從A股市場(chǎng)誕生至今,A股經(jīng)歷了數(shù)次大幅的上漲和下跌,這些非理性的大幅漲跌很難完全用傳統(tǒng)金融理論做出解釋,而行為金融理論正是從投資者情緒的角度出發(fā)對(duì)各類(lèi)金融異象與非理性行為現(xiàn)象做出了解釋,投資者情緒在股票市場(chǎng)的非理性繁榮和恐慌式下跌中無(wú)疑起到了推波助瀾的作用。本文以上述現(xiàn)象作為切入點(diǎn),研究了市場(chǎng)投資者情緒對(duì)市場(chǎng)指數(shù)收益及異質(zhì)性上市公司股票收益的影響效應(yīng),并使用數(shù)據(jù)挖掘模型對(duì)收集到的數(shù)據(jù)進(jìn)行建模。首先選取投資者A股賬戶新增開(kāi)戶數(shù)（NIA）、換手率（TURN）、消費(fèi)者信心指數(shù)（CCI）、成交量（VOL）、中國(guó)證券投資者信心指數(shù)—買(mǎi)入指數(shù)（BII）等五個(gè)指標(biāo)作為投資者情緒的代理指標(biāo),通過(guò)第一次主成分分析消除提前滯后效應(yīng)的影響,通過(guò)第二次主成分分析消除宏觀經(jīng)濟(jì)變量的相關(guān)性,并通過(guò)回歸剔除宏觀經(jīng)濟(jì)變動(dòng)對(duì)投資者情緒的影響效應(yīng),再通過(guò)偏最小二乘回歸方法提取與真實(shí)投資者情緒相關(guān)的部分得到最終的投資者情緒綜合指標(biāo)。其次,通過(guò)隨機(jī)森林算法,從一系列具有代表性的候選技術(shù)指標(biāo)中選取重要性高的技術(shù)指標(biāo)作為數(shù)據(jù)挖掘模型的輸入變量,即BBI多空指數(shù)、BBIBOLL多空、BIAS乖離率、BOLL布林帶、RSI相對(duì)強(qiáng)弱指... 

【文章來(lái)源】：上海外國(guó)語(yǔ)大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工神經(jīng)元模型

23圖3.1主成分分析基本思路圖KMO檢驗(yàn)是通過(guò)比較各變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的大小判斷變量間的相關(guān)性，相關(guān)性強(qiáng)時(shí)，偏相關(guān)系數(shù)遠(yuǎn)小于簡(jiǎn)單相關(guān)系數(shù)，KMO值接近1。一知般情況下，KMO大于0.9時(shí)非常適合因子分析；0.5以下表示不適宜作因子分析。Bartlett球狀檢驗(yàn)也是用于檢驗(yàn)各變量之間的相關(guān)性的方法，即各個(gè)變量是否各自獨(dú)立。一般情況下，檢驗(yàn)結(jié)果的顯著水平值越�。ㄐ∮�0.05時(shí)），說(shuō)明原始變量之間的獨(dú)立性越弱，相反，顯著性水平越大（如0.1以上），數(shù)據(jù)越不適宜于做因子分析。因此，在做主成分分析前，由于不同代理變量之間存在的相關(guān)性，我們首先進(jìn)行KMO檢驗(yàn)和巴特利球體檢驗(yàn)。在本文中，對(duì)這十個(gè)指標(biāo)進(jìn)行KMO和Bartlett球形檢驗(yàn)�？傮wKMO檢驗(yàn)系數(shù)為0.657，Bartlett檢驗(yàn)的顯著性為0，表明這10個(gè)情緒指標(biāo)之間相關(guān)度較高，比較適合作因子分析。表3.2KMO和巴特利特檢驗(yàn)接下來(lái)，采用主成分分析法消除代理指標(biāo)的提前滯后問(wèn)題的影響。在提取主成分之前，首先需要計(jì)算出各成分?jǐn)?shù)據(jù)的特征值、方差貢獻(xiàn)率以及累計(jì)方差貢獻(xiàn)率。下表為提前滯后變量的總方差解釋?zhuān)?

