国家自然科学基金申请书

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

国家自然科学基金申请书正文

（一）立项依据与研究内容1. 立项依据1.1 项目的研究意义

互联网传播是信息技术迅速发展而形成的新型传播方式，它使信息的广泛传播不再单纯依赖于传统的传播媒介。金融市场是一个信息传播快、市场化程度高的市场，金融市场上虚假消息、舆论操控、证券黑嘴等违法现象层出不穷却又稍纵即逝，金融舆情安全问题越来越突出。利用申请者自行研制的“证券网络舆情监控系统”，分别监控“黑马”、“内幕”消息，如图1，图2所示。根据我们长期针对大规模海量消息的跟踪发现：金融非法信息几乎覆盖了全网，在整个金融消息中所占据的比重不低于30%，其来源庞杂，内容千奇百怪，混杂在正常消息中间真假难辨，具有较强的欺骗性，是我们国家金融市场发展的“毒瘤”！

图1：金融舆情中的“黑马”消息

图2：金融舆情中的“内幕”消息

不法分子对网络金融舆情的操控过程主要包括：通过各种媒介渠道（新闻、BBS、博客、微博客等），大量发布不同形式的消息，来表达其对特定金融实体（某只股票、某家上市公司、某个行业甚至是整个金融大盘）正负面的舆论导向，直接或者间接地左右受众对该金融实体未来走势的看多或者看空倾向性，最终实际影响到该金融实体交易价格或者指数的涨跌，甚至引起整个股市的波动，造成个人财产损失、金融动荡，进而影响国家的经济秩序，最终达到其经济或者政治目的。

面对日渐泛滥、不断误导投资者的各类网络财经消息，无论是证券市场管理机构、财经媒体、上市公司还是股民，都需要及时了解和严密监控互联网上有关金融市场的舆情，包括新闻、公告、股评、股民评论等，以期适时化解因信息误传而带来的投资风险。

从本质上来看，网络金融舆情监控的关键在于：综合海量的网络消息，剔除各类干扰因素，准确地判别出网络舆情对特定金融对象的看空或者看多的走势,这直接关系到证券价值评估和股价的涨跌。

目前金融舆情监控分析大多数还是采用人工盯防的战术进行。由于需要实时跟踪监控的网站数量多、形式复杂、内容广，目前人工方法已难以应对。我们也注意到：近年来，中国证监会等部分金融机构已经逐步建立了相关的网络舆情监控系统，主要解决的还是网络信息自动获取的问题，有部分的舆情热点自动推荐与敏感信息追踪功能。但是，金融舆情监控中还没有真正解决最直接、最关键的问题，即如何判别具体金融对象的舆情看多或者看空走势。

如何从互联网海量的金融消息中挖掘并分析出社会民众群体对特定金融对象的观点、态度、意见和看法，如何防止舆情干扰，如何依据微观的倾向性数据综合计算出舆情看空看多的走势，并如何与实际交易价格或者指数的涨跌进行验证，这已成为当前金融领域与计算机领域需要共同面对的一个挑战性研究问题。

本课题所研究的金融舆情多空判别和传统意义上的涨跌预测存在着本质的差别：涨跌预测研究的目标是分析金融涨跌的客观规律，其数据来源包括公司业绩、行业分析、来自传统媒体以及网络媒体的各类信息，以客观数据为主；而本课题研究的数据来源全部是互联网上发表的各类消息，以主观的评论为主，研究的目标是从主观数据中计算出舆情对金融对象看多与看空的态度。行为金融学的理论认为[27][29] [30] [31]：长期来看，金融市场的涨跌由客观的价值规律决定，而在一定的时期内，从众心理导致多数人的看多看空直接决定短期的市场涨跌。值得注意的是：多数人的多空态度不一定与客观的价值规律一致，背后往往存在有意甚至是恶意的题材炒作，例如：奥运题材使得全聚德股票接连多个涨停，偏离了实际价值。而更为严重的是银广夏事件、蓝田事件、亿安科技案在真相曝光之前，舆论长期看多，股票一直升值。

金融是国家经济、政治、军事、外交、民生的重要命脉，网络舆情是和谐社会的晴雨表，金融舆情多空判别关键技术的研究意义在于：

1、帮助投资者了解金融市场多空的走势，并获取全面信息，得到科学的数据支撑，避免受到虚假信息的误导，从而化解投资与市场风险；

2、帮助金融监管机构及时掌握发布虚假消息、刻意炒作、颠倒金融舆情走势等不法金融活动，确保金融市场的健康发展；

3、辅助政府机构把握网络大众对金融市场多空走向的综合态度，进行科学的决策，保持金融市场的稳定与繁荣，确保国家经济与政治安全；

4、本项目还开创了计算语言学与行为金融学交叉研究的先河，金融舆情数据为行为金融学研究提供了海量的人类行为取样数据，而之前，行为金融学往往要采用社会调查等手段获取主管数据，耗费巨大，而且还存在样本覆盖不全，在行为金融学的研究领域开创了一个新的研究思路；而行为金融学模型在计算语言学上的应用，实现了从信息表层处理到语义内容解读的飞跃，这对计算语言学与应用模型的交叉融合提供了范例。

