案例教學(xué)克服了商業(yè)事件難以實(shí)驗(yàn)與重復(fù)的實(shí)踐教學(xué)難點(diǎn)，有利于激發(fā)學(xué)生研究興趣，提升學(xué)生的主動(dòng)參與度。金融學(xué)是一門綜合性和實(shí)踐性很強(qiáng)的應(yīng)用學(xué)科，課程案例教學(xué)模式具有無法替代的功能，對(duì)金融專碩人才培養(yǎng)尤其如此。股票是市場價(jià)格經(jīng)濟(jì)運(yùn)行的“晴雨表”，也是要素資源和家庭財(cái)富配置的重要“指揮棒”［1］。傳統(tǒng)理性投資者人假設(shè)理論認(rèn)為，利用財(cái)務(wù)數(shù)據(jù)和統(tǒng)計(jì)工具可以對(duì)股票投資價(jià)值進(jìn)行估值，課程內(nèi)容和邏輯推演相對(duì)容易展示和傳遞。

但是，金融市場投資者并非完全符合理性假設(shè)，群體情緒會(huì)導(dǎo)致“期望自成”，成為影響股票市場價(jià)格的重要方面。特別是在互聯(lián)網(wǎng)時(shí)代，隨著網(wǎng)絡(luò)信息速度、廣度和規(guī)模的爆發(fā)式增長，網(wǎng)絡(luò)信息產(chǎn)生的輿情導(dǎo)向已成為影響投資者情緒不可忽視的決定因素［2］。盡管，網(wǎng)絡(luò)信息豐富具體，但相對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)和市場交易數(shù)據(jù)而言，輿情數(shù)據(jù)的結(jié)構(gòu)化和數(shù)量化具有較大的難度。而基于案例的具體教學(xué)，為相關(guān)問題的研究與課堂組織提供了極大便利，能夠具體演繹網(wǎng)絡(luò)輿情、投資者情緒和股票市場價(jià)格三者之間的關(guān)系，有利于改善課堂教學(xué)效果，提升學(xué)生實(shí)踐動(dòng)手能力。

一、事件背景與教學(xué)目的

金融市場投資者并非完全符合理性假設(shè)，個(gè)人或集體情緒會(huì)導(dǎo)致投資者對(duì)未來預(yù)期產(chǎn)生系統(tǒng)性偏差。在互聯(lián)網(wǎng)時(shí)代，隨著信息傳播成本降低與信息量爆發(fā)式增長，網(wǎng)絡(luò)輿情已成為影響股票市價(jià)的重要因素。新冠疫情爆發(fā)以來，受二級(jí)市場疫情行情和知名機(jī)構(gòu)戰(zhàn)略投資雙重事件影響，醫(yī)藥合同研發(fā)生產(chǎn)組織（Contract Development Manufacture Organization，簡稱CDMO）龍頭企業(yè)凱萊英成為市場關(guān)注的熱點(diǎn)企業(yè)之一。2020年上半年，凱萊英股價(jià)漲幅超76%，漲幅分別超深成指和生物醫(yī)藥行業(yè)指數(shù)71.08%、31.50%。

