經(jīng)濟(jì)和金融領(lǐng)域運(yùn)用文本大數(shù)據(jù)研究的國內(nèi)外文獻(xiàn)綜述1．理論研究現(xiàn)狀從行為金融學(xué)的相關(guān)理論來看人們投資者的行為時(shí)會發(fā)現(xiàn)，人們的投資活動也容易受自身的心理因素影響REF_Ref2862\r\h[9]。投資活動往往暴露了一些投資者的感性情緒，據(jù)此研究工作人員認(rèn)為，決策者的投資偏好一般都是多個(gè)方面、容易改變的，這種投資偏好往往只在進(jìn)行決策的過程中才能逐漸形成；投資者往往由于自身勢單力薄，缺乏專業(yè)知識REF_Ref4548\r\h[15]，消息渠道和投資經(jīng)驗(yàn)等原因根據(jù)“噪聲信息”投資，相關(guān)投資社區(qū)等就容易因同類用戶的聚集而形成噪聲并互相影響，干擾自身判斷，也有明顯的羊群效應(yīng)REF_Ref26434\r\h[1]，“出盈保虧”現(xiàn)象也很普遍，這些無不說明投資者的情緒會對其行為產(chǎn)生影響，由此分析投資者的情緒表達(dá)對于其投資行為是十分重要的參考REF_Ref26692\r\h[2]。從情緒衡量的指標(biāo)來看，許多研究人員從尋找可以衡量投資者情緒的數(shù)據(jù)來源出發(fā)，使用時(shí)間序列模型分析其與股市收益的相關(guān)性，并得出其與股市收益存在長期正相關(guān)的關(guān)系，也說明了投資者情緒與社會投資活動存在較強(qiáng)的關(guān)聯(lián)，其決策會對市場變化發(fā)生一定程度的影響REF_Ref1932\r\h[6]。而隨著深度學(xué)習(xí)技術(shù)的發(fā)展，現(xiàn)代量化投資者情緒可以從海量的網(wǎng)絡(luò)文本數(shù)據(jù)中高效地挖掘出其隱含的情緒狀態(tài)，并從中提取出有價(jià)值的信息。2．理論發(fā)展人們的非理性的行為可能產(chǎn)生持續(xù)性影響，通過結(jié)合心理學(xué)與行為學(xué)的相關(guān)理論，系統(tǒng)地研究金融活動中的參與者行為REF_Ref512\r\h[14]，理查德·塞勒證明了人的性格確實(shí)會對個(gè)人決策與市場結(jié)果造成系統(tǒng)性影響。邁爾斯塔特曼從行為投資組合、心理會計(jì)、行為資產(chǎn)定價(jià)模型論述投資者的認(rèn)識偏差、認(rèn)知錯(cuò)誤。神經(jīng)網(wǎng)絡(luò)模擬人腦中各個(gè)神經(jīng)元對于信息的傳遞處理過程，按照其連接形態(tài)和方式可以組成不同的網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)由大量的節(jié)點(diǎn)之間相互連接構(gòu)成，每一個(gè)節(jié)點(diǎn)都可以用來代表一個(gè)輸出的函數(shù)，這個(gè)節(jié)點(diǎn)輸出的函數(shù)也被我們統(tǒng)統(tǒng)地稱為一個(gè)激勵(lì)函數(shù)，而每兩個(gè)節(jié)點(diǎn)之間的相互連接都可以代表一個(gè)對于通過該節(jié)點(diǎn)連接產(chǎn)生信號的加權(quán)值，這個(gè)節(jié)點(diǎn)的加權(quán)值也被我們統(tǒng)統(tǒng)地稱為輸出的權(quán)重，整個(gè)神經(jīng)網(wǎng)絡(luò)的每一個(gè)輸出根據(jù)其所受連接的方式、激勵(lì)函數(shù)以及其權(quán)重的不同而變化。有的研究者提出可以將其應(yīng)用于自然語言處理領(lǐng)域，這么做的最大優(yōu)勢主要就是無需再花費(fèi)大量的時(shí)間精力在進(jìn)行特征提取與選擇上。將單詞的分布式表達(dá)器輸入應(yīng)用到了神經(jīng)網(wǎng)絡(luò)中，運(yùn)用卷積、點(diǎn)乘、非線性函數(shù)、矩陣相乘等運(yùn)算，自動地提取并給出對文本進(jìn)行分類有價(jià)值的信息，具有易讀性，具備抗干擾能力，能夠保持模型相對穩(wěn)定REF_Ref31277\r\h[3]。