王培培

[摘 要] 在財務(wù)信息領(lǐng)域，通過情感傾向分析可以發(fā)現(xiàn)財務(wù)人員的真實意圖，掌握真實的財務(wù)信息數(shù)據(jù)，同時得出其褒貶性傾向，為企業(yè)管理者提供決策參考信息。尤其是有關(guān)具體的金融市場，信息輿情往往對整個市場的影響非常大，不僅會體現(xiàn)國家的大政方針，同時還能夠分析出行業(yè)的發(fā)展動向和市場前景的好壞，更為有益的是能夠了解到多元投資者的交易動向和具體感情傾向?；谖谋厩楦袘?yīng)用價值的分析判斷，提出要充分運用目前網(wǎng)絡(luò)信息時代的豐富網(wǎng)絡(luò)信息資源，對其進行各種數(shù)據(jù)挖掘和文本信息數(shù)值化處理，實現(xiàn)有用信息的提取與使用，充分運用文本傾向性分析，得出情感傾向分析指標，確定具體的關(guān)鍵投資指標文本積極和消極化的判斷，實現(xiàn)真正意義的財務(wù)信息利用與挖掘。

[關(guān)鍵詞] 情感分析；數(shù)據(jù)挖掘；財務(wù)數(shù)據(jù)

[中圖分類號] F253.7 [文獻標識碼] A [文章編號] 1009-6043（2017）08-0166-02

一、引言

科技的進步和研究的深入進一步推動了自然語言處理技術(shù)的前進與發(fā)展，同時也推動了文本分類技術(shù)的完善。目前，文本情感分類技術(shù)已經(jīng)得到了大力的推廣與應(yīng)用。文本情感傾向性分析作為文本情感分類的重要構(gòu)成之一，嫣然已經(jīng)成為目前數(shù)據(jù)挖掘的研究重點之一。通過情感性分析不僅對計算機領(lǐng)域的發(fā)展有所裨益，同時對我國各行各業(yè)都能起到足夠好的推動作用。在財務(wù)信息領(lǐng)域，通過情感傾向分析可以發(fā)現(xiàn)財務(wù)人員的真實意圖，掌握真實的財務(wù)信息數(shù)據(jù)，同時得出其褒貶性傾向，為企業(yè)管理者提供決策參考信息。尤其是有關(guān)具體的金融市場，信息輿情往往對整個市場的影響非常大，它不僅會體現(xiàn)國家的大政方針，同時還能夠分析出行業(yè)的發(fā)展動向和市場前景的好壞，更為有益的是能夠了解到多元投資者的交易動向和具體感情傾向。

二、文本情感分類在金融市場財務(wù)信息中的應(yīng)用

針對網(wǎng)絡(luò)、電視、廣播新聞中的文本進行情感分類和分析能夠合理體現(xiàn)現(xiàn)實社會的實際情況，得到有關(guān)未來廣大投資者的情感傾向，幫助投資者制定合理的投資方案，例如運用N元語言模型探索，得出有效的投資信息，最終運用到具體投資決策中。尤其當今社會是信息爆炸社會，文本情感分類能夠根據(jù)證券市場的實時行為，隨著時間節(jié)點的不同分析不同的情感變動。

文本分類技術(shù)和文本情感分析能夠滿足有關(guān)資本市場的大規(guī)模文本情感傾向分析，同時結(jié)果更為直觀具體，能夠帶給相關(guān)受益人更多的信息，降低了證券市場信息過于復雜的缺點。具體過程如下：首先，構(gòu)建數(shù)據(jù)庫后，利用情感傾向標準文本中形容詞、動詞或副詞短語，得出初步分析結(jié)果。其次，通過情感模式庫，評估第一步中涉及詞語的情感傾向，例如，與積極情緒相關(guān)的詞——陽線日益凸顯，就可以得出其結(jié)果為積極傾向的詞語；反之，與消極相關(guān)的詞——陰線出現(xiàn)幾率較大，就可以得出其結(jié)果為消極傾向的詞語。最后，將目標文本中抽取出的短語、詞匯的情感傾向匯總分類到積極或消極中，最終得出市場走向。目前已有研究可以看出，文本情感分析技術(shù)運用于資本市場和金融行業(yè)未來前景良好。

