使用爬虫获取财经网站的评论、文章；通过tushare库获取股票价格数据；通过jieba库对文本进行词频分析.zip

# 先给结论 同花顺财经博文的标题、内容的高频词，对市场未来的影响很小。但市场的表现对高频词的出现影响较大。 ## 标题出现的高频词 '当天出现的文章','市场', '公司', '投资', '中国', '三板', '股市', '2017', '什么', '机会', '如何', '大盘', '涨停', '行情', '反弹', '大盘', '涨停', '如何', '行情', '投资', '板块', '板块', '金融', '上市', '分析', '企业', '概念', '12', '资金', '关注', '个股', '银行', 'IPO', '创业板', '2018', '交易', '龙头', '基金', '今日', '科技', '这些', '操作', '调整', '复盘', '股民', '11', '热点', '数据', '业绩', '主力','概念股','利好','风险','策略', '有望','震荡','技术','未来','爆发','新高','持续','上涨','跌停','趋势','增长','注意','重磅','抄底','买入' ## 同花顺博客标题高频词与市场表现相关性较大的组合： 高频词 | 市场表现 | 相关性 ---|---|--- 跌停 | 后五日涨跌幅 | 0.337732551239 | 调整 | 后十日涨跌幅| 0.334703913145 | 跌停 | 后十日涨跌幅 | 0.380801917212 |反弹 | 前五日涨跌幅| 0.406853849777 |抄底 | 前五日涨跌幅| 0.545436771865 | 股市 | 前十日涨跌幅| 0.393560951093 |反弹 | 前十日涨跌幅| 0.5277485066 | 今日 | 前十日涨跌幅| 0.317949223494 | 有望 | 前十日涨跌幅| 0.315983790449 | 新高 | 前十日涨跌幅| -0.333297974054 |抄底 | 前十日涨跌幅| 0.562049669138 | 中国 | 成交量 | -0.322205577953 | 三板 | 成交量 | -0.306095781623 |反弹 | 成交量 | -0.323135917321 |12 | 成交量 | -0.351612854455 |新高 | 成交量 | 0.31792678197 |调整 | 当日涨跌幅| -0.325439337129 |风险 | 当日涨跌幅 | -0.342464002392 | 抄底 | 当日涨跌幅| -0.346732121157 通过这个我们可以发现，标题的高频词的出现频率对于未来市场的预测作用是比较小的，相关性大于0.3的只有： 高频词 | 市场表现 | 相关性 ---|---|--- |跌停 | 后五日涨跌幅 | 0.337732551239 | 调整 | 后十日涨跌幅| 0.334703913145 | 跌停 | 后十日涨跌幅 | 0.380801917212 并且我们可以明显看出，跌停、调整是负面描述，按常理而言，这些词的出现频率与市场之后的收益应该是呈负相关关系的。但统计出来的结果却显示呈正相关。 除了上面三点之外，其他相关性比较显著的点，基本与预测市场之后的走势无关。 另一方面，市场的表现又对博客的言论有影响。比如以下几个相关性： 高频词 | 市场表现 | 相关性 ---|---|--- |抄底 | 前五日涨跌幅| 0.545436771865 |抄底 | 前十日涨跌幅| 0.562049669138 |反弹 | 前十日涨跌幅| 0.5277485066 |新高 | 前十日涨跌幅| -0.333297974054 我们可以看到，市场之前的表现对于以上的高频词的出现是有较大影响的。 ## 文章内容出现的高频词 '当天出现的文章','公司','市场', '投资', '中国', '企业', '我们', '资金', '可以','亿元', '行业', '没有', '交易', '金融','银行', '股份', '发展','股票', '这个', '增长', '板块','产品', '可能','指数', '数据', '出现', '技术', '上市', '目前','业务', '如果','个股''今天','科技', '经济', '风险', '还是', '价格', '上涨', '投资者', '时间', '基金', '主要', '资产','股价', '开始','创业','问题','方面','因为', '服务','自己','但是', '业绩','股东','不是','机构', '现在', '管理', '产业', '通过', '利润', '对于', '证券', '继续', '未来', '平台', '进行', '分析', '第一', '需要', '情况', '万元', '反弹', '行情', '成为', '12', '下跌', '美元', '持续', '调整', '集团', '影响', '股市', '消费', '收入','创业板','美国','趋势' ## 同花顺博客文章内容的高频词与市场表现相关性较大的组合： 高频词 | 市场表现 | 相关性 ---|---|--- | 风险 | 前五日涨跌幅 | 0.330077659143 | 反弹 | 前五日涨跌幅 | 0.427920083785 | 下跌 | 前五日涨跌幅 | 0.520259568716 | 股市 | 前五日涨跌幅 | 0.372283581669 | 市场 | 前十日涨跌幅 | 0.356406130997 | 资金 | 前十日涨跌幅 | 0.309020993707 | 没有 | 前十日涨跌幅 | 0.301510519779 | 可能 | 前十日涨跌幅 | 0.300200109189 | 出现 | 前十日涨跌幅 | 0.323123797144 | 经济 | 前十日涨跌幅 | 0.308165294781 | 风险 | 前十日涨跌幅 | 0.401951012554 | 情况 | 前十日涨跌幅 | 0.300320199256 | 反弹 | 前十日涨跌幅 | 0.629863669965 | 下跌 | 前十日涨跌幅 | 0.553056409807 | 影响 | 前十日涨跌幅 | 0.328739553186 | 股市 | 前十日涨跌幅 | 0.487528285268 | 美国 | 前十日涨跌幅 | 0.362704847027 | 公司 | 当天成交量 | -0.30381260745 | 市场 | 当天成交量 | -0.346437498414 | 中国 | 当天成交量 | -0.311846188829 | 发展 | 当天成交量 | -0.320022902638 | 上市 | 当天成交量 | -0.30173267499 | 投资者 | 当天成交量 | -0.319937752241 | 时间 | 当天成交量 | -0.316537967934 | 服务 | 当天成交量 | -0.303305283818 | 产业 | 当天成交量 | -0.303958663355 | 通过 | 当天成交量 | -0.340411422841 | 平台 | 当天成交量 | -0.304600663608 | 进行 | 当天成交量 | -0.318032549284 | 反弹 | 当天成交量 | -0.357385512607 | 成为 | 当天成交量 | -0.321410576116 | 下跌 | 当天价格变动幅度 | -0.451803677576 | 调整 | 当天价格变动幅度 | -0.349739979016 通过上述表格，我们可以发现博客文章内容的高频词的预测作用比较小，即高频词与市场接下来的表现（如后五、十日涨跌幅）的相关性均小于0.3