作為CDMO 行業(yè)標(biāo)桿企業(yè)，凱萊英擁有前沿的高新技術(shù)和全球標(biāo)準(zhǔn)化的生產(chǎn)安全質(zhì)量體系，在全球范圍內(nèi)擁有穩(wěn)定的合作伙伴，能夠針對(duì)客戶需求實(shí)現(xiàn)精準(zhǔn)服務(wù)。以疫情條件下凱萊英股票市價(jià)持續(xù)上漲為案例研究對(duì)象，通過Python 對(duì)股評(píng)文本進(jìn)行爬取和處理，并構(gòu)建網(wǎng)絡(luò)輿情因子，對(duì)新冠疫情、高瓴資本投資雙輿情影響凱萊英股價(jià)上漲的過程進(jìn)行量化分析，解開凱萊英2020年上半年大幅上漲之謎，能夠有效滿足六個(gè)方面的教學(xué)目的需要［3］。第一，了解風(fēng)險(xiǎn)投資基本概念、作用、運(yùn)作過程、組織形式，熟悉資本市場運(yùn)作機(jī)制和實(shí)踐流程；第二，掌握企業(yè)價(jià)值的相關(guān)估值方法，并能單獨(dú)選擇兩種方法對(duì)某家企業(yè)股票內(nèi)在價(jià)值進(jìn)行估值；第三，熟悉主流金融理論的缺陷與不足，掌握投資者在實(shí)際決策過程中信息的作用，心理偏差的形成過程，掌握金融市場中的羊群效應(yīng)、噪聲理論、投資者情緒；第四，了解Python 基本運(yùn)用方法、數(shù)據(jù)抓取與分析，將軟件運(yùn)用與金融理論知識(shí)相結(jié)合，更好地學(xué)會(huì)用大數(shù)據(jù)分析金融事件和金融市場，了解機(jī)器學(xué)習(xí)方法進(jìn)行量化選股的機(jī)制；第五，關(guān)注資本市場動(dòng)向，熟悉資本市場產(chǎn)品和服務(wù)，提升金融風(fēng)險(xiǎn)意識(shí)，培養(yǎng)金融專業(yè)素養(yǎng)；第六，掌握投資學(xué)及行為金融學(xué)課程基本理論，并在實(shí)踐中學(xué)會(huì)運(yùn)用這些理論進(jìn)行實(shí)際問題的分析。

二、問題設(shè)置與分析思路

以疫情條件下凱萊英股票市價(jià)持續(xù)上漲進(jìn)行案例教學(xué)，主要適用于“投資學(xué)”“公司金融”“行為金融學(xué)”“量化投資”等課程，主要涉及企業(yè)價(jià)值投資、上市公司股票估值、投資者非理性行為以及量化選股等教學(xué)內(nèi)容。教學(xué)過程中，案例研究問題設(shè)置和分析思路可進(jìn)行如下具體組織設(shè)計(jì)。

1.問題設(shè)置

本案例旨在引導(dǎo)學(xué)生關(guān)注上市公司股價(jià)水平，分析網(wǎng)絡(luò)輿情對(duì)投資者投資行為的導(dǎo)向作用，運(yùn)用絕對(duì)估值模型或相對(duì)估值模型對(duì)企業(yè)內(nèi)在價(jià)值進(jìn)行估計(jì)，并運(yùn)用Python 對(duì)股評(píng)文本進(jìn)行爬取并量化，使學(xué)生學(xué)會(huì)運(yùn)用相關(guān)理論模型分析資本市場公司股價(jià)變動(dòng)的具體原因，分析投資者情緒在股價(jià)波動(dòng)中的影響機(jī)制。

圍繞案例研究和課堂教學(xué)組織需要，可以設(shè)計(jì)四個(gè)方面的啟發(fā)思考題：（1）凱萊英和高瓴資本是否可以優(yōu)勢互補(bǔ)？與高瓴資本戰(zhàn)略合作，是否可醞釀一個(gè)具有較大想象空間的發(fā)展“故事”？（2）在新冠疫情和高瓴戰(zhàn)投雙輿情背景下，對(duì)凱萊英的內(nèi)在價(jià)值如何估計(jì)？（3）結(jié)合羊群效應(yīng)和噪聲交易理論，分析在雙輿情背景下凱萊英股價(jià)持續(xù)上漲原因（4）如果你是投資者，對(duì)于凱萊英目前的股價(jià)，你會(huì)觀望還是買入？

