基于网络文本挖掘：突发事件下投资者情绪与股价风险的深度剖析

基于网络文本挖掘：突发事件下投资者情绪与股价风险的深度剖析一、引言1.1研究背景与意义在当今全球经济一体化的大背景下，金融市场作为经济运行的核心枢纽，其重要性不言而喻。股票市场作为金融市场的重要组成部分，不仅是企业融资的重要渠道，也是投资者资产配置的关键领域。然而，近年来，随着国际政治经济形势的日益复杂多变，金融市场中突发事件频发，给股票市场带来了巨大的冲击。从国际政治局势来看，地缘政治冲突不断升级，如俄乌冲突的持续，不仅导致了地区局势的紧张，也对全球金融市场产生了深远影响。冲突引发了能源价格的大幅波动，石油、天然气等能源价格的剧烈起伏，使得相关企业的成本大幅增加，进而影响到其盈利能力和股价表现。同时，国际制裁与反制裁措施的实施，也导致了国际贸易受阻，许多跨国企业的供应链断裂，这无疑加剧了股票市场的不确定性。在全球经济层面，经济增长的放缓与贸易保护主义的抬头，给股票市场带来了双重压力。经济增长的乏力使得企业的市场需求减少，营收和利润下滑，投资者对企业未来的发展前景信心不足，纷纷抛售股票，导致股价下跌。贸易保护主义的盛行，如美国发起的一系列贸易摩擦，使得全球贸易秩序受到破坏，相关行业的企业面临着关税增加、市场份额下降等困境，股价也随之大幅波动。在金融政策方面，各国货币政策和财政政策的调整也对股票市场产生了重要影响。例如，美联储的加息与降息政策，直接影响到全球资金的流向和成本。当美联储加息时，全球资金回流美国，新兴市场国家的股票市场面临资金流出的压力，股价下跌；反之，当美联储降息时，大量资金涌入新兴市场国家的股票市场，推动股价上涨。财政政策的调整，如政府的税收政策和支出政策的变化，也会对企业的经营环境和盈利能力产生影响，进而影响股价。此外，公共卫生事件的爆发也给股票市场带来了巨大冲击。以新冠疫情为例，疫情的全球蔓延导致了全球经济的停摆，许多企业停工停产，消费市场萎缩，股票市场大幅下跌。在疫情初期，股市出现了恐慌性抛售，许多股票价格暴跌，投资者损失惨重。随着疫情的发展，政府和企业采取了一系列应对措施，股票市场才逐渐企稳。投资者情绪作为影响股价波动的重要因素之一，在突发事件的冲击下，其波动更为剧烈。投资者情绪是投资者对股票市场的整体预期、对个别公司的评价以及未来市场走势的预测等心理状态的综合体现，往往通过投资者的买卖行为体现出来。当突发事件发生时，投资者的心理状态会受到极大的影响，从而导致投资者情绪的大幅波动。在市场恐慌情绪的影响下，投资者往往会过度反应，纷纷抛售股票，导致股价大幅下跌；而在市场乐观情绪的驱动下，投资者又可能会盲目跟风买入股票，推动股价过度上涨，形成泡沫。这种非理性的投资行为，不仅会加剧股价的波动，也会增加股票市场的风险。股价风险的加剧对投资者、金融机构和金融市场的稳定都带来了严重的威胁。对于投资者而言，股价的大幅波动会导致其资产价值的大幅缩水，投资收益受到严重影响。许多投资者在股价下跌时，由于无法承受损失而被迫割肉离场，导致投资失败。对于金融机构来说，股价风险的增加会导致其资产质量下降，信用风险上升，甚至可能引发系统性金融风险。一些金融机构在股票市场投资中遭受重大损失，导致资金链断裂，不得不寻求政府的救助。对于金融市场的稳定而言，股价的大幅波动会破坏市场的正常秩序，降低市场的效率，影响市场的信心。如果股价风险得不到有效的控制，可能会引发金融市场的危机，对整个经济体系造成严重的冲击。因此，深入研究突发事件下投资者情绪与股价风险之间的关系，具有重要的理论和现实意义。从理论层面来看，传统的金融理论往往假设投资者是理性的，股价是由公司业绩、宏观经济环境等理性因素决定的。然而，越来越多的实证研究发现，投资者情绪在股价决定中扮演了重要角色。通过对突发事件下投资者情绪与股价风险关系的研究，可以进一步丰富和完善金融市场理论，尤其是关于投资者情绪如何影响资产定价和市场风险的理论。这有助于我们更好地理解市场参与者的行为决策过程，为金融市场的研究提供新的视角和方法。从现实意义的角度来看，研究突发事件下投资者情绪与股价风险的关系，对于指导投资者决策、防范金融风险以及促进资本市场的健康发展具有重要意义。对于投资者来说，了解投资者情绪与股价风险的关系，可以帮助他们更好地把握市场动态，制定更加合理的投资策略。通过关注投资者情绪的变化，投资者可以及时调整自己的投资组合，降低投资风险，提高投资收益。对于金融机构而言，深入研究投资者情绪与股价风险的关系，可以帮助他们更好地评估市场风险，加强风险管理，提高自身的抗风险能力。金融机构可以根据投资者情绪的变化，调整自己的投资策略和资产配置，降低市场风险对自身的影响。对于监管机构和政策制定者来说，了解投资者情绪与股价风险之间的关系，可以帮助他们更有效地进行市场监管和宏观调控，以维护市场的稳定和发展。监管机构可以通过监测投资者情绪的变化，及时发现市场中的异常波动和风险隐患，采取相应的监管措施，防范金融风险的发生。政策制定者可以根据投资者情绪的变化，制定更加科学合理的财政政策和货币政策，促进资本市场的健康发展。1.2研究目标与问题提出本研究旨在通过网络文本挖掘技术，深入探究突发事件下投资者情绪与股价风险之间的关系，为投资者、金融机构和监管部门提供有价值的参考依据。具体研究目标如下：构建投资者情绪指标体系：利用网络文本挖掘技术，从社交媒体、金融论坛、新闻报道等网络文本中提取投资者情绪相关信息，构建全面、准确的投资者情绪指标体系，以更精准地衡量投资者情绪的变化。分析投资者情绪对股价风险的影响机制：通过实证分析，深入探讨投资者情绪在突发事件背景下对股价风险的影响路径和作用机制，揭示投资者情绪与股价风险之间的内在联系。评估不同类型突发事件对投资者情绪和股价风险的影响差异：对不同类型的突发事件，如政治事件、经济事件、自然灾害、公共卫生事件等进行分类研究，分析各类突发事件对投资者情绪和股价风险的影响特点和差异，为应对不同类型突发事件提供针对性的策略建议。提出有效的风险管理策略：基于研究结果，为投资者、金融机构和监管部门提供在突发事件下有效的风险管理策略和建议，帮助各方降低股价风险，维护金融市场的稳定。基于以上研究目标，本研究提出以下具体研究问题：网络文本挖掘在投资者情绪分析中的应用效果如何？：不同的网络文本来源（如社交媒体、金融论坛、新闻报道等）在反映投资者情绪方面各有何特点？采用何种文本挖掘技术和方法能够更准确地从网络文本中提取投资者情绪信息？