如何用Python进行金融市场文本数据的情感计算

这篇文章将为大家详细讲解有关如何用Python进行金融市场文本数据的情感计算，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

一、tushare介绍

tushare库是目前比较流行的开源免费的经济数据库，tushare有普通版和高级版，其中普通版无需积分就可以使用，而高级版需要使用积分才可使用。

tushare基础班提供了包括：

• 交易数据，如历史行情、复权数据、实时行情等

• 投资参考数据，如分配的方案、业绩预告、限售股解禁、基金持股、新浪数据、融资融券

• 股票分类数据、行业、概念、地域、中小板、创业板、封校警示板生

• 基本面数据、股票列表、业绩报告（主表）、盈利能力、营运能力、偿债能力等

• 宏观经济数据，如存款利率、贷款利率、GDP数据、工业品出场价格指数、居民消费节各直属

• 新闻事件数据，如新浪股吧

• 龙虎榜数据

• 银行间同业拆放理论

• 电影票房

安装

!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、新闻数据

新闻事件接口主要提供国内财经、证券、港股和期货方面的滚动新闻，以及个股的信息地lei数据。但目前只有新浪股吧api的接口可用，其他的需要使用tushare高级版。

获取sina财经股吧首页的重点消息。股吧数据目前获取大概17条重点数据，可根据参数设置是否显示消息内容，默认情况是不显示。

参数说明：

• show_content:boolean,是否显示内容，默认False

返回值说明：

• title, 消息标题

• content, 消息内容（show_content=True的情况下）

• ptime, 发布时间

• rcounts,阅读次数

调用方法

import
 tushare 
as
 ts
#显示详细内容
newsdata = ts.guba_sina(show_content=
True
)
newsdata.head(
10
)

三、读取词典

之前制作的中文金融情感词典是csv文件格式，我们使用pandas读取

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

我们将读取词典定义成函数

def
 read_dict(file, header):
 
"""
 file: 词典路径
 header: csv文件内字段名，如postive
 读取csv词典，返回词语列表
 """
 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

[
'闭门造车'
, 
'闭塞'
, 
'云里雾里'
, 
'拖累'
, 
'过热'
]

三、情感分析方法

这里我们对新闻content内容进行情感分析，分析的思路是统计content中正、负词的占比。我们会用到pandas的 df.agg(func)方法对content列进行文本计算。这需要先定义一个待调用的情感计算函数,注意有可能出现分母为0，所以定义的函数使用了try except捕捉0除异常，返回0.

 import jieba
def
 pos_senti(content):
 
"""
 content: 待分析文本内容
 返回正面词占文本总词语数的比例
 """
 
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: 待分析文本内容
 返回负面词占文本总词语数的比例
 """
 
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

对content列分别施行情感计算函数possenti，negsenti，将得到的得分赋值给pos、neg列

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

我们的数据中出现了pos和neg两个得分，我们还可以定义一个判断函数，判断文本的情绪分类。

• 当pos比neg大，判断为'正'

• 当pos比neg小，判断为'负'

这里不严谨，为了教程简单，没考虑相等的情况

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

总结

其实到这儿，简单的情感计算就实现了。

另外，大家在使用本文时，一定要注意：

• 本篇Python学习教程使用的情感词典是CFSD中文金融情感词典，大家可以用自己领域的词典，得到poswords和negwords

• 还有要注意的是情感计算函数（possenti和negsenti），有不同的算法就有不同的结果

• 正负面倾向判断，我这里比较粗糙，没有考虑相等的中性问题。

注意以上几点，本篇Python学习教程代码就可复用。不过再好的代码，前提是得会python，会懂编程思维，知道如何写代码改代码，不然大家用起来也比较困难。

关于如何用Python进行金融市场文本数据的情感计算就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。