本文受国家自然科学基金项目：面向过时信息自动发现的Ｗｅｂ时态一致性研究（６１２７２１０９），中央高校基本科研业务费专项资金项目：Ｗｅｂ大数据环境下的数据时态一致性研究（２０４２０１４ｋｆ００５７），湖北省人文社会科学基金项目：基于Ｗｅｂ时间冲突性推理的智能信息过滤研究（１４Ｇ４６１）资助。杨　莎（１９８０－），博士生，主要研究方向为Ｗｅｂ数据挖掘和互联网金融；余　伟（１９８７－），男，博士，讲师，主要研究方向为Ｗｅｂ大数据质量评估、Ｗｅｂ数据融合等，Ｅ－ｍａｉｌ：ｙｕｗｅｉ＠ｗｈｕ．ｅｄｕ．ｃｎ（通信作者）；李石君（１９６４－），博士，教授，主要研究方向为Ｗｅｂ社区分析、Ｗｅｂ数据一致性等；曹晶晶（１９８２－），硕士生，主要研究方向为互联网金融；刘　晶（１９８１－），女，博士生，主要研究方向为Ｗｅｂ数据挖掘。基于Ｗｅｂ大数据挖掘的证券价格波动实时影响研究杨　莎１，２　余　伟１　李石君１　曹晶晶１　刘　晶１（武汉大学计算机学院　武汉４３００７９）１　（汉口学院计算机科学与技术学院　武汉４３０２１２）２　摘　要　随着Ｗｅｂ大数据的发展，互联网中海量、快捷的信息为证券市场变化预测提供了丰富的数据支撑，如何利用大数据分析技术进行实时可靠的证券市场价格变化预测成为重要的科学问题。从证券市场价格变化的核心价值问题研究出发，分析了股票价值所反映的基本面要求，建立了影响股票价值内涵和价格表现的１０项准确可度量的特征因素：经济周期、财政政策、利率变动、汇率变动、物价变动、通货膨胀、政治政策、行业变化、经营状况、上下游影响等。在此基础上，构造互联网中信息内容与各个特征因素的提取方法、变化关系和影响模型，提出了针对大盘、行业、个股的互联网信息指标来反映Ｗｅｂ数据对其的支撑程度，最终实现了基于Ｗｅｂ大数据的综合特征因素度量来预测证券市场的方法。实验表明，该方法具有良好的可行性，将带来明显的学术和商业价值。关键词　数据挖掘，股票价格预测，Ｗｅｂ大数据中图法分类号　ＴＰ３１１　　　文献标识码　Ａ　　　ＤＯＩ　１０．１１８９６／ｊ．ｉｓｓｎ．１００２－１３７Ｘ．２０１５．４．０３３　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｓｔｏｃｋ　Ｐｒｉｃｅ　Ｒｅａｌ－ｔｉｍｅ　Ｆｌｕｃｔｕａｔｉｏｎ　Ｉｎｆｌｕｅｎｃｅ　Ｂａｓｅｄ　ｏｎ　Ｗｅｂ　Ｂｉｇ　Ｄａｔａ　ＭｉｎｉｎｇＹＡＮＧ　Ｓｈａ１，２　ＹＵ　Ｗｅｉ　１　ＬＩ　Ｓｈｉ－ｊｕｎ１　ＣＡＯ　Ｊｉｎｇ－ｊｉｎｇ１　ＬＩＵ　Ｊｉｎｇ１（Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３００７９，Ｃｈｉｎａ）１（Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｎｋｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ　４３０２１２，Ｃｈｉｎａ）２　Ａｂｓｔｒａｃｔ　Ｗｉｔｈ　ｔｈｅ　ｇｒｏｗｉｎｇ　ｏｆ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ，ｔｈｅ　ｎｅｔｗｏｒｋ　ｏｆ　ｌａｒｇｅ　ｄａｔａ　ｈａｓ　ｂｅｃｏｍｅ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｃｅｎｔｅｒ　ｆｏｒｔｈｅ　ｆｉｎａｎｃｉａｌ　ｓｅｃｔｏｒ．Ｔｈｅｓｅ　ｄａｔａ　ｇｉｖｅ　ｖａｌｕａｂｌｅ　ｏｐｐｏｒｔｕｎｉｔｉｅｓ　ａｎｄ　ｓｅｖｅｒｅ　ｃｈａｌｌｅｎｇｅｓ　ｔｏ　ｓｔｏｃｋ　ａｎａｌｙｓｉｓ　ａｎｄ　ｐｒｅｄｉｃｔｉｏｎ．Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｗｅｂ２．０ａｌｌｏｗｓ　ｉｎｖｅｓｔｏｒｓ　ｔｏ　ａｃｔｉｖｅｌｙ　ｐａｒｔｉｃｉｐａｔｅ　ｉｎ　ａｌｌ　ａｓｐｅｃｔｓ　ｏｆ　ｔｈｅ　ｃｒｅａｔｉｏｎ　ｏｆ　ｎｅｔｗｏｒｋ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ，ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｎｄ　ａｃｃｅｓｓｉｎｇ．