将新闻情绪与网络浏览数据相结合，可以提高对信息的预测

2022-5-7 06:08:04

相反，当考虑一个新闻信号时，在给定的时间间隔内，我们计算点击新闻的平均情绪，通过点击次数进行加权，我们表明，对于近50%的公司，这种信号格兰杰会导致每小时的价格回报。我们的研究结果显示了一种“群体智慧”效应，它允许利用用户的活动来识别和适当权衡相关和令人惊讶的新闻，大大增强了新闻情绪的预测能力。1导言最近的技术革命，通过互联网连接的计算机、用户和媒体的广泛存在，创造了前所未有的数据泛滥局面，极大地改变了我们看待社会和经济科学的方式。随着人们越来越多地使用互联网获取商业或政治新闻等信息，网络活动已经成为集体意识的一面镜子，反映了全球人口对各种经济、政治和文化现象的兴趣、担忧和意图。人类与技术系统的互动正在生成大量数据集，以以前无法想象的方式记录集体行为[1,2]。通过正确处理此类数据收集，例如通过网络结构[3,4]来表示它们，可以提取有关所考虑的系统演化的相关信息（即交易[5]、疾病传播[6,7]、政治选择[8]）。一个特别有趣的研究案例是金融市场。市场可以被视为集体决策系统，在这个系统中，外部（新闻）和内部（价格变动）信号传递有关公司价值的有价值信息。投资者持续监控这些信号，试图预测未来的价格走势。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:07

由于它们基于这些信号进行交易，信息被整合到价格中，正如有效市场假说[9]所假设的那样。因此，关于投资者活动的新闻和数据流可以用来预测价格变动。关于新闻与价格运动之间关系的文献相当丰富。为了将新闻和价格回报联系起来，我们需要评估前者是在传达有关公司、特定行业还是整个市场的正面或负面信息。这通常通过情绪分析来完成，通常使用Methods部分中描述和回顾的专用语义算法来执行。在本文中，我们将来自公共新闻传达的情绪的信息与金融专业门户用户的浏览活动结合起来，以预测每日和日内的价格回报。为此，我们利用一个由雅虎日志片段组成的uniquedataset！财务，包含网站上显示的新闻文章和相应的“点击”次数，即用户所做的可视化。我们的分析考虑了2012年至2013年一年期间的100只高资本美国股票。对于这些公司中的每一家，我们都建立了相关新闻中表达的情绪的签名时间序列。每篇提到一家公司的文章中所表达的情感是由文章的观点数量来衡量的。在我们的数据集中，每个点击动作都与一个时间戳相关联，该时间戳记录了该动作发生的确切时间点。因此，我们能够以一分钟的时间分辨率构建时间序列。据我们所知，这是第一次像本文中描述的那样以这样的日内粒度进行分析。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:10

这种方法背后的主要思想是，情绪分析提供了有关新闻的信息，而浏览量使我们能够根据用户收到的关注来适当衡量新闻。我们发现，同一家公司的新闻在点击次数上存在极大的差异，这表明它们的重要性以及这些新闻对用户产生的兴趣存在巨大差异。对于70%的被调查公司而言，与该公司相关的金融新闻浏览量与其交易量或绝对价格回报之间存在显著相关性。更重要的是，我们表明，对于50%以上的公司（按小时时间尺度），以及近40%的公司（按每日时间尺度），点击加权平均情绪时间序列格兰杰会导致价格回报，表明具有相当大的可预测性。DataStocks ConsiderDour分析是针对美国股市中属于罗素3000指数的高资本股票进行的，我们在2012年至2013年间对其进行了为期一年的监控。在所有公司中，我们选择了100只在onYahoo上发布新闻最多的股票！调查期间的财务状况。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-7 06:08:14

