情緒很容易得到傳染，從而造成股價的持續走高或者持續。在這樣的背景下，研究網絡信息對市場價格的影響，對市場以及投資機構而言都具有重要的實用價值。網絡信息對價格影響，主要通過網絡信息影響投資者、投資行為影響價格來實現。網絡信息對投資者的影響，據，實現網絡信息對投資者影響的量化。投資者行為對價格的影響需要通過對比來量化。而技術分析作為投資理論的一種，噪聲理論、正反饋模型以及入網絡投資心理的技術分析進行對比實現投資者行為對價格影響的量化。本文通過爬蟲軟件對東方網上證指數吧的數據進行爬取使用文本提取篩選，通過樣本庫的建立和接下來的刪選、分析語句意思，結方法、信息影響的相關國內外研究以及本文的創新與不足。 價最后是理論分析部分闡述網絡信息對市場價格產生影響的作用機理以及可息對市場的影響技術分析是否依舊有效以及加入了網絡信息的技術分析是否能對市場價格分析提供助力。本文得到的結論包括：技術分析對于分析市場走勢是有效的；SVM模標；引入了投資者投資心理指標的技術分析對于市場的分析更加有效。：網絡信息，投資情緒，價格，SVM模Networkmediacontainsalotofinformation,andinformationisanimportantbasisforinvestorstomakeinvestmentdecisions.Withtheincreaseofthenumberofinvestorsinthestockmarket,theindividualinvestorswhoareintheinformationdisadvantage,inordertoreducethesearchcostofinformation,oftenfromthemassivenetworkofinformationintheselectionofvaluablestockinvestmentinformation,andaccordinglymakeinvestmentdecisionsTheButinvestorssearchthenetworkinformation,itsauthenticitycannotbeverified,andtheyaremorelikelytopayattentiontothosewithstrongemotionalcoloroffalseinformation,oncetheinformationstaggered,thetruthoftheinvestorsarelikelytobeconfusedbytheillusion,Totakeconcertedaction,theoccurrenceof"flockeffect",leadingtohugefluctuationsinassetprices.Andthenetworkasamediumofsocialinction,investorscanachievethepsychologicalinctionofinvestmentintheinvestor'sinvestmentsentimentontheInternetinthecaseofmutualinfluence,theindividual'spositiveandpessimisticiseasytogetinfected,resultinginstockpriceContinuetoriseorremaininthedoldrums.Inthiscontext,thestudyoftheimpactofnetworkinformationonthestockmarketprice,thestockmarketsupervisionandinvestmentinstitutionsareofgreatpracticalvalue.Networkinformationontheimpactofstockprices,mainlythroughthenetworkinformationaffectinvestors,investmentbehaviortoachievetheimpactofstockprices.Theimpactofnetworkinformationoninvestorscanbeobtainedbyinvestors'responsestonetworkinformation-theviewsofinvestorsonthewebtform.Throughthenetworktformontheviewsofinvestorsinthedataconversion,thetextclassdataintonumericaldata,toachievetheimpactofnetworkinformationontheimpactofinvestors.Theimpactofinvestorbehavioronstockpricesneedstobefiedbycomparison.Andtechnicalysisasatheoryofstockinvestment,noisetheory,positivefeedbackmodelandherdingeffecthasprovedtheeffectivenessoftechnicalysis.Alargenumberofscholarsrelatedresearchalsoshowsthattechnicalysisfor'scapitalmarketiseffective.Therefore,thisarticlethroughtheintroductionofnetworkinvestmentpsychologicalysisandtheintroductionofnetworkinvestmentpsychologicalysisofthetechnicalysisoftheimpactofinvestorbehavioronthetativeimpactofstockprices.Inthispaper,thecrawlersoftwareisusedtocrawltheforumdataoftheOrientalwealthindex,andthetextminingmethodisusedtodemarcatethecrawlednetworkinformationstatement,andthewordisdividedandtheselectionareextracted.Theestablishmentofthesamplekeywordlibraryandthesubsequentselection,ysisofthemeaningofthesentence,combinedwiththeweightofelementstobuildinvestorsentimentindicators.Throughthecorrelationtesttoverifytheinvestorsentimentindexandthestockpricecorrelation,andthroughtheintroductionofthisinvestoremotionalindicatorsofthesupportvectormachinemodelfortechnicalysis,andnottointroducetheemotionalindicatorsofinvestorscomparedtothetechnicalysisoftativenetworkinformationThesizeoftheimpactonthestockprice.ThestructureofthispaperThefirstpartistheintroduction,expatiatesthebackgroundandsignificanceoftheresearch,andintroducesthedomesticandforeignresearchoftheresearchframe,researchmethodandmediainformationinfluenceandtheinnovationanddeficiencyofthispaper.Thesecondpartisthetheoreticalbasis.Firstly,therationalityandfeasibilityofthetechnicalysismethodinthestockpriceysis,therelevantindexesofthetechnicalysisandthebasisoftheprincipalcomponentysisoftherelevantindicatorsareexpounded.Secondly,Meaning,theprocessoftextminingandtheintroductionoftherelevanttoolsforeachstep;Finally,thetheoreticalysispartofthenetworkinformationonthestockmarketpriceimpactofthemechanismandthepossibleresults.Thethirdpartisthevariabledesignandmodelconstructionpart.Forthevariabledesignismainlytheselectionoftechnicalindicatorsandpreliminaryprocessing,theextractionofemotionalindicatorsanddesign.ThemodelpartismainlyabouttheSVMmodel.Thepartistheempiricalysis,whichisdividedintodescriptivestatisticsandmodelysis.Descriptivestatisticssummarizethenetworkinformationfromthestatisticalpointofview.Themodelysisexplorestheargumentsofthispaper,whethertheimpactofnetworkinformationonthemarket,whetherthetechnicalysisisstillvalid,andwhetherthetechnical ofthenetworkinformationcanhelpthestockmarketpriceysis.Thelastpartismainlytosummarizetheresultsofthepreviousempiricalysis,andaccordinglyputforwardtherelevant mendations.Mainlyincludingthe