Ｔｈｉｓ　ｐａｐｅｒ　ｄｉｓｃｌｏｓｅｄ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｎ　ｔｈｅ　Ｉｎｔｅｒｎｅｔ　ａｎｄ　ｇｅｎｅｒａｔｅｄ　ｃｏｍｐｌｅｔｅ　ａｎｄ　ｅｆｆｅｃｔｉｖｅｆｕｎｄａｍｅｎｔａｌ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｇｅｔ　１０ａｃｔｏｒｓ　ｔｈａｔ　ｍａｙ　ｉｍｐａｃｔ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ，ｗｈｉｃｈ　ａｒｅ　ｅｃｏｎｏｍｉｃ　ａｎｄ　ｃｙｃｌｅ，ｆｉｓｃａｌ　ｐｏｌｉｃｙ，ｃｈａｎｇｅｓ　ｉｎ　ｉｎｔｅｒｅｓｔ　ｒａｔｅｓ　ａｎｄ　ｅｘｃｈａｎｇｅ　ｒａｔｅｓ，ｐｒｉｃｅ　ｃｈａｎｇｅｓ，ｉｎｆｌａｔｉｏｎ，ｐｏｌｉｔｉｃａｌ　ｐｏｌｉｃｉｅｓ，ｃｈａｎｇｅｓ　ｉｎ　ｔｈｅ　ｉｎｄｕｓｔｒｙ，ｏｐｅｒａｔｉｎｇ　ｃｏｎｄｉｔｉｏｎｓ　ａｎｄ　ｔｈｅ　ｄｏｗｎｓｔｒｅａｍ　ｅｆｆｅｃｔｓ．Ｗｅ　ｐｒｏｐｏｓｅｄ　ａｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｔｈｅ　ｓｔｏｃｋ　ｍａｒｋｅｔ　ｐｒｅｄｉｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｔｈｅｓｅ１０ｆａｃｔｏｒｓ．Ｅｘｐｅｒｉｍｅｎｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｈａｓ　ｇｏｏｄ　ｆｅａｓｉｂｉｌｉｔｙ，ａｎｄ　ｃａｎ　ｂｒｉｎｇ　ｓｉｇｎｉｆｉｃａｎｔ　ａｃａｄｅｍｉｃ　ａｎｄ　ｃｏｍｍｅｒｃｉａｌｖａｌｕｅｓ．Ｋｅｙｗｏｒｄｓ　Ｄａｔａ　ｍｉｎｉｎｇ，Ｓｔｏｃｋ　ｐｒｉｃｅ　ｆｏｒｅｃａｓｔ，Ｗｅｂ　ｂｉｇ　ｄａｔａ　１　引言信息对证券市场的影响是金融学研究的核心问题，也是广大股民进行投资决策的重要依据。长期以来，由于信息不对称造成的决策错误是投资失败的主要因素，因此如何有效地获得和分析信息并进行市场预测是产业界和学术界的研究热点。随着互联网技术的飞速发展，网络大数据中丰富的数据带来了证券市场从信息匮乏到信息过剩的转变，互联网中证券信息的快速增长成为了股票分析与预测的宝贵机遇和严峻挑战。一方面，各种新兴的网络社会媒体（例如微博、社区、论坛、博客等）成为了传递信息、沟通交流的主要平台，蕴含了海量的信息，为投资决策提供了丰富的数据支撑；另一方面，互联网发展带来的Ｗｅｂ大数据的挑战和问题也困扰着对信息的有效分析和利用。随着人们逐渐依赖互联网信息对事务进行判断，网络也正日渐被投资者接受与使用。互联网不仅改变了投资者参与投资活动的方式，更是已经成为股市投资信息传播的主要渠道。越来越多的投资者利用网络搜索金融信息、与他人交流投资经验等。各类渠道的信息及时有效地在互联网上进行传播，使资本市场的信息传播方式产生了重大变化，有效解决了证券市场的信息不对称问题，而新的市场信息结构也对投资者的行为产生了巨大的影响，进而影响了对股票资产定价和金融资源的配置。互联网中关于资本市场、上市企业和行业动态的信息，是影响股票价格的根本原因，也是股价基本分析法的主要研究·１６６·内容。股价能在一定程度上反映企业的市场价值，因此企业前景和利润变化直接影响股票价格的变化。表１中列举了近期的几个例子。表１　网络信息影响市场变化的例子网络信息信息类型影响结果一季度钢铁全行业处于严重亏损状态市场现状钢铁板块－负面影响香港瑞安地产急抛内地物业跑路，沈阳项目烂尾市场现状房地产板块－负面影响时隔近１８个月ＩＰＯ审核重启４家公司３０日上会政策公告基本面－积极影响全面布局移动互联网二六三去年营收增长近九成企业业绩００２４６７个股－积极影响与雷士渠道整合深化德豪润达ＬＥＤ产业开始发力企业市场００２００５个股－积极影响这些信息直接或间接地影响证券市场的板块或个股，而互联网已经成为股市投资信息传播的主要渠道，各类新闻事件、内幕信息、传闻消息等及时广泛地在互联网中传播，具有重要的参考价值和分析意义。因此从互联网信息中挖掘隐含的、新颖的、影响股票市场的知识和信息，帮助市场参与者优化投资决策、规避风险，具有创新性和现实意义。本文将深入分析证券市场的各类信息类型和信息对板块及个股的影响程度，最终形成基于网络信息对证券价格变化的预测方法。２　国内外研究现状Ｗｅｂ大数据具有丰富的新闻资讯、用户交流和网络名人，基于互联网的证券价格变化趋势研究已经成为许多研究者关注的问题。目前，证券投资分析法可分为基本分析法和技术分析法两类［１］。基本分析法主要依据经济学、投资学、金融学等基本原理推导出结论，不能适应快速变化的市场。