2.分析思路

在案例教學(xué)組織中，教師可以根據(jù)教學(xué)目標(biāo)（目的）靈活使用本案例，也可以圍繞以下分析思路展開具體分析：（1）結(jié)合政策背景和醫(yī)藥行業(yè)優(yōu)勢，以及凱萊英自身因素，分析風(fēng)險(xiǎn)投資機(jī)構(gòu)高瓴資本戰(zhàn)略投資凱萊英事件發(fā)生的原因；（2）在新冠疫情爆發(fā)事件和高瓴資本戰(zhàn)略投資23 億元輿情背景下，設(shè)想凱萊英股價(jià)持續(xù)上漲是否與輿情助推有關(guān)；（3）通過絕對(duì)估值法對(duì)凱萊英股價(jià)進(jìn)行估值，判斷凱萊英股價(jià)持續(xù)上漲是輿情助推還是真實(shí)價(jià)值回歸，并以理論分析和構(gòu)建輿情因子兩種方法相結(jié)合，分析輿情對(duì)凱萊英股價(jià)的影響機(jī)制；（4）歸納網(wǎng)絡(luò)輿情助推凱萊英股價(jià)持續(xù)上漲原因，并對(duì)凱萊英企業(yè)現(xiàn)狀和優(yōu)勢進(jìn)行分析，對(duì)凱萊英未來股價(jià)走勢和發(fā)展進(jìn)行展望。

為了有效實(shí)現(xiàn)各課堂教學(xué)環(huán)節(jié)的組織，具體詳細(xì)內(nèi)容可以圍繞投資背景、輿情事件、價(jià)值估值、輿情導(dǎo)向和未來展望參考等五個(gè)方面展開（見表1）。

表1 案例分析思路及課堂討論引導(dǎo)問題

在確定教學(xué)內(nèi)容的基礎(chǔ)上，課程案例分析的邏輯結(jié)構(gòu)可以通過五個(gè)主要環(huán)節(jié)進(jìn)行架構(gòu)：第一，對(duì)高瓴投資凱萊英事件發(fā)生的背景進(jìn)行分析，包括凱萊英自身強(qiáng)有力的行業(yè)優(yōu)勢，以及融資新規(guī)和帶量采購政策優(yōu)勢；第二，介紹本文雙輿情事件，即新冠疫情爆發(fā)和高瓴VC 戰(zhàn)投凱萊英，設(shè)想凱萊英近五個(gè)月股價(jià)持續(xù)上漲是否與輿情事件發(fā)生有關(guān)；第三，對(duì)凱萊英公司股價(jià)內(nèi)在價(jià)值進(jìn)行計(jì)算，分析股價(jià)上漲時(shí)輿情助推還是真實(shí)價(jià)值回歸；第四，通過對(duì)網(wǎng)絡(luò)輿情進(jìn)行量化處理，構(gòu)造投資者情緒指數(shù)，與股票收益做擬合，判斷投資者情緒與股票收益之間的聯(lián)系，并運(yùn)用理論分析投資者情緒與股價(jià)波動(dòng)的影響機(jī)制［4］。

三、理論依據(jù)與具體分析

為解決上文四個(gè)方面的啟發(fā)思考題，需要分析討論過程中涉及的共生理論、企業(yè)估值、卡方統(tǒng)計(jì)量模型、Logistic 回歸、羊群效應(yīng)理論、投資者情緒、噪聲理論等相關(guān)理論的運(yùn)用［5］。通過學(xué)生的主動(dòng)參與和自主研究，能夠促進(jìn)學(xué)生對(duì)上述理論的準(zhǔn)確理解，培養(yǎng)學(xué)生運(yùn)用所學(xué)理論解決實(shí)踐問題的能力，激發(fā)學(xué)生的主動(dòng)探索研究精神。這里重點(diǎn)以問題二“在新冠疫情和高瓴戰(zhàn)投雙輿情背景下，您對(duì)凱萊英的內(nèi)在價(jià)值如何估計(jì)？”為例，具體分析如何進(jìn)行網(wǎng)絡(luò)輿情量化分析。

1.相關(guān)理論簡介

在利用Python 對(duì)股評(píng)文本進(jìn)行爬取和處理基礎(chǔ)上，需應(yīng)用噪聲交易理論、卡方統(tǒng)計(jì)量模型、Lo?gistic 回歸模型進(jìn)行網(wǎng)絡(luò)輿情定性與定量分析。

