11、股票回报波动率预测：结合财务与文本数据的新方法

股票回报波动率预测：结合财务与文本数据的新方法

1. 研究背景与动机

在股票市场中，准确预测股票回报波动率对于管理金融风险和减少公司风险敞口至关重要。以往研究表明，金融市场和财务报表中的信息虽能提供一定支持，但不足以准确预警股票价格的异常波动。而且，多数与公司相关的股票市场风险信息以语言形式存在，尤其是公司年报，详细阐述了公司面临的财务风险及应对计划。不过，此前研究仅关注了年报中语言变量对股票价格波动率的长期影响，且短期影响仅在外部信息中得到验证。为解决这一问题，研究提出了一种利用公司年报中管理层情绪的新型预测模型。

2. 研究方法概述

研究的预测系统整合了三个不同的组成部分：
- 对公司年报（10 - K文件）进行分析得到的语言成分。
- 从MarketWatch数据库获取的股票回报波动率的财务指标。
- 历史股票回报波动率。

研究框架通过考虑财务指标的影响，分析了年报中管理层评论对股票回报波动率的影响。为实现预测系统的高精度，研究考察了多种机器学习方法，包括REPTree、Bagging、随机森林（RF）、多层感知器神经网络（MLP）、支持向量机（SVM）和深度前馈神经网络（DFFNN）。

下面是研究方法的流程图：

graph LR
    A[文本数据（10 - K文件）] --> B[语言指标（通用字典和金融特定字典）]
    C[金融数据（MarketWatch数据库）] --> D[财务指标（流动性比率、贝塔系数等）]
    E[历史股票回报波动率] --> F[股票回报波动率预测（机器学习