具有独特数字公司标识的受调查股票的股票清单如下：1kbh、2 LEN、3 COST、4 DTV、5 AMGN、6百胜、7 UPS、8 V、9 AET、10 GRPN、11 ZNGA、12 ABT、13 LUV、14 RTN、15 HAL、16 ATVI、17 MRK、18 GPS、19 GILD、20 LCC、21 NKE、22 MCD、23 UNH、24道指、25米、26 CBS、27 COP、28 CHK、29 CAT、30 HON、31 TWX、32 pepag、33 UAL、34 TXN、35 bib、36 WAG、37、，40 QCOM、41 ACN、42 NOC、43 DISH、44 BBY、45 HD、46 PG、47 JNJ、48 AXP、49 MAR、50 TWC、51 UTX、52 MA、53 BLK、54 EBAY、55 DAL、56 NWSA、57 MSCI、58 LNKD、59 TSLA、60 CVX、61 AA、62 NYX、63 JCP、64 CMCSA、65 NDAQ、66 IT、67 YHOO、68 DIS、69 SBUX、70 PFE、71 ORCL、72 HPQ、73 S、74 LMT、75 XOM、76 IBM、77 NFLX、78 INTC、79 AA、62 GE、68 CMCSCO、65 NDAQ、86 AMF、86、84 AMF、86、84、84、84、84 AMF、，89首字母，90 VZ，91 FB，92 BAC，93 MS，94 JPM，95 C，96 BA，97 GS，98 MSFT，99 GOOG，100 AAPL。数字标识是根据雅虎发布的新闻总数的递增顺序分配的！资金我们考虑了所选股票的三个主要数据来源：市场数据。第一个来源包含关于股票价格回报和交易量的信息。我们考虑不同的调查时间尺度，对应于1、10、30、65和130分钟。之所以选择上述数值，是因为它们是美国市场交易日的次倍数（从上午9:30到下午4:00，相当于390分钟）。对于每个时间尺度和每个股票，我们提取以下时间序列：oV，该时间间隔内的交易量，oR，时间尺度内的对数价格回报，oσ，回报绝对值，股票波动的简单代理。材料部分给出了这些变量的精确定义。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-5-7 06:08:17

由于交易量和绝对价格回报显示出强烈的日内模式，我们对相应的时间序列进行季节化处理（在同一节中，我们提供了有关该过程的详细信息）。为了避免由于存在可预测的日内模式而检测到纯相关性和格兰杰因果关系，这个过程是必要的。新闻数据第二个数据来源是雅虎发布的新闻！财务与浏览每个页面的用户所做的聚合点击的时间序列相结合。雅虎！Finance是一个门户网站，提供与金融公司相关的新闻和数据，以及有关股票报价、股票汇率、企业新闻稿、财务报告和讨论留言板的新闻和信息。雅虎为消费者提供全面的在线金融服务和信息！Finance一直是这一领域的领导者：2008年5月，它以1850万美国访客位居金融网站榜首，其次是AOL Money&Finance，有1520万访客（增长48%），MSN Money，有1370万访客（增长13%）。今天，2015年7月发布的最新估计证实了雅虎！拥有超过7200万访问者的Finance仍然是美国领先的金融网站，在全球排名第四。我们分析了雅虎日志的一部分！财经，包含门户上显示的新闻文章。这些文章带有正文中提到的特定公司（如谷歌、雅虎、苹果、微软）或金融实体（如市场指数、商品、衍生品）的标签。本文分析的数据集不包含公共数据。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:20

它是从雅虎的浏览日志中提取的！金融门户网站。该日志存储了访问网站的用户所做的所有操作，例如在门户上显示的每个页面上的视图、单击和评论。具体来说，我们摘录了雅虎上展示的新闻文章！财务和相应的“点击次数”，即用户所做的可视化。我们在2012年至2013年的一年时间里考虑了100只美国股票。对于每一家被考虑的公司，我们建立了一个相关新闻中表达的情绪的签名时间序列。每篇提到一家公司的文章中所表达的情感是由文章的观点数量来衡量的。在我们的数据集中，每个点击动作都与一个时间戳相关联，该时间戳记录了该动作发生的确切时间点。因此，我们能够以一分钟的时间分辨率构建时间序列。在构建数据集的过程中，我们观察了雅虎在数据和本研究所用工具的一致性方面的公司政策。在提取和聚合过程后，Yahoouser的任何敏感标识都被丢弃。此外，我们的数据集不存储单个操作或用户，只存储雅虎上显示的金融文章的总浏览量！资金虽然雅虎的原始日志！财务是专有的，显然不能共享，为了分析的可重复性，我们可以提供为100家公司提取的浏览量时间序列作为补充资料。http://www.comscore.com/Insights/Press-Releases/2008/07/Yahoo!-财经美国顶级财经新闻和研究网站http://www.niemanlab.org/2015/07/newsonomics-how-much-is-the-financial-times-worth-and-who-might-buy-it/In为了自动检测文章是否传达了对公司的正面或负面消息，我们进行了情绪分析。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-7 06:08:23

