第十二章 投资者情绪分析的新方向：文字图示化

在这一章，我们要介绍的是情绪分析在交易市场中应用的一种新形式，那就是刚涌现出来的文本挖掘这个领域。

这本书前面的章节分析的都是情绪表现在技术图形中的形态。我们首先关注的是交易者如何运用那些别具特色的技术图形来判别市场情绪。通过研判蜡烛图、折线图、点线图、价格反转图、钥匙图或者砖块图中的走势，我们能够推断出市场中的价位都是买方和卖方博弈的结果。每天的收盘价都显示出市场情绪在背后起作用。从这个角度来看的话，我们认为技术分析或者是图形解读都可以作为形态科学的分支。而技术图形的类型也就是样本数据推演出的不同形态。这样看来，价格反转图、钥匙图、圈叉图和砖块图都显示了不同的形态，只不过是采用了不同的坐标而已。应用这些图形其实与跨界的任何一种模式识别过程都没有太大区别。我们可以将形态分析领域的一些准则应用到图形解读中去，而这些准则可以追溯到形态特征科学（生物形态学）当中去。

让我们对下面的这句话展开一些思考：“形态是带有确定性的实体，它是由多个点构筑在一起形成的，点与点之间保持着几何上的关系”识别出市场中惊异情绪产生的形态真的与在人群中认出一个人没什么不同。从这样的推导看来，图形也属于形态科学的一种形式。

目前，能令我们感到兴奋的是，对市场情绪进行分析的艺术与科学正在不断地发展和进步。在这种理念的感召下，技末图形已经不再是简单描绘出价格运行的轨迹，而且能记录下那些代表各种不同观点的数据。我们不仅可以看到有关消费者和制造商情绪的数据，也能看到根据这些数据做出的各种技术图形。除此之外，在情绪分析领域有个新的分支，它是一种全新的数据类型，可以用于对市场进行评估并制定交易策略。我们在此将这个领域称之为文本挖掘。其实整个这个领域包括了信息抽取（IE）、自然语言处理（NLP）、文本挖掘和事件分析。联储的经济学家已经认识到收集实时数据集的必要性，使得收集当前的经济状况数据比手头原有的数据更加精确。近期的一份研究报告中说：

在世界范围内的经济、金融和政策群体当中，经济的总体状况是最核心重要的东西，有非常大的人力物力都投入到了对这些真实的经济状况不断演变过程的评估当中。从文字报道上看，就是成千上万的报纸、杂志、电视节目和博客时时刻刻纠结在如何看待不断变化的经济状况，并对未来进行预测的问题上，这还不算那些在制造业和服务行业就职的员工队伍，其中包括金融服务行业、中央银行、政府和非政府组织等。最关键的核心问题就是这种持续不断的纠结本身。那些需要即时做出真正的决策的真实存在的经济机构，想要得到的是关于真实的经济活动状况的准确而及时的评估。那些诸如国家经济研究局（NBER）发布的经济周期大事记，都是在事件发生后很长时间才发布经济扩张与紧缩的情况，它们在这方面就派不上什么用场。

在这份报告的结论中，它对文字的重要性也做出了明确的认可。以下就是作者的原话：

我们期望......纳入那些宏观经济和金融数据之外的指标。特别感兴趣的是加入那些定性的信息，比如头条新闻。

费城的联邦储备银行已经建立了实时数据研究中心。研究的重点放在如何将对经济情况的预测等实时数据作为追踪经济状况的一部分，同时也要分离出那些杂音产生的信号。

这个研究方向的意义非常重大，因为这样的研究会让实时高频的观点调查带给交易者很多新信息。最近一项研究指出了这个新的研究门类的重要性：

在金融市场中，交易者面临的问题是，他们从各式各样观点截然不同的地方得到了太多的信息，这些信息来自新闻专线、论坛、博客和协作式工具等。为了在交易中做出准确的判断，交易者不得不对那些相关的信息进行有效地过滤，以便他们能够对新信息做出及时的反应。这个领域很新，不过它正迅速发展为一门拓扑学，并为技术工具的构建提供逻辑支持。下面这张表显示了它的整体逻辑脉络。

当然，我们感兴趣的是如何将“文本挖掘”应用到交易中去。最近的一项计算机智能研究也在关注如何把它用在股票预测上：

把挖掘文本文件与时间序列同时使用，是当前数据挖掘领域的新课题，比如根据新闻报道来预测股票价格的波动。以前的研究已经指出，在新闻报道和股票价格之间的确存在着某种关系。不过，所有现行的方法都只是挖掘单一的时间序列。股票之间的内在关系没有能很好地表现出来。而同时挖掘多重时间序列不仅能获得更多的信息，而且挑战性还远远大于前者。在这方面的研究还没有眼上。在本文里，我们要以有效市场假说为基础，试图探索用它来挖掘多重时间序列的机会，并提出一个系统性的框架。

联储最近发布了一篇文章，文中也对文本的影响予以了关注。

在2004年1月28日召开政策会议之后，联储的声明导致国债市场出现了有记录以来的最强烈的反应，在声明发表后的半个小时，2年期和5年期的国债收益分别下跌了20个和25个基点，关于联邦公开市场委员会（FOMC）的声明引发市场反应的数据，我们已经记录了14年多，这次是它对市场影响最大的一次。“我们发现，在5年期和10年期国债收益的可解释的变化中，有75%到90%要归功于路径因素（与声明有联系），而不是由联邦基金目标利率引起的。”该研究断言，“中央银行的举动是否比言语更有影响力呢？我们发现这个问题的量化答案是‘不’。特别值得一提的是，那种认为FOMC声明对金融市场产生影响只是出于单一因素（即联邦基金目标利率的变动）的观点是错误的。我们找到了第二个因素，它与FOMC对当前联邦基金利率的决策无关，却与FOMC发表的声明有关，在FOMC会议前后，5年期和10年期国债收益的可解释的变动中，有四分之一以上是源于第二个因素。”