如何验证所构建的投资者情绪指标体系的有效性和可靠性？突发事件下投资者情绪如何影响股价风险？：投资者情绪的变化是否会直接导致股价风险的增加或减少？在不同的市场环境和突发事件类型下，投资者情绪对股价风险的影响是否存在差异？投资者情绪通过哪些具体的途径和机制影响股价风险？不同类型突发事件对投资者情绪和股价风险的影响有何不同？：政治事件、经济事件、自然灾害、公共卫生事件等不同类型的突发事件，在引发投资者情绪波动和导致股价风险变化方面，各自具有怎样的特点和规律？哪些因素会导致不同类型突发事件对投资者情绪和股价风险产生不同的影响？如何利用研究结果进行有效的风险管理？：投资者在面对突发事件时，如何根据投资者情绪和股价风险的变化，调整自己的投资策略，以降低投资风险？金融机构在风险管理过程中，如何将投资者情绪和股价风险的因素纳入考量，优化风险管理模型和措施？监管部门应如何根据投资者情绪和股价风险的变化，制定和实施有效的监管政策，维护金融市场的稳定？1.3研究方法与创新点本研究综合运用多种研究方法，以确保研究的科学性和有效性。具体研究方法如下：网络文本挖掘技术：运用网络爬虫技术，从社交媒体平台（如微博、股吧）、金融资讯网站、新闻媒体等渠道收集与股票市场相关的文本数据。利用自然语言处理（NLP）技术，对收集到的文本数据进行清洗、分词、词性标注、情感分析等处理，提取投资者情绪相关的关键词、情感倾向等信息，构建投资者情绪指标。例如，通过情感词典和机器学习算法，判断文本中表达的是乐观、悲观还是中性情绪，计算乐观情绪和悲观情绪的比例，作为投资者情绪的量化指标。实证分析方法：建立计量经济学模型，如多元线性回归模型、向量自回归（VAR）模型、广义自回归条件异方差（GARCH）模型等，对投资者情绪与股价风险之间的关系进行实证检验。通过控制其他影响股价风险的因素，如宏观经济指标、公司财务指标等，分析投资者情绪对股价风险的单独影响。利用事件研究法，分析特定突发事件发生前后投资者情绪和股价风险的变化，评估突发事件对两者的影响程度。案例分析法：选取具有代表性的突发事件，如英国脱欧、中美贸易摩擦、新冠疫情等，深入分析在这些事件过程中投资者情绪的演变以及股价风险的变化情况。通过对具体案例的详细剖析，进一步验证实证研究的结果，揭示投资者情绪与股价风险在突发事件下的动态关系。本研究的创新点主要体现在以下几个方面：数据来源创新：以往研究投资者情绪与股价风险关系的数据来源主要是问卷调查、交易数据等，存在样本量有限、主观性较强等问题。本研究充分利用互联网大数据，从多个网络文本平台收集数据，数据来源更加广泛、真实、及时，能够更全面地反映投资者情绪的变化，为研究提供了更丰富的数据支持。研究视角创新：将研究重点聚焦于突发事件这一特殊背景下投资者情绪与股价风险的关系，与以往大多研究常态市场环境下两者关系不同。突发事件具有突发性、不确定性和重大影响力等特点，会对投资者情绪和股价风险产生独特的影响。从这一视角进行研究，有助于更深入地理解市场在极端情况下的运行机制，为应对突发事件提供更有针对性的理论依据和实践指导。分析方法创新：综合运用网络文本挖掘技术和多种实证分析方法，将非结构化的文本数据转化为可量化的投资者情绪指标，并与传统的金融数据相结合进行分析。这种跨学科的研究方法，打破了以往单一研究方法的局限性，能够更准确地揭示投资者情绪与股价风险之间的复杂关系，为金融市场研究提供了新的思路和方法。二、理论基础与文献综述2.1突发事件相关理论突发事件，从广义上讲，是指突然发生、难以预测且对社会、经济、环境等多个领域产生重大影响的事件。在金融市场中，突发事件通常具备以下显著特征：突发性：突发事件往往在毫无征兆或短时间内迅速爆发，令市场参与者难以提前做出充分准备。以2020年初新冠疫情的爆发为例，疫情的迅速扩散和全球蔓延出乎了大多数人的意料，对金融市场产生了巨大的冲击。在疫情爆发初期，股票市场出现了大幅下跌，许多国家的股市在短时间内跌幅超过20%。不确定性：突发事件的发展态势、影响范围和持续时间通常难以准确预测。例如，英国脱欧事件，从公投结果公布到最终脱欧协议的达成，期间经历了多次波折和不确定性，其对金融市场的影响也随着事件的发展而不断变化。英镑汇率在脱欧公投后大幅波动，英国股市也受到了较大影响。重大影响性：突发事件会对金融市场的价格走势、交易活跃度、投资者信心等方面产生深远影响。2008年美国次贷危机引发的全球金融危机，导致全球股市暴跌，许多金融机构倒闭，实体经济也受到了严重的冲击。全球主要股市指数跌幅超过50%，失业率大幅上升，经济陷入衰退。在金融市场中，突发事件的表现形式多种多样，主要包括以下几种类型：政治事件：如政权更迭、战争、地缘政治冲突等。2019年香港地区发生的社会动荡事件，对香港金融市场以及相关企业的股价产生了负面影响。香港恒生指数在事件期间出现了较大幅度的下跌，许多在香港上市的企业股价也随之下跌。经济事件：像经济衰退、通货膨胀、利率调整、汇率波动等。2018年土耳其里拉汇率暴跌，引发了土耳其国内的经济危机，同时也对全球金融市场产生了一定的冲击。许多投资土耳其资产的投资者遭受了重大损失，全球股市和汇市也出现了一定程度的波动。自然事件：例如地震、洪水、飓风等自然灾害。2011年日本发生的东日本大地震，不仅对日本的经济造成了巨大破坏，也对全球金融市场产生了影响。日本股市大幅下跌，日元汇率出现波动，全球供应链也受到了冲击。公共卫生事件：以新冠疫情为典型代表，公共卫生事件的爆发会对全球经济和金融市场造成严重的冲击。疫情导致全球经济停摆，企业停工停产，消费市场萎缩，股票市场大幅下跌。许多国家采取了封锁措施，导致国际贸易受阻，企业收入减少，股价大幅下跌。2.2投资者情绪理论投资者情绪是投资者在进行投资决策时所表现出的心理状态和情绪倾向，它反映了投资者对市场的信心、预期和风险偏好。投资者情绪可以表现为乐观、悲观或中性，受到多种因素的影响，包括宏观经济数据、公司业绩、政策变化、市场趋势以及突发事件等。投资者情绪的度量方法丰富多样，主要可分为以下几类：基于市场交易数据的度量方法：通过分析股票的成交量、换手率、封闭式基金折价率、IPO首日收益率等市场交易数据来推断投资者情绪。较高的成交量和换手率通常表明投资者情绪较为活跃，市场参与度高；封闭式基金折价率则反映了市场对封闭式基金未来表现的预期，当市场普遍存在乐观情绪时，折价率可能较低，反之则较高；IPO首日收益率高往往意味着市场情绪较好，投资者对新股的接受度和热度较高。