为了获得情绪分数，我们使用SentiStrength[10]对每篇文章进行分类，SentiStrength[10]是一种从非正式文本中提取积极和消极情绪的最先进工具。该工具基于一本“情感”词汇词典，由专家编辑手工挑选，并用数字标注，表明它们表达的积极或消极的程度。最初的SentiStrength字典并不是针对任何特定的知识或应用领域定制的，因此它不是计算金融情绪的最合适选择。为了解决这个问题，按照大多数情绪分析和价格回报研究[17]中常见的做法，我们对原始词典进行了修改，加入了金融领域特别感兴趣和重要的情绪关键词列表[11]。在材料部分，我们将讨论这种选择的稳健性，以及新闻与股票的关联方式。在之前研究股价对新闻标题反应的研究[12,13,14,15,19,18]的支持下，我们简化了数据处理流程，对每篇文章的标题进行情绪分析计算，而不是使用其全部内容。这种选择的主要原因是，新闻的基调通常会在标题中突出显示，而在文本中使用许多中性词会增加噪音，降低评估情绪的能力。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-7 06:08:27

最后，选择还取决于数据的可用性：我们掌握的日志并不总是包含新闻文本，这将迫使我们使用一个重要的子样本。情绪分数是一个简单的标志(-1，0，+1）根据标题中是否有更多正面或负面的词语，为每一条新闻添加1,0，+1）。浏览数据最后，在我们的分析中，我们使用了浏览量上的信息，即网络用户在雅虎上显示的每篇文章上“点击”的时间序列！Financeto查看其内容。鉴于该特定领域门户网站上的用户活动被证明提供了对金融股票感兴趣的清晰信号[16]，我们在这项工作中利用它来了解给定金融公司每篇文章的情绪。具体来说，我们使用一篇文章的点击次数来衡量用户对该新闻的关注程度。通过在一个时间窗口内汇总所有提到某一特定公司的文章的点击量，甚至是发布量更大的文章，就有可能得出对该公司关注度的估计。总之，对于每个时间尺度和每个股票，我们从数据库中提取的变量是（参见资料部分）：oC，时间窗口中点击总数的时间序列，oS，与每家公司相关的所有新闻的情绪总和，oW S，所有新闻的情绪总和，按点击次数加权。第一个数量C是非负的，衡量特定公司新闻在给定时间间隔内的关注程度。S变量是众多研究中常用的情绪指标，它提供了在给定时间间隔内发布的公司特定新闻的总体情绪。最重要和新颖的数量是W S，它结合了前两个数量，根据点击新闻的情绪为每次点击指定一个符号。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-7 06:08:30

至于市场变量，我们从点击时间序列中去除了日内模式。事实上，新闻的发布[15]和用户的点击活动[16]都显示出强烈的日内季节性。这些模式可能与人类在一天中进行活动的方式有关（例如，午餐时间的小活动，工作日开始或结束时更繁忙的活动）。方法情感分析关于搜索引擎查询的分析，最近的一些著作[20,21,22,23,24,25]研究了与特定股票相关的每日查询次数与同一股票交易量之间的关系。关于新闻作用的一份不完整的贡献列表包括以下研究：（i）外源性新闻与价格变动之间的关系[12,26,27,28]，（ii）媒体的高悲观或低悲观与高市场交易量之间的相关性[13]；（iii）新闻情绪、收益和回报可预测性之间的关系[29,30]，（iv）新闻在交易行为中的作用[15,31,32,33]；（v）宏观经济新闻在股票收益表现中的作用[34]，以及（vi）市场对新闻的高频反应[35]。例如，在最近一篇与我们相关的论文[21]中，作者表明，纳斯达克股票的日交易量可以通过与同一股票相关的每日查询量进行预测。在另一篇论文中，一项类似的分析表明，查询量的增加预示着未来两周的股价会上涨[36]。在[25]中，作者测试了投资者注意力的解释力——以百度指数中每日股票名称的搜索频率来衡量——是否存在异常的每日收益，并找到了前格兰杰导致股价收益超过市场指数收益的证据，而几乎没有证据表明存在相反的因果关系。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:34

