1.2.2　研究方法

本书将实证资产定价研究与深度学习技术在金融中应用展开深度结合，构建了一套完整的研究系统。本书涉及金融学、计算机科学、管理学、心理学等多个学科领域，所使用的研究方法主要包括：

（1）研究整合法（Research Synthesis Methods）

基于对真实的市场运行状态和经济社会宏观发展态势的观察，在初步认知和发现问题的基础上，本书通过收集、整理金融学、管理科学和计算机科学三个领域的相关文献，对实证资产定价研究和运用机器学习等计算机技术解决金融问题的相关研究进行了全面而系统的梳理与归纳，以期在科学地归纳和分析证券市场运行机理、引起资产价格波动的本质因素、证券市场媒体效应及市场参与者的有限注意力和认知偏差对证券市场波动影响的基础上，提出本书的研究问题。本书从实证资产定价研究这个金融学研究领域永恒的主题出发，基于行为金融学理论，以大数据的视角探讨有限理性市场参与者的交易行为和认知偏差对证券市场波动的影响作用。考虑到传统的计量经济模型无法有效捕捉和量化非线性因素对资产价格波动的复杂影响的桎梏，本书进一步运用深度学习方法，基于证券市场波动特性和运行规律，构建适应市场真实波动的量化智能计算模型和交易策略，从而为有效分析和捕捉影响证券市场波动的内在因素和本质规律提供参考。本书实现了实证资产定价研究与深度学习技术在金融中应用的深度结合。

（2）大数据分析法

随着信息技术的飞速发展，海量数据以数量大、类型多、传输速度快、具有价值且更真实的特性呈现，传统的数据分析方法已经无法快速有效地处理千万量级且结构各异的数据。本书聚焦于证券市场的复杂特性，运用大数据分析技术，针对不同数据源的结构特性构建相应的数据获取与处理方法。对于涉及上市企业的海量新闻，本书开发了具有针对性的分布式多线程定向网络抓爬引擎，可以快速地自动爬取、筛选并分类存储相关新闻内容。对于企业关联关系的建立，本书基于自然语言处理技术和社会网络分析方法，提取新闻中涉及企业关联的关键词并构建企业关系网络，设定阈值筛选最优的企业关系网络。本书运用大数据分析法获取并处理与证券市场复杂特性相关的海量异构数据，极大地提高了数据处理和分析的速度，捕捉了数据的特性，保证了本书结论的科学性、准确性和可复现性。

（3）实证分析法

实证分析法是金融学研究领域的重要指导方法，其着眼于当前社会现实，以观察到的经济社会现象为依据，运用一系列分析工具，探究经济社会运行的影响因素和本质规律。本书立足于信息时代的大背景，以实证资产定价研究方法为指导，在对真实的市场运行状态和经济社会的宏观发展态势进行深入分析的基础上，发现问题、提出问题并解决问题。本书论证了基于媒体关联的动量溢出效应在市场不同运行时期和运行状态下的存在性、合理性和稳健性，并对基于新闻共同报道建立的企业关联关系与现有研究中提出的反映企业基本面关联的企业关联关系进行对比，进一步论证了基于媒体关联的企业关联关系对资产价格波动的重要影响作用。

（4）跨学科分析法

本书实现了实证资产定价研究与深度学习技术在金融中应用的深度结合。针对证券市场的复杂特性，本书从实证资产定价研究的角度出发，基于行为金融学理论，以大数据的视角，探讨有限理性市场参与者的交易行为和认知偏差对证券市场波动的影响作用。考虑到传统计量经济模型无法有效捕捉和量化非线性因素对资产波动产生复杂影响的桎梏，本书进一步运用深度学习方法，基于证券市场波动特性和运行规律，构建适应市场真实波动的量化智能计算模型和交易策略，从而为有效分析并捕捉影响证券市场波动的内在因素和本质规律提供参考。 5XgjSqcwX/ZLC8hAr8CwDR7n3xfMP9H3FVPGhCdFXFZSDTwxu1Zhda9r8LPxATb4