在知道了文字的重要性和它对市场可以产生影响的情况下，目前摆在我们面前的问题是，对于那些没有高效的经济和计算机模型的普通交易者，如何能够采用文字分析来作为判别市场情绪的分析工具。我们是不是要坐等该领域出现更大进展后才能普及开呢？实际上不需要等那么久，即使在文本挖掘的早期阶段，我们也能用文字云（或标签云）这种新的技术分析手段来判别情绪。文本挖掘要先扫视文件，生成单词出现的频率与次数，然后进行单词联想式分析，而文字云就是其中一项。在www.wordle.net上，可以找到公开发表的有关方法和文本挖掘的一些早期研究的例子。该网站有一个功能，将文本插入它的程序中，就可以生成单词出现频率的一个排列，这样你就可以马上看出哪些单词是很重要的。

图12.1的文字云是关于联储局主席伯南克1月在伦敦商学院发表的演讲内容。

让我们把图12.1与图12.2的文字云做个比较。图12.2的文字云是对欧洲中央银行行长特里谢在2009年4月18日发表的一个重要讲话的分析，它的题目是《危机在全球展现出的多面性》。

通过对伯南克与特里谢的这两张文字云进行快速比较，我们立刻就能看出他们两人在讲话时的侧重点不同。在特里谢的讲话中，global（全球）、imbalances（不平衡）和trade（贸易）这几个词显得很突出，而相比之下，这些词在伯南克的讲话中很少出现。理解这两位银行界的关键人物在观念上的区别是很重要的，这些文字云可以帮助投资者搞清楚欧洲与美国在对未来预期和市场情绪方面的差异。文字云是朝着正确方向迈出了一步，但在文本挖掘应用在交易的过程中，还需要做更多量化的工作。交易者需要知道的东西远比他们从文字云中得到的要多得多。无论是当用词的频率和侧重点发生变化时，还是出现新词（新的事件）或是原先用的单词不再使用的时候，都应该能对交易者做出提示。

在使用文本挖掘进行技术分析的下一步是让任何一位交易者上传一个讲稿或是文件，然后文本挖掘的应用程序就会生成一个文字矩阵，即文字的一种有序排列，它可以显示出用词的频率，也能比较不同文件之间的用词频率变化。这样一个工具的使用能帮助交易者更好地掌握宏观经济环境的情况。当我们辨别出讲话的重心发生改变时，它应该能为公共政策的取向提供一些线索。什么样的事件正引起市场的恐慌？这是滞胀还是通胀的表现呢？信贷收紧了吗？资产有泡沫吗？在侧重点上发生的细微变化，都会为交易者揭示很多方向性的东西，这比看图得到的还要多。

即便是这个方法的开发仍处在初级阶段，它已经显示出了自己的潜力很大，让我们拭目以待吧。我们将对伯南克与特里谢的讲话进行一些文本挖掘，然后来看看结果如何。

文本挖掘分析可以分成两种类型。第一种方法类似于时间序列分析法，它是把同一个人现在的讲话与之前的讲话进行比较。而比较伯南克与特里谢或者其他人之间的讲话则属于横向比较分析法。

分析结果中有几方面内容应该是交易者会感兴趣的。首先就是关键词的使用频率。在前后不同场次的讲话中，某个词的使用频率是增加了还是减少了？另一方面是与别人不同的，即具有唯一性词语的出现。如果这样的词语是第一次出现，那么它就是一个重要的信号。当那些举足轻重的政策制定者在草拟讲话稿时，每个词都会权衡再三的。所以说，在经济数据发布或演讲中是否有新词出现，这个词的出现与其他词联系有什么关系（称为上下文中的关键词），会成为很有用的指标。当把一个人的讲话与另一个的讲话进行对比时，这种分析就类似于横向数据之间的分析。比如，在伯南克与特里谢的讲话中，有些词两个人都用到了，而有些词只出现在其中一个人的讲话中。而且他们在用词的频率上也有很大的差异。让我们看一下针对近期伯南克（见表12.1、表12.2和表12.3）与特里谢（见表12.4）的讲话所作出的情绪矩阵。我们首先是对伯南克不同时间的讲话进行评估，然后我们评估的是特里谢的几次讲话，最后是将伯南克与特里谢的讲话放在一起比较。

讲话中的用词往往会与市场情绪不谋而合，还可以看作是市场情绪的先行指标。可以想见，重要的政府官员的任何一个官方声明都会考虑到每个用词将要产生的影响，而对它们反复斟酌。所以我们对讲话中出现了哪些单词，它们出现的频率，及与其他单词的接近程度等进行关注是有道理的。当你看第一遍时，就要把讲稿中所有的单词分拆出来，统计它们出现的次数。单词的出现频率是拿来比较两次讲话中情绪改变的第一个线索。在比较伯南克的两篇讲话时，我们找到那些在第二次讲话中用到的次数比第一次讲话时明显增多（见表12.1）单词，并将它们排序。单词使用频率的增加不是偶然的，它是我们度量态度变化的直接工具。价格其实是态度变化的结果，与价格相比的话，文字分析就是一个先行指标。为什么economy（经济）这个词在第一次讲话中出现了3次，而在第二次讲话中出现了10次？这不是赶巧了。为什么creditors（债务人）这个词在第一次讲话中没有出现，而到了第二次讲话中出现了5次。balances（平衡）这个词在第一次讲话中也没出现，但在第二次讲话中出现了4次。liquidity（流动性）这个词在第一次讲话中出现了4次，但是在第二次讲话中出现了10次。