第一章阐述了本书研究所使用的理论方法和关键技术，第二章研究了文本质量对深度学习情感分析效果的影响，这两章共同作为本书的研究基础。第三、四、五章为本书的主体研究内容。第三章提出了一个基于网络拓扑结构的社交用户角色划分方法；第四章建立了一个基于演化博弈理论的投资者信息学习动力学模型；第五章投资者信息学习对股价同步性的影响，以在线社交网络上的同伴参与活动作为投资者信息学习的宏观表现，通过研究同伴参与对股价同步性的影响，检验了投资者信息学习的经济后果。分别回答了“投资者信息学习所处的信息环境如何”“投资者如何利用在线社交网络进行信息学习”“投资者群体信息学习具有怎样的经济后果”三个核心问题，以满足习近平总书记强调防范和化解金融风险对相关学术研究的迫切要求。

第0章 导论
第一节 研究背景与意义
一、研究背景
二、研究意义
第二节 国内外研究现状述评
一、在线社交网络与用户角色识别
二、在线社交网络与信息传播
三、在线社交网络与股价同步性
四、深度学习与情感分析
第三节 研究内容、基本思路与创新之处
一、研究内容
二、基本思路
三、本书创新之处
第一章 理论方法与关键技术
第一节 聚类方法
一、定义与特点
二、方法分类
三、K-Means聚类方法
第二节 演化博弈理论
一、概述
二、基本原理
三、复杂网络上的演化博弈理论
第三节 行为金融学理论
一、行为金融学的兴起
二、行为金融学模型
第二章 文本质量对深度学习情感分析效果的影响
第一节 问题描述
第二节 研究设计
一、数据获取及文本预处理
二、文本质量度量
三、模型选择与设定
第三节 实验分析
一、情感分析效果对文本长度的敏感性分析
二、情感分析效果对文本可读性的每感性分析
三、情感分析效果对文本长度和文本可读性的敏感性分析
本章小结
第三章 基于网络拓扑结构的社交用户角色识别
第一节 网络拓扑结构分析
一、网络的构建
二、拓扑结构特征的分析
第二节 社交角色识别与分析
一、从网络拓扑结构到社交角色的映射
二、应用K-Means聚类算法的社交角色划分
三、基于角色交互的信息环境分析
第三节 实验分析
一、数据来源及说明
二、网络拓扑结构分析
三、社交角色识别与分析
四、信息环境分析
本章小结
第四章 基于演化博弈理论的投资者信息学习机制
第一节 准备工作
一、问题描述
二、基本假设
第二节 投资者信息学习动力学模型构建
一、报酬矩阵设定
二、复制动态方程推导
三、演化稳定策略分析
第三节 实验分析
一、数值模拟分析
二、不同网络上的仿真分析
三、不同场景下的比较分析
本章小结
第五章 投资者信息学习对股价同步性的影响
第一节 研究假设提出
一、同伴参与与股价同步性
二、疫情情境下的同伴参与与股价同步性
第二节 实证模型构建
一、数据来源及说明
二、变量定义与度量
三、理论计量模型构建
第三节 实验结果及实证分析
一、深度学习模型比较及情感预测结果
二、变量的描述性统计分析
三、多元回归结果及分析
四、内生性的排除
第四节 稳健性分析
一、股价同步性变量的替代
二、无效数据的剔除
三、其他信息披露渠道的影响
四、异常值问题
五、疫情效应的似无相关估计
本章小结
第六章 结论与展望
第一节 研究结论与政策建议
第二节 研究展望
参考文献