mendationsoftherelevantagenciesandmendations.Theresultsofthispaperinclude:technicalysisiseffectiveforyzingthestockmarkettrend;SVMmodelcanprovideagoodysistoolforpriceysis;technicalindicatorsofthetimelinessisstrongerthantheinvestorpsychologicalindicators;theintroductionofinvestorinvestmentpsychologicalindicatorsTechnicalysisismoreeffectiveforstockmarketysis.:networkpublicopinion,Investmentbehavior,stockprice, 研究的背景與意 研究框 基本結 研究方 文獻綜 傳統下的投資情緒相關研 平面下的投資情緒相關研 網絡下的投資情緒相關研 創新與不 主要創 不足之 技術分 技術分析可行性的理論依 技術分析的常用指 指標的主成分分析處 技術分析的相關分析方 網絡文本信息挖 文本挖掘的定 網絡信息的挖掘過 網絡信息對價格影響的理論分 網絡信息對價格的影響機 網絡信息對價格的影響結 變量設 數據選 數據處 投資者心理指標獲 投資者心理變量設 模型構 描述性統 實證分 技術分析的SVM分 加入投資者投資心理指標的技術分析SVM分 主要結 相關建 機構建 政策建 后 ，展狀態以及公司的基本層面等因素在一定程度上決定了市場的長期然而市場的中短期的走勢還會受到到其他很多因素的影響。隨機漫步理論認為的價格是隨機的、不可預測的。信息是導致短期市場走勢呈現隨機的一個重要因素由于信息的不可預知性的價格也變得不可預知，隨著時代的發展信息有了越來越多的載體從傳統的平面到電視，到現在的網絡，載體的發展使得信息的量化變得可能。而且隨著相關軟件的發展，對載體信息的分析也變得越來越迅速，使得短期內對價格的分析更加從而對價格產生影響。在互聯網突飛猛進發展的今天，投資者情緒已經不再的存在，投資者的投資情緒在受到各種的信息的影響后能夠在網絡上表達。市場。而且由于在網絡上可以發布信息、網絡的使用沒有準入規則等原的，投資者可以無成本的在網絡上隨心所欲的意見。信息的導致的投資者情緒的爆發，有可能會導致市場價格偏離其價值、市場價格的過度反應，甚至市場整體的巨大波動，影響市場平穩發展。就以 為虛假信息的對象利好的虛假信息對股價的影響程度要大于利空的虛假信司通過主流對這些傳聞進行了澄清但是消息的中和需要的時間往往超過消息初始的時間而且虛傳聞在網絡的迅速擴散已經導致相關的，是頻率最快的報紙、電視等，也只是每日更新消息，做不到互聯網實時播報的高頻，甚至可以做到在發生的同時出相關消息。投資者對于出現的實時消息做出判斷，能夠使帶來的波動極快的震蕩結束，在這樣的情況下網絡信息的有助于提高市場運行效率使得市場平穩有效發展。引入網絡信息的分析研究對市場的健康發展也有著重要意義。，、因此，本文選取互聯網作為信息的載體。選取東方網作為投資者情緒提取平臺。選取東方網的主要原因有：根據iUserTracker平臺的監測數據顯示，截止至2017年4月的數據表示，財經資訊類DAU呈現3個梯隊，僅東方網一家處于第一梯隊，其DAU在1000萬以上，顯著高于其他，并進入千萬級；鑒于一些網絡平臺信息由于會員制制以及制等原因造成的不可獲得性，而東方網是公開平臺，能夠獲得數據信息；相對于和訊網等平臺，只能獲取短期歷史數據，東方網能夠獲取的歷史數據，方便分析；東方網有點擊量統計，方便獲取閱讀數量這一因素，以便計算權重。、鑒于個股層面相對于指數層面存在的非市場性風險這一特質以及取東方網上證指數股吧作為網絡信息的提取基礎。策預防市場劇烈波動促進市場健康平穩發展提供一些借鑒意義。方法、信息影響的相關國內外研究以及本文的創新與不足。息對市場的影響技術分析是否依舊有效以及加入了網絡信息的技術分析是否能對市場價格分析提供助力。Excel。使用ICTCLAS分詞，將Excel里的文本數據粘貼到txt，并分類刪選，提取，通過建立樣本詞匯數據庫，使用 程序的KNN算 程序下的LIBSVM軟件包，在指數分析的準確度探究網絡信息引入條件 市場的預期變化趨勢與傳統下的投資情緒相關研不考慮信息提取的情況下，HongH、KubikJD和SteinJC.(2005)，使用互動頻率這一因素對傳統信息交流進行衡量其研究在控制了水平種族、受教育程度和風險忍受程度后發現發現社會互動的人群會使得市場的股東持有人數量，市場更活躍，并且這種社會互動的影響在那些參與度更高的地區更加顯著，這一行為，會通過社會互動進行。，對情緒指標的分析早期的指標選取往往是根據總體的或者的數量直接分析得到的。量價關系分析中單數量一直是投資關注的重點，在使用數量這一指標作為情緒指標的研究中，研究的對象往往是投資收益率。比如Polk和Sapienza（2004）的對掛單數量進行分析，認為數量隱含，市場的量、波動性、收益率等指標的相關性關系。以及，Kumar、Alok和CharlesM.C.Lee（2004），利用所提供的散戶記錄，以每個散戶凈買入或者賣出作為投資者情緒的變量來分析與收益率之間的關系，平面下的投資情緒相關研Fisher，K.L.和M.Statman（2000）的研究是較早的對平面或電視載體中提取的華爾街買方分析師情緒指數投資通訊作者的文章中提取的投資通訊作者情緒指數。由于是人為數據并對數據進行分類，研究的工作的華爾街分析師情緒不容易受中小投資者情緒、投資通訊作者情緒的影響。 而后，同樣是對平面的測度，FangL與PeressJ（2009），以或公司的數量衡量關注度他們首次研究了與橫截面收益票比被高度的獲得更高收益。