現今股市中，公司基本面持平，股價卻指數型增長的情形屢見不鮮，比起基本
面，投資人更注重於企業的未來表現，股價反應的更多是市場參與者短期的情緒和
預期的變化，本文認為這些情緒可以從投資人在社群媒體、GSV、新聞上所做出的
行為中計算，進而去判斷未來的股價走勢。本文實證結果發現，情緒及聲量特徵更
適合使用於當沖放空資訊，社群媒體情緒留言的日期分界點，以開盤前的8:00、
8:30 作為當日或隔日訊息的分界，預測效果最好。最後，在預測報酬後分群投入
時，加入社群媒體因子可以獲得更明顯的群間差異。此外，將社群媒體情緒及聲量
特徵使用於交易策略時，對於當沖報酬的預測能力並無明顯優勢，但對於預測開盤
價格的變動有相當的準確率。

In modern stock market, it's common to pitch a stock which stock price is skyrocket
with a general fundamental financial performance. The retail and institutional investors
pay more attention to the company's future growth value rather than the historical figures
showed up in the financial statement. The prediction and Short-term sentiment of the
market participants for the company will affect stock price significantly. The article points
out that sentiments can be extracted from social media, GSV and New about finance.
Furthermore, we can predict the future of stock price trend by using these analysis result.
The empirical results show that the characteristics of emotion and volume are more
suitable for the date dividing point of emotional messages in social media. Taking 8:00
and 8:30 before opening as the dividing point of messages on the same day or the next
day, the prediction effect is the best. Finally, social media factor is added to predict the
group investment after compensation, which can get more obvious differences between
groups. In addition, when social media sentiment and voice characteristics are used in
trading strategy, there is no obvious advantage in the ability to predict the return when
offset, but it has considerable accuracy in predicting the change of opening price.

論文審定書 i
摘要 ii
ABSTRACT iii
目錄 iv
圖次 vi
表次 vii
第一章 緒論 1
第一節 研究動機與目的 1
第二節 研究目的 2
第三節 研究架構 2
第二章 文獻回顧 3
第一節 投資人情緒對股價報酬預測能力 3
第三章 研究方法 7
第一節 研究流程 7
第二節 研究資料 9
第三節 資料處理與情緒及聲量分類 17
第四節 留言情緒分數 28
第五節 機器學習交易策略 32
第四章 實證結果 37
第一節 以 XGBOOST 滾動式驗證預測開盤報酬及報酬正負向效果 37
第二節
當沖策略 47
第五章 研究結論 49
參考文獻 51
中文文獻 51
英文文獻 52

1. 黃子倫 (2013) 散戶投資人之網路搜尋行為與資本市場中的交易活動，中山大
學財務管理學系研究所學位論文
2. 蔡佩蓉、王元章、張眾卓(2009)，投資人情緒、公司特徵與台灣股票報酬之研
究，經濟研究，第四十五卷第二期，頁273-322。
3. 陳全旺 (2017) 投資者利用網路資訊進行臺灣證券投資報酬率分析，中山大學
經濟學研究所學位論文
4. 周政光 (2012) 情緒指標與股價報酬相關性探討 －以台灣電子類股指數為
例，中原大學企業管理研究所學位論文
5. 王瑋豪（2011），「投資人情緒指標與股票報酬之研究」」，未出版碩士論
文，國立台北大 學會計研究所。
6. 李春安、類惠貞（2008），「衝擊事件下投資人情緒與股價指數動能之研
究」，《東海管理評論》，第10卷第1 期，1-45。
7. 徐清俊、顏雯津（2008），「情緒指標與股價報酬關係之研究」，《明新學
報》，34 卷第1 期，89-106。
8. 楊凱敦(2014)。投資人情緒與股票報酬之研究。臺灣大學會計學研究所學位論
文。2014。1-84。
9. 陳振遠、周賢榮、王朝仕（2008），投資人情緒風險與新上市公司股票的異
常績效－陽光效應之應用，輔仁管理評論，第十五卷第一期，頁43-72。
1. Baker Malcolm & Jeremy C. Stein (2004). Market liquidity as a sentiment indicator.
Journal of Financial Markets 7 (2004) 271–299
2. Baker M., and Wurgler J. (2006). Investor Sentiment and the Cross-section of Stock
Returns. Journal of Finance, 61, 1645-1680.
3. Baker M., & Wurgler J. and Yuan Yu. (2009). Global, Local, and Contagious Investor
Sentiment. Journal of Financial Economics (JFE), Vol. 104, pp 272-287
4. Gregory W. Brown and Michael T. Cliff (2005). Investor Sentiment and Asset
Valuation. The Journal of Business. Vol. 78, No. 2 (March 2005), pp. 405-440
5. Gerhard Kling & Lei Gao (2008). Chinese institutional investors’ sentiment. Journal
of International Financial Markets, Institutions and Money. Volume 18, Issue
4, October 2008, Pages 374-387
6. Hirshleifer, Shumway (2003). Good day sunshine: stock returns and the weather
J.Finance, 58 (3) (2003), pp. 1009-1032
7. H. Chen, P. De, Y. Hu, B.-H. Hwang (2014). Wisdom of crowds: the value of stock
opinions transmitted through social media. Rev. Financ. Studies, 27 (5) (2014),
pp. 1367-1403
8. Johan Bollen, Huina Mao and Xiaojun Zeng (2011). Twitter mood predicts the stock
market. Journal of Computational Science. Volume 2, Issue 1, March 2011, Pages 1-
8.
9. Karam Kim & Doojin Ryu and Heejin Yang (2019). Investor sentiment, stock
returns, and analyst recommendation changes : the KOSPI stock market.
10. Licheng Sun, Mohammad Najand, Jiancheng Shenb (2016). Stock return
predictability and investor sentiment: A high-frequency perspective. Journal of
57
Finance, pages 147- 164.
11. Rahul Verma & Gökçe Soydemir (2006). The Impact of U.S. Individual and
Institutional Investor Sentiment on Foreign Stock Markets. Journal of Behavioral
Finance 7(3):128-144
12. Sprenger T.O., Sandner P.G., Tumasjan A., Welpe I.M. (2014). News or noise? using
twitter to identify and understand company-specific news flows. J. Bus. Finance
Account., 41 (2014), pp. 791-830
13. Simon Behrendt and Alexander Schmidt (2018) The Twitter myth revisited: Intraday
investor sentiment, Twitter activity and individual-level stock return volatility.
Journal of Finance, pages 355-367.
14. Tetlock P.C. (2007). Giving content to investor sentiment: the role of media in the
stock market J. Finance, 62 (3) (2007), pp. 1139-1168
15. Timothy K.Chue, Ferdinand A. Gul and G. Mujtaba Mianc (2019). Aggregate
investor sentiment and stock return synchronicity. Journal of Finance, pages 105-
628.
16. Yang, Chun peng, and Liyun Zhou (2015). Investor trading behavior, investor
sentiment and asset prices. The North American Journal of Economics and Finance,
34, 42-62.