社交媒體用戶交互行為與股票市場的關聯分析研究:基于新浪財經博客的實證
發(fā)布時間：2020-12-06 20:33
【目的】探究社交媒體用戶交互行為的社會網絡與股市之間的關系,檢驗社會網絡屬性對股市的預測能力�！痉椒ā坷眯吕素斀洸┛偷霓D載信息,設置時間快照構建多個網絡圖;提取網絡屬性并與上證指數做相關性分析;最后將具有相關性的網絡屬性與上證指數進行格蘭杰因果關系檢驗�！窘Y果】網絡密度與上證指數呈現二次項關系,極值點為3 400;博主節(jié)點的平均點贊數與上證指數呈現正相關性,相關系數為0.486;平均點贊數取一階滯后具有協整關系,可以作為上證指數的格蘭杰因。【局限】由于長文本情感分析和算法優(yōu)化的問題,未計算博文的情感且所選取的網絡屬性均為基本屬性�！窘Y論】本文驗證了社交媒體用戶的交互行為對股市的預測能力,交互行為的社會網絡屬性能夠提高股市預測的精度。
【文章來源】：數據分析與知識發(fā)現. 2019年11期 第108-119頁 北大核心CSSCI
【文章頁數】：12 頁
【部分圖文】：
不同網絡結構的密度
部分博主的子圖
通過對檢驗結果的分析,發(fā)現平均閱讀量、節(jié)點數、邊數和平均權重與MA·MA3的相關性顯著水平均大于0.05,并不顯著。僅密度和平均點贊數與MA·MA3的相關性是顯著的。MA·MA3與密度的偏相關系數是–0.508,顯著性檢驗的t統(tǒng)計量是0.026;與平均點贊數的偏相關系數是0.486,顯著性檢驗的t統(tǒng)計量是0.035。因此在顯著性水平0.05的條件下,MA·MA3與網絡圖的密度具有負相關性,與平均點贊數具有正相關性。進一步對MA·MA3與密度、MA·MA3與平均點贊數進行回歸分析,結果如表4所示。通過散點圖,發(fā)現MA·MA3與密度之間存在二次項的關系,MA·MA3與平均點贊數之間存在線性關系,因此使用曲線擬合,分析二者的線性關系,如圖5所示。圖5 MA·MA3與密度和平均點贊數曲線擬合
【參考文獻】：
期刊論文
[1]基于微博情感分析的股市加權預測方法研究[J]. 趙明清,武圣強. 數據分析與知識發(fā)現. 2019(02)
[2]基于文本價格融合模型的股票趨勢預測[J]. 余傳明,龔雨田,王峰,安璐. 數據分析與知識發(fā)現. 2018(12)
[3]投資者信息能力:意見分歧與股價崩盤風險——來自社交媒體“上證e互動”的證據[J]. 丁慧,呂長江,陳運佳. 管理世界. 2018(09)
[4]投資者關注和股市表現——基于雪球關注度的研究[J]. 孫書娜,孫謙. 管理科學學報. 2018(06)
[5]社交媒體、投資者信息獲取和解讀能力與盈余預期——來自“上證e互動”平臺的證據[J]. 丁慧,呂長江,黃海杰. 經濟研究. 2018(01)
[6]基于深度學習和股票論壇數據的股市波動率預測精度研究[J]. 陳衛(wèi)華,徐國祥. 管理世界. 2018(01)
[7]社交媒體投資者關注、投資者情緒對中國股票市場的影響[J]. 石勇,唐靜,郭琨. 中央財經大學學報. 2017(07)
[8]基于分位數Granger因果的網絡情緒與股市收益關系研究[J]. 許啟發(fā),伯仲璞,蔣翠俠. 管理科學. 2017(03)
[9]社交網絡、投資者關注與股價同步性[J]. 劉海飛,許金濤,柏巍,李心丹. 管理科學學報. 2017(02)
[10]家庭社會網絡與股市參與[J]. 王聰,柴時軍,田存志,吳甦. 世界經濟. 2015(05)
本文編號：2901988
【文章來源】：數據分析與知識發(fā)現. 2019年11期 第108-119頁 北大核心CSSCI
【文章頁數】：12 頁
【部分圖文】：
不同網絡結構的密度
部分博主的子圖
通過對檢驗結果的分析,發(fā)現平均閱讀量、節(jié)點數、邊數和平均權重與MA·MA3的相關性顯著水平均大于0.05,并不顯著。僅密度和平均點贊數與MA·MA3的相關性是顯著的。MA·MA3與密度的偏相關系數是–0.508,顯著性檢驗的t統(tǒng)計量是0.026;與平均點贊數的偏相關系數是0.486,顯著性檢驗的t統(tǒng)計量是0.035。因此在顯著性水平0.05的條件下,MA·MA3與網絡圖的密度具有負相關性,與平均點贊數具有正相關性。進一步對MA·MA3與密度、MA·MA3與平均點贊數進行回歸分析,結果如表4所示。通過散點圖,發(fā)現MA·MA3與密度之間存在二次項的關系,MA·MA3與平均點贊數之間存在線性關系,因此使用曲線擬合,分析二者的線性關系,如圖5所示。圖5 MA·MA3與密度和平均點贊數曲線擬合
【參考文獻】：
期刊論文
[1]基于微博情感分析的股市加權預測方法研究[J]. 趙明清,武圣強. 數據分析與知識發(fā)現. 2019(02)
[2]基于文本價格融合模型的股票趨勢預測[J]. 余傳明,龔雨田,王峰,安璐. 數據分析與知識發(fā)現. 2018(12)
[3]投資者信息能力:意見分歧與股價崩盤風險——來自社交媒體“上證e互動”的證據[J]. 丁慧,呂長江,陳運佳. 管理世界. 2018(09)
[4]投資者關注和股市表現——基于雪球關注度的研究[J]. 孫書娜,孫謙. 管理科學學報. 2018(06)
[5]社交媒體、投資者信息獲取和解讀能力與盈余預期——來自“上證e互動”平臺的證據[J]. 丁慧,呂長江,黃海杰. 經濟研究. 2018(01)
[6]基于深度學習和股票論壇數據的股市波動率預測精度研究[J]. 陳衛(wèi)華,徐國祥. 管理世界. 2018(01)
[7]社交媒體投資者關注、投資者情緒對中國股票市場的影響[J]. 石勇,唐靜,郭琨. 中央財經大學學報. 2017(07)
[8]基于分位數Granger因果的網絡情緒與股市收益關系研究[J]. 許啟發(fā),伯仲璞,蔣翠俠. 管理科學. 2017(03)
[9]社交網絡、投資者關注與股價同步性[J]. 劉海飛,許金濤,柏巍,李心丹. 管理科學學報. 2017(02)
[10]家庭社會網絡與股市參與[J]. 王聰,柴時軍,田存志,吳甦. 世界經濟. 2015(05)
本文編號：2901988
本文鏈接：http://www.lk138.cn/jingjilunwen/jinrongzhengquanlunwen/2901988.html