網絡下的投資情緒相關研向于搜索量方面。比如DeChoudhuryM等（2008）專門針對4家科技類公200712007114家公司博客的特征，包括，發現投資者關注度與指數相關，投資者關注在看好這一方向時指數上漲收益率增加在看跌這一方向時指數下降收益率下跌Thomas，（2016）也是使用每日搜索數據衡量個人對的關注度，而文章創新型的對波動性產生的噪音進行了分析，發現投資者的關注會使市場產生過度的波動FatenMoussa等（2016）也是對搜索量進行了探索，研究引入了信息支撐代理，對市場進行分析。研究結果表明：第一次公共信息對回報有影響，MCA模型，得出結論公共信息對回報和波動性的影響受公司和市場披露市場參與者風險厭惡程度WeiZhang等（2013）市場進行了研究，在文章中主張使用搜索中名稱的搜索頻率作為投資者關注的變量使用模型進行實證分析其實證結果表明量化投資者關注是異常的解釋變量在信息效率方面，關注度的變量，基于深市1483支樣本，研究了中國資本市場投資者關RuizEJ等（2012）不僅關注股價的變動還研究了量的變動，對搜發算法，篩選數據，提高工作效率，減輕人為統計出現錯誤的可能性向和價格之間存在一定的相關性。來自一個whiistedIP的信息這是每天眾多中的一個子集作為代表文章數量占總文章數量的比例作為一個自變量指標發現這個比例與道500指數均呈顯著負相關，但與芝加哥Bollen、J.H.Mao和Zeng（2011）同樣基于平臺，使用谷歌提供的兩種OF實時量化當前網絡上積極情緒和消極情緒的強度，而后采用積極情緒和消極情緒的比例作為一個指標；GPOMS則能將情緒細分為平靜、警惕、確信、至26天的道指數變化情況影響顯著。總的來說國外對于網絡信息對市場影響的相關的文獻大多是時期較早的數量較少的許多英文文獻的研究對象也市場筆者認為和國外相比，中國市場散戶眾多，且股民與網民高度，網絡投資者獲取信息和表達情緒的重要平臺；第二，中國市場具有“消息市”、“政策市”的典型特征，與傳統相比，中國股民更愿意從網絡中獲得所謂的消息，這使得網 的效應進一步凸顯，、和（2013）運用文本挖掘工具，對海量帖子的文本進行是發帖的內容與市場密切相關其中看漲指數和的收益率正相影響在統計上則并不顯著。其次量也顯著受到意見趨同指數與發帖量的影響，意見趨同指數增加，量就減少；發帖量增加，量就隨之增加。，、和三大詞庫的指數周數據的時間序列利用時差相關系數法隨機森林算考價值；我國市場的投資者情緒與市場指數之間存在聯動機制。術分析了博客文本的情緒傾向，構造了博主的互動訴求、博主的、互動覆市場指數的收益率和量存在正向影響。并且以2015年6月股指達到頂點為300指數和上證指數相比，創業板指數收益率受到互動的影響更大。此外，博主的互動訴求、博主的、互動覆蓋范圍和互動程度對波動率均沒由于類網絡平臺成立時間較晚、并且有些信息獲取成本較高、有些信息數據，實際模型的計算與推斷極少考慮文本型數據。大部分文章中研究的變只能間接體現投資者的意見，而文本數據來源廣泛、信息完整，作為語言性 公開性的具有廣大參與性的網絡平臺——東方網股吧作為國內當前網絡信情緒指標，以此分析網絡信息對市場的影響。、在考慮網絡信息對市場的影響時以往的文獻也大多集中在使用統計學相關數據分析，分析網絡信息對波動率的變動量的變動等因素的影響。本文使用建立SVM模型數據訓練集，模擬分析網絡信息對股價的預測、本文在借鑒、吸收關于類、模型構建類等相關國內外現有研究成果分析市場的表現。的走勢分析模型。對于網絡信息的提取本文僅選取了代表性樣本——東方網的上證指數來判斷市場趨勢并跟隨趨勢性的周期性變化來進行及一切金融衍生物，種多樣的理論成果。技術分析作為其經典理論之一對股價變化進行長期觀察并積累經驗的投資者，逐步歸納總結出來的有關波動的若干所謂的“規律”。初版于1948年的《趨勢技術分析》是技術分析的代表著作。，：。”行為金融學模型中設定了兩種類型的者者和噪音者者對收益率形成完全理性的預期而噪音者把噪音當作信息進行非理性的。DeLong（1990）使用正反饋模型來描述噪音者的行為特征，在價格上漲時噪聲者買入，在價格下跌時賣出。因此當噪音者情緒樂觀并采取“買漲策略時，導致價格繼續上升。短期的者可能會認為價格已經偏：。”存并主導了市場。的樣本采用持有期可變的移動平均規則和范圍突破規則來產生信t統計量檢驗來技術規則的預測能力，其研究表明，技術分析能夠使人得到更高的收益率，技術分析對于我國市場的有效性。、（2004）基于深市的模擬投資研究證明了技術分析對于中國市場當前弱有效狀的價格進行分析可以通過分析市場的股價走勢以及中典型的幾個勢指標，因此本文主要采用行情基本走勢指標以及技術分析的相關指標數據，以對價格進行分析。RSI指標RSI和乖離率BIAS配合使用時，更為可靠。超買超賣指標雖然不能夠市場長期分析方法，但是由于投資者認為其能夠更真實的反應股價變包括：相對強弱指標RSI、隨機指數KDJ、乖離率BIAS、指數DMI、對于股價走勢，本文使用行情時間序列進行說明，具體包括：歷史價格（最高價、、收盤價）、換手率。RSIRSI1（6KDJK、D、JBIAS5BIAS1、10BIAS2、20BIAS3DMIPDI、空方地位的MDI、快速轉向回拉力線ADX、慢速拉力線ADXR在內的四者；指WR10WR1、6WR2；JLJC考慮了JCSJCM以及長期的主力運動軌跡JCLMACDDIFF線、DEAMACD線。主成分分析是對于原先所有變量，將重復的變量（關系緊密的變量及p個指標，記為X1、X2、……、Xp，由這p個隨量構成的隨機向量為