第一，噪聲交易理論。在有效市場假說中，證券價(jià)格與價(jià)值之間存在偏差，這一偏差稱之為噪聲［5］。盡管價(jià)值先于價(jià)格產(chǎn)生而客觀存在，但由于市場交易者依靠信息對(duì)交易品種價(jià)值做出判斷，在實(shí)際交易過程中對(duì)價(jià)值的判斷往往表現(xiàn)為一種“共識(shí)”，“價(jià)值發(fā)現(xiàn)”就是對(duì)價(jià)值的“共識(shí)”達(dá)成一致的行為。共識(shí)達(dá)成受到眾多投資者行為的影響，因此，一致認(rèn)識(shí)形成，即價(jià)值判斷的標(biāo)準(zhǔn)也就無法實(shí)現(xiàn)靜態(tài)均衡，同時(shí)無法先驗(yàn)判斷哪些信息與價(jià)值有關(guān)，哪些信息與價(jià)值無關(guān)。于是價(jià)格與價(jià)值之間就會(huì)出現(xiàn)偏差，噪聲由此產(chǎn)生［6］。

第二，卡方統(tǒng)計(jì)量模型。卡方統(tǒng)計(jì)量由英國統(tǒng)計(jì)學(xué)家皮爾森1900年提出，是指數(shù)據(jù)的分布與所選擇的預(yù)期或假設(shè)分布之間的差異的度量，是廣泛用于卡方檢驗(yàn)中的統(tǒng)計(jì)量［7］。它可用于檢驗(yàn)類別變量之間的獨(dú)立性或確定關(guān)聯(lián)性，也可用于確定某個(gè)統(tǒng)計(jì)模型是否能夠充分?jǐn)M合數(shù)據(jù)。本案例卡方統(tǒng)計(jì)量構(gòu)建如下：

其中，N 是指訓(xùn)練集中的文檔數(shù)量；t 為特征項(xiàng)；c 為類別；A 是指訓(xùn)練集中有多少文檔既屬于c 類別又包含特征項(xiàng)t；B 是指訓(xùn)練集中有多少文檔不屬于c類別但卻包含特征項(xiàng)t；C 是指訓(xùn)練集中有多少文檔屬于c 類別但卻不包含特征項(xiàng)t；D 是指訓(xùn)練集中有多少文檔既不屬于c 類別又不包含特征項(xiàng)t。假設(shè)有m 個(gè)分類，那么每個(gè)特征項(xiàng)會(huì)計(jì)算出m 個(gè)值，一般取其平均值作為該特征項(xiàng)的卡方統(tǒng)計(jì)量。

第三，Logistic 回歸。Logistic 回歸是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘，疾病自動(dòng)診斷，經(jīng)濟(jì)預(yù)測等領(lǐng)域［8］。logistic 回歸的因變量可以是二分類的，也可以是多分類的，但二分類更為常用，也更容易解釋，多類可以使用softmax 方法進(jìn)行處理。實(shí)際中最為常用的就是二分類的logis?tic 回歸，可以用來做股價(jià)預(yù)測、判別及尋找可能的危險(xiǎn)因素。

2.理論運(yùn)用與網(wǎng)絡(luò)輿情量化

首先通過Python 對(duì)凱萊英2019年11月1日至2020年6月8日輿情文本進(jìn)行爬取。本文選擇東方財(cái)富網(wǎng)凱萊英股吧評(píng)論文本為輿情信息。東方財(cái)富是我國最大的財(cái)經(jīng)網(wǎng)站之一，該網(wǎng)站股吧包含股票、期貨等模塊，日均瀏覽量在行業(yè)中遙遙領(lǐng)先。對(duì)該網(wǎng)站股吧評(píng)論進(jìn)行爬取，可以在較大程度上反映整個(gè)社會(huì)對(duì)凱萊英股價(jià)的總體看法［9］。通過東方財(cái)富網(wǎng)股吧評(píng)論文本爬取，共爬取4 458條文本數(shù)據(jù)，剔除機(jī)構(gòu)評(píng)論、無效評(píng)論后剩余股評(píng)文本4 336 條。爬取的部分股評(píng)文本關(guān)鍵內(nèi)容和簡要統(tǒng)計(jì)情況如表2所示。