1.2 国内外研究现状及发展动态分析

在金融领域上，涨跌预测相关的多空判别是股票投资、证券咨询与金融资讯最基本的研究问题，也是众多金融研究方向的应用目标。多空判别往往采用各种方法，如价值分析、历史数据模拟与挖掘、消息关联挖掘等手段。上文已经讨论过，本项目与传统的涨跌预测存在本质的不同，因此，我们对金融学概念上的多空判断技术不展开调研。

本项目涉及到了自然语言处理[1]、信息检索[2]、Web挖掘与行为金融学[27][29] (Behavioral Finance，简称BF)等多个学科方向，直接相关的研究点包括网络舆情监测技术(Web Public OpinionMining)、观点倾向性分析（Opinion Polarity Analysis）技术[23] 和行为金融学。下面分别从这三个方面给出国内外的研究现状及发展动态。

1.2.1 网络舆情监测技术(WebPublic Opinion Mining)

舆情是指在一定的社会空间内，围绕中介性社会事件的发生、发展和变化，民众产生和持有的社会政治态度。舆情是群体对于社会中各种现象、问题所表达的信念、态度、意见和情绪等表现的总和。相应地，网络舆情是指社会民众通过网络这一新信息媒介所表达的政治态度、思想意识和行为方式等方面的综合表现，是对现代社会物质、政治、精神和社会四个文明建设活动的各种反映。

利用计算机技术来分析和处理社会舆情，最著名的当属美国国防高级研究计划局DARPA(2002)提出的TIA(Total/TerrorismInformation Awareness)计划旨在利用计算机技术分析和处理网络海量数据的社会舆情。借助于新颖的人工智能算法和复杂系统、社会网络等理论，收集尽可能多的网络信息，建立一个庞大的数据库，然后对其进行数据挖掘，从链接关系和网络结构中发现可疑的恐怖活动情报线索[5]。除此之外，麻省理工学院的桑迪·潘特兰德(2006)开展的Reality Mining Project致力于利用现实挖掘技术从社会复杂系统中推导出人的倾向性行为，从而实现对舆情的挖掘[15]。美国亚利桑那大学Edna Reid、Marc Sageman等人(2005)开展的Dark Web PortalProject通过提取恐怖主义网站的900,000个WEB页面，采用内容处理等技术手段，分析并预测潜在的恐怖主义袭击危险[8]。

最近几年来，我国的一些政府管理部门联合了部分国立科研机构和公司，开展了针对网络舆论、社会犯罪信息、特定网络信息内容、网络军事情报等相关信息进行监测管理相关的一系列系统与关键技术研发和应用系统部署工作。包括国务院新闻办、工业与信息产业部、广电总局、总参三部、公安部、安全部等部门分别已经或者即将研制部署实用系统，目标是对相关的互联网信息进行有效地搜集、整理、分析、控制。其中，工信部等部分部委已经形成了较好的网络特定信息获取基础业务平台。国家863计划以探索导向的形式资助了与舆情分析预警相关的部分技术研究，如：面向舆情的话题发现[3] [4] [13]、文本倾向性分析等。国家973计划支持了有监督的网络信息内容分析计算的基础理论方面研究。

在舆情监测系统的开发和应用方面比较有影响的单位包括英国Autonomy公司、北大方正、托尔思公司（TRS）[11]等。这些单位能够通过提供通用性的产品，对从网络中收集过来的信息进行聚合分析、全文检索，从而从一定程度上满足网络信息情报的分析与挖掘应用。然而，网络情报分析挖掘是一个比较复杂的任务，需要与实际需求紧密结合，通过一两类所谓成熟的算法来达到情报监测的深度分析实际上是不现实的。

以中科院计算所[3] [13]、北京大学[12]、复旦大学、北京理工大学[10]为代表的一些国内科研机构在网络舆情分析、监测与预警方面进行了大量的研发工作，他们的部分成果已经形成了应用系统并在需求单位进行了试用。此类研究工作融合了搜索引擎、文本挖掘和舆情计算的相关技术成果，从技术创新性上来看优于前述两类公司。但是，目前的不足是这些科研机构各自为战，在舆情监测与情报挖掘的一些棘手问题上没有形成合力，从而在舆情观点分析、舆情态势分析、话题发现与趋势预测等相关问题上还没有实际可用的成果。