而技术分析法则在各种指标的选择与图表的分析上过多地依靠经验判断，股票市场相关信息的复杂性决定了这种方法的可靠性在很大程度上得不到保证［２］。基于时间序列分析的股票预测研究方法是一种常见的技术。根据技术手段的不同，时间序列法可分为模型法、指标法和数据图法３类［３］。一般的时间序列很难处理高难度的非线性问题，而股票市场具有典型的非线性特点［４］，这些问题导致时间序列方法很难在股票预测方面取得理想结果。股票市场经济功能的发挥依赖于股票价格与相关信息的相互影响［５］，比如各类互联网信息和股评家发表的观点、分享的信息构成了具有价值的股票知识库。如何从浩如烟海的互联网数据中识别和抽取专家的有效知识并进行股票价格变化预测是非常重要的。而过去的股票预测方法存在的共同问题是难以有效获取股票相关的信息。通过建立互联网股票信息知识库，结合网络数据挖掘与特征提取方法可以有效地对某行业股票波动进行预测。目前，也有研究者就基于互联网中的证券行业新闻信息来进行市场的预测展开了相关的研究。梁循等人在ＳＶＭ 的预测模型中引入了互联网金融信息的褒贬值，通过实验揭示出金融市场波动率与互联网上新闻的相关性，提出了有效的股市预测方法［６］。但是这些方法仅研究了倾向性的比重情况与金融市场公司的股价波动率的关系，对于信息本身的内容没有展开深入的研究。大数据带来的是信息的极大丰富，有效提取大数据中的信息并转换成有用的知识主要在于数据特征的提取。数据特征提取可以看作是用映射（或变换）的方法将原始特征进行线性结合从而得到能更好地描述数据集的新特征。经典的特征提取方法有主成分分析法（Ｐｒｉｎｃｉｐｌｅ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ－ＰＣＡ）和线性判别分析法（Ｌｉｎｅａｒ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ－ＬＤＡ）。在知识提取方面，张云璐等人研究了在数字图书馆资源中提取用户想要的知识和服务［７］；王海涛等人提出了基于领域本体的文本知识自动获取方法，其通过引入领域本体，实现了半结构化文本知识的完全自动获取［８］；钟秀琴等人通过构造可共享、可重用、可扩展的几何学本体，用ＲＤＦ／ＯＷＬ的形式进行描述，形成了一套较完整的几何学知识获取和知识表示体系［９］；张清华等人提出一种基于最大粒的规则获取算法，该算法根据条件属性域形成的分层递阶的划分空间，自顶向下逐渐地提取最大粒对应的规则，提高了粗糙集的泛化能力，实现了基于规则的知识提取［１０］。本文首先将这些方法与证劵技术分析指标相结合，建立股票知识库，结合宏观的经济环境，对行业兴衰、企业经营、盈利现状和前景进行分析，对上市公司的股票做出预测。３　价格变化与影响关系分析同所有商品一样，股票在证券市场的价格也不是一成不变的，通常我们会通过技术分析和基本面分析两种方式来判断股市价格的未来走向。技术分析是通过各种图表、技术指标来研究股票市场行为，以判断股票市场价格变化趋势的方法。而基本面分析则是对股市波动成因的分析，是对长线投资的定性分析。对基本面的分析其实是研究上市企业或证券市场的真实理论价值，也是对影响股票价格走势的综合因素的分析，主要包括３个方面：宏观类影响因素、中现类影响因素和微观类影响因素。这３类因素是股票市场基本面分析的主要组成部分。股票预期价格就是反映这些因素条件下证券市场的理论价值体现，然而因为受到多种因素的影响而频繁变化，所以要对影响股票价格的各个因素进行综合分析。本文针对这３类因素，根据实际的市场情况，建立了１０个证券市场信息因素指标，包括：经济周期、财政政策、利率变动、汇率变动、物价变动、通货膨胀、政治政策、行业变化、经营状况、上下游影响等。股票的基本分析就是通过丰富全面的信息进行综合研判，从宏观的经济环境开始研究，逐步开始中观的行业兴衰分析，再进行微观的企业经营、盈利现状和前景进行分析，从而对各上市公司的股票做出接近事实的评价，进而尽可能地预测未来的变化。４　互联网信息与证券市场变化影响模型本节采用多元统计中的因素分析（ｆａｃｔｏｒ　ａｎａｌｙｓｉｓ）模型，根据股票价格变化的影响参数，结合互联网中实时发布的信息，将股票的日收益率作为被解释变量，并认为其由许多信息因素（经济周期、财政政策、利率变动、汇率变动、物价变动、通货膨胀、政治政策、行业变化、经营状况、上下游影响）共同作用决定。这些信息因素对公司价值起到直接的决定作用，本节研究包含一些因素（ｆａｃｔｏｒｓ）的可逐日连续观测变量（ｐｒｏｘｉｅｓ），试图通过检验可连续观测变量与日收益率间的关系，提出关于因素与收益率间关系的科学猜想。