資訊科技的進步與發展，使得投資人容易取得更多資料，網路新聞則是最易取得之管道；近年來隨著深度學習的崛起與蓬勃發展，以自然語言處理與文本分類技術，分析財經新聞進而預測台灣金融市場，已是財金領域學者亟欲探討的課題。
　　本篇研究以FastText預測鉅亨網2013年至2018年台股新聞情緒「正面」、「負面」、「中立」共3分類，接著針對個股每月計算情緒分數，並以新聞則數取代過去使用字詞作為計算情緒分數的單位，結果顯示(一)經過權重調整，情緒面選股因子能預測個股報酬。(二)基本面分群的個股，輔以情緒面篩選，能夠提升選股能力；反之亦然。(三)以投資策略而言，基本面佳而情緒面差的個股最為穩健。

　　The advancement of information technology makes it easier for investors to obtain more information. Internet news is the most accessible channel. In recent years, with the rise and development of deep learning, the use of natural language processing and text categorization techniques to analyze financial news and then predict Taiwan's financial market is a topic that scholars in the field of finance want to explore.
　　This study uses FastText to predict the three categories of "positive", "negative" and "neutral" sentiment of Taiwanese stocks news from 2013 to 2018.And replace the words with the number of news as the unit for calculating the sentiment score. The results show that:(1) After weight adjustment, the sentiment factor can predict stock returns. (2) Stocks grouped by fundamentals, combined with sentiment score screening, can enhance stock picking ability, vice versa. (3) In terms of investment strategy, stocks with good fundamentals and bad sentiment are the most stable.

論文審定書 I
摘要 II
ABSTRACT III
目錄 IV
圖次 VI
表次 VIII
第一章、 緒論 1
第一節、 研究動機 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、 投資人情緒與輿情分析 3
第二節、 情緒分析 4
第三節、 小結 5
第三章、 研究方法 6
第一節、 研究流程 6
第二節、 研究資料 7
第三節、 文本分類模型與文字前處理 8
第四節、 新聞情緒分數 10
第五節、 基本面與情緒面策略介紹 14
第四章、 實證結果 20
第一節、 總表概況 20
第二節、 策略績效 23
第五章、 研究結論 44
參考文獻 46

參考文獻
一、 中文部份
王彥鈞(2017)，「不同市場狀態下新聞情緒的預測能力:以台灣五十指數為例」，碩士論文，國立中央大學財務金融系研究所。
王釗東(2017)，「以大數據探究財經新聞對台灣股票市場表現之影響」，碩士論文，國立臺灣大學新聞研究所。
王韻怡、池祥萱、周冠男(2016)，行為財務學文獻回顧與展望:台灣市場之研究，經濟論文叢刊，44:1，1-55，國立台灣大學經濟學系出版。
田高銘(2019)，「新聞文本情緒分類之實證研究-以鉅亨網新聞為例」，碩士論文，國立中山大學財務管理學系研究所。
李哲宇(2017)，「以遞歸卷積神經網路擷取財經新聞知識預測股價」，碩士論文，國立清華大學資訊系統與應用研究所。
林雨賢(2007)，「目標價預測誤差之決定因素」，碩士論文，國立臺灣大學財務金融學系研究所。
郝哲斌(2016)，「散戶情緒與市場報酬互動之關係」，碩士論文，國立中山大學財務管理學系研究所。
陳建宏(2018)，「新聞輿情、報酬與投資人交易行為」，碩士論文，國立中山大學財務管理學系研究所。
廖亮瑋(2019)，「使用長短期記憶遞歸神經網路之匯率預測模型—考慮財經變數與財經新聞」，碩士論文，國立臺灣科技大學資訊管理系研究所。
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 (Taipei Economic Inquiry), 45:2, 273-322。
謝委霖(2015)，「從財金新聞預測公司財報之營收走勢」，碩士論文，國立中山大學資訊管理學系研究所。
 
二、 英文部份
Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross‐section of stock returns. The journal of finance, 61(4), 1645-1680.
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood predicts the stock market. Journal of computational science, 2(1), 1-8.
Joseph, K., Wintoki, M. B., & Zhang, Z. (2011). Forecasting abnormal stock returns and trading volume using investor sentiment: Evidence from online search. International Journal of Forecasting, 27(4), 1116-1127.
Shefrin, H. (2002). Behavioral decision making, forecasting, game theory, and role-play. International journal of forecasting, 18(3), 375-382.
Zouaoui, M., Nouyrigat, G., & Beer, F. (2011). How does investor sentiment affect stock market crises? Evidence from panel data. Financial Review, 46(4), 723-747.