a11

a1pX1 Y2a a2221a2pX2

aYP app12 appXpa2.1，可以對原始變量進行任意的線性變換，不同的線性變換得到的合YYip個原始變量信息。Yi差越大表示它所涵蓋的信息越多。為了消除ai響，約束aa=1。滿足約束條件下的方差最大，形成的合成變量Y，Yi p主成分，而且各成分在總方差中占的依次遞減通常僅僅選用方差較大的主成分以簡化系統結構能分析法在價格分析領域應用較為廣泛的主要有神經網絡算法支持向量機絡算法中，在價格分析領域應用最廣泛的主要是BP神經網絡。BP神經網支持向量機的測試風險不受維度限制。SVM能夠針對線性可分情況進行分分的樣本轉化為特征空間使其線性可分從而使得特征空間采用線性算間的期望以某個概率滿足一定上界支持向量機主要目標是在特征空間中構（2017）BPSVM因此本文采用SVM模型簇，進行對價格走勢的分析點。在現實世界中，可獲取的信息大部分是以文本形 在文本數據庫中的由來自各種數據源的大量文檔組成如文檔研究 書籍數字館、電子郵件和Web頁面。由于，特別是網絡的頻繁使用，電子形式的文文本數據庫中的數據可能是高度非結構化的，如www.的網頁；也可能是半結構化的，如e-mail消息和一些xml網頁；而其它的則可能是良結構化的。良結構化文本數據的典型代表是館數據庫中的文檔這些文檔可能包含結構 文本挖掘是一個從非結構化文本信息中獲取用戶感或者有用的模式的 個多學科混雜的領域，涵蓋了、文本分析、模式識別、統計學、數據可為主，并利用關系表等結構來發現知識。因此，有些數據挖掘技術并不適用到的信息中仍然會存在很多不必要的信息，比如說一些，導航欄，html、js本文使用分詞工具ICTCLAS，該算法經過眾多科學研究，認定是當中文詞法分析是中文信息處理的基礎與關鍵中國計算技術在多年ICTCLAS，主要功能包括升級到了ICTCLAS3.0。各種詞典數據壓縮后不到3M，占空間運行空間都由于東方方網股吧中，網友的標題就能表示網友想要表達的意思。因此本文算法，算法、決策樹算法等等、朱劍鋒、、伍振興（2016）研究了，基于KNN算法的文本和實際項目的數據集進試，得到良好的結論。說明KNN相關算法能夠良好KNN算法對文本進行分類。KNN算法的基本指導思想是：使用已知類別（人工分好類別）的數據實例KXCXKNkNk類別，在中根據分類決策規XCKNN算法的進行，其關鍵要素包括：距離的度量方式、K值的選擇以及分KNN5K5。并網絡信息對價格的影響機，隨機漫步理論認為的價格是隨機的、不可預測的。信息是導致短， 者不僅 單向的，而是呈現網絡狀的）達到網絡上隨后大量參與和使用網絡的投資者又受到這種投資心理的影響，進而再次對市場的走勢做出的判斷。經過幾次交互性的學隨后基于這種信念做出投資決策并進行。本來異質的投資者（擁有不同的投的投資決策，并按照這種投資決策進行投資，當對持看漲態度時，投資者情會促進行情上漲；反之，當對持看跌態度時，投資者情緒低落，投資者可能會進行賣出、減倉甚至退出的消極投資操作，這些操作就可能會促進行網絡信息對價格的影響結網絡信息對價格的影響所產生的結果是兩方面的，網絡信息能夠提高資本市場的定價效率網絡信息高速的特質使得息，做不到互聯網實時播報的高頻，甚至可以做到在發生的同時出事信息的數量，從而使得信息反映在價格上的時間大大縮短。Kim等，，增加收益、波動和量也都隨之變動，受到投資者關注更高的回穩，的風吹草動就能夠對市場的價格走勢產生顯著的影響。以2015年為例，我度的樂觀使得股價持續過度走高，一旦下跌，悲觀情緒的傳染進一步了價格的過度走低和接下來的持續。等（2017）利用封閉基金折價率、消費者信心指數、上證A股換手率以及A股新增數構建投資者情緒綜合指標，用上證指數收益率的負偏度表示風險，對2003到2015年這一期間的我國A場投資者情緒與風險進行。得到投資者情緒與網絡作為信息傳遞媒介的一種，其本身是中性的。網絡信息對市場了解互聯網信息的特點、做好的應對準備是十分重要的。理性對待 對于市場基本情況的選取，本文主要采用行情序列指標以及技術指標。其中對于市場行情度量的基本指標主要包括：價格（最高價、、收盤易量可比性有一定的雖然本文使用上證指數作為對市場情況影響的度量基礎，但是還是需要考慮到實際情況，因此本文選取換手率替代量，并且以流通市值計算換手率。最終本文選取的基本走勢指標數據有：歷史價資者常用的分析技術指標。本文選擇東方網股吧這一網絡交互平臺作為對網絡信息的提取對象具201661201731日一年。由于有些帖子的閱讀量非常少，因此本文的分許選取貼吧中的熱帖進行分析，其中熱帖為閱讀量超過1000的每日帖子。在東方網使用發帖2016612017531日的發帖進行爬取，由于在東方網上的帖子、評論時間只標記月份和日期，人工刪選近6282238729162本文使用SVMSVM模型的構建，本文主LIBSVM工具。雖然新版本的SVM實現，然而新版本的難以實現。LIBSVM工具包是大學教授開發設計windows系列系統執行的文件，還提供了源代碼，方便改進、修因此本文在2014的基礎上關聯安裝使用第工具軟件LIBSVMC+LIBSVMWINDSPSS16軟件實現。漲跌幅、相對強弱指標RSI、隨機指數KDJ、乖離率BIAS、指數DMI、威WRJLJCOBVMACD、布林帶90%的四項因子。 主成分分析結貢獻率累計貢獻率 Fi1X12X226X26，i