以互联网中的各类信息作为数据来源，构建了一个新的“互联网信息指标”（ＩＳＩ）来作为成交量指标的补充和检验。ＩＳＩ指标具有以下特征：·１６７·①ＩＳＩ指标与证券市场间的相关性，据此判断互联网中获得的信息内容是否与证券市场变化显著相关；②ＩＳＩ指标、成交量指标共同存在的模型对证券市场变化的影响程度，并据此研究基于指标数据对证券市场变化的影响变化趋势分析。构建该指标的主要经济学目的在于找到一个能够增强对证券市场变化解释能力的指标，该指标的经济含义是作为对“证券相关”互联网信息的一个加总；并考虑该指标能否直接反映开源信息的质量，以及对“噪音”的处理能力。根据分析角度的不同，ＩＳＩ指标从３个层次进行研究，分别为大盘综合互联网信息指标ＡＩＳＩ、行业互联网信息指标ＩＩＳＩ和个股互联网信息指标ＣＩＳＩ。定义互联网中可以获得的因素，包括经济周期、财政政策、利率变动、汇率变动、物价变动、通货膨胀、政治政策、行业变化、经营状况、上下游影响，并构造成可逐日连续观测变量向量：Ｖ＝｛ｖ１，ｖ２，ｖ３，ｖ４，ｖ５，ｖ６，ｖ７，ｖ８，ｖ９，ｖ１０｝ （１）其中，ｖｉ表示第ｉ个影响因素。针对当前时刻Ｔ，如果在近期的一个连续观测时间段［ｔｓ，Ｔ］内，互联网中共出现了ｋｉ个关于ｖｉ的影响因素消息信息，其中第ｊ个消息信息Ｎｊ（ｊ＝１，…，ｋｉ）对大盘市场的综合影响度为ｆｊ，ｆｊ定义为对大盘影响的指数变化值，如果为负数则表示对大盘市场有负面影响，如果为正数则表示对大盘市场有正面影响，该值是通过历史的机器学习和经验判断针对各个类型的信息事件进行判断而获得的。该消息ｊ的发生时间为ｔｊ，随着时间变化的影响变化权重函数为ｗ（Ｎｊ，Δｔ），其中Δｔ＝Ｔ－ｔｊ，表示距发生时间的时间间隔，描述了随着时间的变化该消息对当前时刻的市场情况的影响力度。根据我们的研究经验，该变化函数服从正态分布。大盘综合互联网信息指标ＡＩＳＩ模型如下：ＡＩＳＩ＝Σ１０ｉ＝１ 　 Σｋｉｊ＝１ｆｉ×ｗ（Ｎｊ，Δｔ） （２）行业的互联网信息指标与上类似，同样受到各个消息信息的影响，在当前时刻针对行业Ｍ，如果在近期的一个连续观测时间段［ｔｓ，Ｔ］内，互联网中共出现了珔ｋｉ个关于行业Ｍ的ｖｉ的影响因素消息信息，其中第ｊ个消息信息珡Ｎｊ（ｊ＝１，…，ｋｉ）对大盘市场的综合影响度为珚ｆｊ，珚ｆｊ定义为对该行业Ｍ的指数变化值，如果为负数则表示对行业Ｍ 有负面影响，如果为正数则表示对行业Ｍ 有正面影响，该值通过历史的机器学习和经验判断针对各个类型的信息事件进行判断而获得。消息ｊ的发生时间为ｔｊ，随着时间变化的影响变化权重函数为ｗ（Ｎｊ，Δｔ），其中Δｔ＝Ｔ－ｔｊ，表示距发生时间的时间间隔，描述了随着时间的变化该消息对当前时刻的市场情况影响力度。根据我们的研究经验，该变化函数服从正态分布。独立的行业Ｍ 互联网信息指标ＩＩＳＩ∧ 模型如下：ＩＩＳＩ∧＝Σ１０ｉ＝１ 　 Σｋｉｊ＝１ｆｉ×ｗ（Ｎｊ，Δｔ） （３）然而事实上行业不是独立存在的，因此要考虑行业之间的影响关系，行业之间由于上下游产业链的关系而相互影响各自的市场状况，图１反映了“布”行业的上下游关系。图１　“布”行业的上下游分布上游的变化会影响行业的建设成本和生产能力，下游的变化会引起行业的市场需求和供给利润，设行业Ｍ 的上游行业有ａ 个，分别为︷Ｍ＝｛Ｍ１，…，Ｍａ｝，每个上游行业Ｍｉ对该行业的影响因子为Ａｉ，行业Ｍ 的下游行业有ｂ 个，分别为︸ Ｍ＝｛Ｍ１，…，Ｍｂ｝，每个下游行业Ｍｊ对该行业的影响因子为Ｂｊ。因此，考虑到上下游影响关系的行业Ｍ 互联网信息指标ＩＩＳＩ 模型如下：ＩＩＳＩ＝ＩＩＳＩ∧Ｍ＋Σａｉ＝１ＡｉＩＩＳＩ∧ｉ＋Σｂｊ＝１ＢｊＩＩＳＩ∧ｊ （４）个股的互联网信息指标与上类似，同样受到各个消息信息的影响，在当前时刻针对个股Ｓ，如果在近期的一个连续观测时间段［ｔｓ，Ｔ］内，互联网中共出现了珔ｋｉ个关于个股Ｓ 的ｖｉ的影响因素消息信息，其中第ｊ个消息信息珡Ｎｊ（ｊ＝１，…，ｋｉ）对大盘市场的综合影响度为珚ｆｊ，珚ｆｊ定义为对该个股Ｓ 的指数变化值，如果为负数则表示对个股Ｓ 有负面影响，如果为正数则表示对个股Ｓ 有正面影响，该值通过历史的机器学习和经验判断针对各个类型的信息事件进行判断而获得。该消息ｊ的发生时间为ｔｊ，随着时间变化的影响变化权重函数为ｗ（Ｎｊ，Δｔ），其中Δｔ＝Ｔ－ｔｊ，表示距发生时间的时间间隔，描述了随着时间的变化该消息对当前时刻的市场情况影响力度。根据我们的研究经验，该变化函数从正态分布。