“80%的商业信息来自非结构化数据，主要是文本数据”（Seth Grimes），这一说法可能夸大了文本数据在商业数据中的占比，但是文本数据所蕴含的信息价值是毋庸置疑的。在信息爆炸的社会，文本数据量如此庞大，我们能做什么呢？事实上，能做的有很多，主要取决于你的目标是什么。

自然语言处理（NLP）是人工智能（AI）一个重要的子领域，目前比较流行的语言模型包括有限状态机、马尔可夫模型、词义的向量空间建模；机器学习分类器：朴素贝叶斯、逻辑回归、决策树、支持向量机、神经网络；序列模型：隐藏马尔可夫模型、循环神经网络（RNN）、长短期记忆神经网络（LSTMs）。Python金融量化分析进入到高阶阶段后，将进一步探索这些模型方法在金融市场或金融场景上的运用。

本文试图通过词云和情绪判断，对财经新闻进行基本的文本分析和数据挖掘，以起到抛砖引玉的效果。

本文用的是Python 3.6版本，直接在Jupyter Notebook上写code和交互运行，需要用到的package包括pandas、tushare、matplotlib、jieba、wordcloud，如果没有安装这些包，需要先安装，在cmd（命令提示符）上运行命令“pip install xxx（如tushare）”

tushare是目前比较好用的数据开源包，可以免费获取股票、期货、宏观、基本面等数据，之后的金融量化分析实践基本上都会使用该包来获取数据，具体使用方法，可以到tushare的官网查看。

新浪财经新闻频率非常高，基本上几秒中就可以刷出几条新的新闻，面对如此多的信息，如何快速地通过关键词过滤掉不必要的信息呢？“词云”是当下比较流行的文本关键词可视化分析手段，即通过对新闻文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，过滤掉大量的文本信息，使大家只要一眼扫过文本就可以领略财经新闻的梗概。

从上面新闻的标题词云图可以看出，今晚（22:00运行程序，不同时间得到结果不一样）新闻关键词主要有：美国、中国、科技、券商、比特币、退市、暴跌…光看标题，可能又隐藏了比较多的信息，我们可以进一步分析新闻文本的内容。

从上面新闻内容的词云图，不难看出，比特币出现了暴跌，悲观情绪笼罩..。

通过新闻标题来判断该新闻报道内容为积极性/消极性的概率。这部分代码较长，不在此展示，感兴趣的朋友可以关注公众号Python金融量化（tkfy920）并回复“文本1”免费获取代码。