（一）市場預測

股票的價格波動、股票個股信息的變動以及個股所在市場行業(yè)的變動，這些信息不僅會影響到整個市場的情感波動，同時也直接導致投資者的感情波動，進而影響到有關(guān)具體決策的真正實施。尤其是企業(yè)的個股股票價格除了受外部因素影響外，更多是與企業(yè)本身發(fā)展有關(guān)，通過分析與企業(yè)自身有關(guān)的情感數(shù)據(jù)，能夠重點關(guān)注企業(yè)預測股票市場的未來走勢。目前大部分研究都是結(jié)合數(shù)據(jù)文本分析技術(shù)，對目標企業(yè)進行資料收集和信息分析，由此預測未來企業(yè)價格走勢，同時構(gòu)建具體模型，確定企業(yè)、市場對有關(guān)新聞的反應(yīng)模型，為后續(xù)工作打下基礎(chǔ)。

（二）信息服務(wù)

“互聯(lián)網(wǎng)+”時代的來臨，顯然已經(jīng)使得金融行業(yè)與網(wǎng)絡(luò)形成了密不可分的關(guān)系，尤其是網(wǎng)絡(luò)技術(shù)帶給金融行業(yè)的高新技術(shù)，其中文本情感分析技術(shù)就是不可忽視的重要組成部分之一，它能夠為各方提供更加高效快捷的信息服務(wù)，實現(xiàn)了高效分析和決策。針對網(wǎng)絡(luò)新聞重復性較大的問題，文本數(shù)據(jù)分析技術(shù)能夠高效、快速的從語義相似度高的情況中迅速挖掘出有效信息，實現(xiàn)基于事件驅(qū)動的金融信息查詢系統(tǒng)。目前，現(xiàn)實生活中已經(jīng)有很多金融機構(gòu)構(gòu)建了自己的金融信息挖掘服務(wù)系統(tǒng)，例如同花順的股票信息挖掘大數(shù)據(jù)系統(tǒng)、Google財經(jīng)搜索系統(tǒng)等，這些成型的系統(tǒng)都能夠提供給大家所需要的數(shù)據(jù)和信息。

三、基于語義理解的上市公司財務(wù)文本情感分析

（一）Web金融文本信息的情感計算框架

有關(guān)金融市場的互聯(lián)網(wǎng)評論對企業(yè)股票市場表現(xiàn)的聯(lián)系是非常密切、客觀且直接有效的，主要包含兩種信息：第一種信息的評論情感傾向并不是非常顯著，但是內(nèi)容能夠客觀真實，有效信息更多；第二種信息情感傾向非常清晰，但是由于存在嚴重的情緒化問題，所以有效信息并不充足。針對各類信息，結(jié)合分類器提取情感分析所涉及的各種詞匯，包含各種類型的詞語，具體的情感分析值計算的方法如下：

1.構(gòu)建金融證券領(lǐng)域的情感領(lǐng)域數(shù)據(jù)庫。數(shù)據(jù)庫的構(gòu)建是基于中英文詞匯的同義詞林構(gòu)建，能夠結(jié)合金融證券市場特性和網(wǎng)絡(luò)語言的詞匯。

2.計算詞語情感傾向值。結(jié)合詞性標注和詞匯的分類結(jié)果來分析情感詞，根據(jù)語素情感計算方法來計算情感傾向值。

3.計算語句情感傾向值。語句的結(jié)構(gòu)對情感值的表達很重要，同樣對于語句情感計算值也很重要，要充分考慮各種句子之間的關(guān)系，了解句子中間的語氣增強或翻轉(zhuǎn)等問題。