因此独立的个股Ｓ 互联网信息指标ＣＩＣＳ∧ 模型如下：ＣＩＣＳ∧＝Σ１０ｉ＝１ 　 Σｋｉｊ＝１ｆｉ×ｗ（Ｎｊ，Δｔ） （５）然而事实上个股不是独立存在的，一方面，个股受它所在的大盘环境影响；另一方面，个股受它所在的行业状况影响。另外个股还受到其他公司的影响。例如个股Ｓ 的主营范围决定了它所在的行业，并且根据他的主营范围比重受到了行业的不同程度的影响。图２和表２反映了个股Ｓ 的主营范围和行业的关系。布２１７１４．８１ －１４．１７％ ５９．１４％ ７２９．６６工程机械国际贸易４２３８．９５　９９．４０％ １１．５４％ ４７４．１０服装３７９８．７５ －５０．４４％ １０．３５％ ３９２．７１纱３３５６．６４　２５．２０％ ９．１４％ ９７．４１纺织机械等设备进口１６６８．８５　１９０．２４％ ４．５４％ １２２．９７家纺产品国际贸易７０６．８６　２８．１０％ １．９２％ １７．４６陶瓷国际贸易６３１．７４　２０．３４％ １．７２％ ７４．７６其它（补充） ６０３．７３ － １．６４％ －纺织业务２９５８１．４０ －１３．０９％ ８０．５６％ １５３４．５７其他业务６５３５．１９　２１．３５％ １７．８０％ ３７４．５０其它（补充） ６０３．７３ － １．６４％ －境外销售３０７０６．３３ －８．０６％ ８３．６２％ －境内销售５４１０．２７ －１０．１９％ １４．７３％ －其它（补充） ６０３．７３ － １．６４％ －图２　某上市公司的主营构成（大智慧软件）表２　某上市公司主营相关行业所在比重构成主营分类比重国内贸易－纺织业务－布５９．１４％国内贸易－纺织业务－服装１０．３５％国内贸易－纺织业务－纱９．１４％国内贸易－机械设备－纺织机械４．５４％国际贸易－纺织业务－家纺产品１．９２％国际贸易－机械设备－纺织机械１１．５４％国际贸易－艺术品－陶瓷１．７２％另一方面，企业和企业之间具有各类控股或被控股的关系，使得他们的市场变化相互影响。图３反映了个股的控股公司和被控股公司的关系。·１６８·图３　某上市公司控股公司和被控股公司关系如果企业Ｃ 的控股公司一共有ｔ 个，构成了企业Ｃ 的控股公司集，用Ｋ 表示：Ｋ＝｛〈Ｃ１，ｗ１〉，〈Ｃ２，ｗ２〉，…，〈Ｃｔ，ｗｔ〉｝其中，ｗｉ表示企业Ｃ 在公司Ｃｉ中占有个股份比例，其中０≤ｗｉ≤１。企业Ｃ 的股东一共有ｍ＋ｎ 个，其中ｍ 个企业，ｎ 个个人，构成了Ｃ 的股东集，用Ｇ 表示：Ｇ＝｛〈Ｃ１，ｗ１′〉，〈Ｃ２，ｗ２′〉，…〈Ｃｍ，ｗｍ′〉，〈Ｐ１，ｗ１″〉，…〈ｐ１，ｗｎ″〉｝其中，ｗｉ′表示企业Ｃｉ在公司Ｃ 中占有额股份比例，ｗ１″表示个人Ｐｉ在公司Ｃ 中占有的股份比例，０≤ｗｉ′≤１，０≤ｗｉ″≤１，Σ ｍｉ＝１ｗ１′＋Σｎｉ＝１ｗ１″＝１。定义１（控股）　对于企业Ｃｉ和企业Ｃｊ，如果存在ｃｊ∈Ｋｃｉ，则表示企业Ｃｉ对Ｃｊ控股，Ｃｉ在Ｃｊ中占有的股份为ｗｉｊ＝ＫＣｉ·Ｃｊ·ｗ，控股的算法表示为：ΘＣｉｗｉ→ｊＣｊ定义２（循环持股）　如果企业Ｃｉ和企业Ｃｊ相互之间存在控关系，即存在ΘＣｉｗｉ→ｊＣｊ，也存在ΘＣｊｗｊ→ｉＣｉ，则表示企业Ｃｉ和企业Ｃｊ循环持股，表示为：ΘＣｉ〈ｗｉｊ，ｗｊｉ→〉Ｃｊ定义３（间接控股）　如果企业Ｃｉ和企业Ｃｊ之间，存在Ｃ１，Ｃ２，…，Ｃｎ，满足ΘＣｉｗｉ→１Ｃ１，ΘＣ１ｗ→１２Ｃ２，…，ΘＣｎｗｎ→ｊＣｊ，则表示企业Ｃｉ对企业Ｃｊ间接控股，表示为：ΘＣｉｎＣｊ其中，ｎ表示企业Ｃｉ对企业Ｃｊ间接持股的间接度，ｎ＞０，Ｃ１，Ｃ２，…，Ｃｎ表示传递节点。间接控股具有传递性，即如果ΘＣｉ ｎＣｊ，ΘＣｊ ｍＣｋ，且ｉ≠ｋ，则ΘＣｉ ｎ＋ｍＣｋ。定义４（交叉持股）　如果存在企业Ｃｉ、企业Ｃｊ，既满足ΘＣｉｎＣｊ，也满足ΘＣｊｍＣｉ，则表示企业Ｃｉ和企业Ｃｊ交叉持股，表示为：ΘＣｉ ｎ，ｍＣｊ交叉持股满足交换律和结合律。如果企业主营构成包括ｎ类，构成了企业的主营构成集，用Ｙ 表示：Ｙ＝｛〈Ｇ１，ｗ１〉，〈Ｇ２，ｗ２〉…〈Ｇｎ，ｗｎ〉｝其中，Ｇｉ表示第ｉ项主营构成，ｗｎ表示第ｉ 项主营构成在整个公司所占的比重，满足：Σｗｉ＝１且任意企业的主营构成中，每一项Ｇｉ都互不相交。控股公司的变化会影响该公司的战略规划和发展格局，被控股公司的变化会影响该公司的财务状况和业务能力。设个股Ｓ 的控股公司有ａ 个，分别为︷Ｓ＝｛Ｓ１，…，Ｓａ｝，每个控股公司Ｓｉ对该个股的影响因子为Ａｉ，个股Ｓ 的下游行业有ｂ个，分别为︸ Ｓ＝｛Ｓ１，…，Ｓｂ｝，每个被控股公司Ｓｊ对该行业的影响因子为Ｂｊ。