至于社交网络和微博平台[37]，Twitter数据正成为越来越流行的财务预测选择。例如，一些人调查了每日推文数量是否能预测标准普尔500指数的股价[38,39]。对Twitter数据的文本分析方法可以在其他著作[14,40,41,42,43]中找到，作者在这些著作中发现了情绪指标和道琼斯工业平均指数之间的关系。其他一些作者使用新闻、维基百科数据或搜索趋势来预测市场走势[26,44,45,46]。上述分析主要有两个关键方面。首先，所有搜索引擎或社交网络用户的范围可能太大，真正对财务感兴趣的用户比例可能很低。本文研究的日内频率尤其如此。第二，正如我们将在下面以实证方式展示的那样，就其作为未来价格变动信号的相关性而言，所考虑的新闻领域是非常异质的。例如，一天中可能会有几条正面但几乎不相关的新闻，一家公司只有一条负面但非常重要的新闻。如果不权衡新闻的相关性，很容易得出错误的结论。目前这项工作背后的直觉是，用户浏览新闻的次数是衡量新闻重要性以及它所传达的惊喜的一个指标。此外，我们所考虑的用户并不是普通用户，而是那些使用最重要的新闻和搜索门户网站之一获取财务信息的用户，即雅虎！资金Spearman相关性为了克服这些局限性，我们收集了每个股票和每个时间尺度的六个时间序列，即V、R、σ、C、S和WS，并利用两种工具研究它们的相关性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:36

首先，给定两个时间序列Xt和Yt，我们考虑皮尔曼相关系数ρ（X，Y）=hrXtrYti- hrXtihrYtip（hrXti- hrXti）（hrYti）- hrYti）（1）其中Rxt和Ryt分别对应于X和Y随机变量的第t次实现的秩，h·i是时间平均值。相关性ρ（X，Y）量化了线性同期相关性，而不依赖于X和Y的正常假设。为了评估测量值的统计意义，我们通过随机时间序列对相关性为零的零假设进行统计检验。格兰杰因果关系你的主要目标是测试变量之间是否存在统计因果关系。为此，我们的第二个工具是格兰杰因果检验[47]。格兰杰检验是时间序列分析中常用的检验方法，用于确定时间序列XT是否有助于预测其他时间序列Yt。XT被称为格兰杰原因YTF YTF可以更好地预测使用XT和Yt的历史，而不仅仅是使用Yt的历史。格兰杰因果关系可以通过将Y回归到其自身的时滞值和Xt来评估。然后使用F检验来检验是否可以在给定的置信水平下（本文中我们使用5%的p值）拒绝由XT引起的YIS notGranger无效假设。结果我们分析的最重要方面是测试一个人是否可以通过用户浏览活动的信息来预测财务变量，以及更具体的价格回报。也就是说，如果通过将点击新闻的情绪与每个新闻收到的点击次数加权，可以显著提高回报的可预测性。异质性注意力第一个观察结果是雅虎用户注意力的极端异质性！金融节目，针对特定公司的财务新闻。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:40

