金融学文本大数据挖掘方法与研究进展

• 全文链接
• 请求原文

作   者：

姚加权;  张锟澎;  罗平; 

作者机构：

暨南大学管理学院; 

关键词：

机器学习;  文本大数据;  深度学习;  文本分析;  数据挖掘; 

期刊名称：

经济学动态

基金项目：

现金流分配的影响因素及其启示

i s s n：

1002-8390

年卷期：

2020 年 04 期

页   码：

143-158

摘   要：

在金融学领域的传统实证研究中,所用数据多局限于财务报表和股票市场数据等结构化数据。而在大数据时代,计算机技术的进步使得数据类型不断丰富,研究者开始将非结构化的文本大数据引入到金融学领域的研究中,其主要包括上市公司披露文本、财经媒体报道、社交网络文本、网络搜索指数以及P2P网络借贷文本等,并对文本的可读性、语气语调、相似性以及语义特征展开研究。本文首先介绍了金融学领域文本大数据挖掘步骤和方法,描述了语料获取、预处理过程、文档表示以及文档的特征抽取;然后根据不同的文本信息来源,梳理了金融学文本大数据的研究进展;最后对未来金融学文本大数据的研究方法和研究内容进行了展望。