263.2.3偏最小二乘回歸方法通過(guò)上述步驟，我們得到了已經(jīng)考慮了代理指標(biāo)提取滯后效應(yīng)以及宏觀經(jīng)濟(jì)因素的投資者綜合情緒，即殘差序列ri。本節(jié)將對(duì)殘差序列進(jìn)行處理，得到反映真實(shí)投資者情緒信息的部分。由文獻(xiàn)可知，偏最小二乘回歸可用于提取出與真實(shí)投資者情緒相關(guān)的部分，即提取出投資者情緒指標(biāo)中與股票投資收益相關(guān)的成分。因此，不同于一般研究中，對(duì)殘差序列做主成分分析的方法，這里我們將采用偏最小二乘回歸（plsregress）進(jìn)行投資者綜合情緒指數(shù)的構(gòu)造。偏最小二乘回歸方法主要通過(guò)兩個(gè)步驟實(shí)現(xiàn)：Xi，t－1=π0+πiRt+ui，t－1其中Rt為市場(chǎng)收益率，Xi，t－1為第i個(gè)代理情緒變量。Xi，t=α+βtπi+vi，t其中πi為敏感系數(shù)估計(jì)值，代理情緒變量Xi，t為代理情緒變量。最后將得到的估計(jì)βt作為最終投資者情緒估計(jì)量。經(jīng)過(guò)處理之后的綜合投資者情緒指標(biāo)圖形如下圖所示：圖3.2綜合投資者情緒指標(biāo)圖將上述處理完成后的投資者情緒綜合指數(shù)與滬深300指數(shù)時(shí)間序列相關(guān)性檢驗(yàn)，結(jié)果顯示，在阿爾法為1%的水平下滬深300指數(shù)序列與投資者情緒綜合指數(shù)的皮爾森相關(guān)系數(shù)為0.692，這說(shuō)明該投資者情緒綜合指數(shù)與股票指數(shù)有較

【參考文獻(xiàn)】：
期刊論文
[1]投資者情緒與滬深300指數(shù)波動(dòng)的關(guān)系研究[J]. 張德容,余攀.  商學(xué)研究. 2018(06)
[2]投資者情緒與股票收益關(guān)系的實(shí)證檢驗(yàn)[J]. 李巖,金德環(huán).  統(tǒng)計(jì)與決策. 2018(15)
[3]投資者情緒與股票橫截面收益——基于微博數(shù)據(jù)的實(shí)證研究[J]. 原東良.  金融與經(jīng)濟(jì). 2018(07)
[4]投資者情緒對(duì)股票價(jià)格波動(dòng)的影響研究[J]. 陳健,曾世強(qiáng).  價(jià)格理論與實(shí)踐. 2018(07)
[5]投資者情緒與股票收益的實(shí)證研究——基于擴(kuò)展卡爾曼濾波的方法[J]. 凌士勤,蘇樂(lè).  時(shí)代金融. 2017(17)
[6]投資者情緒與股票市場(chǎng)的非線性關(guān)系研究[J]. 王博實(shí).  北京郵電大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(03)
[7]個(gè)人與機(jī)構(gòu)投資者情緒對(duì)個(gè)股異常收益率的非對(duì)稱(chēng)影響[J]. 曹仙葉,劉詠梅.  中南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2016(06)
[8]投資者情緒與股票收益——基于個(gè)人和機(jī)構(gòu)投資者情緒的對(duì)比研究[J]. 安江麗,張立超.  金融發(fā)展研究. 2016(08)
[9]投資者情緒與封閉式基金折價(jià)率過(guò)度波動(dòng)的關(guān)系研究[J]. 樊小可.  經(jīng)濟(jì)視角(上旬刊). 2015(11)
[10]投資者情緒對(duì)中國(guó)IPO首日收益率影響的實(shí)證分析[J]. 蔣先玲,張斯琪.  經(jīng)濟(jì)問(wèn)題. 2015(06)

碩士論文
[1]基于文本挖掘的投資者情緒對(duì)股票收益率影響的研究[D]. 牟歌.青島大學(xué) 2018



本文編號(hào)：3026103