模块 2 介绍文本挖掘，并演示如何从数据检索（网络搜索）到金融市场洞察。其中包括一些经典的文本挖掘方法，如文本的矢量化（词袋法）、用于过滤的停滞词以及词频-反向文档频率（TF-IDF）。学生将学习如何用数学方法表示文本，并对文本进行正则化/过滤以减少噪音。理论和实践课程将涵盖文本相似性的测量方法。实验课将通过网络刮擦数据的例子，使用所述技术进行正则化，最后从文本数据中得出见解。

模块 3 是文本挖掘课程在实践中的扩展，适用于 10-K 和 13-F，这是两种最常被研究的公司文件。由于文档篇幅巨大，个人分析师在使用这类数据时可能会感到非常困难，但模块 3 介绍了使用 Python 代码对这些文档进行定量分析的方法。我们将对 10-K 和 13-F 文档进行研究，并在实验课程中演示如何自动获取此类数据以及如何定义相关指标。在实验室中，我们围绕给定公司 10-K 报表在一段时间内的相似性以及 13-F 文件中基金持股之间的相似性，调查了该领域研究的实施情况。

最后一个模块介绍文本数据背景下的情感分析以及公司连接背景下的网络分析。情感分析是一种潜在的富有成效的信息渠道，如果运用得当，可以显示普通大众对公司的看法（例如通过社交媒体），甚至可以显示公司本身对未来前景的看法是积极还是消极（通过分析公司文件中的语气）。正如课程讲师及其同事的研究所示，网络分析可用于准确捕捉金融网络的导向，以及哪些公司可能会因为其他公司将其视为威胁而表现出色。本模块的实验课扩展了公司文件分析，以研究情感，同时还引入了一组推文，然后将其转化为网络表示。