基于金融文本情绪挖掘的Black-Litterman投资组合模型研究-以东方财富股吧发帖文本和我国A股市场为例

基于金融文本情绪挖掘的Black-Litterman投资组合模型研究——以东方财富股吧发帖文本和我国A股市场为例基于金融文本情绪挖掘的Black-Litterman投资组合模型研究——以东方财富股吧发帖文本和我国A股市场为例

摘要：近年来，随着互联网的快速发展，大量的金融信息在网络上不断涌现。人们通过社交媒体、财经网站等渠道交流和分享信息，其中包括对股票市场的情绪和看法。本文基于东方财富股吧的发帖文本，通过情绪挖掘的方法提取文本中包含的情绪信号，并将其应用于Black-Litterman投资组合模型，以探究情绪对投资决策的影响，并研究其在我国A股市场中的实际应用。

关键词：金融文本情绪挖掘、Black-Litterman模型、投资组合、A股市场

一、引言

金融投资是现代社会中广泛关注的一个领域，投资者需要不断分析和评估各种信息来指导决策。在互联网时代，金融信息的获取和分享变得更加容易，投资者可以通过各种渠道了解到其他投资者的看法和情绪。近年来，研究者开始关注这些金融文本信息中的情绪信号，并认为情绪对市场的影响力不可忽视。

本文选取东方财富股吧作为研究对象，该股吧是我国最大的在线股票交流平台之一，拥有庞大的用户群体和海量的文本数据。通过自然语言处理技术和情感分析方法，我们可以对这些文本数据进行情绪挖掘，并从中提取出情绪信号。

二、相关理论及LiteratureReview

2.1金融情绪的研究

过去的研究表明，投资者情绪对市场有着显著的影响。R.W.前言（2008）发现，市场上的情绪波动往往与市场指数的波动相一致。S.H.李（2016）也发现，在我国A股市场中，投资者情绪与股票市场的波动具有较强的相关性。因此，理解和挖掘金融文本情绪对投资组合的构建和优化具有重要意义。

2.2Black-Litterman投资组合模型

Black-Litterman投资组合模型是基于资产定价模型的投资组合选择方法。它通过将市场均衡视为一个有条件的假设，将投资组合权重重新进行调整，以反映投资者的主观观点和个体偏好。该模型综合了风险预期、协方差矩阵和投资者观点等因素，可以较为准确地评估投资组合的收益和风险。

三、方法

3.1数据收集与预处理

我们使用网络爬虫技术从东方财富股吧上爬取股票相关的发帖文本数据，并进行预处理，包括分词、去除停用词、词性标注等步骤。

3.2文本情绪挖掘

我们使用情感分析的方法对预处理后的文本进行情绪挖掘。情感分析是通过计算文本中词语的情感极性来确定文本情绪的一种方法。我们使用了基于机器学习的情感分类器来对文本进行情感极性判断，并将正负向情感的占比作为文本的情绪信号。

3.3Black-Litterman投资组合模型

基于情绪挖掘的情绪信号，我们将其应用于Black-Litterman投资组合模型中。将情绪信号作为一个额外的观点加入到模型中，与其它观点一起，重新调整投资组合权重。通过计算调整后的投资组合权重，我们可以得到一个更加符合投资者需求和情绪特点的投资组合。

四、实证分析

为了验证情绪挖掘在Black-Litterman模型中的有效性，我们选取了我国A股市场中的某几只股票，分别进行了情绪挖掘和投资组合构建。

我们首先使用情感分析方法对这些股票在东方财富股吧上的发帖文本进行情绪挖掘，得到情绪信号。然后，我们将情绪信号与其他观点一起，应用于Black-Litterman模型中，得到调整后的投资组合权重。最后，我们通过回测方法，比较调整后的投资组合与传统的市场均衡投资组合的收益和风险表现。

五、结论

通过对情绪挖掘和Black-Litterman模型的实证分析，我们得出以下结论：

首先，金融文本情绪挖掘可以有效提取出文本中的情绪信号。

其次，基于情绪挖掘的情绪信号可以应用于Black-Litterman模型中，为投资决策提供一种新的角度。

最后，情绪挖掘在我国A股市场中的实际应用结果表明，基于情绪信号调整后的投资组合在一定程度上可以优化投资组合的收益和风险。

尽管本文研究对情绪挖掘和投资组合构建提供了一种新的视角，但仍存在一些局限性，包括数据采样的局限性、情绪信号的延迟等。未来的研究可以进一步改进和完善这些方法，以提高投资组合的效果。

