自证券市场形成以来,股票价格的变化趋势一直是证券投资者最关心的内容。行为金融学中有关于投资者情绪的概念,能够解释传统金融学不能解释的各类金融异象,在评估股票市场的风险与收益中有着难以忽略的作用。当下,互联网与大数据技术飞速发展,在互联网的各个角落有海量的投资者评论数据,成为投资者情绪指数构建最佳的数据来源。利用自然语言处理技术对投资者评论进行情感分类,依据分类结果进行投资者情绪指数的构建,成为投资者情绪最主流研究方法。现有的投资者情绪指数构建方法,主要使用投资者评论中的积极和消极评论数,未考虑到中性评论的影响,但随着证券市场入市门槛下降、投资者在网络上发布评论的成本降低以及投资者评论趋于口语化和随意化,中性评论对投资者情绪的影响不再可以忽视,本文因此提出了考虑到中性评论的投资者情绪指数新公式。
考虑中性评论数的投资者情绪指数对情感分类准确度的要求也更高,本文选择了自然语言处理领域最前沿的RoBERTa模型作为情感分类器,利用爬虫程序获取东方财富网股吧的评论数据用以训练模型,并使用个股一段时期的投资者评论构建了投资者情绪指数。经过比较,RoBERTa模型具有比BERT原模型和基于金融类文本的FinBERT模型更优的分类效果。然后通过格兰杰因果分析和脉冲响应图像,本文证实了投资者情绪指数和股票收益率之间存在双向格兰杰因果关系,且在7个交易日左右有明显的相互影响。最后,本文将投资者情绪和股票技术面指标、反映投资者情绪的间接指标结合在一起,利用LSTM神经网络构建了股票涨跌预测模型,达到了67.06%的准确率,并通过模拟交易策略验证了该预测模型的应用可能。本文得到的研究成果虽不能作为投资者进行股票买卖的标准,但仍能为投资者的投资决策提供建议。政府、证券业协会等机构也可以根据投资者情绪与股票价格波动的联系,及时做出维稳政策,防止股灾发生,保证我国证券市场的稳定发展。