1.2.2　研究方法

本书尝试打破单一学科的局限性，以跨学科、交叉学科的视角，有机融合金融学、管理学、计算机科学、心理学等众多学科，利用金融智能的交叉学科优势，围绕互联网财经新闻信息与证券市场展开相关的研究，并为以后的相关研究提供有价值的分析依据和理论支撑。本书使用了多种研究方法，主要包括：

（1）文献研究法和归纳总结法

本书通过收集、整理和研读金融学、计算机科学和管理信息系统三个领域关于证券市场媒体效应的文献，全面系统地分析了该交叉领域的国内外研究现状，通过归纳和总结现有研究的不足、空白和缺陷，指出进一步研究的突破点，从而确定本书的研究目的和内容，构建“提出问题—分析与解决问题—总结与建议”的研究路线，增强本书的系统性和综合性，为具体量化分析互联网媒体对证券市场影响的深度和广度奠定重要的理论基础。

（2）大数据分析法

随着互联网的飞速发展，其中的媒体信息量与传播速度日渐剧增，传统的数据分析方法已经无法处理海量级的数据内容。在本书中，无论是财经新闻信息的采集、识别、分类，还是后续的实证分析研究，都是建立在庞大数据量级的基础上，本书利用高性能计算机处理百万级互联网数据，极大地提高了数据处理效率。此外，大数据分析方法有利于保留有效信息，保证研究结果的精细、准确，让研究结论更具有学术说服力，以证明研究结果的广泛适用性。

（3）对比分析法

本书在四个方面用到了对比分析法：一是关于公司高管类新闻、政策类新闻等七类不同主题的新闻对证券市场影响的差异性比较分析；二是关于不同属性公司，特别是各行业公司受到财经新闻冲击差别的对比分析；三是关于上市公司管理者的不同媒体行为导致的差异化媒体效应的比较分析；四是关于机器学习模型效果的比较分析。通过各方面的对比，帮助本书更加细致和深入地探讨互联网新闻媒体信息如何影响证券市场风险波动。

（4）实证研究法

实证分析是指排除了主观价值判断，只考虑经济事物之间相互联系的客观规律，并根据这些规律来分析和预测人的经济行为的效果。本书使用了资本资产定价模型、Fama-French三因子模型、事件研究法等计量经济学经典分析方法，对2015至2017年我国A股市场2 253只股票的风险波动进行了实证研究。本书得出的一系列实证研究成果，可以从投资者认知行为、上市公司治理、金融市场监管三个不同的角度，提供理论参考和决策辅助。

（5）基于机器学习的研究方法

本书采用基于机器学习的研究方法对市场信息效应进行分析，机器学习方法可以更好地量化新闻对证券市场影响的深度和广度，用整体、连续，而非单一的数据关系，研究复杂市场因素对证券市场新闻媒体效应的综合影响。机器学习研究方法是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，具有优秀的理论和应用基础，也是人工智能的核心，是使计算机具有智能的根本途径，为互联网财经新闻主题的识别，财经新闻对证券市场影响力的具体量化，以及智能化风险分析系统的构建，都提供了强大的技术支撑，增加了本书完成的可能性。