同时个股Ｓ 的主营结构对应了ｃ 个行业，第ｉ个行业对该个股Ｓ 的影响度为Ｃｉ，因此，考虑到股权结构影响关系和个股的行业状况的个股Ｓ 互联网信息指标ＣＩＳＩ模型如下：ＣＩＳＩ＝ＣＩＳＩ∧Ｓ＝Σａｉ＝１ＡｉＣＩＳＩ∧ｉ＋Σｂｊ＝１ＢｊＣＩＳＩ∧ｊ＋Σｃｋ＝１ＣｉＣＩＳＩ∧ｋ（６）５　互联网中证券影响因素信息获取为了有效地验证和实现信息的提取和市场的预测，本文选择了１０个样本行业和１００个样本个股，关于样本行业的选择问题有如下２点说明：①为了反映相互的影响，所选择的１０个样本行业（板块）部分具有上下游关系；②所选择的１０个样本行业是近期较为重点和关注的行业，市场波动较大，消息面比较频繁。所选择的１０个样本行业的情况如表３所列。表３　本文所研究的１０个行业序号行业板块总市值（亿） 个股数量１ 大数据３２３．１３　１６２ 智能穿戴１５０．４７　１５３ 节能环保１０４７．９０　６５４ 特斯拉１１２０．６２　２４５ 国企改革６２１９．９２　９７６ 新能源３３９９．３２　１０５７ 燃料电池１２０３．９９　１３８ 锂电池１６４４．３６　４３９ 物联网１１７８．９３　４２１０ 中字头１６８５５．３７　３５关于样本个股的选择问题有如下３点说明：①之所以选择主板中盘面较大的个股，主要是两方面权衡的结果。主板中业绩较好的个股盘面较大，相对能防止受人为操作的剧烈波动。②根据证券交易所报告中１００家具有代表性的主板公司组成，选样空间是在上海和深圳证券交易所主板上市交易且满足下列条件的股票：上市时间超过一年（流通市值排名在样本数１０％范围内的不受此限）；非ＳＴ、非ＳＴ＊股票；公司最近一年无重大违规、财务报告无重大问题；公司最近一年经营无异常、无重大亏损；考察期内股价无异常波动。此方法是计算入围个股在考察期的平均流通市值及平均成交金额所占市场比重，将上述指标按２：１权重进行加权计算，再将结果从高到低排序，选取排名前１００名的股票构成指数成份股。成份股每年１、７月进行样本股定期调整。本文采用的是２０１３年１月调整后的样本股。③这些个股在互联网上都有较为全面的信息披露，也与本文选择的１０个样本行业有着相互关系。因此所选择的１００个样本个股中部分如表４所列。·１６９·表４　本文所研究的１００个股（部分代表）代码名称最新（元） 总量（手） 金额（万）００２３３５ 科华恒盛１４．８７　７０７９　１０４７００２３６８ 太极股份２８．９０　２２５７１　６４５３０００９７７ 浪潮信息４８．０６　１１６９９　５６３４００２６５７ 中科金财２７．００　５４３２　１４４８３００３０２ 同有科技２７．８３　１８４９　５１２６００８０４ 鹏博士１４．０６　１３３３３１　１８７６５３００２４５ 天玑科技２５．２０　１９１３３　４８６８３００２３１ 银信科技１８．７８　９０４８　１７０９３００２２９ 拓尔思２０．４２　１６３３８　３３５０３００２９０ 荣科科技１４．００　２２８６　３２０００２４３２ 九安医疗２０．５０　８７５３４　１７５６３００２６８１ 奋达科技２８．７９　１５５８８５　４５２５７００２２７３ 水晶光电１７．５４　６３６２３　１１１１８３０００６１ 康耐特１２．８６　１０７６２　１３７５００２２４１ 歌尔声学２７．８０　７８８９３　２１５５５６００５８４ 长电科技７．４８　１０７３１７　８０４１００２６５５ 共达电声１０．２３　１８４５７　１８８７００２５１２ 达华智能１３．１２　２１２４７　２７９１００２２３０ 科大讯飞２４．９９　４９４８０　１２３２７６００６３６ 三爱富１３．５３　３４３３０２　４５３７４３０００７２ 三聚环保１７．８３　５３７６７　９５４５００２３３５ 科华恒盛１４．８７　７０７９　１０４７００２６６５ 首航节能２５．５５　２２９２８　５８８６００２６４８ 卫星石化２６．１２　１８８７９　４８９６０００７２３ 美锦能源５．１７　１３１４９　６７８００２４９９ 科林环保２１．１６　６１３３　１２９２３００３３８ 开元仪器２１．１４　１５５１０　３２６０３００１４０ 启源装备１４．９３　８３６１　１２４６６００８７４ 创业环保７．６５　３２５０８　２４８７通过互联网爬虫每天实时抓取互联网上出现的各类证券相关信息，主要的信息来源有３类。新闻：主要是从各大新闻网站中获取最新的相关信息；微博：从新浪微博中获取最新的相关事件信息；论坛：从各大论坛尤其是股票论坛中获取最新的相关事件信息。除了各自的来源不同外，本文将它们作为统一的消息来源进行分析，并对其进行建模。