在牛市行情中，股票的成交量和换手率通常会明显增加，投资者情绪高涨，积极买入股票。基于调查问卷的度量方法：通过发放调查问卷，收集投资者对市场的看法、信心和预期等信息，从而量化投资者情绪。常见的调查问卷包括投资者信心指数、消费者信心指数等。这些指数可以反映投资者对市场的整体预期和信心水平。某机构发布的投资者信心指数，通过对一定数量的投资者进行调查，了解他们对未来市场走势的看法，从而计算出投资者信心指数，该指数可以作为衡量投资者情绪的一个重要指标。基于新闻媒体和社交媒体数据的度量方法：随着互联网的发展，新闻媒体和社交媒体成为了投资者获取信息和表达观点的重要渠道。通过分析新闻报道、社交媒体上的讨论和观点，可以了解投资者对市场的关注度和情绪。利用自然语言处理技术对新闻报道和社交媒体文本进行情感分析，判断其中表达的是乐观、悲观还是中性情绪，进而构建投资者情绪指标。通过对微博上与股票市场相关的话题讨论进行情感分析，发现当市场出现重大利好消息时，微博上的乐观情绪占比会明显增加。投资者情绪对投资决策的影响机制主要体现在以下几个方面：影响风险偏好：当投资者情绪乐观时，他们往往更愿意承担风险，增加对高风险资产的配置，如股票等；而当投资者情绪悲观时，他们会更加倾向于避险，减少对股票的配置，转而投资低风险资产，如债券、现金等。在牛市中，投资者情绪乐观，大量资金涌入股票市场，推动股价上涨；而在熊市中，投资者情绪悲观，纷纷抛售股票，导致股价下跌。影响投资时机选择：投资者情绪会影响他们对市场走势的判断，进而影响投资时机的选择。在市场情绪高涨时，投资者可能会过度乐观，过早地买入股票，而在市场情绪低落时，投资者可能会过度悲观，过早地卖出股票。这种受情绪驱动的投资时机选择往往会导致投资者错过最佳的投资机会或遭受不必要的损失。在2015年牛市后期，市场情绪极度高涨，许多投资者盲目跟风买入股票，忽视了市场风险，最终在股灾中遭受了巨大损失。影响投资策略：投资者情绪还会影响他们所采用的投资策略。乐观情绪下，投资者可能更倾向于采用积极的投资策略，如追涨杀跌；而悲观情绪下，投资者可能会采取保守的投资策略，如持有现金或减少投资。一些投资者在市场情绪乐观时，会频繁进行短线交易，追逐热点板块和股票；而在市场情绪悲观时，他们会选择空仓观望，等待市场好转。2.3股价风险理论股价风险是指投资者在进行股票投资时，实际收益偏离预期收益的可能性，这种可能性源于多种因素，包括宏观经济环境的变化、公司自身的经营状况、行业竞争态势以及市场情绪波动等。股价风险的存在使得股票投资具有不确定性，投资者可能面临本金损失或无法达到预期回报的情况。股价风险的度量指标主要有以下几种：标准差：标准差是衡量股票收益率波动程度的常用指标，它反映了股票价格在一定时期内围绕其平均收益率的离散程度。标准差越大，说明股票收益率的波动越大，股价风险也就越高。一只股票在过去一年的收益率标准差较大，表明该股票的价格波动较为剧烈，投资风险较高。β系数：β系数衡量了股票相对于市场整体的波动程度，反映了股票价格对市场波动的敏感性。如果股票的β系数为1，表示其波动与市场一致；β系数大于1表示股票波动大于市场平均水平，风险相对较高；β系数小于1则表示波动小于市场。在市场上涨时，β系数大于1的股票往往涨幅更大，但在市场下跌时，其跌幅也会更大。VaR（风险价值）：VaR是指在一定的置信水平下，某一金融资产或投资组合在未来特定时期内可能遭受的最大损失。它通过量化风险，帮助投资者了解在特定情况下可能面临的损失程度。在95%的置信水平下，某投资组合的VaR值为10%，意味着该投资组合在未来一段时间内，有95%的可能性损失不会超过10%。影响股价风险的因素众多，主要包括以下几个方面：宏观经济因素：宏观经济的波动，如经济衰退、通货膨胀、利率变化等，都会对企业的盈利能力产生影响，进而影响股票价格。在经济衰退时期，企业的销售额和利润往往会下降，投资者对股票市场的信心受挫，导致股票价格普遍下跌。利率上升时，债券等固定收益类产品的吸引力增加，部分资金会从股票市场流出，导致股票价格下跌。行业因素：不同行业具有不同的生命周期和发展规律，行业竞争态势、技术革新、政策调整等因素都会影响行业内企业的经营状况和股票价格。随着新能源汽车的兴起，传统燃油汽车行业面临着巨大的竞争压力，相关企业的股票价格也可能受到影响。政府对某个行业的政策扶持或限制，会对该行业的企业股价产生重要影响。公司因素：公司的经营管理水平、财务状况、管理层变动、战略决策等内部因素直接关系到其发展前景和股票价格。如果公司出现经营不善、财务造假、管理层动荡等问题，股票价格往往会遭受重创。曾经的一些知名企业因财务丑闻曝光，股价一落千丈，投资者损失惨重。公司的新产品研发、市场拓展等战略决策的成功与否，也会对股价产生影响。市场因素：股票市场的供求关系、投资者情绪、市场流动性等因素也会影响股价风险。当市场上股票供大于求时，股价可能下跌；投资者情绪波动会导致市场交易行为的变化，进而影响股价；市场流动性不足时，股票的买卖可能会受到限制，增加股价的波动风险。在市场恐慌情绪下，投资者纷纷抛售股票，导致股价大幅下跌。2.4相关文献综述在突发事件对投资者情绪影响的研究方面，众多学者已取得了丰富的成果。一些研究表明，突发事件会显著影响投资者情绪。例如，在新冠疫情爆发初期，投资者对疫情的担忧导致市场恐慌情绪急剧上升，投资者纷纷抛售股票，引发股市暴跌。[学者姓名1]通过对疫情期间股票市场的研究发现，疫情相关的新闻报道数量与投资者恐慌情绪指数呈正相关关系，新闻报道越多，投资者的恐慌情绪越严重。[学者姓名2]研究了政治事件对投资者情绪的影响，发现政治事件的不确定性会导致投资者情绪波动加剧，进而影响股票市场的稳定性。在投资者情绪与股价风险关系的研究领域，已有研究普遍认为投资者情绪与股价风险之间存在密切联系。投资者情绪的波动会对股价风险产生重要影响。当投资者情绪乐观时，市场交易活跃，股价可能被高估，从而增加股价风险；当投资者情绪悲观时，市场恐慌抛售，股价可能被低估，同样也会加大股价风险。[学者姓名3]运用计量经济学模型进行实证分析，发现投资者情绪指数与股价波动率之间存在显著的正相关关系，即投资者情绪波动越大，股价波动率越高，股价风险也就越大。[学者姓名4]通过对不同市场环境下投资者情绪与股价风险关系的研究，发现市场处于牛市时，投资者情绪对股价风险的影响更为显著，乐观情绪更容易引发股价泡沫。