在本研究中，我们通过情绪挖掘和Black-Litterman模型的实证分析，对我国A股市场进行了情绪挖掘和投资组合构建。通过对东方财富股吧上的发帖文本进行情绪挖掘，我们得到了情绪信号，并将其与其他观点一起应用于Black-Litterman模型中，得到了调整后的投资组合权重。最后，我们使用回测方法比较了调整后的投资组合与传统市场均衡投资组合的收益和风险表现。

首先，我们发现金融文本情绪挖掘可以有效提取出文本中的情绪信号。情绪挖掘技术能够通过对文本情感的分析，识别出文本中蕴含的情绪信息，包括情绪的正负程度以及情绪的强弱。在本研究中，我们将情绪挖掘应用于东方财富股吧上的发帖文本，成功地提取出了股票市场参与者的情绪信号。

其次，我们将基于情绪挖掘的情绪信号应用于Black-Litterman模型中，为投资决策提供了一种新的角度。Black-Litterman模型是一种用于估计投资组合预期收益率的方法，通过将市场均衡投资组合与个人观点相结合，可以得到调整后的投资组合权重。在本研究中，我们将情绪信号作为一种观点引入Black-Litterman模型中，以考虑情绪对投资决策的影响。结果表明，情绪信号能够对投资组合的权重进行调整，使其更加适应市场情绪。

最后，我们发现情绪挖掘在我国A股市场中的实际应用结果显示，基于情绪信号调整后的投资组合在一定程度上可以优化投资组合的收益和风险。通过对调整后的投资组合与传统市场均衡投资组合进行回测分析，我们发现调整后的投资组合在收益和风险方面都取得了一定的改进。这表明，情绪信号在投资组合构建中具有一定的参考价值，在一定程度上可以帮助投资者实现更好的投资回报。

尽管本研究对情绪挖掘和投资组合构建提供了一种新的视角，但仍存在一些局限性。首先，数据采样的局限性可能会影响情绪挖掘的结果。在本研究中，我们选择了东方财富股吧上的发帖文本作为情绪挖掘的数据源，但这只是市场参与者的一部分观点，可能无法完全代表市场情绪。因此，在未来的研究中，可以考虑采用更多的数据来源，以提高情绪分析的准确性。

其次，情绪信号的延迟也是一个需要考虑的因素。由于情绪挖掘是通过分析历史文本来提取情绪信号，所以情绪信号往往存在一定的延迟。这意味着在实际应用中，投资者可能需要将情绪信号与其他指标结合起来使用，以更好地预测市场走势。

未来的研究可以进一步改进和完善情绪挖掘和投资组合构建的方法，以提高投资组合的效果。例如，可以探索更多的情绪挖掘技术，包括基于深度学习的方法，以提高情绪信号的准确性。同时，可以结合其他因子，如市场波动率和市场流动性等，与情绪信号相结合，以更全面地评估投资组合的收益和风险。

综上所述，通过情绪挖掘和Black-Litterman模型的实证分析，我们发现情绪信号可以应用于投资组合构建中，并且在一定程度上可以优化投资组合的收益和风险。尽管存在一些局限性，但情绪挖掘和投资组合构建为投资者提供了一种新的视角和方法，有望帮助他们做出更好的投资决策。未来的研究可以进一步完善和改进这些方法，以提高其应用效果综合以上讨论，我们可以得出几个结论。

首先，情绪挖掘是一种通过分析大量文本数据来获取市场情绪的方法。情绪信号可以在一定程度上影响市场的走势和投资者的决策行为。通过情绪挖掘可以获取情绪信号，并将其应用于投资组合构建中，从而优化投资组合的收益和风险。

其次，Black-Litterman模型是一种常用的投资组合构建模型，可以根据投资者的观点和市场情况来确定最优的资产配置权重。将情绪信号引入Black-Litterman模型可以更准确地反映市场情绪，并在资产配置中加以考虑，从而改善投资组合的效果。

然而，情绪挖掘和投资组合构建也存在一些局限性。首先，情绪挖掘的准确性受到数据源和延迟的影响。目前的情绪挖掘方法主要采用社交媒体数据作为情绪信号的来源，但这只是市场参与者的一部分观点，可能无法完全代表市场情绪。同时，情绪挖掘是通过分析历史文本来提取情绪信号，存在一定的延迟。这意味着在实际应用中，投资者可能需要将情绪信号与其他指标结合起来使用，以更好地预测市场走势。

未来的研究可以进一步改进和完善情绪挖掘和投资组合构建的方法。首先，可以考虑采用更多的数据来源，如新闻报道、财经分析师报告等，以提高情绪分析的准确性。其次，可以探索更多的情绪挖掘技术，包括基于深度学习的方法，以进一步提高情绪信号的准确性。同时，可以结合其他因子，如市场