科技的發(fā)展擴大了人們獲取信息和交流的渠道,人們可以通過網(wǎng)絡(luò)媒介獲取信息、交流經(jīng)驗。但是網(wǎng)絡(luò)信息良莠不齊,海量的信息中夾雜著大量的噪音。當前,中國金融市場仍處于弱有效市場,金融市場仍然不夠成熟和市場機制仍然不完善,存在大量的投機性交易。我國投資者中個人投資者占有率較高,受專業(yè)知識的影響和缺少足夠信息判斷,個人投資者在信息的獲得和價值的判斷上會存在嚴重的投機性傾向,加劇市場波動風險。因此,探究投資者在投資決策受到什么因素的影響,研究影響股市波動的因素及股票收益率的影響因素,對保證股票市場的成熟,健康的發(fā)展顯得十分重要。本文基于詳盡可能性模型,探究在線評論對股票價格影響。分析認為在線評論信息會通過中心路徑和邊緣路徑兩種不同的作用方式影響投資者。在線評論中的內(nèi)容和質(zhì)量會通過中心路徑對投資者決策行為產(chǎn)生影響;在線評論中的信源和特征因素,如影響力,閱讀數(shù),評論數(shù)等會通過邊緣路徑對投資者決策行為產(chǎn)生影響。通過對在線評論進行情感分析,構(gòu)建情感指數(shù)和情緒一致性指數(shù),驗證投資者情緒和股票收益率間作用關(guān)系。并利用文本中的信息和金融信息進行實證驗證。研究結(jié)果表明:在中心路徑下,投資者情緒的一致性對股票價格的影... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省211工程院校985工程院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

在線評論閱讀數(shù)的分布圖

哈爾濱工業(yè)大學管理學碩士學位論文35爬蟲共獲取在線評論總數(shù)22080條，評論的閱讀數(shù)，評論數(shù)和對在線文本進行情感分析后的情緒指數(shù)的數(shù)據(jù)描述如下表4-1：表4-1平安銀行的在線評論的數(shù)據(jù)描述總計均值標準差最小值最大值25%75%閱讀數(shù)220802151.6096734.709324920008421503評論數(shù)220801.1557.208029001情緒指數(shù)220800.5490.3240.00010.2630.852情緒一致性2440.1030.0130.0670.1480.0940.111對于全部的樣本數(shù)據(jù)來說，每條在線評論的平均閱讀數(shù)為2151，最大值為492000，最小值為32，標準差為6734.709，四分位數(shù)為842，分布極不均勻。在線評論的平均評論數(shù)為1.155，最大值為290，最小值為0，標準差為7.208，四分位數(shù)為0，分布不均勻。情緒指數(shù)的平均值為0.549，最大值為1，最小值為0.000，標準差為0.324，四分位數(shù)為0.263，情緒指數(shù)的分布則較為均勻。情緒一致性指標為分組聚集后指標，均值為0.103，標準差為0.013，分布較為均勻，說明每日論壇評論內(nèi)容的情緒較一致。在線評論閱讀數(shù)和在線評論評論數(shù)的分布圖分別見圖4-1，圖4-2。圖4-1在線評論閱讀數(shù)的分布圖圖4-2在線評論評論數(shù)的分布圖根據(jù)數(shù)據(jù)的基本描述，我們可以從數(shù)據(jù)中看出，在線評論的閱讀數(shù)和評論數(shù)存在分布不均勻現(xiàn)象，即在線評論的傳播性和影響力有著明顯的劃分。但是大多數(shù)的在線評論基本無人問津，影響力和傳播性不足。對情緒指數(shù)和評論數(shù)，針對此現(xiàn)象，我們根據(jù)評論的四分位數(shù)，將在線評論劃分為“高影響力”和“低影響力”的分組。

哈爾濱工業(yè)大學管理學碩士學位論文364.2.2周末效應(yīng)檢驗將高影響力組別的情緒指數(shù)按星期進行聚類，做并繪圖分析，情緒指數(shù)周末效應(yīng)分析圖見圖4-3，其中，0代表星期一，1-6依次往后推。我們可以發(fā)現(xiàn)，周一至周五的情緒指數(shù)較高，表現(xiàn)為積極性情緒，但周末的情緒指數(shù)呈下降趨勢，且周六的情緒指數(shù)小于0.5，表現(xiàn)為消極性情緒，周日的情緒指數(shù)數(shù)值雖然大于0.5，但是相對于周內(nèi)，積極性仍不高。圖4-3情緒指數(shù)周末效應(yīng)分析針對這種現(xiàn)象可以解釋為，對于投資者來說周末的信息，一般情緒的積極性不大，對信息的反映也會呈現(xiàn)出厭惡型信息，在某種程度上注意力有限理論和詳盡可能性模型理論也能解釋此現(xiàn)象，在周末的時候，投資者有充足的精力對信息進行搜集和分析，在精力充足，時間寬裕的情況下，投資者對信息表現(xiàn)出情感中性甚至情感消極。平安銀行2019-2020年的股票收益率的周末效應(yīng)分析圖如下圖4-4，其中0代表星期一，1-4依次往后推。從圖中我們可以看出平安銀行的股票收益率隨星期的變化而產(chǎn)生較大變化，一周中周一收益率最低，周五收益率最高，周末效應(yīng)明顯。通過對平安銀行股價和在線論壇中情緒指數(shù)的周末效應(yīng)分析，可以看出平安銀行的股票收益率和情緒指數(shù)具有明顯的周末效應(yīng)。并且情緒指數(shù)在周末的時候表現(xiàn)為消極性情緒，這可能對周一的股票收益率低做出一定的解釋：由于周末投資者對信息的情感判斷多為中性甚至消極，由于周末屬于非交易日，情緒會產(chǎn)生積累和滯后，反映在周一的市場中。

【參考文獻】：
期刊論文
[1]互聯(lián)網(wǎng)新聞媒體報道對我國股市的影響分析[J]. 王曉丹,尚維,汪壽陽.  系統(tǒng)工程理論與實踐. 2019(12)
[2]基于股吧信息的投資者情緒與極端收益的可預測性研究[J]. 金秀,姜尚偉,苑瑩.  管理評論. 2018(07)
[3]中國股票網(wǎng)絡(luò)論壇的信息含量分析[J]. 段江嬌,劉紅忠,曾劍平.  金融研究. 2017(10)
[4]基于詳盡可能性模型的微博話題可信度影響因素研究[J]. 劉子溪,朱鵬.  情報科學. 2017(08)
[5]投資者情緒如何影響股票定價?——基于IPO公司的實證研究[J]. 宋順林,王彥超.  管理科學學報. 2016(05)
[6]投資者情緒、意見分歧與中國股市IPO之謎[J]. 俞紅海,李心丹,耿子揚.  管理科學學報. 2015(03)
[7]基于微博情緒信息的股票市場預測[J]. 黃潤鵬,左文明,畢凌燕.  管理工程學報. 2015(01)
[8]基于ELM模型的微博輿情傳播影響因素研究——以新浪微博為例[J]. 張玥,孫霄凌,朱慶華.  情報學報. 2014 (04)
[9]改進型RBF神經(jīng)網(wǎng)絡(luò)在股票市場預測中的應(yīng)用[J]. 魏文軒.  統(tǒng)計與決策. 2013(15)
[10]不同市態(tài)下投資者情緒與股市收益、收益波動的異化現(xiàn)象——基于上證股市的實證分析[J]. 楊陽,萬迪昉.  系統(tǒng)工程. 2010(01)



本文編號：3611812