如何用Python進行金融市場文本數據的情感計算

這篇文章將為大家詳細講解有關如何用Python進行金融市場文本數據的情感計算，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

一、tushare介紹

tushare庫是目前比較流行的開源免費的經濟數據庫，tushare有普通版和高級版，其中普通版無需積分就可以使用，而高級版需要使用積分才可使用。

tushare基礎班提供了包括：

• 交易數據，如歷史行情、復權數據、實時行情等

• 投資參考數據，如分配的方案、業績預告、限售股解禁、基金持股、新浪數據、融資融券

• 股票分類數據、行業、概念、地域、中小板、創業板、封校警示板生

• 基本面數據、股票列表、業績報告（主表）、盈利能力、營運能力、償債能力等

• 宏觀經濟數據，如存款利率、貸款利率、GDP數據、工業品出場價格指數、居民消費節各直屬

• 新聞事件數據，如新浪股吧

• 龍虎榜數據

• 銀行間同業拆放理論

• 電影票房

安裝

!pip3 install tushare

Run

Collecting
 tushare
[?
25l
 
Downloading
 https:
//files.pythonhosted.org/packages/a9/8b/2695ad38548d474f4ffb9c95548df126e82adb24e56e2c4f7ce1ef9fbd01/tushare-1.2.43.tar.gz (168kB)
[K 
100
% |████████████████████████████████| 
174kB
 
162kB
/s ta 
:
00
:
01
[?
25hBuilding
 wheels 
for
 collected packages: tushare
 
Running
 setup.py bdist_wheel 
for
 tushare ... [?
25ldone
[?
25h
 
Stored
 
in
 directory: 
/Users/
thunderhit/
Library
/
Caches
/pip/wheels/
4b
/
28
/
7b
/
62d7a4155b34be251c1840e7cecfa4c374812819c59edba760
Successfully
 built tushare
Installing
 collected packages: tushare
Successfully
 installed tushare-
1.2
.
43
[
33mYou
 are 
using
 pip version 
18.1
, however version 
19.2
.
3
 
is
 available.
You
 should consider upgrading via the 
'pip install --upgrade pip'
 command.[
0m

二、新聞數據

新聞事件接口主要提供國內財經、證券、港股和期貨方面的滾動新聞，以及個股的信息地lei數據。但目前只有新浪股吧api的接口可用，其他的需要使用tushare高級版。

獲取sina財經股吧首頁的重點消息。股吧數據目前獲取大概17條重點數據，可根據參數設置是否顯示消息內容，默認情況是不顯示。

參數說明：

• show_content:boolean,是否顯示內容，默認False

返回值說明：

• title, 消息標題

• content, 消息內容（show_content=True的情況下）

• ptime, 發布時間

• rcounts,閱讀次數

調用方法

import
 tushare 
as
 ts
#顯示詳細內容
newsdata = ts.guba_sina(show_content=
True
)
newsdata.head(
10
)

三、讀取詞典

之前制作的中文金融情感詞典是csv文件格式，我們使用pandas讀取

import
 pandas 
as
 pd
df = pd.read_csv(
'CFSD/pos.csv'
, encoding=
'gbk'
)
df.head()

我們將讀取詞典定義成函數

def
 read_dict(file, header):
 
"""
 file: 詞典路徑
 header: csv文件內字段名，如postive
 讀取csv詞典，返回詞語列表
 """
 df = pd.read_csv(file, encoding=
'gbk'
)
 
return
 list(df[header])
poswords = read_dict(file= 
'CFSD/pos.csv'
, header = 
'postive'
)
negwords = read_dict(file= 
'CFSD/neg.csv'
, header =
'negative'
)
negwords[:
5
]

run

[
'閉門造車'
, 
'閉塞'
, 
'云里霧里'
, 
'拖累'
, 
'過熱'
]

三、情感分析方法

這里我們對新聞content內容進行情感分析，分析的思路是統計content中正、負詞的占比。我們會用到pandas的 df.agg(func)方法對content列進行文本計算。這需要先定義一個待調用的情感計算函數,注意有可能出現分母為0，所以定義的函數使用了try except捕捉0除異常，返回0.

 import jieba
def
 pos_senti(content):
 
"""
 content: 待分析文本內容
 返回正面詞占文本總詞語數的比例
 """
 
try
:
 pos_word_num = 
 words = jieba.lcut(content)
 
for
 kw 
in
 poswords:
 pos_word_num += words.count(kw)
 
return
 pos_word_num/len(words)
 
except
:
 
return
 
def
 neg_senti(content):
 
"""
 content: 待分析文本內容
 返回負面詞占文本總詞語數的比例
 """
 
try
:
 neg_word_num = 
 words = jieba.lcut(content)
 
for
 kw 
in
 negwords:
 neg_word_num += words.count(kw)
 
return
 neg_word_num/len(words)
 
except
:
 
return
 
0

對content列分別施行情感計算函數possenti，negsenti，將得到的得分賦值給pos、neg列

newsdata[
'pos'
]=newsdata[
'content'
].agg(pos_senti)
newsdata[
'neg'
]=newsdata[
'content'
].agg(neg_senti)
newsdata.head(
10
)

我們的數據中出現了pos和neg兩個得分，我們還可以定義一個判斷函數，判斷文本的情緒分類。

• 當pos比neg大，判斷為'正'

• 當pos比neg小，判斷為'負'

這里不嚴謹，為了教程簡單，沒考慮相等的情況

newsdata[
'senti_classification'
] = newsdata[
'pos'
]>newsdata[
'neg'
]
newsdata[
'senti_classification'
] = newsdata[
'senti_classification'
].map({
True
:
"正"
, 
False
:
"負"
})
newsdata.head(
10
)

總結

其實到這兒，簡單的情感計算就實現了。

另外，大家在使用本文時，一定要注意：

• 本篇Python學習教程使用的情感詞典是CFSD中文金融情感詞典，大家可以用自己領域的詞典，得到poswords和negwords

• 還有要注意的是情感計算函數（possenti和negsenti），有不同的算法就有不同的結果

• 正負面傾向判斷，我這里比較粗糙，沒有考慮相等的中性問題。

注意以上幾點，本篇Python學習教程代碼就可復用。不過再好的代碼，前提是得會python，會懂編程思維，知道如何寫代碼改代碼，不然大家用起來也比較困難。

關于如何用Python進行金融市場文本數據的情感計算就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。