主成分分析系系數系數系數系數kdj通過集搜客Gooseeker對東方網上證指數吧熱帖2016年6月1日到531 爬蟲規則建excel 爬蟲結果節06-0106-016106-04為上，為下06-05再接再厲還要升起,06-0106-01 讓封板撤單，只準跌，漲06-09316006-05風險正在醞釀，收盤價線圖06-06對excel里的文本數據，分部分（10個小文件）轉換為txt模式（全部文本 截對每個小文件的進行篩選保留去停用詞分詞提取詞根），而后，找10個市場參與者，分別對10個小文件隨機抽取的300個剩余語句進行分類，共分類3000個語句，綜合每個人的分類意見，并以此構建投 投資者心理指標詞庫截減倉、減持、、、補跌、、新低、銷戶掃描并且統計每一訓練文本在特征空間的向量,確定向量的每一重，78%（5.1%+61.7%+12.9%）。KNN KNN運行結KNNKNNKNN極看好），但是，好壞情緒的分類錯誤率是很低的（0.8%的積極看好被分1.9%的消極看跌被分類為積極看好）。因此認為本文對于S+和不看好心理S-，為了減少不相關的帖子（比如，節假日快樂、名言錄、故事貼、、 知識普及貼等 、 S

-t-50%，說明當天投資者投資情緒是消極看跌。閱讀量越多的帖子所代表的帖子意見越強烈帖子評論數同理權重指標YY閱讀數權重：Yt Yt

PtPt

CoTXtTXtYt

支持向量機（SupportVectorMachine，SVM）Vapnik首先提出，像多層KC，構造并求解最優化的問題。SVM方法是通過一個非線性映射p，把樣本空間映射到一個乃至無窮分（或回歸）。一般的升維都會帶來計算的復雜化，SVM方法巧妙地解決了這SVM4K（xyxTyK(xyxTyr]d,022K（xy）yanh(xTyr)NPO-SVM模型擬合分析。SVM

C，構造并求解最優化的問題：1

yy22

mm.

