本發(fā)明涉及信息檢索領域，具體地講就是一種基于新聞大數(shù)據(jù)的自動選股方法。

背景技術：

現(xiàn)在，量化投資在管理資產(chǎn)中起到越來越重要的作用，大家開始利用計算機設備對歷史股票量價數(shù)據(jù)作為數(shù)據(jù)資源，通過數(shù)學模型進行驗證，用于對股票進行量化投資?，F(xiàn)有方案關注個股特點分析，沒有從行業(yè)關注度角度進行自動選股。由于新聞導向同時也會對股票數(shù)據(jù)的走向具有一定的預警作用（“本發(fā)明采用詞匯統(tǒng)計分析法挖掘新聞的情感傾向，完成自動選股”）。簡單地說，新聞內容的情感傾向可分為兩種情形：正面情感和負面情感，正面情感采用新聞內容中的正面情感詞匯比率表示，負面情感采用新聞內容中的負面詞匯比率表示。如何利用新聞內容體現(xiàn)出的情感傾向，使其服務于量化投資，是本發(fā)明要解決的技術問題。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種基于新聞大數(shù)據(jù)的自動選股方法，首先將情感詞匯和行業(yè)詞匯存入存儲器，上述情感詞匯以及行業(yè)詞匯來源于專業(yè)漢語財經(jīng)詞典；通過rss實時獲取互聯(lián)網(wǎng)財經(jīng)新聞,每小時更新一次；將當天的新聞內容通過服務器解析分析當天的新聞內容，新聞內容分析包括兩個子部分，1）新聞內容的情感維度分析，計算得到新聞內容的情感傾向；2）新聞內容的行業(yè)維度分析，計算得到新聞內容體現(xiàn)的行業(yè)關注度；利用情感傾向、行業(yè)關注度計算股票排名，選擇排名靠前的股票作為投資對象。

將新聞內容解析為詞匯的集合，即，t代表詞匯總數(shù)目），其中包括r個正面情感詞匯,s個負面情感詞匯，第i天內，正面詞匯比率為，該比率代表新聞的正面情感；負面詞匯比率為，該比率代表新聞的負面情感；

第i天內，行業(yè)x的關注度為，計算方法為，其中，y代表新聞內容中行業(yè)x相關詞匯數(shù)目，t為總詞匯數(shù)目；

在第i天內，設定行業(yè)x的正面關注度為，=×；設定行業(yè)x的負面關注度為，=×；

在過去一個月內，設定行業(yè)x的累計熱度（關注度）為,=,其中{i=1,…,m}，m為當月的天數(shù);

每個月的最后一個天晚23：00后，計算本月所有行業(yè)的月累計熱度，其中{x=1,…,24},共24個行業(yè)；依據(jù){x=1,…,24}的數(shù)值從高到低，完成24個行業(yè)的排序；本方法選擇排名第一的行業(yè)的全部公司股票作為下一個月的投資對象。

本發(fā)明的理論基礎是基于以下分析：情感詞匯具有心理學意義，正面詞匯代表了積極心理暗示；負面詞匯代表了人類消極心理暗示；例如，“漲停、良好、豐收”等詞匯體現(xiàn)了新聞內容中的積極態(tài)度，而“跌停、疲軟、萎靡”等詞匯體現(xiàn)了新聞內容中的消極態(tài)度。當新聞中負面詞匯比率增大時，市場展現(xiàn)了悲觀消極的預期，股市下行風險增大。行業(yè)詞匯具有較強的行業(yè)指向性，例如，“不良貸款”主要指向銀行業(yè)的上市公司，“乘用車”主要指向汽車行業(yè)的上市公司。當新聞中某種行業(yè)詞匯的比率增加時，市場熱點轉向該行業(yè)，該行業(yè)的上市公司將會受到更多的投資者關注。