图1显示了每个新闻点击次数的累积分布函数0 5 10log10C的组成-7.5-5.-2.50log10（1）- cdf）AAPLGOOGMGSFTGSBACJPMMSBACFB100股票~ C-0.98±0.01图1：新闻数量最多的十种资产和100只股票的总投资组合的clicksa新闻接收数量的累积分布函数的互补。这两个坐标都已通过一个公共因子重新缩放，该因子表示右尾翼的幂律缩放，并将最大点击次数标准化为10。虚线对应于投资组合时间序列的尾部指数的幂律。我们在材料部分提供了所有公司的标准误差和尾部指数完整列表的详细信息。关于给定的股票。在这里，我们展示了前10名股票中的每只股票以及100只股票的总和的曲线。在所有情况下，分布的尾部都非常符合幂律行为[48]，尾部指数非常接近1（见材料部分）。事实上，所有股票的平均指数为1.15±0.30，前10名的平均指数为0。99 ± 0.08. 这表明，新用户收到的点击量存在巨大的异质性，因此用户对它的重视程度也存在巨大的异质性。这也是一个警告，如果不恰当地衡量新闻的重要性，可能会导致夸大许多不相关新闻的重要性，而低估少数真正重要新闻的重要性。同步相关性为了理解财务变量和新闻变量之间的关系如何依赖于时间尺度，我们进行了同步相关性分析。对于100家公司中的每一家，我们计算了一个“新闻”时间序列和一个“金融”时间序列产生的三个敏感指数之间的斯皮尔曼相关系数ρ。图2总结了65分钟时间序列的结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-7 06:08:43

x轴列出了公司，由一个数字唯一标识，该数字按照从最小到最大的顺序提供公司排名（以相关新闻的绝对数量衡量）。因此，1对应于KBH公司的新闻数量最少，而100对应于被引用最多的AAPL。我们用对（C，V），（C，σ）和（W，S，R）来标记y轴，而色标指示相关程度。我们计算原始时间ρ（C，V）ρ（C，σ）ρ（ws，R）110203040506070901000公司标识的相关采样。000.250.50图2:100家公司按小时计算的非季节性时间序列的斯皮尔曼相关系数。x轴报告了由一个编号识别的公司列表，详见正文。在几种可能性中，我们只考虑了三对，色阶对应于相关程度。我们绘制了那些我们在5%显著水平上拒绝零相关性的值，并将非显著值限定为零（浅绿色）。表1：我们在5%的置信水平上拒绝零相关性的无效假设的公司百分比。时间间隔（分钟）ρ（W S，R）ρ（C，σ）ρ（C，V）每65分钟1 7 86 9510 3 72 9030 5 54 8565 4 36 79130 4 26 76系列，等于那些其显著性不会以5%置信度拒绝零相关性的零假设的值。图2显示了浏览活动与价格波动性和交易量之间的正相关性和显著相关性，而情绪时间序列和价格回报之间的线性依赖性的证据是温和的，类似于Mao[14]得出的结果。在表1的第四行中，我们报告了我们在5%置信水平下拒绝零相关性假设的100家公司的百分比。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:46

由于我们使用多重相关测试来确定关键新闻和在线数量与关键市场变量之间是否存在显著关系，因此在材料部分，我们报告了针对多重假设测试校正的结果。应用Bonferroni提出的保守修正，点击率、波动率和交易量时间序列的线性相关性证据确凿存在，而价格回报和加权情绪之间零Spearman相关性的假设不再被拒绝。时间尺度为了研究相关性如何随时间尺度变化，在表1中，我们还显示了1、10、30和130分钟时间尺度的拒绝百分比。正如ageneral评论所述，我们观察到，具有显著相关性的公司数量随着时间的推移而增加。这是市场变量（如成交量和波动性）的已知事实，而我们首次以日内规模记录了这一事实，也记录了浏览变量。与给定股票相关的新闻文章关注度（根据文章中表达的情绪签署）与价格回报之间存在显著的线性关系。尤其是，拒绝零假设的公司比例较低，这与由于多次测试而产生的预期假阳性数量相符。关于基于Bonferroni校正的多次试验的详细结果，请参考材料部分。注意力的动态时间尺度原则上可能取决于新闻的相关性。正如我们所看到的，并不是所有的新闻都能从用户那里获得同等的关注。为了研究这种依赖性，我们研究了一篇文章发表后点击次数的动态变化。我们计算一条新闻在发布后一分钟内收到的累计点击次数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:49

