声明
致谢
摘要
1 绪论
1.1 问题的提出
1.2 研究背景与意义
1.2.1 研究背景
1.2.2 理论意义
1.2.3 现实意义
1.3 论文结构
1.4 本文的创新与不足
1.4.1 创新点
1.4.2 不足之处
2 文献综述
2.1 量化网络信患的方法
2.1.1 以发帖量或搜索强度等数字指标量化网络信息
2.1.2 用文本挖掘工具直接量化网络文本信息
2.2 检验网络信息影响的方法
3 朴素贝叶斯文本分类
3.1 选用贝叶斯分类方法的原因
3.2 朴素贝叶斯算法的原理
3.2.1 数据(文本)挖掘技术简介
3.2.2 将文本量化为数字
3.2.3 朴素贝叶斯算法
3.3 数据来源及贝叶斯分类结果
3.3.1 数据来源
3.3.2 数据呈现
3.3.3 训练数据集的准备
3.3.4 贝叶斯分类结果及解读
3.4 指标构建
3.4.1 情绪指数的构建
3.4.2 意见分散度指数的构建
4 网络信息对于股票市场的影响
4.1 网络信息变量的特征
4.1.1 情绪指数、意见分散指数与市场波动
4.1.2 发帖的时间分布
4.2 定量分析
4.2.1 相关关系
4.2.2 无滞后回归
4.2.3 带滞后期的回归
5 结论与建议
5.1 主要结论
5.2 政策建议
5.3 未来研究展望
参考文献
附录