机器学习海报交流会_互联网舆情如何影响股市行情

互联网舆情如何影响股市行情

1. 通过tushare获取股票交易信息

以中国平安(601318.SH)为例，将获取的股票信息保存至csv文件

# 获取 601318 最近一年的交易数据(中国平安)
df = pro.daily(ts_code='601318.SH', start_date='20240329', end_date='20250329')

参数说明：

ts_code: 股票代码；

open, high, low, close: 开盘价，最高价，最低价，收盘价；

pre_close: 昨日收盘价；

change: close - pre_close，价格变动；

pct_chg: 当日涨跌幅，(close - pre_close)/pre_close*100%;

vol: 成交量(单位：手，每手=100股)；

amount: 成交额(单位：千元)

2. 同样通过tushare获取财经新闻标题

从新浪微博、同花顺、东方财富，获取响应日期的新闻；并从中筛选标题带有“中国平安”的保存至csv(token的次数用光了，等一天后才能重试)(试完没有一条新闻包含，尝试从cctv新闻文本中获取，积分不足没有权限（放弃）)

# 获取 601318 最近的交易数据(中国平安)
df = pro.daily(ts_code='601318.SH', start_date='20240329', end_date='20250329')

# news1 = pro.news(src='sina', start_date='20240329', end_date='20250329')  # 新浪财经
news2 = pro.news(src='10jqka', start_date='20240329', end_date='20250329')  # 同花顺
# news3 = pro.news(src='eastmoney', start_date='20240329', end_date='20250329')  # 东方财富

news = pd.concat([news2],ignore_index=True)
news_filt = news[news['title'].str.contains("中国平安",na=False)]
print(news_filt.head())

# 从cctv过去包含对应文本的代码也在此给出
cctv_news = pro.cctv_news(start_date = '20240329',end_date = '20250329')
filt_cctv = cctv_news[cctv_news['content'].str.contains(r"中国平安|平安|601318", na=False, regex=True)]
print(filt_cctv.head())

后面的分析均假设成功获取相应文本的基础上进行

3. 使用SnowNLP进行情感分析

注：SnowNLP是基于朴素贝叶斯的情感分析工具，在商品购买领域效果较好，可能在财经领域表现一般

# 例
text = "中国平安股票今日大涨，投资者信心十足!"
s = SnowNLP(text)
print(s.sentiments)  # 0.9995795141082536, 越接近1越积极

4. 将股票数据和情感得分数据按照日期合并

5. 使用决策树进行分析

选择特征，定义标签：1涨，0跌

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 简单决策树，由于没有数据，无法进行调参
# 读取合并后的数据
data = pd.read_csv("final_stock_sentiment_data.csv")

# 选择特征和目标变量
features = ['open', 'high', 'low', 'vol', 'sentiment_score', 'sentiment_3d_avg', 'sentiment_7d_avg']
X = data[features]
y = data['label']  # 1 涨，0 跌

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练决策树模型，设置最大深度
model = DecisionTreeClassifier(max_depth=5)
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率: {accuracy:.4f}")

import matplotlib.pyplot as plt

feature_importance = model.feature_importances_
plt.barh(features, feature_importance)
plt.xlabel("Feature Importance")
plt.ylabel("Feature Name")
plt.title("基于舆情的股票分析")
plt.show()

6. 使用SVM进行分析

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, classification_report

# 读取合并后的数据
data = pd.read_csv("final_stock_sentiment_data.csv")

# 选择特征和目标变量
features = ['open', 'high', 'low', 'vol', 'sentiment_score', 'sentiment_3d_avg', 'sentiment_7d_avg']
X = data[features]
y = data['label']  # 1 涨，0 跌

# 归一化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 训练 SVM 模型
svm_model = SVC(kernel='rbf', C=1.0, gamma='scale')  # 高斯核
svm_model.fit(X_train, y_train)

# 预测
y_pred = svm_model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"SVM 模型准确率: {accuracy:.4f}")

# 输出详细分类报告
print(classification_report(y_test, y_pred))

后续可以使用GridSearchCV进行超参数调优

7. 现有资料查询

• https://pdf.hanspub.org/aam20221100000_79882519.pdf

  

  • 从较长期来看，股吧评论的情感倾向对股票涨跌幅具有负向预测作用；

  • 该结果可由“羊群效应”解释，长期情绪会被投资者放大，导致认知偏差，做出错误投资决策，影响股价涨跌幅，导致收益率降低

• https://wxysjxb.ajcass.com/Admin/UploadFile/Issue/r5wvt0xc.pdf

  • 正面舆情：微博网络舆情受到关注力度增高，随着时间推移，舆情评论数量减少，关注度逐渐降低；
  • 负面舆情：评论和舆论的关注度则会随着舆情演化发展的时间不断增加，直至股价回升