从国内外总体现状来看，舆情监测的需求非常旺盛、舆情监测的技术研发非常活跃、舆情监测的应用与产业化越发成为业界的热点。从市场需求和监管的需要来看，舆情监测未来的趋势是应用领域越来越广泛，包括政府、行业、企业、安全保障、军事对抗等多领域对舆情和情报监测的需求非常巨大。同时，对舆情与情报监测的技术要求越来越具体深入，包括更广范围的信息收集、更快速的分析响应、更直接的深入追踪、更明确的取证汇总等等。

从管理的监督来看，舆情监测未来应该走入规范、有序、合理、持续化发展阶段。需求、研究、应用应该相互配合。

相应地，舆情与情报监测的技术发展趋势包括四个方面：

1、构建整体有序、前后联动的舆情监测管理体系与标准；

2、采用更高效的多通道网络信息获取技术；

3、  更加准确的宏观舆情态势分析与研判；

4、针对特定舆情事件的跨媒体、跨通道综合信息集成。

1.2.2 观点倾向性分析（OpinionPolarity Analysis）

观点倾向性分析就是试图用计算机实现根据文本的内容提炼出文本作者的情感方向的目标，通过倾向性分析可以明确网络传播者所蕴涵的感情、态度、观点、立场、意图等主观反映。有些文献也称其为情感分类（Sentiment Classfication）。在国外，观点倾向性技术主要应用于电影评价[14]、产品点评[15]等，国内的网络舆情监测中大量引入观点倾向性分析技术。

观点倾向性分析最早可以追溯到上世纪九十年代, 本世纪初才逐渐成为信息抽取与挖掘的研究热点。在实际应用中，主要采用三类方法：第一类是机器学习方法，常用的机器学习方法有Rocchio方法、kNN方法、决策树方法(decision tree)、神经网络方法(Neural Networks)、支持向量机(SVM)、基于投票的方法(voting method)等，还有一些提出了递归调用的策略[22]；第二类是语义分析方法，Wiebe,Wilson和Bell识别观点型文章；Pang,Lee和Vaithyanathan根据文章整体的感情色彩而不是主题来区分文章；Dave和Hu的研究都专注于检索评论的观点；Riloff和Wiebe则区分了主动句和被动句。最后一类是广泛使用的浅层自然语言处理方法[17] ，如信息抽取的方法[16]，或者使用情感词典提取数据集中与情感相关的元素作为情感分类的依据。

倾向性分析已经取得了长足的进展，自然语言的多样性与复杂性导致了该技术离实际应用还有差距，在金融舆情中还没有实际的深入研究。证券市场舆情信息中存在正反态度并存现象以及对比描述手法，例如一篇股评首先描述了熊市的市场现状，但在结论句中却坚决看涨后市为牛市。这对网络舆情观点倾向性分析技术研究提出了崭新的挑战。

1.2.3 行为金融学（BehavioralFinance）

20 世纪80 年代对金融市场的大量实证研究发现了许多现代金融学无法解释的异象(anomalies) ,为了解释这些异象,一些金融学家将认知心理学的研究成果应用于对投资者的行为分析,至90 年代这个领域涌现了大量高质量的理论和实证文献,形成最具活力的行为金融学派。1999 年克拉克奖得主马修(Matthew·Rabin) 和2002年诺贝尔奖得主丹尼尔·卡尼曼(Daniel·Kahne2man)和弗农·史密斯(Vernon·Smith) ,都是这个领域的代表人物,为这个领域的基础理论做出了重要贡献。将这些奖项授予这个领域的专家也说明了主流经济学对这个蓬勃发展的领域的肯定,更促进了这个学科的进一步发展。国外将这一领域称之为behavioral finance,国内大多数的文献和专著将其称为“行为金融学”。

行为金融学是金融学、心理学、行为学、社会学等学科相交叉的边缘学科，力图揭示金融市场的非理性行为和决策规律。行为金融理论认为，证券的市场价格并不只由证券内在价值所决定，还在很大程度上受到投资者主体行为的影响,即投资者心理与行为对证券市场的价格决定及其变动具有重大影响。它是和有效市场假说(efficientmarket hypothesis, EMH)相对应的一种学说，主要内容可分为套利限制（limits ofarbitrage）和心理学两部分。

作为蓬勃发展的新兴领域,行为金融学依然存在很多缺陷；行为金融学是以认知心理学对不确定条件下行为人的决策的研究成果为基础的, 行为金融学的很多研究方法是采用实验经济学中的实验方法，研究人的心理对资产组合和定价的影响。但是行为人的心理是什么,以及如何影响资产组合和定价、影响到什么程度等,这些问题都很复杂。在这个新兴的领域里,没有成熟的成果可以利用,这就给学科的发展和确定明确的研究对象带来了困难。

本课题所研究的金融舆情恰恰直接映射了信息发布者的心理状况，通过多空判别计算出的多空的走向以及量化的数据，恰恰为行为金融学提供了大量的心理数据。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：国家自然科学基金申请 国家自然科学基金 自然科学基金 基金申请书 自然科学

哪一年的？？？？？？？？