在情緒衡量方面，網(wǎng)絡(luò)用戶的行為、評論往往是運(yùn)用分析模型計(jì)算的重要領(lǐng)域，Da、Engelberg&Gao（2015）通過民眾在互聯(lián)網(wǎng)上的搜索內(nèi)容來衡量投資者情緒的變化。Jiangetal．(2016)通過LM詞典對經(jīng)理人的文本情感指數(shù)予以搭建，根據(jù)相關(guān)研究和分析，未來股市收益、情感指數(shù)二者間的關(guān)系即反向影響。MeenaRambocas回顧在線情緒分析的營銷文獻(xiàn)，并從分析單元、抽樣分析和情緒分析的角度得出了情緒對用戶的營銷作用REF_Ref22767\r\h[17]。在國內(nèi)，研究人員通過從虛擬交流平臺獲取數(shù)據(jù)，構(gòu)建出一系列可以用來評價(jià)投資者心理狀態(tài)的指標(biāo)；或者采用相關(guān)指標(biāo)，如消費(fèi)者信心指數(shù)（池麗旭、莊心田，2009）、好淡指數(shù)（呂志巖，2013、曾炫川，2015）、新增開戶數(shù)、開放式股票型基金資金凈流入（王春，2014）等對投資者偏好，信心，投資者增加量等相對較為廣泛接受的指標(biāo)進(jìn)行間接分析。REF_Ref31336\r\h[5]從文本情感分析的角度，人們研究的對象從IPO公司上市前主流財(cái)經(jīng)媒體正負(fù)面詞匯數(shù)（汪昌云、武佳薇，2015）、東方財(cái)富網(wǎng)標(biāo)題內(nèi)容的詞頻統(tǒng)計(jì)（易洪波等，2015）、用戶在股吧、論壇的評論數(shù)（劉珂言，2015）、知網(wǎng)、微博話題信息文本分析（孟雪井、孟祥蘭、胡楊洋，2016）以及東方財(cái)富網(wǎng)股吧的評論數(shù)據(jù)（孟志青、鄭國杰、趙韻文，2018）等都有作為直接代理變量衡量投資者情緒指標(biāo)REF_Ref15290\r\h[10]。3．理論應(yīng)用及成果憑借著文本分類技術(shù)的快速發(fā)展與進(jìn)步，金融學(xué)領(lǐng)域的文本分析效率得到大幅度的提高，利用文本挖掘技術(shù)精煉非結(jié)構(gòu)化文本數(shù)據(jù)，機(jī)器學(xué)習(xí)在文本分析上的應(yīng)用是十分熱門的課題。通過解析人們的評價(jià)和言論獲取的文本數(shù)據(jù)，可以用于刻畫關(guān)注度、情緒或語調(diào)、可讀性、新聞隱含波動率和意見分歧等方面。文本信息的來源多種多樣，從虛擬網(wǎng)絡(luò)社區(qū)的發(fā)帖與跟評，消費(fèi)者對產(chǎn)品的評價(jià)，上市公司經(jīng)營報(bào)告，電話錄音文稿，分析師研究報(bào)告，會議紀(jì)要，由央行等政府機(jī)構(gòu)發(fā)布的權(quán)威報(bào)告等等都屬于文本大數(shù)據(jù)的范疇。在信息浩如煙海的時(shí)代，由于文本數(shù)據(jù)搜集難度與成本都較高，加上文本含義豐富，表達(dá)意味多樣，傳統(tǒng)數(shù)據(jù)收集方式搜集效率逐漸下降。而隨著文本信息從傳統(tǒng)收集方式向互聯(lián)網(wǎng)傳遞介質(zhì)的方式轉(zhuǎn)變，文本數(shù)據(jù)收集和傳輸成本有了更為簡便有效率的途徑，網(wǎng)絡(luò)詞庫的規(guī)模不斷得到補(bǔ)充和豐富。模型訓(xùn)練也讓龐大的數(shù)據(jù)文本得以被發(fā)掘出其深層涵義，為計(jì)算機(jī)領(lǐng)域的自然語言處理方法提供了適合的發(fā)揮空間。傳統(tǒng)數(shù)據(jù)需要經(jīng)過系統(tǒng)性的組織和安排來收集，常用的經(jīng)濟(jì)和金融領(lǐng)域數(shù)據(jù)多需要一段時(shí)間的累積才能形成其結(jié)果，而文本大數(shù)據(jù)的頻率可以高達(dá)秒級，面對這為高頻研究提供了數(shù)據(jù)基礎(chǔ)。針對文本數(shù)據(jù)的分析能夠更清晰判斷用戶的喜好。文本分類中的一個(gè)關(guān)鍵問題是特征表示，它通常基于詞袋模型，其中unigrams、bigrams、ngrams通常被提取為特征。