表2 凱萊英（002821）部分股評(píng)文本統(tǒng)計(jì)

其次，將爬取的文本進(jìn)行情感分類。主要分為“文本標(biāo)注、Jieba①分詞、特征提取、文本處理”等4 個(gè)步驟。

第一，將爬取的股評(píng)文本進(jìn)行人工標(biāo)注。人工標(biāo)注是指將爬取的所有文本進(jìn)行篩選，對(duì)篩選出的文本進(jìn)行看漲、看跌標(biāo)注。本案例從股評(píng)文本中隨機(jī)篩選1900 條進(jìn)行投資者情緒標(biāo)注。將股價(jià)積極的評(píng)論定義標(biāo)簽為“Positive”，對(duì)股價(jià)走勢持消極態(tài)度的文本定義為“Negative”。為防止文本標(biāo)注的主觀性，該過程由1 名老師與3 位同學(xué)共同標(biāo)注，并將結(jié)果取眾數(shù)。部分標(biāo)注結(jié)果如表3所示。

表3 凱萊英輿情文本人工標(biāo)注結(jié)果（部分）

第二，對(duì)文本進(jìn)行分詞處理。主要將爬取股票一句話進(jìn)行分詞，本文采用的是Jieba 分詞，如“又到了加倉的時(shí)間”，Jieba 分詞后的結(jié)果為：“又”“到”“了”“加倉”“的”“時(shí)間”。在Jieba 進(jìn)行分詞基礎(chǔ)上，對(duì)分詞文本進(jìn)行統(tǒng)計(jì)，篩選出與股市有關(guān)的前20 名詞匯。分別為：抄底、漲、買、利好、跌停、漲停、跑、融資、賣、跌、跑、持有、加倉、多、利空、虧、抄底、上車、融券、拉。從詞頻來看大多為看漲積極詞匯，可見在2019年11月 至2020年6月，凱萊英股價(jià)整體走勢較好。

第三，對(duì)分詞后的文本進(jìn)行特征選擇和規(guī)范處理。特征選擇是指將分詞后的詞匯進(jìn)行篩選，剔除意義不大的詞句。如“又到了加倉的時(shí)間”這句話，進(jìn)行分詞后的結(jié)果為“又”“到”“了”“加倉”、“的”“時(shí)間”，其中“又”“到”“了”“的”這幾個(gè)詞對(duì)于情感分類意義不大。特征選擇方法有信息增益（Information Gain）、互信息（Mutual Information）、文檔頻率（Document Frequency）、卡方統(tǒng)計(jì)量等方法。本文所采用卡方統(tǒng)計(jì)量進(jìn)行特征選擇。其中，選擇卡方統(tǒng)計(jì)量較大的詞（N）作為特征。詞的數(shù)量N 由模型測算而得。特征選擇后的文本進(jìn)行規(guī)范處理。即將特征提取文本轉(zhuǎn)換成數(shù)組和字典類型，如“又到了加倉的時(shí)間”表達(dá)形式如下：

第四，構(gòu)建投資者情緒分類。模型主要分為訓(xùn)練和測試兩階段。從訓(xùn)練階段來看，將人工標(biāo)注的方法得到1 900 條看漲和看跌的股評(píng)數(shù)據(jù)。隨機(jī)分配1 400 條給訓(xùn)練集，其余作為測試集。通過SVM 和logistic 回歸兩種模型算法分別構(gòu)建分類器，在500 和1000 的特征維度下用測試集檢驗(yàn)分類器的精確度將標(biāo)注的文本進(jìn)行分類，分為訓(xùn)練和測試兩種類型。通過nu 支持向量機(jī)、logistic回歸兩種方法根據(jù)訓(xùn)練文本構(gòu)造情感分類器，將測試文本用來檢驗(yàn)機(jī)器學(xué)習(xí)方法精度（見表4）。

