在线评论可以预测个股的长期回报

使用谷歌趋势量化金融市场的交易行为。科学报告31684。Ruan，Y.，Durresi，A.，Alfantoukh，L.，2018年。使用推特信任网络进行股票市场分析。基于知识的系统145、207–218。沙皮雷，R.E.，辛格，Y.，1999年。使用信任度预测改进了boosting算法。机器学习37297–336。Senecal，S.，Nantel，J.，2004年。在线产品推荐对消费者在线选择的影响。零售杂志80159–169。Sirgy，M.J.，1982年。《消费者行为中的自我概念：评论》。消费者研究杂志9287–300。史密斯，A.，1776年。国家的财富。Subrahmanyam，A.，Titman，S.，1999年。上市决策和金融市场的发展。《金融杂志》541045–1082。Sun，T.，Wang，J.，Zhang，P.，Cao，Y.，Liu，B.，Wang，D.，2017年。利用微博情绪预测中国股市的股价回报，参加：第1973届大数据计算与通信国际会议（BIGCOM），IEEE。第87-96页。Tang，J.，Alelyani，S.，Liu，H.，2014年。分类的特征选择：Areview。数据分类：算法和应用，37。Tang，Q.，Gu，B.，Whinston，A.B.，2012年。社交媒体中收入分享和声誉的内容贡献：一个动态结构模型。管理信息系统杂志29，41–76。Tellis，G.J.，Johnson，J.，2007年。质量的价值。营销科学26758–773。Tirnillai，S.，Tellis，G.J.，2012年。聊天真的重要吗？用户生成内容和股票表现的动态。营销科学31198–215。乌尔德，M.，2003年。基于核心价值的企业品牌建设。《欧洲市场营销杂志》371017–1040。Wang，H.，Lu，S.，Zhao，J.，2019年。在股票市场预测中聚合多种类型的复杂数据：一个与模型无关的框架。

基于知识的系统164193–204。Wang，R.J.H.，Malthouse，E.C.，Krishnamurthi，L.，2016年。手机购物如何影响客户购买行为：零售商视角，in：Lets GetEngagement！跨入市场营销参与时代的门槛。斯普林格，第703-704页。Wang，W.Y.，Hua，Z.，2014年。用于预测收益通知财务风险的半参数高斯copula回归模型，载于：计算语言学协会第52届年会论文集（第1卷：长篇论文），第1155-1165页。Xu，Q.，Bo，Z.，Jiang，C.，Liu，Y.，2019年。谷歌搜索指数真的有助于预测股市波动吗？来自波动率修正混合数据抽样模型的证据。基于知识的系统166、170–185。Ye，F.，Zhang，L.，Zhang，D.，Fujita，H.，Gong，Z.，2016年。提出了一种基于多阶模糊时间序列和技术分析的预测方法。信息科学367，41–57。Zhang，D.，Zhou，L.，Kehoe，J.L.，Kilic，I.Y.，2016年。什么样的在线评论者行为真正重要？言语和非言语行为对发现在线评论的影响。《管理信息系统杂志》33456–481。Zhang，L.，Aggarwal，C.，Qi，G.J.，2017年。通过发现多频率交易模式进行股价预测，摘自：第23届ACM SIGKDD知识发现和数据挖掘国际会议论文集，ACM。第2141-2149页。Zhang，X.，Zhang，Y.，Wang，S.，Yao，Y.，Fang，B.，Philip，S.Y.，2018年。通过异构信息融合改进股票市场预测。基于知识的系统143236–247。Zhou，L.，Lu，D.，Fujita，H.，2015年。通过领域知识和数据挖掘方法指导特征选择的公司财务困境预测模型的性能。基于知识的系统85、52–61。Zhou，L.，Si，Y.W.，Fujita，H.，2017年。

利用决策树结合改进的过滤特征选择方法预测中国上市公司的上市状态。基于知识的系统128、93–101。Zhou，Z.，Xu，K.，Zhao，J.，2018年。中国情感与股票故事：波动性、因果关系与预测。万维网21，1093–1116。Zhou，Z.，Zhao，J.，Xu，K.，2016年。网络情绪能预测中国股市吗？，国际网络信息系统工程会议，斯普林格。第328-342页。Zhu，F.，Zhang，X.，2010年。在线消费者评论对销售额的影响：产品和消费者特征的调节作用。