計(jì)算機(jī)技術(shù)的變革促使高頻量化交易從萌芽到興起,目前勢(shì)頭更是迅猛。一方面,高頻交易加速了信息之間的傳遞,勢(shì)必會(huì)對(duì)資產(chǎn)價(jià)格造成影響,從而促進(jìn)市場(chǎng)微觀結(jié)構(gòu)的深入探討。另一方面,金融異象的不斷涌現(xiàn),也在挑戰(zhàn)著傳統(tǒng)金融理論,行為金融學(xué)應(yīng)運(yùn)而生,投資者情緒對(duì)市場(chǎng)的影響便更加不言而喻。因此,本文考慮從市場(chǎng)微觀結(jié)構(gòu)和行為金融學(xué)入手,以知情交易概率和投資者情緒為研究視角,構(gòu)建分析框架,從而試圖以不同維度探討滬深300股指期貨市場(chǎng)的受影響程度。本文的研究數(shù)據(jù)來(lái)自Wind金融數(shù)據(jù)庫(kù)中2010年4月至2017年12月的滬深300股指期貨分鐘行情數(shù)據(jù)。首先,運(yùn)用主成分分析方法構(gòu)造滬深300股指期貨市場(chǎng)的投資者情緒綜合指數(shù)。其次,計(jì)算出非參數(shù)估計(jì)的等交易量知情交易概率VPIN值、從逆向交易和羊群交易進(jìn)行設(shè)計(jì)的動(dòng)態(tài)知情交易概率DPIN值。接著,利用回歸模型研究三者指標(biāo)在日內(nèi)高頻和日間低頻的不同交易頻率下對(duì)市場(chǎng)收益率、流動(dòng)性以及波動(dòng)率的預(yù)測(cè)能力。同時(shí),深入探討了流動(dòng)性與波動(dòng)率兩者的聯(lián)系。進(jìn)一步的,通過(guò)殘差分解將投資者情緒分為了機(jī)構(gòu)投資者情緒部分和噪音交易者情緒部分。通過(guò)引入虛擬變量,得到了情緒和交易量修正后的DPIN指...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1全文技術(shù)路線(xiàn)圖

投資者情緒、知情交易概率對(duì)股指期貨市場(chǎng)的影響——基于滬深300指數(shù)期貨實(shí)證研究6圖1.1全文技術(shù)路線(xiàn)圖Fig.1.1Fulltexttechnicalroadmap本文接下來(lái)的篇幅主要介紹文獻(xiàn)綜述、模型和方法、實(shí)證分析、策略設(shè)計(jì)以及結(jié)論。

圖4.1VPINday折線(xiàn)圖

投資者情緒、知情交易概率對(duì)股指期貨市場(chǎng)的影響——基于滬深300指數(shù)期貨實(shí)證研究

圖4.2VPINintraday折線(xiàn)圖

投資者情緒、知情交易概率對(duì)股指期貨市場(chǎng)的影響——基于滬深300指數(shù)期貨實(shí)證研究

圖4.6SIF投資者情緒指數(shù)Fig.4.6Investorsentimentindex

投資者情緒、知情交易概率對(duì)股指期貨市場(chǎng)的影響——基于滬深300指數(shù)期貨實(shí)證研究24圖4.6SIF投資者情緒指數(shù)Fig.4.6Investorsentimentindex4.2實(shí)證結(jié)果4.2.1投資者情緒、知情交易概率對(duì)收益率的影響本研究中利用下述方法計(jì)算收益率：=00×lnPln....

本文編號(hào)：4043040