表4 凱萊英網(wǎng)絡(luò)輿情文本情感分類結(jié)果

從分類器的結(jié)果來看，在500 特征維度下，lo?gistic 準(zhǔn)確率最高，但隨著特征維度遞增到1000，兩種方法準(zhǔn)確度均有所降低，因此選擇logistic 回歸最為本文股評(píng)情感分類器。對(duì)測試階段的股評(píng)進(jìn)行情感分類，計(jì)算出每日輿情因子值，如公式（2）所示。

其中i 表示時(shí)間。若因子值為正數(shù)，則表示對(duì)凱萊英股票整體看漲，反之看跌。表5是利用公式2 所構(gòu)建的凱萊英2020年2月的部分輿情因子值。

表5 凱萊英文本輿情因子值（2020年2月）

2.雙輿情背景下凱萊英股價(jià)上升的原因

我國證券市場并非完全有效市場，當(dāng)信息不充分、信息不對(duì)稱或因?yàn)橛邢拮⒁饬Χ鴮?dǎo)致的信息層疊時(shí)，人們會(huì)放棄自己對(duì)信息的收集、分析與處理，傾向于省略復(fù)雜而痛苦的判斷與選擇過程，直接投資于他人所看好的股票［10］。新冠疫情事件爆發(fā)，生物醫(yī)藥行業(yè)股票獲得了市場廣泛關(guān)注，在整體大盤低迷的情況下，依舊保持強(qiáng)勁的上漲趨勢。凱萊英作為醫(yī)藥行業(yè)CDMO 細(xì)分領(lǐng)域的龍頭企業(yè)，更是引起投資者關(guān)注。2020年2月14日，證監(jiān)會(huì)發(fā)布再融資新規(guī)，放寬了對(duì)中小板、創(chuàng)業(yè)板上市公司定向增發(fā)股票的監(jiān)管要求。融資新規(guī)發(fā)布次日，凱萊英宣布高瓴資本戰(zhàn)略投資23 億元，成為其第二大股東。

在雙利好輿情背景下，各種信息載體：互聯(lián)網(wǎng)、電視、報(bào)紙、股評(píng)人士的意見、朋友的建議、內(nèi)幕消息等總體上對(duì)凱萊英股票價(jià)格的趨勢持有樂觀的心態(tài)。由于世界不是一個(gè)簡單的線性模型，人們存在節(jié)省認(rèn)知能量的“認(rèn)知齊嗇鬼"（Cogni?tive misers）傾向［11］。于是在復(fù)雜的、不確定的條件下，在節(jié)約認(rèn)知能量的思想指導(dǎo)，人們采用把復(fù)雜問題簡化的戰(zhàn)略，即簡單地聽從包括朋友、媒體、證券分析師等他人的推薦，或簡單地采取跟從他人的羊群行為。在如此利好的輿情背景下，并且周圍人均從凱萊英股價(jià)中獲取收益，投資者情緒上漲，增加對(duì)凱萊英股票的投資，投資者的買入行為增加了凱萊英股價(jià)的上升。而股價(jià)的上升，又引起噪聲交易者的羊群行為，由此形成循環(huán)，凱萊英股價(jià)持續(xù)上漲。網(wǎng)絡(luò)輿情影響股價(jià)的邏輯過程如圖1所示。

