共计 1297 个字符，预计需要花费 4 分钟才能阅读完成。
作者：智子 AI
焦灼的美国大选后果仍悬而未决之时，美股却迎来了 40 多年来大选后的最大单日涨幅！
舆情对金融市场的影响不言而喻。
舆情对金融风险产生影响的机制
投资者情绪→金融风险
其实大家或者早有耳闻或深有体会的可能是投资者情绪。
当赚的如本人所空想乃至金盆满钵时天经地义会兴奋，当赔的破本人所意料乃至倾家荡产时不可置否会恐慌。
北京大学国家倒退研究院还构建了中国投资者情绪指数以追踪金融市场中投资者的情绪变迁。
自新冠疫情暴发以来，投资者情绪指数始终处于低迷状态，尽管在国内疫情失去管制后有短期回暖，但国内疫情一直重复的严峻形势，还是让投资者情绪指数一直上涨。
2020 年中国投资者情绪月度指数，数据起源：北京大学国家倒退研究院
情绪仿佛是大部分投资人的一大 BUG，各投资者情绪的碰撞就让金融市场开始在涨跌间彷徨，进而也就造成了金融风险。
网络舆情→投资者情绪→金融风险
金融市场中的投资者大多都对金融专业知识只知其一; 不知其二，上个世纪的全民炒股就是无力证实。
而金融市场信息获取又极不对称，少数投资人获取到的只是全面信息，这就导致了投资者对于外界信息不足辨别力。
所以外界的一点打草惊蛇都会对投资者的投资行为产生影响。
即便是未经证实的负面音讯，但因为不足辨别力的投资者的存在以及投资人情绪 BUG 的存在，也很有可能造成较大跌幅。
总的来说，网络舆情信息会对投资者情绪造成影响，进而影响投资者在金融市场中的交易行为, 从而对金融市场的稳固产生影响。同时投资者关注度越高引起的股市稳定越大。
所以这舆情又该如何管制呢？
Sophon AI 舆情治理在银行证券中的利用
我的项目业务需要： 采纳 NLP 舆情技术实现对不同新闻文本进行正负向打分，同时剖析出新闻中呈现关联性最强的主体（企业或债券）
我的项目解决方案 ——重要舆情一把抓，正负情绪速分辨
◉ 数据整合 ：对来自万德、财汇等多方数据源的多样化数据进行信息的整合，并补充缺失信息
◉ 主体辨认 ：应用文本分词、主体评分等技术，辨认各条舆情新闻波及的经济主体
◉ 舆情监控 ：应用相干 AI 模型（如 word2vec+ 传统机器学习办法、BERT、ABSA 等），判断资讯的正负面影响
◉ 流程复用 ：构建一套资讯 NLP 加工及剖析流程，按需反对不同业务部门
Sophon 舆情剖析整体流程
Sophon 舆情剖析将来瞻望
辨认舆情正负级别：
有一些负面舆情可能会令经济实体元气大伤，而有的负面舆情可能只是过眼云烟。
所以对于舆情正负情绪的等级评定可能会是 Sophon 金融舆情剖析的一大利用方向。
让金融机构可能在海量舆情信息中不仅能找到关注实体的正负面舆情，还能第一工夫捕捉到达到影响较大的正负面舆情，以便相干职能部门能及时进行决策处理。
辨认舆情场景虚实：
随着网络越来越凋谢，任何经济实体可能都会存在正负面的评估。就像即便金融机构提供了多重便民服务和理财产品，也还是不能将某些人心中吸血金融行业的印象给磨灭掉。
职业黑子的存在不可漠视！
通过对舆情进行寻根究底，理解舆情流传的网络结构，剖析舆情是否受到了由职业黑子带头造成的“滚雪球”效应的影响，及时分辨舆情的虚实，以便相干部门及时进行廓清。
AI 舆情剖析，致力让黑天鹅飞不起，让灰犀牛冲不动。
