基于网络论坛的股市分析方法

doi:10.3969/j.issn.1000-3428.2012.13.076

计算机工程 ›› 2012, Vol. 38 ›› Issue (13): 254-256,259.doi: 10.3969/j.issn.1000-3428.2012.13.076

基于网络论坛的股市分析方法

吴晶¹，陈仪香¹，刘道明²

(1. 华东师范大学上海市高可信计算重点实验室，上海 200062；2. 光大证券股份有限公司研究所，上海 200040)

收稿日期:2011-11-01 出版日期:2012-07-05 发布日期:2012-07-05
作者简介:吴晶(1987－)，男，硕士，主研方向：网络技术，可信计算；陈仪香，教授、博士生导师；刘道明，硕士
基金项目:
：国家“973”计划基金资助项目(2011CB302802)；国家自然科学基金资助项目(61021004)；上海市自然科学基金资助项目(10ZR1410000)

Internet-forum-based Stock Market Analysis Method

WU Jing ¹, CHEN Yi-xiang ¹, LIU Dao-ming ²

(1. Shanghai Key Laboratory of Trustworthy Computing, East China Normal University, Shanghai 200062, China; 2. Research Institution, Everbright Securities Co., Ltd., Shanghai 200040, China)

Received:2011-11-01 Online:2012-07-05 Published:2012-07-05

摘要/Abstract

摘要： 为更好地揣摩大众股民的心理及情感，提出一种基于网络论坛的股市分析方法。根据python实现相应的网络爬虫，利用该爬虫获取网络论坛中的所有帖子，对每日新帖子的数量进行统计分析，针对每个帖子中的文本内容设计分析工具，以进行情感分析，并将这些情感结果进行统计。实验结果表明，通过对比同一时期内的中国股市走势图，该方法能对其进行较为准确的分析。

关键词: 网络爬虫, 股市分析, 情感分析, 网络论坛

Abstract: In order to figure out the emotion of the public shareholders, this paper proposes an Internet-forum-based stock market analysis method. A python-based Web crawler is implemented. All posts on the Internet forum are downloaded using this crawler, and analyzes the number of new posts daily. The sentimental analysis tool is also designed to judge the posts’ sentiment, and the final result is counted. Experimental results show that by comparing Chinese stock’s movement in the same period, it can be found that these methods can be used in relatively accurate analysis.

Key words: Internet crawler, stock market analysis, sentiment analysis, Internet forum

中图分类号:

TP301.6

吴晶, 陈仪香, 刘道明. 基于网络论坛的股市分析方法[J]. 计算机工程, 2012, 38(13): 254-256,259.

TUN Jing, CHEN Yi-Xiang, LIU Dao-Meng. Internet-forum-based Stock Market Analysis Method[J]. Computer Engineering, 2012, 38(13): 254-256,259.

[1]	伍静, 詹千熠, 刘渊. 一种结合文本情感分析的微博僵尸粉识别模型[J]. 计算机工程, 2020, 46(6): 288-295.
[2]	王义, 沈洋, 戴月明. 基于细粒度多通道卷积神经网络的文本情感分析[J]. 计算机工程, 2020, 46(5): 102-108.
[3]	彭祝亮, 刘博文, 范程岸, 王杰, 肖明, 廖泽恩. 基于BLSTM与方面注意力模块的情感分类方法[J]. 计算机工程, 2020, 46(3): 60-65,72.
[4]	李妍慧, 郑超美, 王炜立, 杨昕. 一种混合语种文本的多维度多情感分析方法[J]. 计算机工程, 2020, 46(12): 113-119,141.
[5]	高玮军, 杨杰, 张春霞, 师阳. 基于AT-DPCNN模型的情感分析研究[J]. 计算机工程, 2020, 46(11): 53-60.
[6]	孙毅, 裘杭萍, 康睿智. 基于方差权重因子选词的SIF句向量模型[J]. 计算机工程, 2019, 45(9): 204-210,234.
[7]	张璞, 李逍, 刘畅. 基于规则的评价搭配抽取方法[J]. 计算机工程, 2019, 45(8): 217-223.
[8]	蔡林森,彭超,陈思远,郭兰英. 基于多样化特征卷积神经网络的情感分析[J]. 计算机工程, 2019, 45(4): 169-174,180.
[9]	陈思远,彭超,蔡林森,郭兰英. 一种用于特定目标情感分析的深度网络模型[J]. 计算机工程, 2019, 45(3): 286-292.
[10]	周锦峰,叶施仁,王晖. 基于深度卷积神经网络模型的文本情感分类[J]. 计算机工程, 2019, 45(3): 300-308.
[11]	谷兴龙, 谢珺, 靳红伟, 续欣莹. 基于词特征与语义特征的评价对象识别[J]. 计算机工程, 2019, 45(11): 218-224.
[12]	张璞,王俊霞,王英豪. 基于标签传播的情感词典构建方法 [J]. 计算机工程, 2018, 44(5): 168-173.
[13]	王汝娇,姬东鸿. 基于卷积神经网络与多特征融合的Twitter情感分类方法[J]. 计算机工程, 2018, 44(2): 210-219.
[14]	何鸿业,郑瑾,张祖平. 结合词性特征与卷积神经网络的文本情感分析[J]. 计算机工程, 2018, 44(11): 209-214,221.
[15]	王盛玉,曾碧卿,胡翩翩. 基于卷积神经网络参数优化的中文情感分析[J]. 计算机工程, 2017, 43(8): 200-207,214.

基于网络论坛的股市分析方法

Internet-forum-based Stock Market Analysis Method

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10