下载掌阅APP，畅读海量书库
立即打开
本书的创新点主要包括如下三个方面：
（1）从大数据的视角研究新闻媒体对证券市场的影响
近代行为金融学发现证券市场的风险波动与媒体信息紧密相关。不同于传统金融学以具体案例分析和抽样统计为主导的证券市场媒体效应研究，本书从文本大数据的角度对海量财经新闻数据进行了直接分析，利用智能化文本大数据收集、整理、分析技术，深层次地揭示了互联网财经新闻与证券市场风险波动的关系，研究结果能够更接近最真实的本质。
（2）从多个视角（施动者、受动者和管理者）探索证券市场新闻效应
本书通过构建的大数据分析框架，系统全面地分析了证券市场的新闻媒体效应。具体而言，本书从施动者（媒体）、受动者（公司）和管理者三个不同的视角，探索新闻媒体在不同约束条件下（异质性新闻内容、公司所属行业、公司管理者媒体行为），证券市场媒体效应的具体表现。本书发现，在施动者（媒体）层面，政策类新闻导致的媒体效应最为显著，违规处罚类新闻次之，公司高管类新闻带来的媒体效应最弱；在受动者（公司）层面，采矿业公司的媒体效应明显，金融业公司的媒体效应最弱；在管理者层面，上市公司管理者的媒体高曝光率行为降低了新闻与市场的相关性。
（3）基于深度神经网络学习机制的证券市场媒体效应研究
对于复杂经济系统研究，金融学依循解构思维，利用数理统计模型或经济计量模型逐一分析不同因素对系统的影响。然而，复杂系统的运动一定是各种因素交叉融合、相互作用的合力结果，传统的金融计量方法难以捕捉这一过程的全貌。本书从系统论出发，利用深度学习机制，提出了一个智能计算框架，用整体、连续，而非单一的数据关系，研究复杂市场因素对证券市场新闻媒体效应的综合影响。笔者希望通过这一系列研究为金融学领域的经典命题寻找一个新的智能计算的解决方案，为识别资产定价现象背后的经济机制提供可能，为经济建模和投资组合选择的实际应用带来希望。