在出版后的一周内，我们会持续几分钟。然后，我们通过将累积时间序列除以新闻收到的点击总量来对其进行标准化。我们根据他们最终收到的新闻总数的十分位数来构建十组新闻，并计算每个组的平均累计点击量。结果如图3所示。插图100 200 300t（分钟）00.250.5十进制1ST2ND3RD4TH5TH6TH7TH8TH9TH10TH6090120τ（分钟）图3：发布后五小时内每条新闻累计点击次数的时间演变。我们将累计量标准化为一个常数，该常数对应于一条新闻在发布后的第一周内收到的点击总数。根据截至2013年10月的点击总数，新闻以十分位数进行分组，曲线代表平均值。插图：通过十分位曲线的指数拟合得到的注意力时间尺度的估计值和标准误差。报告每十分之一的典型注意时间尺度，该时间尺度由曲线的指数函数获得。值得注意的是，注意力的时间尺度是新闻重要性的一个不断增长的函数（以点击总数衡量）。不相关的新闻会立即被视为重要新闻，而重要新闻在发布后会继续受到关注。一般来说，用户注意力的时间尺度在发布后的一到两个小时之间，这表明这种日间时间尺度可能最适合检测财务变量和浏览活动之间的依赖关系。因果关系同步相关性是衡量依赖性的重要指标，但不一定是因果关系的标志。因此，我们应用格兰杰检验进行因果关系分析。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:53

我们在图4中展示了65分钟时间范围内的分析结果。xC→ VV→ 科科斯群岛→ σσ → CW S→ RR→ W SS→ RR→ S1 10 20 30 40 50 60 70 80 90 100公司识别图4：非季节性时间序列之间的每小时格兰杰因果关系测试（xaxis如图2所示）。白细胞对应于我们不拒绝在5%显著水平上无格兰杰因果关系的完整假设的测试。黑色单元格对应于具有统计学意义的格兰杰因果关系。axis列出了如图2所示的公司，而y轴标记了我们执行的八个测试。黑细胞对应于拒绝无格兰杰因果关系的零假设，而白细胞则相反。在考虑非负变量（V、C和σ）时，我们观察到了很强的因果关系。具体而言，在65%的情况下，点击活动会导致交易量，在69%的情况下，点击活动会导致价格波动。相反方向的因果关系也很强，即成交量和波动性因果成交量。这可能部分是由于用户对市场异常活跃的反应（就交易量和/或波动性而言），而部分可能是统计影响，因为所有三个变量在一段时间内都是非常自相关的，在两个方向上都产生了强格兰杰因果关系。当考虑有符号变量（R、S和WS）时，我们得到了最有趣和最意想不到的结果。所有这些变量都是弱序列自相关的。当我们考虑新闻的情绪（没有点击）时，我们发现只有4%的情况下S会导致回报，13%的情况下价格回报会导致S。尤其是第一个值预计为空，因为在5%的置信水平下，我们预计会有5%的假阳性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:56

这意味着简单的新闻情绪不允许以日内（每小时）时间尺度预测价格回报。相反，当我们考虑受新闻情绪影响的点击时，我们发现在53%的情况下，它允许预测回报，只有19%的情况相反。一般来说，新闻越多的公司因果关系越强。当对多个假设进行校正时，我们的结论甚至更加引人注目，就像对斯皮尔曼相关案例所做的那样。价格回报和新闻未加权情绪之间因果关系的证据几乎消失，而加权情绪和回报之间因果关系的信号仍然存在。有趣的是，相反方向因果关系的证据——即导致加权情绪的格兰杰回报率——减弱了，两个方向之间明显出现了一种有趣的不对称行为。在“材料”部分，我们将详细报告表格结果。根据用户的浏览行为对新闻进行加权这些结果表明，在每小时的时间尺度上，简单的新闻情绪时间序列（即没有浏览活动的时间序列）无法预测价格回报；相反，如果我们添加浏览活动提供的信息，我们就能够通过用户点击页面对新闻的重视程度来正确衡量新闻（及其情绪）。因此，我们发现一个有趣的结果，即浏览活动与新闻情绪分析相结合，显著提高了股票价格回报预测水平。与现有文献相比，关于情绪和收益可预测性的现有研究大多集中在每日或更长时间尺度上。为了将我们的结果与现有文献进行适当的比较，我们在表2中给出了上述格兰杰测试在每日时间尺度上的结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:08:59