4.計算文檔情感傾向值。計算時把每個企業(yè)所有評論視為一個文檔，根據(jù)文當中的詞語和語句來計算文檔情感傾向值。

5.年文檔情感均值計算。本項目把每個企業(yè)的所有評論的情感值進行求和，然后除以全年文檔數(shù)，得到年文檔情感均值。

（二）金融領(lǐng)域情感詞語庫的構(gòu)建

1.結(jié)合現(xiàn)有技術(shù)，依據(jù)算法擴充。由于金融市場時效性很強，信息量巨大，且不像日常語言評論那樣有現(xiàn)成的數(shù)據(jù)庫，能夠直接生成情感語料庫，所以實際操作難度要高于電影評論分析的情況。所以，首先，要結(jié)合金融市場語料庫和正向種子詞集Seedc0={漲，走高，盈利}，負向種子詞集Seedd0={跌，走低，虧損}，并將它們作為輸入；其次，要結(jié)合同義詞詞林進一步拓展其中的正負向詞集；最后，正向種子詞集和負向種子詞集中形成輸出。如此循環(huán)，將輸出作為新的一次輸入最終形成完整數(shù)據(jù)庫。endprint

2.結(jié)合知網(wǎng)數(shù)據(jù)庫里的情感詞匯，并基于金融市場特性相結(jié)合，通過預處理來確定相應(yīng)的詞匯，豐富情感詞匯數(shù)據(jù)庫。

3.構(gòu)建網(wǎng)絡(luò)詞匯庫，補充新型詞匯的情感數(shù)據(jù)庫。例如一些網(wǎng)絡(luò)流行用詞，如“囧”、“我去”“藍色香菇”“給力”等，都是很明顯的網(wǎng)絡(luò)情感語言。

4.構(gòu)建修正值，避免由于詞庫詞語的偏差導致的誤差，根據(jù)修飾程度不同，分別給不同的程度副詞賦以不同的修正值grade。

（三）情感詞的情感傾向值計算

1.語素的情感分數(shù)。根據(jù)詞的情感假設(shè)，結(jié)合語境推導出有關(guān)詞匯的情感分析，符合漢語語言習慣，能夠更加準確確定語素的情感分數(shù)。通過詞語的語素在正向情感詞和負向情感詞中出現(xiàn)的頻率，來確定其到底是褒義還是貶義。

2.詞的情感傾向值的計算方法。掃描整個正向情感詞典和負向情感詞典，如果詞出現(xiàn)在正向情感詞典中，則詞的情感傾向性為1；如果詞出現(xiàn)在負向情感詞典中，則詞的情感傾向性為-1；如果詞沒有出現(xiàn)在詞典中，則通過語素情感值求和來計算其情感傾向性，和的值大于零，說明詞是褒義詞，否則是貶義詞；如果和的值接近于零，詞接近中性。

（四）句子的情感傾向值計算

為了衡量一個語素的褒貶傾向，為它定義正負兩個權(quán)重，然后遍歷其在正、負情感詞典的語素出現(xiàn)次數(shù)，其差值即為該語素的情感分數(shù)。如差值為正，則表示該語素更多地出現(xiàn)于褒義詞中，反之該語素更多地出現(xiàn)于貶義詞中。如果差值接近于0，則該語素是中性的。

（五）文檔和年文檔情感均值計算

計算出全年每個企業(yè)的每條文檔（評論）的情感傾向值后，將這些情感值進行求和，然后除以此企業(yè)的全年文檔數(shù)，即可得到該企業(yè)年文檔情感均值。按照此方法，求出所有樣本企業(yè)的年文檔情感均值。

五、展望

從目前已有研究可以看出，文本情感分析技術(shù)運用于資本市場和金融行業(yè)前景良好。因此，未來要充分運用目前網(wǎng)絡(luò)信息時代的豐富網(wǎng)絡(luò)信息資源，對其進行各種數(shù)據(jù)挖掘和文本信息數(shù)值化處理，實現(xiàn)有用信息的提取與使用，充分運用文本傾向性分析，得出情感傾向分析指標，確定具體的關(guān)鍵投資指標的文本積極和消極化的判斷，實現(xiàn)真正意義的財務(wù)信息利用與挖掘。

[參考文獻]

[1]王洪偉，張對，鄭麗娟，等.網(wǎng)絡(luò)股評對股市走勢的影響：基于文本情感分析的方法[J].情報學報，2015，34（11）：1190-1202.

[2]徐勇，張慧，陳亮.一種基于情感分析的UGC模糊綜合評價方法——以淘寶商品文本評論UGC為例[J].情報理論與實踐，2016，39（6）：64-69.

[責任編輯：蔡寧]endprint