美国大选期间美股迎来大涨，舆情到底有何魔力？
焦灼的美国大选结果仍悬而未决之时，美股却迎来了40多年来大选后的最大单日涨幅！
舆情对金融风险产生影响的机制
投资者情绪→金融风险
其实大家或许早有耳闻或深有体会的可能是投资者情绪。
当赚的如自己所幻想乃至金盆满钵时理所当然会兴奋，当赔的破自己所预料乃至倾家荡产时不可置否会恐慌。
北京大学国家发展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。
自新冠疫情爆发以来，投资者情绪指数一直处于低迷状态，虽然在国内疫情得到控制后有短期回暖，但国际疫情不断反复的严峻形势，还是让投资者情绪指数不断下跌。
2020年中国投资者情绪月度指数，数据来源：北京大学国家发展研究院
情绪似乎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徘徊，进而也就形成了金融风险。
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一知半解，上个世纪的全民炒股就是有力证明。
而金融市场信息获取又极不对称，多数投资人获取到的只是片面信息，这就导致了投资者对于外界信息缺乏辨别力。
所以外界的一点风吹草动都会对投资者的投资行为产生影响。
即使是未经证实的负面消息，但由于缺乏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定产生影响。同时投资者关注度越高引起的股市波动越大。
所以这舆情又该如何控制呢？
AI舆情管理在银行证券中的应用
项目业务需求：采用NLP舆情技术实现对不同新闻文本进行正负向打分，同时分析出新闻中出现关联性最强的主体（企业或债券）
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
◉主体识别：使用文本分词、主体评分等技术，识别各条舆情新闻涉及的经济主体
◉舆情监控：使用相关AI模型（如+传统机器学习方法、BERT、ABSA等），判断资讯的正负面影响
◉流程复用：构建一套资讯NLP加工及分析流程，按需支持不同业务部门
舆情分析整体流程
舆情分析未来展望
识别舆情正负级别：
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金融舆情分析的一大应用方向。
让金融机构能够在海量舆情信息中不仅能找到关注实体的正负面舆情，还能第一时间捕捉到达到影响较大的正负面舆情，以便相关职能部门能及时进行决策处置。
识别舆情场景真假：
随着网络越来越开放，任何经济实体可能都会存在正负面的评价。就像即使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忽视！
通过对舆情进行追本溯源，了解舆情传播的网络结构，分析舆情是否受到了由职业黑子带头形成的“滚雪球”效应的影响，及时分辨舆情的真假，以便相关部门及时进行澄清。
AI舆情分析，努力让黑天鹅飞不起，让灰犀牛冲不动。
