CnOpenData 中文金融情感词典

       姜富伟教授及其研究团队于2021年第4期《经济学(季刊)》发表了《媒体文本情绪与股票回报预测》,并在文中介绍了一项极富创造力的金融学科研究成果——中文金融情感词典

  “本文在Loughran and MacDonald (2011)词典的基础上通过人工筛选和word2vec算法扩充,构建了一个更新更全面的中文金融情感词典。我们使用该情感词典计算我国财经媒体文本情绪指标,,发现媒体文本情绪可以更准确地衡量我国股市投资者情绪的变化,对我国股票回报有显著的样本内和样本外预测能力。媒体文本情绪对一些重要的宏观经济指标也有显著的预测能力,具有重要的学术和实践应用价值。”

——《媒体文本情绪与股票回报预测》

  根据数据创建者的意愿,在尊重知识产权的前提下,读者可以免费使用该词典,请引用下列文献:

  • Fuwei Jiang, Joshua Lee, Xiumin Martin, and Guofu Zhou.“Manager Sentiment and Stock Returns” Journal of Financial Economics 132(1), 2019,126-149.
  • 姜富伟,孟令超,唐国豪. 媒体文本情绪与股票回报预测.经济学(季刊),2021年第4期,第1323-1344页.

  经授权,CnOpenData建立了本数据的展示区及数据索引,便于学者浏览。

  数据下载请转跳中文金融情感词典(github.com,需翻墙),或在本页页末直接下载。更多关于本数据的信息请查看《媒体文本情绪与股票回报预测》


数据创建方法

创建方法


样本数据

消极词语积极词语
暴跌上涨
腐败安定
收缩突破性进展
损害先发优势
霸占卓越
败坏奏效
表现不佳主力军
驳回中流砥柱
不安定晋升
不公平独家经营
不经济超额完成
不景气一帆风顺
不履行义务井然有序
不如预期爱岗敬业
裁员大好时机
怠工高回报
渎职绝对优势
风险系数高可喜成绩
功能失调有条不紊
架空优惠

参考文献

  • Fuwei Jiang, Joshua Lee, Xiumin Martin, and Guofu Zhou.“Manager Sentiment and Stock Returns” Journal of Financial Economics 132(1), 2019,126-149.
  • 姜富伟、孟令超、唐国豪:《媒体文本情绪与股票回报预测》,《经济学(季刊)》,2021年第04期。

数据更新频率

不定期更新

图片

联系人: CnOpenData-sxq

个人联系电话:19121071287

文件下载

中文金融情感词典.zip

### 回答1: Python中文金融情感词典是一种在金融领域中使用的情感分析工具。它会根据一段文本中的词语来分析它们所代表的情感倾向,以此判断该文本对于金融领域的情感态度。 这个情感词典是专门为金融领域而设计的,其中包含了各种与金融相关的词语和其对应的情感倾向。通过将文本中的词语与这个情感词典进行匹配,我们可以计算出整个文本的情感得分。 利用Python中文金融情感词典,我们可以对金融文本进行情感分析。比如,我们可以分析股票市场上的新闻报道、金融评论文章或者财经微博的情感倾向。这对于投资者来说非常有用,可以帮助他们更准确地判断市场的情绪和趋势。 以股票市场为例,我们可以将一篇新闻文章使用Python中文金融情感词典进行情感分析,得到一个情感得分。根据这个得分,我们可以判断该文章是正面的、负面的还是中性的。这对于交易者来说非常重要,因为他们可以根据情感分析的结果来判断市场的情绪和趋势,从而作出更明智的买卖决策。 除了在金融领域中使用,Python中文金融情感词典也可以应用在其他领域,比如舆情分析、社交媒体分析等。它可以帮助我们更好地了解人们对于某个话题的情感态度,从而更好地理解社会舆论和市场趋势。 总之,Python中文金融情感词典是一个在金融领域中常用的情感分析工具。通过它,我们可以对金融文本进行情感分析,从而更好地理解市场情绪和趋势,作出更明智的决策。 ### 回答2: Python中文金融情感词典是一个专门用于金融领域情感分析的工具。它包含了一系列在金融领域常用的词汇,并对这些词汇进行了情感评分。通过使用这个词典,我们可以对金融文本进行情感分析,了解其中所包含的情感倾向和情绪状态。 这个词典主要用于帮助金融从业者、投资者和研究人员分析金融市场的情绪和情感动态。词典中的词汇覆盖了各种金融领域的关键词,比如股票、债券、外汇、经济指标等,同时还包括了一些行业术语。 每个词汇在词典中都有对应的情感评分,用来表示这个词汇的情感倾向。通常,情感评分包括积极情感、消极情感和中性情感。这些评分可以作为分析金融文本情感的依据,帮助人们更好地理解金融领域的情绪和市场动态。 使用Python中文金融情感词典,我们可以进行情感分析的实践,比如分析金融新闻、财报、市场评论等文本的情感倾向,判断市场的情绪状态和短期趋势;也可以结合其他金融指标和模型,进行量化分析和预测。 总之,Python中文金融情感词典是一个为金融领域提供情感分析支持的工具,可以帮助金融从业者更好地理解市场情绪和市场动态,为投资决策提供参考依据。 ### 回答3: Python中文金融情感词典是一个用于情感分析的工具,旨在帮助分析金融文本中所包含的情感倾向。它主要由一组金融相关的情感词汇组成,这些词汇根据其在金融领域中的使用和情感倾向被标记为积极、消极或中性。 使用Python中文金融情感词典时,首先需要将文本进行分词处理,即将句子划分为一个个单独的词语。然后,将分词后的文本与情感词典进行匹配,以确定每个词语的情感倾向。匹配的过程通常使用正向匹配和逆向匹配两种策略进行,以确保更准确的情感分析结果。 在情感分析过程中,可以通过计算积极情感词的数量与消极情感词的数量的差值来获得文本的情感倾向。如果该差值为正,那么文本可能是积极的;如果为负,那么可能是消极的;如果为零,那么可能是中性的。此外,还可以计算所有情感词的总数和匹配到的情感词的总数,以及计算其占比,以更全面地了解文本中情感的表达。 Python中文金融情感词典的应用场景包括金融舆情分析、股市预测、财经新闻情感分析等。它能够帮助研究人员、分析师和投资者更好地理解金融市场情绪,从而做出更明智的决策。同时,由于Python具有简单易学、丰富的文本处理库和机器学习库等特点,使用Python中文金融情感词典进行情感分析也相对简单且高效。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值