本文立足于国家金融安全的战略高度,顺应Web 2.0互联网技术和社会媒体的发展,基于在线社交网络视角研究投资者的信息学习机制及其对资产定价效率（股价同步性）的影响,这是习近平总书记以“国家总体安全观”强调防范和化解金融风险、维护金融安全对相关学术研究的迫切要求。围绕着“投资者信息学习所处的信息环境如何”、“投资者如何利用在线社交网络进行信息学习”、“投资者群体信息学习具有怎样的经济后果”三个核心问题,本文形成了一个由社交用户角色识别研究、信息学习机制研究、信息学习对股价同步性的影响研究三个核心部分组成的逐层递进、逻辑严密的研究框架。导论部分介绍了本文的研究背景与研究意义,并对当前有关用户角色识别、信息传播与信息学习、股价同步性、深度学习与情感分析的国内外研究成果进行了详细梳理;基于此,提出了本文的具体研究内容和研究思路。第一章阐述了本文研究所使用的理论方法和关键技术,包括用于社交角色识别的聚类方法,重点介绍了K-Means聚类算法的原理、优缺点;用于投资者信息学习建模的演化博弈理论,包括规则网络上的复制动态方程与复杂网络上的策略更新规则、复制动态方程;以及考虑投资者社交行为偏差所涉及的行为金融学相关理论和模型。第二章研究了文本质量对深度学习情感分析效果的影响,以IMDb电影评论文本作为研究数据集,以长度、可读性两个文本特征来衡量文本质量,应用SRN、LSTM、CNN三个基本的但极具代表性的深度学习算法来执行情感分析任务,并进一步运用独立t检验、多元线性回归的方法对文本特征与情感分类准确率的关系进行了统计分析,试图从文本质量的角度寻求提高情感分析效果的途径,相关的研究成果能够辅助于第五章变量度量过程中的文本数据筛选与分类模型选择。第一章和第二章共同作为本文的研究基础,为后文主体研究内容的开展做好了铺垫。第三、四、五章为本文的主体研究内容。第三章提出了一个基于网络拓扑结构的社交用户角色划分方法,以用户对网络连通性的贡献为划分标准,选取介数中心性和接近中心两个网络结构属性作为全局连通性的度量、度中心性和聚类系数两个网络结构属性作为局部连通性的度量,应用K-Means聚类算法划分出高全局连通性-高局部连通性的核心用户、高全局连通性-低局部连通性的中介用户、低全局连通性-高局部连通性的活跃用户,以及低全局连通性-低局部连通性的普通用户四种社交角色;进一步地,基于不同社交角色交互形成的不同边类型,通过对各个边类型在信息传播范围、传播峰值和传播速度上的评分,提出了对网络信息环境的评价方法。为验证所提出方法的有效性,以雪球网、股吧、知乎三个社交网络平台上有关科创板话题的相关讨论作为实验数据集,构建了网络图,并进行了网络拓扑结构分析、节点社交角色识别与网络信息环境评级的实验分析。第四章建立了一个基于演化博弈理论的投资者信息学习动力学模型,创新性地将网络信息环境和投资者自我强化偏差这两个影响信息学习过程的重要因素纳入考虑,更准确地刻画了投资者群体信息学习的动态演化机制。首先,将参与信息学习的投资者群体映射为参与演化博弈的种群,应用演化博弈理论思想,定义了投资者信息学习的三种策略——学习真实信息策略（ST策略）,学习虚假信息策略（SF策略）,不学习信息策略（SN策略）。其次,考虑投资者能够获得的社交收益与投资收益、所需付出的信息获取成本与信息解读成本,刻画了投资者信息学习博弈的报酬矩阵;结合第三章有关网络信息环境的研究成果,并考虑自我强化偏差所造成的投资者发布信息、传播自身投资策略概率的增加,信息环境评级和自我强化偏差因子作为影响投资者信息获取成本的因素被引入。接着,推导出了投资者群体信息学习三种策略博弈的复制动态方程,并对ST策略是演化稳定策略的条件进行了分析。最终,通过复制动态的数值模拟实验,以及在规则网络、BA无标度网络、WS小世界网络上的仿真实验,验证了模型的有效性;进一步应用所建立的模型对疫情情境与非疫情情境、不同社交网络平台、牛市情境与熊市情境、不同自我强化偏差水平等不同场景下投资者的信息学习机制进行了分析。