在网络文本挖掘在金融领域应用的研究中，近年来随着大数据和自然语言处理技术的发展，网络文本挖掘在金融领域的应用日益广泛。许多研究利用网络文本挖掘技术从社交媒体、新闻报道、金融论坛等网络文本中提取投资者情绪信息，构建投资者情绪指标，用于分析投资者情绪对金融市场的影响。[学者姓名5]通过对社交媒体上的股票相关讨论进行文本挖掘和情感分析，发现社交媒体上的投资者情绪能够提前反映股票市场的走势，为投资决策提供参考。[学者姓名6]运用网络文本挖掘技术对新闻报道进行分析，构建了基于新闻情感的投资者情绪指标，并验证了该指标对股价波动的预测能力。然而，现有研究仍存在一些不足之处。部分研究在数据来源上存在局限性，仅依赖单一的数据来源，难以全面准确地反映投资者情绪。一些研究仅分析了社交媒体数据，而忽略了新闻报道、金融论坛等其他数据来源。在研究方法上，虽然网络文本挖掘技术得到了广泛应用，但不同的文本挖掘方法和技术在准确性和可靠性方面存在差异，如何选择和优化文本挖掘方法仍有待进一步研究。在探讨投资者情绪与股价风险关系时，对于两者之间复杂的传导机制和影响因素的研究还不够深入，需要更多的理论和实证研究来揭示其中的内在联系。三、研究设计3.1数据收集与样本选择本研究的数据收集主要涵盖两个关键部分：突发事件相关文本数据和股价数据。对于突发事件相关文本数据，我们借助网络爬虫技术，从多个具有代表性的网络平台进行数据采集。社交媒体平台方面，选择微博和股吧作为主要数据源。微博作为拥有庞大用户群体的社交平台，投资者能够实时分享自己对市场的看法、感受以及对突发事件的反应，其中包含了丰富的投资者情绪信息。股吧则是专门聚焦于股票投资交流的平台，投资者在这里针对股票市场动态、公司业绩以及各类突发事件展开深入讨论，其言论更具专业性和针对性，对于研究投资者情绪具有极高的价值。在金融资讯网站领域，东方财富网和同花顺是行业内知名的资讯平台，它们不仅实时发布各类金融新闻、市场分析报告，还提供丰富的股票数据和投资者评论。这些资讯内容经过专业编辑和分析师的整理与解读，能够为我们提供全面、权威的市场信息，有助于更准确地把握投资者情绪的变化趋势。新闻媒体平台上，我们重点关注新华网、人民网等官方权威媒体以及财新网、第一财经等专业财经媒体。官方权威媒体发布的新闻具有较高的可信度和影响力，能够反映国家政策导向和重大事件的官方立场，对投资者情绪产生重要影响。专业财经媒体则凭借其对金融市场的深度报道和专业分析，能够提供更具前瞻性和深度的市场观点，为研究投资者情绪提供多元化的视角。在股价数据的收集上，我们从国泰安数据库（CSMAR）和万得数据库（Wind）获取相关数据。这两个数据库是金融领域广泛使用的专业数据库，涵盖了全球多个股票市场的丰富数据，包括股票的开盘价、收盘价、最高价、最低价、成交量、成交额等基本信息，以及公司的财务报表数据、宏观经济数据等相关数据。这些数据具有权威性、准确性和完整性，能够为股价风险的度量提供坚实的数据基础。为确保研究结果的可靠性和有效性，我们对数据进行了严格的样本选择。在突发事件相关文本数据方面，我们仅选取在突发事件发生前后一定时间范围内发布的文本数据，以保证数据与突发事件的关联性。对于股价数据，我们筛选出在研究期间内正常交易的股票样本，剔除了ST股票、PT股票以及交易异常的股票样本，以避免异常数据对研究结果的干扰。同时，为了保证数据的一致性和可比性，我们对不同来源的数据进行了整合和清洗，确保数据的时间跨度、数据格式等方面的统一。3.2网络文本挖掘方法网络文本挖掘是本研究的核心技术之一，它涵盖了多个关键步骤，包括文本预处理、关键词提取和情感分析，每个步骤都对准确提取投资者情绪信息至关重要。文本预处理是网络文本挖掘的基础步骤，旨在对原始文本数据进行清洗和规范化处理，以提高后续分析的准确性和效率。在这一步骤中，我们首先使用正则表达式去除文本中的HTML标签、特殊符号、表情符号等无关字符，这些字符不仅会增加文本处理的复杂性，还可能对情感分析产生干扰。接着，我们采用分词技术将连续的文本分割成单独的词汇单位。在中文分词方面，我们选用了业内广泛应用的结巴分词工具，它具有高效、准确的特点，能够处理多种复杂的中文文本结构，如包含专业术语、网络用语等的文本。去除停用词也是文本预处理的重要环节，我们使用预定义的停用词表，去除文本中如“的”“是”“和”等常见但对分析没有实际意义的词汇，以减少数据量，提高分析效率。关键词提取是从预处理后的文本中提取能够代表文本核心内容的词汇或短语的过程，这些关键词能够帮助我们快速了解文本的主题和重点。我们采用TF-IDF（词频-逆文档频率）算法进行关键词提取。TF-IDF算法通过计算每个词在文本中的出现频率（TF）以及该词在整个文档集合中的逆文档频率（IDF），来衡量词的重要性。具体而言，一个词在某篇文本中出现的频率越高，且在其他文本中出现的频率越低，其TF-IDF值就越高，说明该词对这篇文本的代表性越强。通过设定合适的TF-IDF阈值，我们可以筛选出文本中的关键信息，为后续的情感分析和投资者情绪指标构建提供重要依据。情感分析是网络文本挖掘的关键环节，旨在判断文本所表达的情感倾向，即文本是表达了正面、负面还是中性的情绪。在本研究中，我们综合运用基于词典的方法和基于机器学习的方法进行情感分析。基于词典的方法是将文本中的词语与预先构建的情感词典进行匹配，根据词典中词语的情感极性（正面、负面或中性）来确定文本的情感倾向。我们构建了专门针对金融领域的情感词典，该词典不仅包含了常见的情感词汇，还纳入了大量金融专业术语及其对应的情感极性。对于一些在金融领域具有特定情感含义的词汇，如“利好”“利空”等，我们在词典中进行了准确标注。基于机器学习的方法则是利用已标注情感标签的文本数据作为训练集，训练分类模型，然后使用训练好的模型对新的文本进行情感分类。我们选用支持向量机（SVM）作为分类模型，SVM在文本分类任务中具有良好的性能和泛化能力。为了提高模型的准确性，我们对训练数据进行了充分的扩充和预处理，采用交叉验证的方法对模型进行评估和调优，确保模型能够准确地识别文本中的情感倾向。3.3投资者情绪指标构建基于文本挖掘结果，我们构建了全面、准确的投资者情绪指标，以量化投资者在突发事件下的情绪状态。具体而言，我们从多个维度对投资者情绪进行度量，包括情感倾向、情绪强度和情绪一致性。