博客傳播動态與股票市場活動的相關性已經被一些專家學者建立了起來。毫無疑問，線下和網絡世界的研究提供了證據，足以表明金融市場是由市場參與者的情緒狀态驅動的。情緒和情緒對金融的影響是可以通過Twitter、Facebook或LiveJournal來衡量的。心情好的人更願意投資高風險資産，回報則取決于投資者的風險偏好，風險偏好又取決于投資者的情緒狀态，而大衆情緒狀态在社交媒體上往往有所體現。
媒體何能影響金融市場
金融市場上，投資者的預期往往受到來自利好消息或壞消息的信号的影響，從而導緻金融市場波動。根據有效市場假說(EMH)，市場價格是由新聞消息和信息驅動的，而不是當前和過去的價格。股市價格遵循随機遊走模式，無法以超過50%的準确率進行預測，因為市場中的消息滲透是不可預測的。
一系列有關研究通過衡量負面詞彙在媒體中的力量，強調了媒體的作用，并且證明了，在信息不對稱的條件下，投資者确實受到了最近新聞的影響。
首先在學術範疇引入并開創的有關研究，是對媒體和股票市場之間關系的研究。根據“哈佛-IV-04”詞典中的定義，對“華爾街日報”文章中的負面詞彙進行分類，研究結果表明，負面新聞降低了股票價格。
然而，随着時間的推移，價格往往又回到了正常水平，因為新聞本身并不能影響資産的基本價值。股票價格由市場因素來評估，并在長期内回歸其基本價值。當然，諸如地緣政治以及國際風險，等等，很多外部沖擊常常導緻股市波動。
韓國延世大學有關研究團隊利用半監督機器學習方法，将美國五家主要報紙的負面消息和正面消息進行分類，以考察朝鮮風險的程度及其對在紐約證券交易所(NYSE)上市的韓國公司股票價格的影響。結果發現與朝鮮有關的新聞對美國和韓國股市的波動有影響。
該研究團隊成員可以說是引入了一種先進方法，以研究當朝鮮對韓國經濟造成地緣政治風險時，美國的新聞“情緒”，對在NYSE上市的韓國公司的影響。
那些與情緒有關的“異常”往往以“錯誤地歸因”的偏見來解釋，根據這種偏見，人們由着情緒狀态做出或會有危險的決定。對于不确定的未來的事件，好心情的人比較樂觀。因此，一個人有幸福感的情緒對主觀概率評價很重要。
積極和消極情緒狀态同冒險傾向之間的關系，可以通過影響灌輸模型(AIM)來解釋，它假定情緒積極的人依賴積極的暗示做出決定。由于情緒啟動效應，有積極情緒的人會将風險與積極的結果聯系起來，與情緒消極的人形成了鮮明對比。
有研究認為，有積極情緒的人承擔風險的傾向更高，因為他們使用啟發式方法，并認為危險情況的後果更積極。消極情緒的人更容易看到危險，并且在決策過程中更加謹慎，因此，他們會因為有關風險決策的負面關聯，而進行風險規避。
自動文本挖掘方法在對新聞情緒進行分類方面是有效的，特别是當研究人員在很長一段時間内必須處理大量的新聞文章時。例如，德國柏林洪堡大學的一項研究使用監督學習對新聞情緒進行分類，以預測股票價格的波動。加拿大不列颠哥倫比亞大學的一項研究使用了一個樸素貝葉斯分類器，分析了大約45家公司股票留言闆上的1500萬條互聯網條目，并預測了道瓊斯工業指數(DJIA)和道瓊斯關于“雅虎金融”和“憤怒的牛市”的互聯網指數。
研究人員們的結論是，新聞情緒的總體影響在統計上是顯著的，但影響很小。這些“有監督的機器學習方法”的優勢在于：創造了一本适應研究人員之用途的新詞典；學會區分出現在不同語境中的同一個單詞。
社交媒體預測股票、外彙市場
當前，社交媒體已成為公衆讨論的熱門話題，在過去幾年裡，它在學術界和業界的吸引力穩步上升。社交媒體包括很多著名的網站，在那裡人們分享他們的想法、圖片或視頻，以及互聯網社區，例如:Facebook、Twitter、Google、Youtube。相關數據表明，今天幾乎所有的互聯網用戶都參與了社交媒體。
在實際中，用戶生成的内容在業務預測方面的價值已在諸多方面顯示出來。例如，在線消費者評論可以用來預測電子遊戲銷售、音樂銷售或圖書銷售。快速、全球化，以及對各種政治、經濟和社會事件的敏感反應，這些都是Twitter等社交媒體與金融市場的共同特征，那麼，前者會“超機會水平”地影響後者嗎？
像社交媒體——Twitter，它是全球性的，對國際新聞議程上的微小變化很敏感，可以說完全符合全球危機晴雨表的比喻。那麼，這一比喻能否轉化為對金融市場的影響？還有，對金融市場的預測是否可以從微博平台Twitter上公開的讨論和信息中提煉出來？
