基于互联网海量金融情感信息的多方位金融市场智能关联研究及在线决策支持系统

The research on stock volatility based on internet financial information is a multidisciplinary cutting-edge subject. In this project, the web harvester is built up to collect massive financial information on the web including BBS, blog and mirco-blog, and obtain a new web information sentiment-based financial time series W, which is mined from varous aspects with depth and full spectrum. Utilizing the capability that support vector machines are able to automatically recognize the complex nonlinear relationship, this novel computer-finance time series W is then associated with the stock market volatilities using EGARCH and support vector machines. The W is also modeled with our improved hyperellipsoidal statistical method in a reproducing kernel Hilbert space to further reduce regression errors. Moreover, W is further analyzed with our shape detecting technique permitting unknown shapes. In the Web 2.0 environment, the information provided by the investors is investigated based on the causal time series. The study is then structured into the intelligent computational finance in theory, and is applied onto the decision support systems for online management on massive web financial information. The research studies the fundamental principles from measuring, recognizing and monitoring the web financial information, and assists us to recognize the microstructure of stock markets and accumulate the internet financial data, and also contributes to the financial theory with network finance.

通过互联网金融信息研究股市波动属于典型的计算机和金融交叉领域。本项目利用互联网采集机，收集积累互联网包括论坛、博客和微博上的海量互联网金融信息数据，构造出含有褒贬的新的计算机-金融信息时间序列W，深层次多方位地展开对W的挖掘：利用支持向量机智能地、自动地找出W与金融市场波动之间的复杂非线性关系，并对W完成自动EGARCH建模；改进我们现有的基于数据椭圆分布的支持向量机，并应用于W建模，来进一步减小回归误差；在W中改进我们现有的对未定义语义模板的时间序列形态挖掘算法；挖掘在Web 2.0下股民提供和传播信息的时间序列动态的因果网络结构关系。在理论上升华为智能计算金融学；在应用上讨论网络海量金融信息在线监管决策支持系统。本申请探索度量和挖掘互联网金融信息的新的基础原理，可以从一个不同的侧面探索股市微观结构，为同行积累互联网金融数据，从网络金融角度上发展金融学体系。

本项目在理论上建立了智能金融计算架构，包括大规模的互联网金融数据的获取方法、分析方法和智能计算方法等。大规模数据的获取包括研究方法和跨平台数据融合方法的设计，分析方法包括基于金融信息内容、金融信息结构及基于时序关联的金融信息分析方法，智能计算方法包括大规模快速计算方法及基于机器学习的智能计算方法。本项目所涉及的方法可以帮助我们从一个新的侧面探索股市的微观结构，并在某种视角上完善金融理论体系结构，从而将管理学的研究范围延展至网络金融世界，进一步丰富管理学的研究方法，为管理科学研究理论的延伸提供一定的思考和拓展空间。在实践上，根据上述方法，我们可以从一个新的角度建立一个基于大数据的互联网金融决策支持系统，为中央宏观决策部门和金融机构提供有效的支持和服务，我们通过将当前的金融信息分析系统进行模块化和智能化重构，进一步增加当前系统的可靠性、稳定性以及有效性。本项目所构建的互联网智能金融分析系统可以为金融市场参与者提供一个了解金融情感褒贬倾向与市场波动的快速窗口，并能借此窗口方便地辅助分析金融市场变化的原因、过程及其连带反应，从而对控制金融风险起到了一个辅助决策工具的作用。