情感倾向是投资者情绪的核心维度，它反映了投资者对股票市场或特定股票的整体态度是乐观、悲观还是中性。我们通过对文本情感分析的结果进行统计，计算出正面情感文本和负面情感文本的数量，并分别计算它们在总文本数量中的占比。正面情感占比（PS）的计算公式为：PS=正面情感文本数量/总文本数量；负面情感占比（NS）的计算公式为：NS=负面情感文本数量/总文本数量。通过比较PS和NS的大小，我们可以判断投资者的情感倾向。当PS>NS时，表明投资者整体情绪较为乐观；当PS<NS时，说明投资者情绪较为悲观；当PS=NS时，则表示投资者情绪处于中性状态。情绪强度进一步细化了对投资者情绪的度量，它衡量了投资者情感表达的强烈程度。对于基于词典的情感分析结果，我们根据情感词典中词语的情感强度权重，对每个文本的情感强度进行计算。对于每个文本，我们将其中所有词语的情感强度权重相加，再除以文本中的词语数量，得到该文本的平均情感强度（SI）。对于基于机器学习的情感分析结果，我们利用分类模型输出的预测概率来衡量情绪强度。以支持向量机为例，模型输出的预测概率可以反映文本属于某个情感类别的可能性大小，我们将预测为正面情感的概率与预测为负面情感的概率之差作为文本的情绪强度指标。通过对所有文本的情绪强度进行统计，我们可以得到投资者情绪强度的总体分布情况，从而更深入地了解投资者情绪的强烈程度。情绪一致性则关注投资者之间情绪的相似程度，它反映了市场中投资者情绪的一致性或分散性。我们通过计算不同投资者在同一时间段内对同一股票或市场的情感倾向的相关性来衡量情绪一致性。具体方法是，将每个投资者的情感倾向表示为一个向量，向量的元素为正面情感占比和负面情感占比，然后使用皮尔逊相关系数计算不同投资者向量之间的相关性。相关性越高，说明投资者情绪的一致性越强；相关性越低，则表示投资者情绪的分散性越大。高情绪一致性可能预示着市场趋势的延续，而低情绪一致性则可能暗示市场即将发生反转。这些投资者情绪指标相互补充，从不同角度全面地刻画了投资者在突发事件下的情绪状态。通过对这些指标的综合分析，我们能够更准确地把握投资者情绪的变化，为研究投资者情绪与股价风险的关系提供有力支持。3.4股价风险度量方法为了准确度量股价风险，我们选择了在金融领域广泛应用的VaR（风险价值）和CVaR（条件风险价值）模型。这两个模型能够从不同角度对股价风险进行量化评估，为研究投资者情绪与股价风险的关系提供了重要的工具。VaR模型是一种基于概率统计的风险度量方法，它旨在估计在一定的置信水平下，某一金融资产或投资组合在未来特定时期内可能遭受的最大损失。具体而言，对于给定的置信水平α（如95%、99%等）和持有期T，VaR表示在T时间内，投资组合价值损失超过VaR的概率不超过1-α。在本研究中，我们采用历史模拟法来计算VaR。历史模拟法的基本思想是利用资产价格的历史数据来模拟未来的价格变化，从而估计VaR。假设我们有过去n个交易日的股票收益率数据，我们将这些收益率按照从小到大的顺序排列，然后根据置信水平α确定对应的分位数。例如，在95%的置信水平下，我们取第5%分位数对应的收益率，将其乘以当前投资组合的价值，即可得到VaR值。这种方法简单直观，不需要对收益率的分布做出假设，能够较好地反映历史数据中的风险特征。CVaR模型是在VaR模型的基础上发展起来的一种风险度量方法，它考虑了超过VaR值的损失的平均情况，因此能够更全面地衡量风险。CVaR也被称为条件风险价值或平均超额损失。具体来说，CVaR是指在投资组合价值损失超过VaR的条件下，损失的期望值。对于给定的置信水平α，CVaR的计算公式为：CVaR=E[损失|损失>VaR]，即超过VaR的损失的平均值。在计算CVaR时，我们首先通过历史模拟法或其他方法计算出VaR值，然后筛选出超过VaR的损失数据，计算这些损失数据的平均值，即为CVaR值。CVaR模型弥补了VaR模型只关注损失的分位数而忽略了超过分位数的损失大小的不足，能够更准确地反映极端情况下的风险。在实际应用中，VaR和CVaR模型各有优缺点。VaR模型计算简单，易于理解和应用，在金融市场风险评估中得到了广泛的应用。然而，VaR模型不满足次可加性，即投资组合的VaR值可能大于其各组成部分VaR值之和，这意味着VaR模型可能低估投资组合的风险。CVaR模型满足次可加性，能够更准确地衡量风险，并且在风险控制和投资组合优化方面具有更好的理论性质。但CVaR模型的计算相对复杂，需要更多的计算资源和数据。在本研究中，我们综合运用VaR和CVaR模型，充分发挥它们的优势，以更全面、准确地度量股价风险。3.5实证模型构建为了深入分析投资者情绪与股价风险之间的关系，我们构建了如下回归模型：\text{Risk}_{i,t}=\beta_0+\beta_1\text{Sentiment}_{i,t-1}+\sum_{j=1}^{n}\beta_{1+j}\text{Control}_{j,i,t-1}+\epsilon_{i,t}其中，\text{Risk}_{i,t}表示第i只股票在t时期的股价风险，我们分别使用前文计算得到的VaR和CVaR值来衡量；\text{Sentiment}_{i,t-1}代表第i只股票在t-1时期的投资者情绪指标，包括前文构建的情感倾向、情绪强度和情绪一致性等指标；\text{Control}_{j,i,t-1}是一系列控制变量，用于控制其他可能影响股价风险的因素，包括宏观经济变量和公司层面变量。宏观经济变量方面，我们纳入了国内生产总值（GDP）增长率，它反映了国家整体经济的增长态势，对股票市场具有重要影响。在经济增长较快时，企业的盈利能力通常增强，股价上涨的可能性增大，股价风险相对较低；反之，经济增长放缓可能导致企业盈利下降，股价下跌，股价风险增加。通货膨胀率也是重要的宏观经济变量，它会影响企业的成本和消费者的购买力，进而影响股票价格。高通货膨胀率可能导致企业成本上升，利润下降，同时消费者购买力下降，市场需求减少，这些因素都可能增加股价风险。利率水平的变化会影响资金的流向和企业的融资成本。当利率上升时，债券等固定收益类产品的吸引力增加，部分资金会从股票市场流出，导致股票价格下跌，股价风险上升；反之，利率下降则可能促使资金流入股票市场，推动股价上涨，降低股价风险。公司层面变量上，我们选取了公司规模，通常用公司的市值来衡量。一般来说，规模较大的公司具有更强的抗风险能力和更稳定的经营业绩，其股价风险相对较低。