本發(fā)明通過新聞大數(shù)據(jù)的情感維度、行業(yè)維度選股；現(xiàn)有方案關注個股特點分析，沒有從行業(yè)熱度角度進行自動選股。本方案通過詞匯關聯(lián)確認新聞內容體現(xiàn)的情感傾向和行業(yè)關注度，是對現(xiàn)有技術中的創(chuàng)新。新聞大數(shù)據(jù)自動選股優(yōu)點：1）新聞情感（正負面情感強度）與股市、上市公司之間聯(lián)動關系的理論基礎已經(jīng)得到廣泛證實。2）自動提取情感傾向與行業(yè)關注度，全自動排名篩選股票。

附圖說明

圖1是本發(fā)明的流程圖。

圖2是本發(fā)明執(zhí)行算法的流程圖。

具體實施方式

下面，結合本發(fā)明的主要流程以及執(zhí)行算法流程圖，對本發(fā)明作進一步詳細說明。

關鍵詞：情感詞匯表，行業(yè)詞匯表。情感詞匯指的是情感詞匯列表中的詞匯，包括正面詞匯和負面詞匯兩個部分。行業(yè)詞匯表針對每個行業(yè)的常見關鍵詞進行匯編后得到的詞匯表。上述情感詞匯表和行業(yè)詞匯表來源于《專業(yè)漢語財經(jīng)詞典》，申請人已編纂成冊。

舉例來說，正面詞匯包含：成功、出色、得天獨厚、引領、進步、創(chuàng)新等。負面詞匯包括失敗、損失、不足、差評、召回、低迷等。

行業(yè)詞匯，舉例來說，銀行業(yè)中，常見的關鍵詞為利息、貸款、銀監(jiān)會、央行、利率、信貸等。房地產(chǎn)行業(yè)中，常見的關鍵詞置業(yè)、首套房、住宅、地塊、商品房、樓市等。

行業(yè)公司，是指銀行業(yè)的代表公司為民生銀行、招商銀行、南京銀行、平安銀行等。房地產(chǎn)行業(yè)的代表企業(yè)為萬科a、保利地產(chǎn)、華夏幸福、碧桂園等。

本過程通過rss監(jiān)控公開新聞源獲得，例如，人民網(wǎng)rss，新華網(wǎng)rss等。為了保障實時性，本方法每個小時對新聞更新一次。

假定每天（從北京時間當天0點開始至當晚24點，當月最后一天為0點開始至當晚23點，下同）的新聞內容由t個漢語詞匯構成，其中包括r個正面情感詞匯,s個負面情感詞匯。第i天內，正面詞匯比率為，該比率代表新聞的正面情感；負面詞匯比率為，該比率代表新聞的負面情感。

新聞的行業(yè)維度分析

根據(jù)《申銀萬國行業(yè)分類標準》（2014）的28個一級行業(yè)類別，本專利的行業(yè)維度也具有28個，每個維度對應一個行業(yè)。本方法為每個行業(yè)設定“行業(yè)熱度”，行業(yè)熱度表示新聞對特定行業(yè)的關注程度。假定第i天內行業(yè)x的熱度為，計算方法為，其中，y代表行業(yè)x相關詞匯數(shù)目，t為總詞匯數(shù)目。越高，表明新聞對行業(yè)x的報道內容越多，行業(yè)x的熱度越高。如果第i天內行x的相關詞匯數(shù)目為0時，=0。

股票排名計算

本方法在每個月的最后一個天晚23：00對股票進行排名，計算當月每天的行業(yè)熱度，同時計算當月每天的新聞正面情感和負面情感，其中{i=1….m}，m為當月的天數(shù)。

1）行業(yè)的正面熱度和行業(yè)的負面熱度

在第i天內，設定行業(yè)x的正面熱度為，=×。同理，在第i天內，設定行業(yè)x的負面熱度為，=×。

2）行業(yè)的月累計熱度

在過去一個月內，設定行業(yè)x的累計熱度為,=,其中{i=1….m}，m為當月的天數(shù)。

每個月的最后一個天晚23：00后，計算本月所有行業(yè)的月累計熱度，其中{x=1…28},共28個行業(yè)。依據(jù){x=1…28}的數(shù)值從高到低，完成28個行業(yè)的排序。假定行業(yè)x1包含y1個公司，行業(yè)x2包含y2個公司，行業(yè)x3包含y3個公司，本方法選擇排名第一的行業(yè)的全部公司股票作為投資對象。