01、数据简介 2007-2024年上市公司-投资者情绪数据（xlsx）资源-CSDN下载
https://download.csdn.net/download/2401_84585615/92636898
依据任晓松、孙莎、马茜（2024）所提出的方法体系，投资者情绪指标构建遵循系统化流程：
其一，数据获取。定向采集 2007 至 2024 年财经网络社区（涵盖股票主题贴吧及行业论坛）发布的所有股票相关帖子，提取发帖人标识、发布时间、标题文本、阅读量等结构化信息。
其二，文本预处理。对采集的原始文本开展净化操作：先过滤无效与重复内容，接着用 jieba 分词工具进行中文分词，剔除通用及领域特定停用词，最后借助 TF - IDF 算法把文本数据转化为机器可识别的数值向量。
其三，情感分类与日度情绪计算。运用朴素贝叶斯分类模型将帖子划分为乐观、中性、悲观三类情感倾向。针对上市企业 i，依据第 n 日乐观帖子数（posi,n）与悲观帖子数（negi,n），通过公式 smi,n=ln(1+negi,n1+posi,n)构建情绪因子，加 1 平滑保障数值稳定，对数变换实现数据分布规范。
其四，年度情绪指标构建。以自然年为观测周期，对周期内所有交易日的情绪因子 smi,n进行算术平均，得到衡量企业 i 在第 t 年投资者情绪水平的综合指标 senti,t，有效捕捉市场参与者中长期情感特征。该指标体系整合网络文本大数据与机器学习技术，为量化分析投资者心理偏差对资本市场影响提供可操作测量工具。
02、相关数据
包含股票代码、年份、s_in、sent_(i,t) 。