表2显示，在没有浏览活动的情况下，18%的公司是S导致S，9%的公司是RGranger导致S。因此，即使公司数量非常有限，人们的情绪现在也有一定的可预测性。这与现有文献一致，该文献报告了利用情绪对收益的弱每日可预测性。值得注意的是，通过添加浏览活动，我们可以将可预测的公司数量增加一倍。事实上，W S Granger导致37%的公司出现R，11%的公司出现相反的情况。表2：我们在5%置信水平下拒绝无格兰杰因果关系的无效假设的公司数量。因果关系小时刻度日刻度→ R 4 18R→ S 13 9R→ W S 19 11 W S→ R 53 37V→ C 100 97C→ V 65 52C→ σ 69 52σ → C 96 162材料2。1金融时间系列我们只考虑交易时间（即上午9:30至下午4:00）和交易日（即纽约证券交易所的营业日），我们不考虑在此时间窗口外发生的交易事件。根据财务数据，我们创建了三个时间序列：第一个是每家公司每分钟的交易量，第二个是对数回报，最后一个时间序列是对数回报的绝对值。1.交易量（V）时间序列。它由给定公司的交易量以分钟为单位组成。我们通过将交易量vτ与最小时间尺度τ（在我们的例子中为一分钟）相加，以时间尺度t构建时间序列。然后，总体积vt可定义如下：vt=tXτ>t-1vτ。（2）日内时间t的交易量通过因子ζvt进行重新调整，该因子被计算为时间t的交易量在所有天数内的平均值，该平均值由每日总交易量标准化。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:09:03

如果vd是第d天的原始交易量和日内时间t，我们将按比例计算的时间序列定义为vd，t=vd，tζvt，（3）其中ζvt=TXdvd，t∧d，（4）和∧d=Xtvd，t，（5）即第d天的总交易量，t是总交易日数。2.价格回报（R）时间序列。我们初步计算了对数回报率，定义为asrt=log（ptpt-1），（6）其中PTI是区间内最后记录的价格（t- 1，t]。日间t的收益率通过一个因子ζrt进行重新调整，该因子被计算为在所有天数内，通过平均波动率重新调整时间t的绝对收益率的平均值。更准确地说，如果rd是d天和日内时间t的原始回报，我们定义了重新标度的时间序列srd，t=rd，tζrt，（7），其中ζrt=TXd | rd，td，（8）和Ξd=平均值（| rd，t |），（9）我们计算d天内所有t的平均值。波动率（σ）时间序列。我们使用重新调整后的收益率σt=|Rt |的绝对值作为非季节化交易日波动率的简单替代。（10）请注意，由于2的定义，波动率σ已经去季节化。2情绪分析我们在这里讨论我们如何标记新闻以及我们如何进行情绪分析。雅虎日志中包含的新闻数据！财务用相关股票进行标记，通过两种不同的标记方法进行识别。第一类注释是由一组编辑提供的，他们手动评估了在Yahoo！Financewebsite，并在其上标记与文章内容相关的公司。除此之外，还通过应用专有实体识别工具识别相关公司。我们丢弃了所有贴有超过40家公司标签的文章。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:09:06

