1.2.2　研究方法

本書嘗試打破單一學科的局限性，以跨學科、交叉學科的視角，有機融合金融學、管理學、計算機科學、心理學等眾多學科，利用金融智能的交叉學科優勢，圍繞互聯網財經新聞信息與證券市場展開相關的研究，并為以后的相關研究提供有價值的分析依據和理論支撐。本書使用了多種研究方法，主要包括：

（1）文獻研究法和歸納總結法

本書通過收集、整理和研讀金融學、計算機科學和管理信息系統三個領域關于證券市場媒體效應的文獻，全面系統地分析了該交叉領域的國內外研究現狀，通過歸納和總結現有研究的不足、空白和缺陷，指出進一步研究的突破點，從而確定本書的研究目的和內容，構建“提出問題—分析與解決問題—總結與建議”的研究路線，增強本書的系統性和綜合性，為具體量化分析互聯網媒體對證券市場影響的深度和廣度奠定重要的理論基礎。

（2）大數據分析法

隨著互聯網的飛速發展，其中的媒體信息量與傳播速度日漸劇增，傳統的數據分析方法已經無法處理海量級的數據內容。在本書中，無論是財經新聞信息的采集、識別、分類，還是后續的實證分析研究，都是建立在龐大數據量級的基礎上，本書利用高性能計算機處理百萬級互聯網數據，極大地提高了數據處理效率。此外，大數據分析方法有利于保留有效信息，保證研究結果的精細、準確，讓研究結論更具有學術說服力，以證明研究結果的廣泛適用性。

（3）對比分析法

本書在四個方面用到了對比分析法：一是關于公司高管類新聞、政策類新聞等七類不同主題的新聞對證券市場影響的差異性比較分析；二是關于不同屬性公司，特別是各行業公司受到財經新聞沖擊差別的對比分析；三是關于上市公司管理者的不同媒體行為導致的差異化媒體效應的比較分析；四是關于機器學習模型效果的比較分析。通過各方面的對比，幫助本書更加細致和深入地探討互聯網新聞媒體信息如何影響證券市場風險波動。

（4）實證研究法

實證分析是指排除了主觀價值判斷，只考慮經濟事物之間相互聯系的客觀規律，并根據這些規律來分析和預測人的經濟行為的效果。本書使用了資本資產定價模型、Fama-French三因子模型、事件研究法等計量經濟學經典分析方法，對2015至2017年我國A股市場2 253只股票的風險波動進行了實證研究。本書得出的一系列實證研究成果，可以從投資者認知行為、上市公司治理、金融市場監管三個不同的角度，提供理論參考和決策輔助。

（5）基于機器學習的研究方法

本書采用基于機器學習的研究方法對市場信息效應進行分析，機器學習方法可以更好地量化新聞對證券市場影響的深度和廣度，用整體、連續，而非單一的數據關系，研究復雜市場因素對證券市場新聞媒體效應的綜合影響。機器學習研究方法是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科，具有優秀的理論和應用基礎，也是人工智能的核心，是使計算機具有智能的根本途徑，為互聯網財經新聞主題的識別，財經新聞對證券市場影響力的具體量化，以及智能化風險分析系統的構建，都提供了強大的技術支撐，增加了本書完成的可能性。