此外，幾種特征選擇方法，如頻率、MI、PLSA、LDA被應(yīng)用于選擇更具鑒別性的特征。然而，傳統(tǒng)的特征表示方法往往忽略了文本中的上下文信息或詞序有時(shí)可能對于文本含義的把握出現(xiàn)偏差，這就需要循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建更長的文義依賴關(guān)系。未來幾年，在經(jīng)濟(jì)和金融領(lǐng)域運(yùn)用文本大數(shù)據(jù)研究方面，將開拓更為豐富的數(shù)據(jù)源，通過訓(xùn)練與分析篩選更適合的機(jī)器學(xué)習(xí)模型、改良深度學(xué)習(xí)方法來優(yōu)化文本數(shù)據(jù)的分析效果，提高模型準(zhǔn)確度與預(yù)測能力REF_Ref27451\r\h[12]。由于文本數(shù)據(jù)不可避免的帶有發(fā)出者的主觀情緒意圖，數(shù)據(jù)也存在情緒色彩，可能對研究產(chǎn)生偏差，此外無監(jiān)督學(xué)習(xí)過程也相對復(fù)雜，文本數(shù)據(jù)是否能夠準(zhǔn)確反映所研究的潛在內(nèi)容，需要更多研究。主要參考文獻(xiàn)林初曦，黃浩，論股票市場中的羊群行為[J]．經(jīng)濟(jì)師，2019(05):64-67．楊蒙蒙．行為金融學(xué)及其應(yīng)用文獻(xiàn)綜述[J]．合作經(jīng)濟(jì)與科技，2020(19):70-72．李福鵬，付東翔．基于Transformer編碼器的金融文本情感分析方法[J]．電子科技，2020，33(9):10-15．杜慧，俞曉明，劉悅，等．融合詞性和注意力的卷積神經(jīng)網(wǎng)絡(luò)對象級情感分類方法[J]．模式識別與人工智能，2018，31(12):62-68．凌翰文．基于投資者關(guān)注和社交網(wǎng)絡(luò)的選股模型研究[D]．魯曉鵬．基于互聯(lián)網(wǎng)數(shù)據(jù)挖掘的投資者情緒與股市收益統(tǒng)計(jì)研究[D]．2016．李志杰，耿朝陽，宋鵬．LSTM-TextCNN聯(lián)合模型的短文本分類研究[J]．西安工業(yè)大學(xué)學(xué)報(bào),2020,40(03):299-304．高增亮，張俊瑞．行為金融視角下投資者情緒對財(cái)務(wù)重述行為的影響[J]．中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2019(03):85-93+159．顧鴻翼．淺析個(gè)人投資者投資心理因素對投資行為的影響[J]．商展經(jīng)濟(jì)，2020(11):62-64．沈艷，陳赟，黃卓．文本大數(shù)據(jù)分析在經(jīng)濟(jì)學(xué)和金融學(xué)中的應(yīng)用:一個(gè)文獻(xiàn)綜述[J]．經(jīng)濟(jì)學(xué)(季刊)，2019，18(04):1153-1186．王博．基于投資者情緒的資產(chǎn)定價(jià)理論及實(shí)證研究[D]．遼寧大學(xué)，2014．杜雪嫣.基于深度學(xué)習(xí)的中文短文本情緒分類研究[D].中國人民公安大學(xué),2020.鄧飛燕．岑少琪，鐘鳳琪，等．基于LSTM神經(jīng)網(wǎng)絡(luò)的短期價(jià)格趨勢預(yù)測[J]．計(jì)算機(jī)系統(tǒng)應(yīng)用，2021，30(04):187-192．RichardLehman．FarFromRandom[M]．上海財(cái)經(jīng)大學(xué)出版社:上海，2015:127．DeLongJB，ShleiferA，SummersLH，etal．NoiseTraderRiskinFinancialMarkets[J]．JournalofPoliticalEconomy，1990，98(4):703-738．NicholasBarberis，RichardH．Thaler．ASurveyofBehavioralFinance[Z]．USA:NationalBureauofEconomicResearch1050Mas