在初步评估中，我们试探性地选择了这个阈值，其中我们验证了标记有5家或5家以上公司的文章通常与聚合定期报告相对应，这些报告提到了很长的股票列表，但没有真正具体说明其中的任何一家。在获得的文章中，我们进一步处理了标记有多家公司的文章，引入了一些额外的过滤器，以确保当文章的内容与公司真正相关时，我们会考虑该公司的新闻，而不是在一家公司仅因文中随意提及而被标记的情况下。这些额外的过滤器只包括保留文章标题或第一段中提到的库存，其中通常包含文章中讨论的关键概念的摘要。然后，每一篇文章都会对所有存货的时间序列做出贡献。如正文所述，我们使用SentiStrength添加了一系列对金融领域特别感兴趣和重要的关键词。我们使用通用词典测试了好消息、坏消息或中性消息的分类。在84%的病例中，两种词典的分类是相同的。这一结果表明，我们的分类和随后的分析对词典的选择非常可靠。有趣的是，17%的被《普通词典》归类为中性的新闻在使用《金融词典》时被归类为正面或负面新闻，而只有8%被《金融词典》归类为中性的新闻在使用《普通词典》时被归类为正面或负面新闻。这表明，使用金融词典可以增强对新闻给出正面或负面符号的能力。2.3点击和情绪时间序列与财务时间序列一致，我们只考虑交易时间和交易日。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-5-7 06:09:09

因为我们对这个时间窗口中的点击行为感兴趣，这意味着我们忽略了这个时间窗口中的点击行为。根据每条新闻的点击历史，我们创建了两个时间序列：第一个是每家公司每分钟的点击总量，第二个是点击次数乘以相关新闻的情绪分数。1.单击（C）时间序列。从最小时间尺度τ（在我们的例子中为一分钟）的每条新闻的点击次数开始，我们通过聚合给定公司的所有新闻的点击次数，在时间尺度t上构建一个时间序列。因此，如果我们用N表示一家公司的新闻数量，用ciτ表示新闻i在τ标度下的点击数量，那么总数量Ct可以定义为asct=tXτ>t-1NXi=1ciτ。（11）未在时间间隔内查看的新闻没有点击次数。我们通过一种简单的方法从点击中过滤出每天的模式。白天t内的点击量通过因子ζct进行重新缩放，该因子被计算为时间t内点击量的平均值，该值由每天点击的总次数标准化。更准确地说，如果cd是第d天的原始点击量和日内时间t，我们将重新缩放的点击时间序列定义为：cd，t=cd，tζct，（12），其中ζct=TXdcd，tΓd，（13）和Γd=Xtcd，t，（14）以及Γd一天的点击总数。2.情绪时间序列。为了构建这个时间序列，我们考虑了新闻标题的情绪。使用之前使用的相同符号Dst=tXτ>t-1NXi=1siτ，（15），其中siτ是符号(-1,0,1）时间τ3发布的新闻标题的情绪。加权情绪（WS）时间序列。我们将每个新闻的点击次数乘以其情绪得分。使用相同的点击时间序列符号，我们有：W St=tXτ>t-1NXi=1ciτsiτ。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-7 06:09:12

（16）通过这种方式，我们根据新闻受到的关注程度来衡量每一条新闻的标志。我们注意到，对于每个交易日，我们都会考虑当天点击的所有新闻，而不仅仅是当天发布的新闻。然后，我们将加权情绪定义为W St=符号（W St）Ct。（17） 2.4幂律指数的估计我们通过使用ColingilesPie开发和维护的R包幂律来估计点击量分布的幂律尾指数，如[51]所述。具体数字见表3。2.5多重假设检验在表4和表5中，我们分别报告了在Bonferroni提出的非常保守的校正下，零Spearman相关性和零Granger因果关系的检验结果。如果进行了NTT测试，且预期的显著性为p（在我们的案例中为5%，则只有p值小于p/NTA的测试被拒绝。由于我们进行了100次测试，我们的修正p值为0.05%。3讨论已知特定公司新闻的语义分析对未来价格变动的预测能力很小。根据我们的发现，我们认为这种影响可能与图1清楚地显示了新闻接收：它的无标度行为反映了它们传达的信息的极端异质性，以及它们在读者中产生的惊喜。我们的样本分析表明，通过增加网络用户的点击活动，我们可以大大提高新闻对价格回报的预测能力。这是因为仅根据新闻情绪构建的时间序列给出了相同的表3：带标准误差的尾部指数α和下限xmin>0α和根据在美国股市交易的100只高资本股票估算。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