研究方法

​資料蒐集:股價數據來源為 TEJPRO 與 FinMind 平台，其中 FinMind 提供開放式 API，可自動化抓取每日股價、成交量與多項技術指標資料，具有高整合度、更新即時、可重現性高等優勢。文本資料則來自 「股市爆料同學會」討論區，該平台匯聚大量投資人情緒言論，能有效反映市場心理變化，作為本研究建立情緒指標的重要基礎。​

​​

情緒處理:在文本分析部分，本研究使用 CKIP 中文斷詞系統 進行文本前處理，以確保能精準辨識公司名稱、股票代號與財經術語。接著，參考 NTUSD 中文情感字典，建立四大類情緒分類：「快樂、憤怒、恐懼、悲傷」。本研究會根據 NTUSD 篩選符合情緒語意的詞彙，進行詞彙比對與情緒分數計算，最終建立出「市場情緒指標」，以量化投資人對資訊服務業的情緒波動。

​​

技術指標:技術面資料則透過 FinMind 與 TEJPRO 所取得的股價資料抓取而成，包括：

• RSI（相對強弱指標）

• MACD（指數平滑移動平均）

• KD（隨機指標）這些技術指標將作為模型的自變數之一，用以反映市場的技術面變化，與情緒指標一同進行比較與分析。

​​

模型建立:本研究利用 JASP 統計分析軟體 進行資料分析與模型建構。
首先，透過描述性統計與相關性檢定，驗證情緒指標與技術指標間的關聯性。接著，使用 LSTM、SVM、隨機森林 等機器學習模型進行訓練與交叉驗證，並比較其在股價趨勢預測上的表現差異。

• 模型比較指標包含：

• 準確率（Accuracy）

• 精確率（Precision）

• 召回率（Recall）

• F1-score（F1）最終將挑選出表現最佳的模型，作為整合情緒與技術指標的主要預測工具，以探討情緒變化對資訊服務業股價的潛在影響。