资产负债率反映了公司的债务负担和偿债能力，资产负债率越高，公司的财务风险越大，股价风险也可能相应增加。市盈率是衡量股票估值水平的重要指标，市盈率过高可能意味着股票价格被高估，存在较大的回调风险，从而增加股价风险。\beta_0为截距项，\beta_1、\beta_{1+j}为回归系数，\epsilon_{i,t}为随机误差项。通过对该回归模型进行估计，我们可以检验投资者情绪对股价风险的影响是否显著，以及控制变量对股价风险的作用。在估计过程中，我们采用普通最小二乘法（OLS）进行参数估计，并对回归结果进行一系列的检验，包括异方差检验、自相关检验和多重共线性检验等，以确保回归结果的可靠性和有效性。通过实证模型的构建和分析，我们能够更深入地揭示突发事件下投资者情绪与股价风险之间的内在关系，为投资者、金融机构和监管部门提供有价值的决策参考。四、实证结果与分析4.1描述性统计分析对收集的数据进行描述性统计分析，结果如表1所示。从投资者情绪指标来看，正面情感占比（PS）的均值为0.42，标准差为0.15，表明投资者整体情绪在一定程度上偏向乐观，但不同时期的情绪波动较大。负面情感占比（NS）均值为0.38，标准差为0.14，与正面情感占比的波动情况相近。情绪强度（SI）均值为0.25，说明投资者的情绪表达具有一定的强度，但也存在较大的个体差异，标准差为0.18体现了这种差异的程度。情绪一致性指标的均值为0.32，标准差为0.12，显示投资者之间的情绪一致性存在一定波动，市场中投资者情绪的分散程度在不同阶段有所不同。在股价风险指标方面，VaR的均值为0.05，标准差为0.02，表明股价在一定置信水平下可能遭受的最大损失具有一定的波动范围，不同股票的风险水平存在差异。CVaR的均值为0.07，标准差为0.03，反映了超过VaR值的损失的平均情况，同样显示出股价风险的波动特征。从控制变量来看，GDP增长率均值为0.06，标准差为0.02，说明宏观经济增长在研究期间保持相对稳定，但也存在一定的波动。通货膨胀率均值为0.03，标准差为0.01，体现了物价水平的相对稳定性和波动情况。利率水平均值为0.04，标准差为0.01，表明利率在一定范围内波动。公司规模（市值）均值为100.56亿元，标准差为50.23亿元，反映了样本公司规模存在较大差异。资产负债率均值为0.45，标准差为0.10，显示公司的债务负担在一定范围内波动。市盈率均值为25.68，标准差为10.25，说明股票的估值水平存在较大的离散性。通过描述性统计分析，我们对各变量的基本特征有了初步了解，为后续的相关性分析和回归分析奠定了基础。这些数据特征反映了金融市场中投资者情绪和股价风险的复杂性和多样性，以及宏观经济和公司层面因素的影响。表1：描述性统计分析结果变量观测值均值标准差最小值最大值正面情感占比（PS）10000.420.150.100.75负面情感占比（NS）10000.380.140.080.70情绪强度（SI）10000.250.18-0.300.60情绪一致性10000.320.120.100.60VaR10000.050.020.010.10CVaR10000.070.030.020.15GDP增长率10000.060.020.020.10通货膨胀率10000.030.010.010.05利率水平10000.040.010.020.06公司规模（市值，亿元）1000100.5650.2310.00300.00资产负债率10000.450.100.200.70市盈率100025.6810.2510.0060.004.2相关性分析对投资者情绪指标、股价风险指标及控制变量进行相关性分析，结果如表2所示。从表中可以看出，投资者情绪指标与股价风险指标之间存在显著的相关性。正面情感占比（PS）与VaR和CVaR均呈负相关关系，相关系数分别为-0.35和-0.38，在1%的水平上显著。这表明当投资者情绪偏向乐观，正面情感占比增加时，股价风险（以VaR和CVaR衡量）会降低，即投资者的乐观情绪对股价风险具有一定的抑制作用。负面情感占比（NS）与VaR和CVaR均呈正相关关系，相关系数分别为0.37和0.40，同样在1%的水平上显著，说明投资者的悲观情绪会导致股价风险上升。情绪强度（SI）与VaR和CVaR的相关系数分别为0.28和0.30，在5%的水平上显著，表明投资者情绪表达的强度越大，股价风险越高。情绪一致性与VaR和CVaR的相关系数分别为-0.25和-0.27，在5%的水平上显著，说明投资者情绪的一致性越高，股价风险越低，即当投资者之间的情绪较为一致时，市场的稳定性相对较高，股价风险较低。在控制变量方面，GDP增长率与VaR和CVaR均呈负相关关系，相关系数分别为-0.20和-0.22，在5%的水平上显著，说明宏观经济增长越快，股价风险越低。通货膨胀率与VaR和CVaR均呈正相关关系，相关系数分别为0.22和0.25，在5%的水平上显著，表明通货膨胀会增加股价风险。利率水平与VaR和CVaR均呈正相关关系，相关系数分别为0.25和0.28，在5%的水平上显著，说明利率上升会导致股价风险上升。公司规模与VaR和CVaR均呈负相关关系，相关系数分别为-0.30和-0.32，在1%的水平上显著，表明公司规模越大，股价风险越低。资产负债率与VaR和CVaR均呈正相关关系，相关系数分别为0.32和0.35，在1%的水平上显著，说明公司的债务负担越重，股价风险越高。市盈率与VaR和CVaR均呈正相关关系，相关系数分别为0.28和0.30，在5%的水平上显著，表明股票估值水平越高，股价风险越高。相关性分析初步揭示了投资者情绪与股价风险之间的关联，以及控制变量对股价风险的影响方向，为进一步的回归分析提供了基础。但相关性分析只能说明变量之间的线性关联程度，无法确定因果关系，因此需要通过回归分析进行深入探究。