圖1 網(wǎng)絡(luò)輿情影響股價(jià)的邏輯過程

四、結(jié)論

通過對(duì)具體案例輿情文本的量化以及定量研究其與市場股價(jià)變動(dòng)的相關(guān)性，可以更直接強(qiáng)化學(xué)生對(duì)于金融前沿理論的認(rèn)知和理解，強(qiáng)化學(xué)生理論聯(lián)系實(shí)際的主動(dòng)解決問題能力。作為金融學(xué)教學(xué)的新知識(shí)與新方法，本案例教學(xué)具有一定難度，為有效完成以上教學(xué)內(nèi)容還應(yīng)，案例組織過程中還需牢牢把握以下三個(gè)關(guān)鍵要點(diǎn)，將其貫穿教學(xué)全過程。第一，緊扣教學(xué)目的之關(guān)鍵點(diǎn)。本案例教學(xué)目的之重點(diǎn)是：強(qiáng)化學(xué)生對(duì)行為金融學(xué)理論的理解，深化學(xué)生對(duì)上市公司股票市價(jià)估值方法多元化的認(rèn)識(shí)，特別是重大輿情事件發(fā)生時(shí)市場情緒將對(duì)公司股價(jià)產(chǎn)生如何產(chǎn)生影響。第二，緊扣教學(xué)內(nèi)容之關(guān)鍵點(diǎn)。本案例教學(xué)內(nèi)容之重點(diǎn)是：基于行為金融學(xué)相關(guān)理論，分析投資者情緒對(duì)投資者投資決策的導(dǎo)向作用；根據(jù)估值理論，如何選擇合適的估值方法對(duì)企業(yè)內(nèi)在價(jià)值進(jìn)行估值；理論方法上，圍繞輿情對(duì)股價(jià)的影響這一新金融問題，如何獲取輿情文本、構(gòu)建輿情因子，以及如何定量分析其對(duì)股票市價(jià)的影響，包括投資者情緒對(duì)公司股價(jià)走勢與長遠(yuǎn)發(fā)展的影響。第三，緊扣能力培養(yǎng)之關(guān)鍵點(diǎn)。案例旨在啟迪學(xué)生對(duì)行為金融學(xué)理論的認(rèn)知與重視，提高學(xué)生對(duì)公司內(nèi)在價(jià)值、輿情事件、市場波動(dòng)與公司股價(jià)之間關(guān)系的實(shí)踐能力，培養(yǎng)學(xué)生將行為金融學(xué)理論與機(jī)器學(xué)習(xí)方法相結(jié)合分析投資者情緒與股價(jià)波動(dòng)內(nèi)在聯(lián)系的能力。

總之，金融學(xué)是一門綜合性和實(shí)踐性很強(qiáng)的應(yīng)用學(xué)科，要加強(qiáng)案例研究、研究性教學(xué)等一系列科學(xué)方法和工具在學(xué)科建設(shè)和金融教育中的應(yīng)用［12］。網(wǎng)絡(luò)文本輿情對(duì)股價(jià)影響的案例教學(xué)很好的滿足了金融教學(xué)課程的需要。網(wǎng)絡(luò)文本輿情對(duì)股價(jià)影響的案例教學(xué)設(shè)計(jì)，可引導(dǎo)學(xué)生關(guān)注資本市場上公司股價(jià)水平，分析網(wǎng)絡(luò)輿情對(duì)投資者投資行為的導(dǎo)向作用。一方面，運(yùn)用絕對(duì)估值模型或相對(duì)估值模型對(duì)企業(yè)內(nèi)在價(jià)值進(jìn)行估計(jì)，使得學(xué)生能夠?qū)W會(huì)運(yùn)用相關(guān)理論模型分析資本市場公司股價(jià)變動(dòng)的具體原因，分析投資者情緒在股價(jià)波動(dòng)中的影響機(jī)制。另一方面，運(yùn)用Python 對(duì)股評(píng)進(jìn)行爬取以及對(duì)數(shù)據(jù)進(jìn)行量化，構(gòu)造輿情因子，分析文本輿情與股價(jià)二者之間的關(guān)系，將軟件運(yùn)用與金融理論知識(shí)相結(jié)合，能更好地學(xué)會(huì)用大數(shù)據(jù)分析金融事件和金融市場，了解機(jī)器學(xué)習(xí)方法進(jìn)行量化選股的機(jī)制。

注釋：

① Jieba 為專業(yè)中文分詞程序包。