1 緒論
1.1 選題背景和研究意義
1.1.1 選題背景
1.1.2 研究意義
1.2 研究思路、研究方法及研究內容
1.2.1 研究思路
1.2.2 研究方法
1.2.3 研究內容
1.3 本書的創(chuàng)新點
2 文獻綜述
2.1 證券市場媒體效應研究
2.1.1 證券市場媒體效應存在性研究
2.1.2 新聞信息對證券市場的影響研究
2.1.3 本節(jié)評述
2.2 投資者情緒及其對證券市場的影響研究
2.2.1 投資者情緒的定義與度量
2.2.2 媒體信息中的投資者情緒對證券市場的影響研究
2.2.3 本節(jié)評述
2.3 媒體信息的分類、量化方法及媒體與證券市場關系的分析模型研究
2.3.1 媒體信息的分類方法
2.3.2 媒體信息的量化方法
2.3.3 洞悉媒體與證券市場關系的分析模型
2.3.4 本節(jié)評述
2.4 本章小結
3 研究總體設計
3.1 研究總體框架
3.2 研究問題描述
3.3 研究技術路線
3.4 本章小結
4 互聯網財經新聞的自動獲取、主題分類與情感量化
4.1 互聯網財經新聞的自動獲取
4.1.1 互聯網財經新聞的自動獲取框架
4.1.2 互聯網財經新聞的描述性統(tǒng)計分析
4.2 互聯網財經新聞的主題分類
4.2.1 文本分類的流程與思路
4.2.2 互聯網財經新聞的主題自動分類技術路線
4.2.3 互聯網財經新聞的主題自動分類實驗分析
4.3 互聯網財經新聞的情感量化
4.4 本章小結
5 互聯網財經新聞與證券市場的關聯性分析
5.1 資產定價理論概述
5.2 研究假設
5.2.1 異質性新聞與證券市場：基于施動者視角
5.2.2 新聞與各行業(yè)公司股票：基于受動者視角
5.2.3 公司管理者與證券市場媒體效應：基于管理者視角
5.3 研究設計
5.3.1 樣本選擇與數據來源
5.3.2 主要變量的衡量
5.3.3 模型的構建與設定
5.4 實證結果與分析
5.4.1 描述性統(tǒng)計分析
5.4.2 相關系數分析
5.4.3 實證結果
5.4.4 總結與分析
5.5 本章小結
6 基于深度學習的證券市場新聞媒體效應的精準捕捉
6.1 模型選擇
6.2 LSTM模型的基本原理及問題
6.3 研究設計
6.3.1 樣本選擇與數據來源
6.3.2 主要變量的衡量
6.3.3 基于新聞驅動的N-LSTM模型
6.3.4 對比實驗設置
6.3.5 模型性能評估指標
6.4 研究結果與分析
6.4.1 基準模型效果研究
6.4.2 新聞驅動方法效果研究
6.4.3 N—LSTM模型在不同主題新聞中的表現：基于施動者視角
6.4.4 N—LSTM模型在不同行業(yè)公司中的表現：基于受動者視角
6.4.5 N—LSTM模型在不同高管媒體行為中的表現：基于管理者視角
6.4.6 基于N—LSTM模型的投資策略
6.5 本章小結
7 研究總結、政策建議、不足與未來展望
7.1 研究總結
7.1.1 互聯網財經新聞的自動獲取、主題分類與情感量化
7.1.2 互聯網財經新聞與證券市場關聯性的深入細致探索
7.1.3 基于深度學習的證券市場新聞媒體效應的精準捕捉
7.2 政策建議
7.2.1 對于證券市場監(jiān)管者的政策建議
7.2.2 對于上市公司管理者的治理建議
7.2.3 對于證券投資者的決策建議
7.3 不足與改進
7.4 未來展望
參考文獻
附錄