本报告由中信建投发布，深入解析如何利用朴素贝叶斯文本分类算法构建新闻情绪指数，用于量化投资。核心内容包括：自然语言处理技术基础、新闻情绪指数构建方法（正面新闻权重1，负面新闻权重-W）、2014-2016年市场数据验证（主板情绪指数698，中小板357，创业板144；正面新闻占比71%）。报告还涵盖大数据体系构建、互联网情绪指标（财经新闻、股吧、微信、微博等）及未来研究方向。适合金融工程师、量化研究员、数据科学家、投资经理及对NLP在金融领域应用感兴趣的专业人士。
本报告由中信建投发布，深入解析如何利用朴素贝叶斯文本分类算法构建新闻情绪指数，用于量化投资。核心内容包括：自然语言处理技术基础、新闻情绪指数构建方法（正面新闻权重1，负面新闻权重-W）、2014-2016年市场数据验证（主板情绪指数698，中小板357，创业板144；正面新闻占比71%）。报告还涵盖大数据体系构建、互联网情绪指标（财经新闻、股吧、微信、微博等）及未来研究方向。适合金融工程师、量化研究员、数据科学家、投资经理及对NLP在金融领域应用感兴趣的专业人士。
本报告由中信建投发布，深入解析如何利用朴素贝叶斯文本分类算法构建新闻情绪指数，用于量化投资。核心内容包括：自然语言处理技术基础、新闻情绪指数构建方法（正面新闻权重1，负面新闻权重-W）、2014-2016年市场数据验证（主板情绪指数698，中小板357，创业板144；正面新闻占比71%）。报告还涵盖大数据体系构建、互联网情绪指标（财经新闻、股吧、微信、微博等）及未来研究方向。适合金融工程师、量化研究员、数据科学家、投资经理及对NLP在金融领域应用感兴趣的专业人士。核心数据:主板日平均情绪指数698;中小板357;创业板144。
本报告由中信建投发布,发布于 2017 年。
覆盖 2017 年,全文约 22。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合金融工程师、量化研究员、数据科学家、投资经理等读者参考。
重点分析了金融投资、指标构建、中信建投、大数据等议题。