信息模型将信息的基本属性进行了定义，对于信息Ｎ，定义为Ｎ＝｛ｔｔ，ｓｔｔ，ａｔ，ｗｓ，ｃｔ，ｔｍ，ｔｐ，ｕｌ｝其中，ｔｔ表示标题，ｓｔｔ表示副标题，ａｔ表示作者，ｗｓ表示来源站点，ｃｔ表示正文，ｔｍ 表示发表时间，ｔｐ 表示该信息在该来源站点的分类，ｕｌ表示该信息的链接ＵＲＬ。ｔｐ 是一个ｎ 元组，ｔｐ＝｛ｔ１，ｔ２，…，ｔｎ｝，ｎ表示该站点的分类最大级数。然后对信息进行内容分析，提取信息中关于证券相关的信息内容，例如信息“中国人民银行决定，从２０１１年１月２０日起，上调存款类金融机构人民币存款准备金率０．５个百分点”属于影响因素“财政政策”中“存款准备金调整”的分类，行为为“上调”，程度为“０．５％”，发生时间为“２０１１年１月２０日”，根据分类知识，该新闻对时刻“２０１１年１月２１日”大盘的影响度为－３，延时因子为１。针对行业板块，例如信息“购新能源车最高补贴１２万”，属于“政治政策”中“产业扶持”的分类，行为为“新能源购车补贴”，程度为“１２００００”，发生时间为“２０１４年４月２９日”，根据分类知识，该新闻对时刻“２０１４年４月３０日”的“新能源汽车”行业的影响度为２，延时因子为０．２。针对个股，例如信息“酒鬼酒被指塑化剂超标２６０％ 引发白酒行业塑化剂门”，属于“经营状况”中“质量问题”的分类，行为为“塑化剂超标”，程度为“２６０％”，发生时间为“２０１２年１１月１９日”，根据分类知识，该新闻对时刻“２０１２年１１月２０日”的“酒鬼酒０００７９９”的影响度为－１０，延时因子为１。因此对互联网中的信息进行自动抽取最新的信息，然后将其分析整理后得到统一的数据模型，信息Ｆ 可以被描述为：Ｆ＝｛Ｔｉｔｌｅ，Ｃｏｎｔｅｘｔ，Ａｄｄｔｉｍｅ，Ｆａｃｔｏｒ，Ｔｙｐｅ，Ｂｅｈａｖｉｏｒ，Ｄｅｇｒｅｅ，Ａｐｐｅｎｄｔｉｍｅ，ＩＦ｝ （６）各元素分别表示信息标题、信息描述、发表时间、所属影响因素、所属分类、具体行为、行为程度、发生时间，ＩＦ 表示该信息对大盘、行业、个股等所产生的影响关系，可以描述为：ＩＦ＝｛ｉｆ１，…，ｉｆｎ｝其中，ｎ表示该新闻会产生的影响的目标个数，对第ｉ个目标的影响为ｉｆｉ＝｛Ｏｔｙｐｅ，Ｏｂｊｅｃｔ，Ｉｍｐａｃｔ，Ｄｅｌａｙ｝其中，Ｏｔｙｐｅ表示类型，为固定枚举型，１表示大盘，２表示行业，３表示个股。Ｏｂｊｅｃｔ表示影响的具体目标，如果为个股，则描述股票代码；如果为行业，则描述自定义的行业编码；如果为大盘，则记录为０。６　基于互联网信息对证券市场变化预测实验本文根据近期的时间，进行了数据采集、分析和预测实现，并根据结果与后来发生的情况进行实际校验。通过采集２０１４年３月１日－２０１４年３月１５日半个月内的所有发生的相关信息事件，对其去重后一共有１２３１４条相关的信息事件，平均每天约８２１条，每天的数据分布如表５所列。表５　所有发生的相关信息事件数量分布（３月１日－３月１５日）日期大盘行业个股＊２０１４年３月１日２９　３８　９３４＊２０１４年３月２日１０　１０７　６７４２０１４年３月３日３３　８９　９２４２０１４年３月４日４５　５７　６２５２０１４年３月５日４６　１３９　７３２２０１４年３月６日４７　４２　１０５０２０１４年３月７日５６　８０　６２５＊２０１４年３月８日１８　７７　１０４３＊２０１４年３月９日５３　７３　３０７２０１４年３月１０日３１　５９　７０６２０１４年３月１１日３４　４９　４９１２０１４年３月１２日２１　３３　９８４２０１４年３月１３日４５　１３５　５２５２０１４年３月１４日４０　６５　６３３＊２０１４年３月１５日３８　６８　４０６其中带＊号的表示是周末，因为周末证券市场不交易，因此我们认为周末的消息对周一的市场影响时延为０，即表示及时的影响。为了降低消息长时间影响所造成的计算复杂度，本文假设消息的时间周期为５天，即消息发生５天后对市场不再造成影响，根据大盘综合指数：ＡＩＳＩ＝Σ１０ｉ＝１ 　 Σｋｉｊ＝１ｆｉ×ｗ（Ｎｊ，Δｔ） （７）每个交易日的大盘综合指数由近５天内的消息事件综合决定，根据时间间隔按函数ｗ（Ｎｊ，Δｔ）产生因子变化。分布图如图４所示。·１７０·图４　３月１日－３月１５日所有发生的相关信息事件数量分布根据每个信息的数据情况，对这１５天内的１０个交易日的ＡＩＳＩ指数按模型进行计算。表６列出根据ＡＩＳＩ预测的每个交易日的价值变化指数。