,iC

*T j選取*的一個正分向量0*Cjb*

-y*K(xx

m i mmm

i 對對東方網的上證指數股吧的熱門帖子數量這一樣本數據整體進行統 2016612017531樣本期跨度（自然日365樣本期跨度（日241總發帖量（條平均每日發帖量（條平均每帖評論量（次平均每帖點擊量（次 日到2017年5月31日一年期間點擊量超過1000的熱291628050次，平均每帖點擊量將近兩萬次，說明市場參與者對東方網網絡數據的關注度較高，東方網上證指數吧熱帖是適合的分析樣本。月發帖數量相差不大與東方網的非熱帖在每個月的發帖數量有著較大差異2400，說明東方0201606201607201608201609201610201611201612201701201702201703201704 對熱帖每個月的主要進行提取統計主要統計權重十的主要關鍵 每月前十大主要英國脫歐、英國、脫歐、縮量、漲停放量、減倉、英國退歐、拉升、、放量、、止跌、加美聯儲加息、加息、、舉牌、慢牛創業板、、混改、收官、陽線上證指數、樂視網、減持、藍籌、股指慢牛、大盤走勢、股指、主板、盤主升浪、放量、加息、、創業板十字星、縮量、伏牛線、利空、伏牛價值投資、、千古、唯趨勢論、止根據統計可以發現每個月前十的主要以當月發生的對市場有影響的熱點為主。包括2016年6月的英國脫歐占據了五個位置之年12月美聯儲加息占據了第一第二的位置，以及熱度延續了乎都會出現的熱門詞匯。以及對投資行動的意見，比如減持、加倉等。說明東方網股吧的帖子信息，是能夠迅速的對發生的做出反應的，并且能夠根據市場走勢和信息對價格、趨勢進行分析預測的。 每月帶情緒最高評論196812-18-13行情正在09-13T09-1711-10353503-12年內頭部已06-093100-3400點的新箱體———20173月前01-11353504-2021日展開03-20321604-02彈05-25K終結 每月帶情緒最高點擊量353508-09-13行情正在3535-1209-07A353505-10353503-12年內頭部已022021日展開04-0504-14K05-18的，含有意見的帖子的統計，發現3535的帖子在最高評論貼出現兩次、最高閱讀貼出現五次；1968的帖子在最高評論貼出現兩次、在最高閱讀貼21，評論量。對次，本文認為對于熱門帖子表現在其發帖的閱讀量和評論量，，并且，對于大部分的帖子來說和評論時間往往都發生在同一高的帖子和評論量高的帖子的影響時間更為持久評論量帖子里較為持久的是分別發布在年月日以及2016年12月4日的帖子“逢，體———2017320161218年6月9日。點擊量統計的帖子中，最為持久的是3535發布在年10月20日的“反彈行情已到尾聲一貼”，回復出現在2017年5月10市場影響的持續性而不將每條帖子的與評論時間的差值做權0星期 星期 星期 星期 星期 星期 星期 天的發帖往往是由于周六當天發生了熱點或者周四周五以及更早之前發生的熱點的影響還沒有結束，本文并沒有刪除周六發帖的影響信息，而是將周六的帖子移到周一，并認為，周六的帖子與周一的影響效應相同，其對市場產生的影響是類似的。201662201761241組開盤價（第二日開盤價2016612017531勢指標合成指標（當日數據）、2016612017531日的技術指4組數據作為自變量。41組數據作為測試數據集。mapminmax函數對所有數據集進行歸一化處理，消除變量間的SVMcgForRegress.m程序，進行函數參數的尋優過程。主要被尋優參c、gc為懲罰參數，g為核函數里參數。gstep1MSEmsestep0.1。SVM 參數粗略選擇結果（3D視圖 參數尋優精細選擇結果（3D視圖 尋優結c、gSVM進行訓練，然后通過訓練得到的模 運行結65%SVM 相關性分析結1150%同上節的處理過程將數據導 并將數據轉換成SVM可讀模式 參數粗略選擇結果（3D視圖 參數尋優精細選擇結果（3D視圖 尋優結c、gSVM進行訓練，然后通過訓練得 運行結70%、由于支持向量機模型的這種很強的非線性學習能力近能力和適應能力，它不面、函數關系考慮方面等的，能夠在市場價格分析方面，建造具有、4G5G網絡的即將到來，互聯網已經成為人們生活種對傳統技術分析指標的創新，為了達到實現一種對市場走勢更高效、更準市場產生影響。本文根據網絡上的信息，構建的投資者投資心理指數這一結果說明以投資者投資心理指數作為衡量投資者投資情緒的指標是合投資者的投資情緒可以在一定程度上影響市場價格走勢。供投資者分析市場價格走勢、市場者市場健康走勢所用雖然本文僅僅使用了東方網的上證指數股吧的熱帖數據僅僅以東方財模板還不夠完整、完善。但是這樣的投資者心理指數對于市場的分析仍然有技術分析的基礎上引入的投資者投資心理指標對市場的價格具有更好的擬70%的預測準確率，并且相較于單獨使用技術分析，能夠4%的預測準確率，并且由于網絡信息蘊含的投資者情緒也包含著大量4%的提升主要是源于意外信息對于投資者情緒的影響，從而投資者對股價的影響在本文的期間根據描述性統計部分的統計結果，意外主要包括英國脫歐、萬科復牌、美聯儲加息、雄安新區等標志性，意外的權重不超過整體權重的30%，而卻提高了整體將近4%的準確率。、對于公司的營業部市場、電腦客戶端這一相關面向投資者的市場來說，最重要的對象就是客戶。可以說客戶是對于一家公司營業業務，營成本的傭金水平來吸引客戶返現送禮的活動也屢見不鮮。、之所以如此，其根本的原因在于公司并沒有重視客戶的實際收益需求。、目前幾乎每一家公司都開通了自己的門戶，個股留言專區、盤后解板塊資料等信息紛繁復雜。每個投資者每天每時每刻都要面對成千上、在這樣的背景下，是否能夠使得投資者獲取他們想要的信息，就顯得十分重要。一個有競爭力的公司，并不需要將其獲取的全部信息都傾倒給投資者，而是根據投資者的切實需要需要，建立結構化的信息系統和信息分類、管理系統，為客戶提供其想要的信息，能夠實現這樣的服務的公司會因此具備十足的。根據本文第二部分的理論分析投資者的行為對于市場的走勢起著很大影響而有所變化。從而，信息能夠對市場產生影響。信息對投資者的影響，從而對市場的影響的程度如何、大小如何是取決于信息的的。