大名鼎鼎的牛顿曾经是一个疯狂的股民。
1711年，有着英国政府背景的英国南海公司成立，并发行了最早的一批股票。当时人人都看好南海公司，其股票价格从1720年1月的每股128英镑左右，很快涨到7月份的1000英镑，几乎增值了8倍。
牛顿看到此利好消息，投入了大量资金，然而此时的南海公司已经出现了经营困境，英国国会通过了“反泡沫公司法”，对南海公司等公司进行限制，股民倍感恐慌。没过多久，南海股票一落千丈，12月份时股价跌到124英镑。由于没有及时脱身，年薪2000磅的牛顿最终亏了20000英镑。
这位伟大的科学家十分感慨：“我能计算出天体运行的轨迹，却难以预料到人们的疯狂。”
然而，400年前牛顿感慨无法完成的梦想在今天的中国终于实现了，有人发明了股市情绪的计算方法！人心识别黑科技渐渐成为现实！
2018年7月，中国首个股市情绪专利诞生了——“股市情绪的确定方法和装置”。
据公开信息显示，该项专利是沃民高新科技(北京)股份有限公司历经数年研究的成果。
该方法包括：获取与股市关联的目标事物的关键词；获取与关键词关联的股市信息，股市信息为用户发布的网络信息；利用预先建立的分类模型确定股市信息对应的股市情绪。其中，股市情绪为用户对于股市的情绪，分类模型为根据预设的股市情绪类型训练得到的训练集，预设的股市情绪类型分类和量化。本发明解决了无法分析出股民对股市的情绪的技术问题。
每一项专利的背后，不仅仅是科研人员的心血，还背负着一段刻骨铭心的故事。让我们来一探究竟，揭秘这一专利背后的故事。
交易盘中，钱是情绪的表现形式，这一点在股市尤其是A股中经常能被证实。我们在炒股时能经常感受到，任意一只股票，它的短期价格波动在一定意义上和基本面是没有什么关系的，唯一可变的，就是人们交易时的投资者心理变化。
情感分析是对人们对产品、服务、组织、个人、事件、话题及其属性的观点、情绪、评价和态度的计算研究。该领域的开始和快速发展与社交媒体的发展相一致，如微博、推特等，因为这可以说是人类历史上第一次拥有如此海量的以数字形式记录的观点数据。
早在2000年，情感分析就已成为自然语言处理中最活跃的研究领域之一。它在Web 挖掘、文本挖掘和信息检索方面得到了广泛的研究。实际上，因其对商业和社会的重要性，它已经从计算机科学扩展到管理学和社会学，如金融、营销、政治学、传播学、健康科学。现有研究已经产生了可用于情感分析的大量技术，包括监督和无监督方法。在监督方法中，早期研究使用所有监督机器学习方法和特征组合，目前已深度学习为主。无监督方法包括使用情感词典、语法分析和句法模式的不同方法。
金融市场预测是情感分析的一个重要应用，同时引起学术界研究者和工业界投资者的高度重视。情感在金融市场上具体表现为高兴、愤怒、恐惧等情绪。行为金融学和神经生理学提供了充分的证据，表明金融投资者在做投资决策时显著受其情绪所影响。但是由于之前缺乏有效的情绪测量方法，利用情绪去预测股票市场的可行性一直备受争议。
随着Web 2.0的广泛应用，公众的情绪可以从在线社交媒体的海量信息中抽取并计算。与传统问卷调查等方式相比，在线情绪在数据规模、客观性和科学性上都有明显突破，为情绪预测股市提供了数据支持。情感分析技术的成熟又为此问题提供了强大的技术支持。
围绕该预测问题, 国内外学者开展了大量的实证研究。印第安纳大学博伦等人发现利用推特的公众情绪可以预测美国道琼斯指数，且其中冷静和高兴情绪是起到预测作用的关键因素。但是他们收集的是全平台的推特数据，而非针对美国股市，这并不能代表投资者的情绪。近些年来，利用在线情绪预测中国股票市场的相关研究成果层出不穷。相较于国外市场，中国股票市场t+1的交易规则和相关部门对股市的监管控制使得对中国股市预测更具挑战。
根据中国国情和股市特点，沃民公司的研究团队提出了人类社会活动四循环模型、人类行为预测模型、社会情绪智能算法、股市五指模型/五力模型等研究成果。以此为理论依据，沃民高科独创了一套人心识别AI技术体系，通过计算亿万网民的真实情绪，从而达到洞察人心的目的。
在信息收集方面，沃民高科更是突破了传统的单一平台数据采集，进而向全球信息采集发展。公司自主研发的互联网实时监测与智能分析大数据平台-沃德社会气象台，融合明网、暗网、专网，覆盖全球7大搜索平台、6大社交平台、6亿+社交账户，每24小时采集处理信息超过8000万条，累计处理信息超过1500亿条，适用78种语言。
简而言之就是先挖掘全面有效的股市相关数据，然后结合“人心识别”AI技术体系进行关联、分析、计算，形成一系列独特的股市情绪。目前，沃民公司的股市情绪数据已被央视财经、第一财经、BTV财经、家庭理财等多家知名媒体采用，成为了股市专业投资者和普通散户的投资风向标，未来这些研究成果将运用在人工智能炒股、机构策略研究、监管政策实施等领域。
閱讀更多 沃德社會氣象臺 的文章
