1 导论
1.1 研究背景和研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究思路、研究方法和研究创新点
1.2.1 研究思路
1.2.2 研究方法
1.2.3 研究创新点
1.3 研究结构设计
2 理论溯源与文献综述
2.1 媒体信息对股票市场的影响性研究
2.1.1 媒体信息对股票市场影响的存在性
2.1.2 谣言信息对股票市场的影响性
2.1.3 本节评述
2.2 媒体信息与投资者情绪研究
2.2.1 投资者情绪定义和衡量指标
2.2.2 投资者情绪与股票市场影响性研究
2.2.3 本节评述
2.3 媒体信息量化与股票市场影响的关联分析模型研究
2.3.1 国内外研究现状及发展动态
2.3.2 基于自然语言处理的媒体价值信息提取方法研究
2.3.3 股票市场影响的关联分析模型研究
2.3.4 本节评述
2.4 本章小结
3 研究总体设计
3.1 研究流程设计与系统结构框架
3.1.1 研究技术路线
3.1.2 研究问题描述
3.1.3 研究问题的解决思路
3.2 本章小结
4 数字化互动媒体中谣言澄清信息的识别与量化
4.1 数字化互动媒体
4.1.1 数字化互动媒体介绍
4.1.2 数字化互动媒体的设计理念与交流机制
4.1.3 数字化互动媒体的现实意义
4.2 数据源
4.2.1 数字化互动媒体数据
4.2.2 网络抓爬技术
4.2.3 股票市场交易数据
4.3 数字化互动媒体中谣言澄清信息的识别
4.3.1 谣言澄清信息的识别逻辑与思路
4.3.2 谣言澄清信息的自动识别技术路线
4.3.3 谣言澄清信息的自动识别实验
4.3.4 谣言澄清信息识别的统计性描述及特征分析
4.4 数字化互动媒体中谣言澄清信息的量化
4.4.1 谣言澄清信息的量化逻辑与方法选择
4.4.2 谣言澄清信息的自动量化技术路线
4.4.3 谣言澄清信息的自动量化实验
4.4.4 谣言澄清信息量化的统计性描述与特征分析
4.5 本章小结
5 数字化互动媒体与股票市场的关联性分析
5.1 资产定价理论
5.1.1 现值模型
5.1.2 资本资产定价模型
5.1.3 套利定价模型
5.1.4 Fama-French三因子模型
5.1.5 资产价格的“空中阁楼”理论
5.1.6 研究小结
5.2 模型构建与设定
5.2.1 异常收益率分析模型
5.2.2 异常收益率影响因素分析模型
5.3 实验结论分析研究
5.3.1 谣言澄清信息异常收益率比较研究
5.3.2 基于情感极性的谣言澄清信息影响性研究
5.3.3 基于媒体信息内容的谣言澄清信息影响性研究
5.3.4 谣言澄清信息异常收益率影响因素研究
5.4 研究结论初步评价
5.5 本章小结
6 数字化互动媒体对股票市场影响的精准量化分析
6.1 基于机器学习的精准量化分析
6.2 基于机器学习的精准量化方法介绍与智能化系统构建
6.2.1 多维市场信息的张量建模表达
6.2.2 事件驱动eLSTM模型
6.3 实验设计
6.3.1 实验数据
6.3.2 实验评价和标记
6.3.3 张量方法效果研究
6.3.4 事件驱动方法效果研究
6.3.5 模型效果对比研究
6.3.6 实证分析研究
6.4 研究结论分析
6.5 本章小结
7 基于数字化互动媒体研究的总结、建议、不足与展望
7.1 基于数字化互动媒体研究的总结
7.1.1 数字化互动媒体中谣言澄清信息的识别与量化
7.1.2 数字化互动媒体对股票市场影响性论证研究
7.1.3 基于机器学习的数字化互动媒体对股票市场影响性量化研究
7.2 基于数字化互动媒体研究的政策建议
7.2.1 监管机构的应用与决策参考
7.2.2 上市公司的应用与决策参考
7.2.3 投资者的应用与决策参考
7.2.4 数字化互动媒体的应用与决策参考
7.3 不足与改进
7.3.1 关于研究数据选择的不足与改进
7.3.2 关于财经情感词典使用的不足与改进
7.3.3 关于数字化互动媒体影响性范围的不足与改进
7.3.4 关于SWUFW-FA系统模拟评估的不足与改进
7.4 未来展望
7.4.1 数字化互动媒体对股票市场操纵行为识别与投资者舆情监测研究
7.4.2 深度学习神经网络在股票市场研究领域的应用与创新
7.4.3 股票联动效应分析与股票市场策略导入
参考文献
致谢
展开
