新闻文本数据上表现良好的稳健性、出色的预测效果,均优于其它两种方法。本文最后对交易进行了模拟投资决策,结果表明模拟收益率5.438%远大于同期股市大盘指数收益率。表明本文建立的模型具有一定的实际意义。(本文来源于《兰州财经大学》期刊2018-06-14）
孙天一[9]（2018）在《财经新闻对中国股市的影响》一文中研究指出本文以财经新闻对中国股市的影响作为研究视角,针对政策扶持类、兼收并购类、再融资类、盈利类以及违规处罚类财经新闻对于股市产生的不同影响进行多维度的解析,在此基础之上,提出几点推动中国股市健康稳定发展的建议,希望通过文章的阐述能够为中国股市的稳定发展贡献绵薄之力。(本文来源于《时代金融》期刊2018年02期）
史义梅[10]（2016）在《股市新闻中隐喻的汉英翻译实践报告》一文中研究指出近年来,由于改革开放政策,中国经济,尤其是股票市场,已成为世界的焦点之一。因此,股市新闻的翻译变得越来越重要。股市新闻中充斥着大量的隐喻,是汉英翻译中的难点,对理解新闻文本有着较高的要求。《中国日报》与时俱进,而且在外媒中拥有较高的传播率。笔者选择《中国日报》(中文版)作为翻译文本,翻译了《中国日报》(2015.1-2016.5)中的股市新闻,大约12000字。通过对《中国日报》股市新闻的英译,笔者重点探讨本体隐喻的识别与翻译策略。Lakoff和Johnson将本体隐喻分成容器隐喻、实体隐喻和人的隐喻。报告发现,汉语股市新闻中的本体隐喻有很多具体的表现形式,如"水隐喻"、"动物隐喻","容器隐喻","人的精神健康隐喻"、"人的生理健康隐喻"及"人的行为隐喻"。当源域和目标域有共同点,并且目标域抽象,且为"A是B"的形式时,就很容易识别;有一些隐喻表面上不是"A是B"的形式,但是仔细考虑其逻辑关系,可以发现其内涵其实就是"A是B"。就翻译项目中的隐喻而言,笔者主要采用以下翻译策略,即保留原隐喻、以喻换喻、化喻为意。报告期待对隐喻研究、经济新闻的翻译研究及词源背后意义的探讨有所帮助,并为中国经济新闻报道翻译提供有用建议,为经济新闻的翻译教学作出贡献。(本文来源于《南京理工大学》期刊2016-12-01）
股市新闻论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
8月8日，在第二批科创板个股上市首日，上游新闻联合银河证券重庆江南大道营业部举办了以科创板为主题的股市沙龙，由专业人士为投资者们讲解科创板的个股情况、行情走势、退市制度等内容，让投资者们可以更加深入地了解科创板，更加从容地投资科创板。谈科创板打新
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
股市新闻论文参考文献
[1].王剑波,熊丽媛.浅析股市新闻中的金融事件对上市公司的影响[J].商讯.2019
[2].谢聘.“想参与科创板打新，现在也不晚”[N].重庆商报.2019
[3].程萧潇.场景效应还是内容效应?——财经新闻、网络舆情对股市行情的实证检验[J].统计与信息论坛.2019
[4].雍舜.基于财经新闻文本数据挖掘的股市预测研究[D].浙江财经大学.2018
[5].王伟,倪丽萍,李莹,侯晓娟.基于MF-DCCA的股市波动率和在线金融新闻情感强度交叉相关性研究（英文）[J].机床与液压.2018
[6].史峰.金融媒体新闻情绪及其对股市影响研究[D].对外经济贸易大学.2018
[7].苏煜荣.议程设置与有限关注：财经新闻与股市波动关系研究[D].暨南大学.2018
[8].王世伟.基于深度学习的财经新闻对股市投资决策影响的研究[D].兰州财经大学.2018
[9].孙天一.财经新闻对中国股市的影响[J].时代金融.2018
[10].史义梅.股市新闻中隐喻的汉英翻译实践报告[D].南京理工大学.2016