實際上，從Twitter獲取的信息，已經成為對現實世界許多現象進行預測建模的有前途的數據來源。模拟的領域多種多樣，如電影票房收入預測、流感類疾病的疾病活動、政治選舉，還有：DJIA(道瓊斯工業平均指數)等股市指标、目前被認為是外彙市場上最重要的貨币對的歐元/美元彙率……
有關研究人員考察了在twitter上發布的大量推特信息是否與公衆情緒有關，或者可以作為DJIA的預測指标。結果表明，公衆情緒的變化(平靜、警覺、肯定、重要、善良和快樂)與3—4天後發生的DJIA值的變化相匹配。此外，博客傳播動态與股票市場活動的相關性亦被一些專家學者建立了起來。
在被認為是世界上最大的金融市場——外彙市場方面，有研究利用從Twitter獲得的數據，模拟了歐元/美元彙率的高頻日内交易規模。亦有研究探讨了從Twitter上的公開辯論中提取的數據，是否以及在多大程度上，有助于歐元/美元彙率的預測。
德國有關方面的學者Nofer和Hinz表示，在探索用戶所生成内容對股票收益之影響這方面，實際中已經有了諸多研究成果。一般來說，人們可以區分對感興趣的特定事物的情緒檢測與情緒水平的分析，即積極或消極情緒狀态的強度。例如，既有的方法側重于通過分析消費者評論或股票留言闆的内容，來衡量公司的情緒。
在這方面，是薄倫（Bollen）等相關專家學者進行了開創性的研究，其結果表明：從公衆推文（tweets）中提取的情緒水平對DJIA具有預測價值。在整體情緒平靜的時候(或者在某種程度上是快樂的)，從統計學的角度，可以發現DJIA在幾天後有相關反應的顯著迹象。
其他一些使用Twitter預測股市的研究也出現在最近幾年。例如：有研究人員将Twitter的人氣與谷歌的搜索量結合在一起，預測了大宗商品(如石油、黃金)和股票的回報率、交易量和波動性；有研究人員在stocktwits上研究了3個月的大約7萬個帖子，也揭示了微博信息對股票市場發展的預測價值。
相關學者Nann等曾在歐洲信息系統會議的讨論中，基于Twitter、在線消息闆和公司新聞的用戶發帖，創建了一個交易模型，在考慮交易成本後，該交易模型的表現優于标準普爾500指數0.24%。而Sprenger等學者專注于被标記的tweets(例如，微軟的MSFT)，并發現Twitter的人氣與回報之間具有系數r=0.166的相關性。
不隻Twitter，其他社交網絡也受到了考查。有學者研究了從LiveJournal上提取的情緒，顯示标準普爾500指數在焦慮水平上升的情況下下降。在最近的一項研究中，學者Karabulut發現Facebook的國民幸福總值(GNH)可以預測美國股市的回報。
毫無疑問，線下和網絡世界的研究提供了證據，表明股票市場是由市場參與者的情緒狀态驅動的。行為金融和神經金融方面的研究人員試圖解釋投資者情緒與他們的交易行為之間的聯系。例如，個人傾向于厭惡損失，這意味着他們更重視損失而不是收益。
雖然早期的研究通常是在實驗環境中進行的，但社交媒體應用程序現在可以幫助揭示社交情緒。心情好的人更願意投資高風險資産，比如股票。因此，股票回報取決于投資者的風險偏好，風險偏好又取決于投資者的情緒狀态，而大衆情緒狀态在社交媒體上往往有所體現。
總之，情緒和情緒對股市的影響是可以通過Twitter、Facebook或LiveJournal來衡量的。基于情緒狀态的股票收益預測可以看作是與有效市場假說相矛盾的市場異常現象。
關于通過社交媒體的浏覽進行預測建模的研究，學者Janetzko認為其涉及到了三個領域的需求：第一，建模的所有領域都應該在社交媒體平台上引起公衆的強烈讨論。實際上，獲取這些數據可能不容易，也可能不昂貴。但是，顯然不應該缺少可用于建模的數據。
第二，對于要建立模型的每個領域，因特網以外的明确的數字衡量标準，例如收入、股票彙率或大選結果，是必不可少的。這一要求強調，要預測的變量是任何預測設置中不可或缺的一部分。
第三，社交媒體通常會産生過多的數據。例如，Twitter是每天5億條短信的中心。社交媒體的普及通常意味着尋找有助于所選擇的建模任務的信息是具有挑戰性的。因此，通過社交媒體數據成功建模的第三個要求是選擇具有解釋或預測潛力的信息。