這種并不是說是電視還是平面或者網絡，而是說的質量，一個質量高的不僅僅可以讓將信息的效率達到最高還應當能夠實現信息的合理有用信息、可信信息，從而顯著的提升市場的加劇市場中的投資者非理性行為。，好的應對準備，是的重大機遇與之一通的方式對互聯網進行控制，取消網絡信息前置部門。基于，，受事先的國際主流原則對表達，應當主要采用事后方式追懲，而不得意圖事先提前對于網絡雖然加大力度進行辟謠更加耗費成本，但是也往往比簡單的刪除更加能夠解決問題。理性對待互聯網的公信對待互聯網信息，使得信息與交流的堵塞，這樣不僅對市場的發展不利，對于的威信更是一種損害。，，，。其次是在提高信息化水平提升方面也是某種意義上“公眾人物當面對虛假信息的時要做的不是單方面的阻攔信息的發布這樣反而會讓國民更加相信閃瞬即逝的信息，更不能直接袖手旁觀需要采以期增加市場公開性、透明性。，。展，能夠簡單人們語言中表現的心情的機器人業已上線，對網絡大數據的處理也早不再停留在技術上的層面。現在僅僅是有匯不能上傳的要求，在相關的人工智能處理領域還不夠完善完全可以實現建立一種人工智能處通過這種人工智能系統，網絡信息中蘊涵的投資者投資情緒，設立閥值，防范市場大幅波動的情況，減少市場大幅度波動對實體Brown,D.P.andJennings,R.H..OnTechnicalysis[J].TheReviewofFinancialDeLong,J.B.,Shleifer,A.,Summers,L.H.andWaldmann,R.J.,NoiseTranderRiskinFinancialMarkets[J].TheJournalofPoliticalEconomy,1990,Vol98,No.DeLong,J.B.,Shleifer,A.,Summers,L.H.andWaldmann,R.J.,PositiveFeedbackInvestmentStrategiesandDestabilizingRationalSpeculation[J].TheJournalofFinance.1990.Vol.45,No.2,379-395.DeLong,J.B.,Shleifer,A.,Summers,L.H.andWaldmann,R.J.,TheSurvivalofNoiseTradersinMarkets[J].TheJournalofBusiness.1991.Vol.64,No.1,1-19.Grundy,B.D.andMcNichols,M..TradeandtheRevelationofInformationthroughPricesandDirectDisclusure[J].TheReviewofFinancialStudies,2000,16-23.Fisher,K.L.andM.Statman.InvestorSentimentandStockReturns[J].FinancialystsJournal,2000,16-23.PolkC,SapienzaP.Therealeffectsofinvestorsentiment[R].NationalBureauofEconomicResearch,2004.Kumar,Alok,CharlesM.C.Lee.RetailInvestorSentimentandreturnComovements[C].Workingpaper(10),UniversityofNotreDameandCormellHongH,KubikJD,SteinJC.Thyneighbor'sportfolio:Word-of-moutheffectsintheholdingsandtradesofmoneymanagers[J].TheJournalofFinance,MishneG,GlanceNS.PredictingMovieSalesfromBloggerSentiment[C]//AAAISpringSymposium:ComputationalApproachestoyzingWeblogs.2006:155-158.LiuY.HuangX,AnA,etal.ARSA:asentiment-awaremodelforpredictingsalesperformanceusingblogs[C]//Proceedingsofthe30thannualinternationalACMSIGIRconferenceonResearchanddevelopmentininformationretrieval.2007:607-SRDas,MYChen.Yahoo!ForAmazon:Sentimentextractionfromsmalltalkontheweb[J],ManagementScience,2007,53(9):1375—1388DeChoudhuryM,SundaramH,JohnA,etal.Canblogcommunicationdynamicsbecorrelatedwithstockmarketactivity?[C]//ProceedingsofthenineteenthACMconferenceonHypertextandhypermedia.ACM,2008:55-60.FangL,PeressJ.MediaCoverageandtheCross-sectionofStockReturns[J].TheJournalofFinance,2009,64(5):2023-2052.FangL,PeressJ.MediaCoverageandtheCross-sectionofStockReturns[J].TheJournalofFinance,2009,64(5):2023-2052.Zhang,Xue,Haukefuehres,PeterA.Gloor(2011)."Predictingstockmarketindicatorsthrough""Ihopeitisnotasbadasfear"[J].Procedia-SocialandBehavioralSciences.26:55-62.Bollen,J.H.Mao,X.Zeng. MoodPredictstheStockMarket[J].JournalofComputati