表６　每日ＡＩＳＩ值（３月１日－３月１５日）日期预测变化值２０１４年３月３日－８２０１４年３月４日２２０１４年３月５日－１０２０１４年３月６日－２２０１４年３月７日８２０１４年３月１０日－４０２０１４年３月１１日１２０１４年３月１２日－１０２０１４年３月１３日２０２０１４年３月１４日－１８图５　１１个交易日的实际交易Ｋ线图（２月２８日－３月１５日）表７　３月１日－３月１５日的市场行情与比较情况日期盘价高价最低收盘预测变化实际最大值实际最小值误差２０１４年２月２８日２０４０　２０５８　２０２０　２０５６２０１４年３月３日２０５２　２０７８　２０４７　２０７５ －８　３ －２８　０２０１４年３月４日２０６８　２０７４　２０５０　２０７１　２ －１ －２５　３２０１４年３月５日２０７３　２０７４　２０５０　２０５３ －１０　３ －２１　０２０１４年３月６日２０５０　２０６５　２０３０　２０５９ －２　１２ －２３　０２０１４年３月７日２０５８　２０７９　２０５０　２０５７　８　２０ －９　０２０１４年３月１０日２０４２　２０４２　１９９５　１９９６ －４０ －１５ －６２　０２０１４年３月１１日１９９４　２００８　１９８５　２００１　１　１２ －１１　０２０１４年３月１２日１９９６　２０１１　１９７４　１９９７ －１０　１０ －２７　０２０１４年３月１３日２０００　２０２９　１９９６　２０１９　２０　３２ －１　０２０１４年３月１４日２００８　２０１７　１９９０　２００４ －１ －２ －２９　１图５描述了２月２８日－３月１５日之间１１个交易日的实际交易数据（为了反映２月２８日到３月１日之间的变化情况，所以加入２月２８日的市场行情）。根据实际变化与预测变化进行比较，结果如表７所列。比较结果如图６所示。图６　３月１日－３月１５日的市场行情与比较情况分布由结果可以看出，预测的变化结果的趋势基本与实际情况符合，交叉情况属于预测失败的异常值。关于行业的ＩＩＳＩ与个股的ＣＩＳＩ原理和方法基本相同。结束语　过去几十年中，互联网的产生与飞速发展带来的不仅仅是技术的革命、产业的升级、生产力的提升，也显著地改变了个体的信息获取与决策方式以及群体的行为。本文通过对互联网上的信息事件进行挖掘分析，对影响证券市场变化的经济周期、财政政策、利率变动、汇率变动、物价变动、通货膨胀、政治政策、行业变化、经营状况、上下游影响这１０个因素分别进行了建模，使得在一段时间内的信息事件对这１０个因素的影响程度是准确可度量的。最终根据模型综合分析得出市场变化的总体结论。该方法是基于互联网中信息本身的影响程度来对证券市场的基本面进行定量分析的，具有客观性和独立性，反映了证券市场价格变化的本质，与传统的定性分析具有本质的区别。然而证券市场是一个复杂、庞大的开放式系统，主观性与客观性是一个矛盾对立的辩证双方。本文虽然利用主观性和客观性的方法分别进行了研究，但是我们知道矛盾对立的双方在一定程度上可以相互作用、相互转换，现实市场中也会间歇性出现恐慌性群体影响，因此如何有效地把握主观性和客观性分析的一个平衡关系是一个难题，本文也没有对此进行深入的研究，这将是今后研究的一个重点。参考文献［１］ 吴云勇，范树杰．证券投资分析方法研究［Ｊ］．中国市场，２０１２，（２７）：７６－７７［２］ 许泱．基于神经网络的股票市场预测研究［Ｄ］．武汉：华中科技大学，２００８［３］ 李嵩松．基于隐马尔可夫模型和计算智能的股票价格时间序列预测［Ｄ］．哈尔滨：哈尔滨工业大学，２０１１［４］ 臧玉卫，张慎峰，吴育华，等．中国股票市场的非线性分析［Ｊ］．天津大学学报：社会科学版，２００５，７（６）：４１７－４２０［５］ 刘长虎，陶建格，崔衍秋，等．股票价格指数的投资功能［Ｊ］．市场论坛，２００４（６）：７１－７２［６］ 王超，李楠，李欣丽，等．倾向性分析用于金融市场波动率的研究［Ｊ］．中文信息学报，２００９，２３（１）：９５－９９［７］ Ｙｕ　Ｗｅｉ，Ｚｈａｎｇ　Ｙｕｎ－ｌｕ，Ｇａｎ　Ｌｉｎ．Ａｕｔｏｍａｔｉｃ　Ｅｖａｌｕａｔｉｏｎ　ｆｏｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｐａｔｈｗａｙ　Ｐｒｅｍｉｅｒ　Ａｗａｒｄ　Ｗｉｎｎｅｒｓ［Ｊ］．Ａｐｐｌｉｅｄ　Ｍａｔｈｅｍｔｉｃｓ　＆Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅｓ，２０１４，８（５）：３８１－３９４［８］ 王海涛，曹存根，高颖．基于领域本体的半结构化文本知识自动获取方法的设计和实现［Ｊ］．计算机学报，２００５，２８（１２）：２０１０－２０１８［９］ 钟秀琴，符红光，佘莉，等．基于本体的几何学知识获取及知识表示［Ｊ］．计算机学报，２０１０，３３（１）：１６７－１７３［１０］张清华，王国胤，刘显全．基于最大粒的规则获取算法［Ｊ］．模式识别与人工智能，２０１２，２５（３）：３８８－３９６·１７１·