第五章以在线社交网络上的同伴参与活动作为投资者信息学习的宏观表现,通过研究同伴参与对股价同步性的影响,检验了投资者信息学习的经济后果。基于群体智慧理论,从信息性、信息扩散程度、多样性、专家比例来衡量同伴参与的群体表现,提出了同伴参与表现出的群体智慧程度越高,股价同步性越低的研究假设;并提出了疫情情境下的研究假设。特别地,对于同伴参与信息性的度量,除了使用投资者月均发帖量这一简单直观但略显粗糙的指标外,还借助了深度学习技术来捕捉帖子中蕴含的投资者情感倾向,构建出帖子一致性这一更精妙的指标。根据研究假设建立了相应的理论计量模型,以2012年至2018年我国沪深两市的A股上市公司为研究样本,通过抓取股吧平台上约3000万条投资者社交文本数据,并划分了疫情子样本和非疫情子样本,对疫情情境与非疫情情境下同伴参与影响股价同步性进行了实证检验。此外,还进行了一系列稳健性检验以验证实证结果的可靠性。通过上述研究,本文取得了一系列的创造性成果,部分成果能够为当前后疫情时期降低高的股价同步性、改善市场运行效率、牢牢守住不发生系统性金融风险底线提供切实可行的政策建议。针对“投资者信息学习所处的信息环境如何”这一问题,通过本文的研究,发现雪球网是一个以普通用户为主导的在线社交网络;基本信息传播模式以普通-普通为主,中介-普通和核心-普通为辅;信息环境评级较低,仅为1.43。尽管雪球网被认为是高质量投资者的聚集地,但由于投资者与同伴之间的交流互动较少,优质的信息得不到充分扩散,因此形成较差的信息环境。股吧是一个以活跃用户为主导的在线社交网络;基本信息传播模式以活跃-活跃为主,中介-活跃、核心-活跃、普通-普通等多种模式为辅;信息环境评级高于雪球网,为2.19。股吧一直以来被认为是股民宣泄情绪的场所,然而,由于拥有大量的局部活跃用户,即使少量的高质量信息也至少能够在局部范围内得到充分传播,因此形成较优的信息环境。知乎是一个以中介用户为主导的在线社交网络;基本信息传播模式为中介-中介单一模式所主导;信息环境评级最高,为2.95,这与知乎拥有优质用户且用户参与度与活跃度较高是密不可分的。针对“投资者如何利用在线社交网络进行信息学习”这一问题,通过本文的研究,发现当信息环境评级、基本社交收益、社交奖励因子、社交惩罚因子、投资收益、自我强化偏差水平、基本信息获取成本、信息解读成本等参数满足一定的条件时,ST策略是演化稳定策略,投资者群体能够学习真实的、正确的信息,表现出群体智慧。此外还发现在线社交网络营造良好的信息环境、慷慨地为投资者提供社交奖励能够促进投资者群体对真实信息的学习速度;尤其在疫情情境下,投资者群体的信息学习演化结果对信息环境和社交收益更为敏感。因此,我国相关部门应加大对在线社交网络管理制度建立与完善的引导,鼓励社交网络平台管理者制定相应的规则对积极参与信息活动、生产优质内容的社交用户加以奖励,促进平台信息环境的优化,从而有效应对疫情对投资者通过在线社交网络进行信息学习所带来的冲击。针对“投资者群体信息学习具有怎样的经济后果”这一问题,通过本文的研究,发现同伴参与的信息性与多样性与股价同步性均显著负相关,且信息扩散程度与专家所占比例分别加强了二者对股价同步性的负向作用。因此,我国金融调控当局应加大对在线社交网络中投资者同伴参与活动的有效引导和规范,比如鼓励投资者与同伴发布更多的帖子和评论——尤其是发布能够对公司基本面做出准确分析的高质量帖子,鼓励更多不同专业水平层次的投资者参与社交活动等,以此来缓解我国市场的高股价同步性,改善我国资本市场运行效率。此外还发现疫情的爆发导致了更高的股价同步性,且疫情削弱了同伴参与的信息性和信息扩散程度对股价同步性的降低作用,但增强了群体组成的多样性和其中专家所占比例对股价同步性的降低作用。因此,在疫情期间,我国金融调控当局应充分重视群体多样性和专家的作用,鼓励在线社交网络上同伴参与的多样性、发挥专家的优势和引导作用,是应对疫情期间更高股价同步性的可能举措。