光大证券-金融文本挖掘前述——系统、数据、指标.pdf

2012 年9 月18 日 金融工程 金融文本挖掘前述系统、数据、指标 金融工程 目前为止，我们所进行策略开发利用的数据基本上都是那些以数字形式存放 分析师 在标准数据库中的结构化数据，而这部分数据仅仅占了所有金融信息中的一 倪蕴韬 (执业证书编号：S0930512070002 ） 小部分，而金融信息中绝大部分的数据均是以文本的形式存在的一种非结构 021 niyt@ 化的数据。 张斯会 (执业证书编号：S0930512020001 ） 众所周知，财经新闻、股票论坛、股票研究报告等媒介信息能够迅速地反应 021 投资者的投资情绪，同时也会对投资者的投资策略起到潜移默化的影响。这 zhangsihui@ 些文本信息中蕴含了大量未被利用的信息，如果能够合理地利用这些信息， 我们相信这将为我们理解市场提供一个全新的角度。 联系人 吴晶 基于光大金工小组在金融文本挖掘中多年的研究与探索，我们将文本挖掘与 021 金融量化完美的联系起来，为金融量化研究开拓了一个全新的研究方向。同 wujing@ 时依托于光大金工强大的中文处理平台和丰富准确的历史数据积累，我们开 发了了众多基于文本挖掘的指标和因子产品。同时，基于这些数据，我们开 发的光大普通投资者情绪指标择时模型、关注度选股模型、概念板块事件套 利模型等均取得了优秀的表现。 这也进一步过来说明了文本挖掘技术确实 能够成为金融量化的一个有力工具。 相关研报 在该篇报告中，我们将首先介绍光大中文云文本挖掘系统的整体架构，然后 互联网数据挖掘系统，行为金融新领域 2010-09 我们介绍基于该中文云系统所开发的四个数据引擎：光大关键词指数、光大 量化择时之三——情绪拐点择时 情感指数、光大关键词网络图、光大关注度因子。在各个数据引擎中我们也 2012-02 将分别详细的介绍基于该数据引擎所开发的一些量化指标，如光大宏观系列 指标、光大概念板块热度指标、光大情感指数系列、关注度因子、概念板块 龙头股等的具体实现与编写细节。 敬请参阅最后一页特别声明 - 1 - 证券研究报告 2012-9-18 金融工程 图表目录 图表 1：光大中文云文本挖掘系统架构 3 图表 2：在财经新闻中有哪些信誉好的足球投注网站与A 股相关的词组统计构成A 股关注指数与上证指数 4 图表 3 ：光大经济担忧指数 5 图表 4 光大资金面担忧指数 5 图表 5 ：光大通胀担忧指数 5 图表 6 ：光大加息关注指数 5 图表 7 ：基于研究报告的“石墨烯”概念热度与石墨烯板块指数 6 图表 8 ：基于股票论坛的“石墨烯”概念热度与石墨烯板块指数 6 图表 9 基于财经新闻的“石墨烯”概念热度与石墨烯板块指数 6 图表 10 光大普通投资者多空指数 7 图表 11 光大机构多空指数 7 图表 12：基于论坛帖子文本的页岩气网络图 8 图表 13: 基于论坛帖子文本的抗癌网络图 8 图表 14 基于股票论坛文本数据过去两年各概念板块top10 龙头股 8 图表 15: 000001