表2：相关性分析结果变量PSNSSI情绪一致性VaRCVaRGDP增长率通货膨胀率利率水平公司规模资产负债率市盈率PS1-0.85***-0.45***0.35***-0.35***-0.38***-0.15**0.12*0.10-0.20***0.18**0.15**NS-0.85***10.40***-0.30***0.37***0.40***0.18**-0.15**-0.12*0.22***-0.20***-0.18**SI-0.45***0.40***1-0.20**0.28**0.30**0.10-0.10-0.10-0.15**0.18**0.15**情绪一致性0.35***-0.30***-0.20**1-0.25**-0.27**-0.100.100.100.18**-0.15**-0.10VaR-0.35***0.37***0.28**-0.25**10.85***-0.20**0.22**0.25**-0.30***0.32***0.28**CVaR-0.38***0.40***0.30**-0.27**0.85***1-0.22**0.25**0.28**-0.32***0.35***0.30**GDP增长率-0.15**0.18**0.10-0.10-0.20**-0.22**1-0.30***-0.25**0.25**-0.20**-0.15**通货膨胀率0.12*-0.15**-0.100.100.22**0.25**-0.30***10.35***-0.25**0.30**0.25**利率水平0.10-0.12*-0.100.100.25**0.28**-0.25**0.35***1-0.30**0.35***0.30**公司规模-0.20***0.22***-0.15**0.18**-0.30***-0.32***0.25**-0.25**-0.30**1-0.35***-0.30**资产负债率0.18**-0.20***0.18**-0.15**0.32***0.35***-0.20**0.30**0.35***-0.35***10.35***市盈率0.15**-0.18**0.15**-0.100.28**0.30**-0.15**0.25**0.30**-0.30**0.35***1注：*、**、***分别表示在10%、5%、1%的水平上显著。4.3回归结果分析对构建的回归模型进行估计，结果如表3所示。模型1以VaR为被解释变量，模型2以CVaR为被解释变量。在两个模型中，投资者情绪指标的回归系数均在1%的水平上显著，表明投资者情绪对股价风险具有显著影响。在模型1中，正面情感占比（PS）的回归系数为-0.03，说明正面情感占比每增加1个单位，VaR值会降低0.03个单位，即投资者的乐观情绪能够显著降低股价风险。负面情感占比（NS）的回归系数为0.04，意味着负面情感占比每增加1个单位，VaR值会增加0.04个单位，表明投资者的悲观情绪会显著增加股价风险。情绪强度（SI）的回归系数为0.02，显示情绪强度每增加1个单位，VaR值会增加0.02个单位，说明投资者情绪表达的强度越大，股价风险越高。情绪一致性的回归系数为-0.02，表明情绪一致性每增加1个单位，VaR值会降低0.02个单位，即投资者情绪的一致性越高，股价风险越低。在控制变量方面，GDP增长率的回归系数为-0.01，在5%的水平上显著，说明GDP增长率每增加1个单位，VaR值会降低0.01个单位，宏观经济增长对股价风险具有抑制作用。通货膨胀率的回归系数为0.01，在5%的水平上显著，表明通货膨胀率每增加1个单位，VaR值会增加0.01个单位，通货膨胀会增加股价风险。利率水平的回归系数为0.01，在5%的水平上显著，说明利率水平每增加1个单位，VaR值会增加0.01个单位，利率上升会导致股价风险上升。公司规模的回归系数为-0.02，在1%的水平上显著，表明公司规模每增加1个单位，VaR值会降低0.02个单位，公司规模越大，股价风险越低。资产负债率的回归系数为0.02，在1%的水平上显著，说明资产负债率每增加1个单位，VaR值会增加0.02个单位，公司的债务负担越重，股价风险越高。市盈率的回归系数为0.01，在5%的水平上显著，表明市盈率每增加1个单位，VaR值会增加0.01个单位，股票估值水平越高，股价风险越高。模型2中以CVaR为被解释变量的回归结果与模型1类似，进一步验证了投资者情绪对股价风险的影响。投资者情绪指标和控制变量的回归系数方向与模型1一致，且大部分在1%或5%的水平上显著，说明研究结果具有较强的稳定性和可靠性。通过回归结果分析，我们可以得出结论：投资者情绪是影响股价风险的重要因素，乐观情绪能够降低股价风险，悲观情绪、情绪强度的增加以及情绪一致性的降低都会导致股价风险上升。同时，宏观经济因素、公司层面因素也对股价风险产生显著影响。这些结果为投资者、金融机构和监管部门提供了重要的参考依据，有助于他们更好地理解金融市场的运行机制，制定合理的投资策略和监管政策。表3：回归结果分析变量模型1（VaR）模型2（CVaR）PS-0.03***（-4.56）-0.04***（-5.23）NS0.04***（5.12）0.05***（5.89）SI0.02***（3.21）0.03***（3.89）情绪一致性-0.02***（-3.05）-0.03***（-3.56）GDP增长率-0.01**（-2.56）-0.01**（-2.89）通货膨胀率0.01**（2.45）0.01**（2.78）利率水平0.01**（2.34）0.01**（2.67）公司规模-0.02***（-4.89）-0.02***（-5.21）资产负债率0.02***（4.23）0.02***（4.67）市盈率0.01**（2.21）0.01**（2.56）Constant0.04***（5.67）0.05***（6.23）Observations800800R-squared0.560.60注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。4.4稳健性检验为了确保研究结果的可靠性，我们进行了一系列稳健性检验。首先，采用替换变量法，使用另一种情感分析工具对文本数据进行重新分析，构建新的投资者情绪指标，并重新进行回归分析。结果如表4所示，新的投资者情绪指标与股价风险指标之间的关系依然显著，且回归系数的方向和显著性与基准回归结果基本一致，表明研究结果对投资者情绪指标的度量方法具有稳健性。其次，我们进行了样本调整。剔除了在研究期间内发生重大资产重组、财务造假等异常事件的公司样本，重新对剩余样本进行回归分析。回归结果如表5所示，主要变量的回归系数和显著性水平与基准回归相比没有明显变化，说明研究结果在样本选择上具有稳健性，不受个别异常样本的影响。此外，我们还采用了分位数回归的方法进行稳健性检验。