上文所讨論的三項要求被認為有助于縮小使用Twitter模拟歐元/美元彙率的條件。因為：Twitter提供了一個全球平台，以前所未有的規模交換新聞、意見和評論。這類信息往往随着包括外彙市場在内的市場的波動而變化。歐元/美元彙率顯然是一種易于建模的數值措施。從Twitter上收集的數據是否能夠滿足第三個要求，即具有解釋或預測潛力的信息的選擇，是一個值得更詳細讨論的開放問題。
相關的一項研究顯示，在Twitter上，對歐元危機的密集讨論與看跌的歐元和看漲的美元有關。反之亦然，如果關于歐元區任何危機的讨論正在失去勢頭，例如，由于歐元區的積極消息，那麼歐元相對于美元的價值可能會上升。
關注社交媒體中的“情緒傳染”
已有證據表明，社區結構在從社交媒體應用中提取情緒時起着重要的作用。關于擴散過程和信息級聯的研究在社會網絡分析和計算機科學領域有着悠久的傳統。從實證研究中可知情緒狀态具有傳染性。
Bono和Ilies以及Sy等學者經研究發現，追随者和群體成員受到其“領袖”積極情緒狀态的影響。學者Neumann和Strack的研究表明，傾聽彼此的人之間會自動地傳遞感情。在現實世界中，情緒傳染的另一個例子來自于學者Fowler和Christakis的研究，他們在一個真實的社交網絡中觀察了20年的快樂的傳播。
最近的一些研究通過互聯網來證實這些發現。在網絡世界中，基于文本的交流可以在群體成員之間傳播情感。即使在沒有直接的社會互動的情況下，情感也會在互聯網上蔓延。在最近的一項實驗中，Kramer等學者在Facebook的689003名用戶的新聞訂閱中操縱了情緒積極和消極的帖子。事實證明，那些接觸不到積極内容的人，他們自己的積極狀态更新更少。
在之前既有的一些研究中，Twitter的網絡結構也受到了考查。不過，到目前為止，研究人員隻關注信息或情緒的傳播程度，而不是情緒和情緒的傳染。Lerman等學者指出，Twitter用戶之間的聯系非常緊密:好友和轉發消息會導緻一個龐大的社交網絡，新聞故事和其他内容很容易傳播。他們之前曾提出了一個框架，用于研究在線社交網絡中的信息傳遞層疊。
一般來說，使用轉發次數來衡量情緒感染可能很有趣。然而，學者Nofer和Hinz指出，隻有很小一部分的tweet被轉發。這一觀察得到了實證研究的支持，這些研究也發現了轉發的有限性。例如，Boyd等學者收集了720,000條微博來研究Twitter上的轉發行為。在這個示例中，隻有3%的tweet是重新發布的。Twitter關注者的數量經常被用來衡量社區内的影響力和受歡迎程度。追随者的影響也被認為是在literature中的in-degree影響，并描述了用戶可能接觸到的潛在受衆。
然而，幾乎沒有研究在顯示情緒水平與股票回報率之間的關系時，考慮到了互聯網用戶的社交互動。因此，學者Nofer和Hinz力圖擴大以往的研究，将Twitter關注者的數量包括在分析中。每條推特的重要性取決于識别原始信息的用戶數量。有廣泛的證據表明，主要用戶（“領袖”）對社區的其他成員施加了很大的影響。該研究還顯示了情緒傳染這一現象的存在，即情緒從“領袖”向追随者或在一般人之間的轉移。最新的一些研究亦發現了情緒在互聯網上蔓延的證據。
根據這些發現可知，情緒狀态是可以通過基于文本的通信在互聯網用戶之間傳播的。
巴克舍等學者在Twitter上量化了用戶的影響力，得出的結論是，平均而言，那些“在過去有影響力并且有很多追随者”的人，更有可能在未來産生影響。Ruiz等學者研究了Twitter上的公司的對話，并在考慮用戶活動和互動的情況下展示了與股價的相關性(例如，粉絲數量、轉發次數)。
相關專家諾弗爾和辛茨研究了大約1億條推文組成的樣本。在初始分析中，沒有發現總體情緒狀态與股票市場之間的關系。然而，進一步的分析通過将Twitter關注者的數量納入分析來考慮情緒傳染。結果表明，有必要考慮情緒狀态在互聯網用戶中的傳播。根據相應的研究結果，諾弗爾和辛茨制定了德國股票市場的交易策略，在考慮交易成本後的六個月内，相應投資組合收益最多可增加36%。
公衆情緒的變化與3—4天後發生的DJIA值的變化相匹配。有研究探讨了從Twitter上的公開辯論中提取的數據，是否以及在多大程度上，有助于歐元/美元彙率的預測。