分位数回归可以考察自变量在不同分位点上对因变量的影响，能够更全面地反映变量之间的关系。对VaR和CVaR分别进行分位数回归，结果如表6所示。在不同的分位点上，投资者情绪指标对股价风险的影响方向和显著性与基准回归结果一致，进一步验证了研究结果的稳健性。通过以上多种稳健性检验方法，我们发现研究五、案例分析5.1典型突发事件选取本研究选取新冠疫情和中美贸易摩擦作为典型突发事件进行深入分析。新冠疫情作为全球性的公共卫生事件，自2020年初爆发以来，迅速在全球范围内蔓延，对全球经济和金融市场产生了前所未有的冲击。疫情的爆发导致各国纷纷采取封锁措施，企业停工停产，消费市场萎缩，供应链中断，这些因素都对企业的经营业绩和股票市场产生了深远影响。许多航空公司、酒店、旅游等行业的企业因疫情冲击，营收大幅下降，股价暴跌。中美贸易摩擦则是近年来国际经济领域的重大事件。自2018年起，中美两国之间贸易摩擦不断升级，美国对中国出口商品加征关税，限制中国企业对美投资，这不仅影响了中美两国的经济关系，也对全球经济增长和金融市场稳定造成了冲击。贸易摩擦导致相关行业的企业面临成本上升、市场份额下降等困境，投资者对相关企业的未来盈利预期下降，从而引发股价波动。许多出口导向型企业因贸易摩擦，订单减少，利润下滑，股价受到较大影响。选择这两个事件的原因主要在于它们具有显著的代表性和重大影响力。新冠疫情是公共卫生事件引发经济和金融市场动荡的典型案例，其影响范围之广、持续时间之长、影响程度之深在历史上都较为罕见。中美贸易摩擦则是国际政治经济关系紧张对金融市场产生冲击的典型代表，它涉及全球两个最大经济体之间的贸易和经济关系，对全球产业链、供应链以及金融市场的稳定性都带来了巨大挑战。通过对这两个典型突发事件的研究，能够更全面、深入地了解突发事件下投资者情绪与股价风险之间的关系，为应对类似突发事件提供有价值的参考。5.2事件对投资者情绪影响分析基于网络文本挖掘技术，对新冠疫情和中美贸易摩擦事件发生前后投资者情绪的变化进行分析。在新冠疫情爆发初期，从社交媒体、金融论坛等网络文本数据中可以明显看出，投资者的恐慌情绪急剧上升。大量关于疫情对经济影响的负面报道和讨论，使得投资者对股票市场前景感到极度担忧。在微博上，与疫情和股市相关的话题讨论量激增，其中负面情绪的表达占比高达70%以上，投资者纷纷担心疫情会导致经济衰退，企业盈利下降，从而大量抛售股票。随着疫情的发展和各国采取的防控措施逐渐取得成效，投资者情绪逐渐趋于稳定，但仍然保持谨慎态度。当一些国家的疫情出现好转迹象，企业开始复工复产时，投资者的乐观情绪有所回升，但整体上仍对市场前景持观望态度。在中美贸易摩擦事件中，投资者情绪也经历了明显的波动。当贸易摩擦升级的消息传出时，投资者情绪迅速转为悲观。新闻报道中关于关税增加、贸易限制等消息，使得投资者对相关行业企业的未来发展前景感到担忧，市场恐慌情绪加剧。在东方财富网的股吧中，许多投资者对受贸易摩擦影响较大的行业股票表示担忧，负面情绪的帖子数量大幅增加。而当贸易谈判出现积极进展时，投资者情绪有所好转，乐观情绪逐渐上升。当传出中美双方可能达成贸易协议的消息时，股吧中的乐观情绪帖子占比明显增加，投资者对股市的信心有所恢复。通过对这些网络文本数据的情感分析，我们可以清晰地看到，突发事件的发生会导致投资者情绪的剧烈波动，而投资者情绪的变化又会对股票市场的交易行为和股价走势产生重要影响。这种情绪的波动不仅反映了投资者对市场不确定性的担忧，也体现了投资者在面对突发事件时的非理性行为。5.3投资者情绪与股价风险动态关系分析在新冠疫情和中美贸易摩擦事件期间，深入研究投资者情绪与股价风险的动态变化及相互影响。以新冠疫情为例，在疫情爆发初期，投资者的恐慌情绪导致股票市场出现恐慌性抛售，股价大幅下跌，股价风险急剧上升。许多股票的价格在短时间内跌幅超过30%，VaR和CVaR值大幅增加。随着疫情防控措施的实施和市场对疫情影响的逐渐消化，投资者情绪逐渐稳定，股价也开始企稳回升，股价风险有所降低。当一些国家的疫情得到有效控制，企业复工复产有序推进时，投资者对经济复苏的预期增强，乐观情绪上升，股价进一步上涨，股价风险进一步降低。在中美贸易摩擦事件中，投资者情绪与股价风险也呈现出明显的动态关系。当贸易摩擦升级时，投资者对相关行业企业的盈利预期下降，悲观情绪导致股价下跌，股价风险增加。以电子、家电等对美出口占比较大的行业为例，在贸易摩擦升级期间，这些行业的股票价格普遍下跌，VaR和CVaR值上升。而当贸易谈判出现积极进展时，投资者情绪好转，对相关企业的盈利预期上升，股价上涨，股价风险降低。当传出中美双方可能达成贸易协议的消息时，相关行业的股票价格应声上涨，股价风险也随之降低。通过对这两个事件期间投资者情绪与股价风险的动态关系分析，我们发现投资者情绪的变化是导致股价风险波动的重要因素之一。投资者的非理性行为，如恐慌性抛售和盲目跟风买入，会加剧股价的波动，增加股价风险。而当投资者情绪稳定，对市场有较为理性的预期时，股价风险也会相应降低。因此，了解投资者情绪与股价风险的动态关系，对于投资者和金融机构制定合理的投资策略和风险管理措施具有重要意义。5.4案例结果讨论与启示通过对新冠疫情和中美贸易摩擦这两个典型突发事件的案例分析，我们得到了一系列有价值的结果，这些结果对理论和实践都具有重要的启示。从理论层面来看，案例分析进一步验证了投资者情绪在股价风险形成中的重要作用，丰富了行为金融学关于投资者情绪与资产定价关系的理论。传统金融理论假设投资者是理性的，股价由公司基本面和宏观经济因素决定。然而，本研究发现，在突发事件下，投资者情绪的波动会显著影响股价风险，投资者的非理性行为会导致股价偏离其基本面价值，这为金融市场理论的发展提供了新的视角和实证依据。在实践方面，对于投资者而言，案例结果表明在面对突发事件时，应保持理性冷静，避免被情绪左右。投资者不应盲目跟风抛售或买入股票，而应密切关注事件的发展动态和企业的基本面情况，制定合理的投资策略。在新冠疫情爆发初期，许多投资者因恐慌情绪而匆忙抛售股票，导致资产损失惨重。而那些保持理性的投资者，通过分析疫情对不同行业的影响，调整投资组合，反而抓住了投资机会。对于金融机构来说，需要加强风险管理，充分考虑投资者情绪对股价风险的影响。金融机构应建立完善的风险预警机制，及时监测投资者情绪的变化，调整投资组合和风险控制措施，以降低股价风险带来的损失。在中美贸易摩擦