從A股市場誕生至今,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)對各類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的非理性繁榮和恐慌式下跌中無疑起到了推波助瀾的作用。本文以上述現(xiàn)象作為切入點,研究了市場投資者情緒對市場指數(shù)收益及異質(zhì)性上市公司股票收益的影響效應,并使用數(shù)據(jù)挖掘模型對收集到的數(shù)據(jù)進行建模。首先選取投資者A股賬戶新增開戶數(shù)（NIA）、換手率（TURN）、消費者信心指數(shù)（CCI）、成交量（VOL）、中國證券投資者信心指數(shù)—買入指數(shù)（BII）等五個指標作為投資者情緒的代理指標,通過第一次主成分分析消除提前滯后效應的影響,通過第二次主成分分析消除宏觀經(jīng)濟變量的相關(guān)性,并通過回歸剔除宏觀經(jīng)濟變動對投資者情緒的影響效應,再通過偏最小二乘回歸方法提取與真實投資者情緒相關(guān)的部分得到最終的投資者情緒綜合指標。其次,通過隨機森林算法,從一系列具有代表性的候選技術(shù)指標中選取重要性高的技術(shù)指標作為數(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相對強弱指... 

【文章來源】：上海外國語大學上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：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檢驗是通過比較各變量間簡單相關(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)性強時，偏相關(guān)系數(shù)遠小于簡單相關(guān)系數(shù)，KMO值接近1。一知般情況下，KMO大于0.9時非常適合因子分析；0.5以下表示不適宜作因子分析。Bartlett球狀檢驗也是用于檢驗各變量之間的相關(guān)性的方法，即各個變量是否各自獨立。一般情況下，檢驗結(jié)果的顯著水平值越小（小于0.05時），說明原始變量之間的獨立性越弱，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，我們首先進行KMO檢驗和巴特利球體檢驗。在本文中，對這十個指標進行KMO和Bartlett球形檢驗�？傮wKMO檢驗系數(shù)為0.657，Bartlett檢驗的顯著性為0，表明這10個情緒指標之間相關(guān)度較高，比較適合作因子分析。表3.2KMO和巴特利特檢驗接下來，采用主成分分析法消除代理指標的提前滯后問題的影響。在提取主成分之前，首先需要計算出各成分數(shù)據(jù)的特征值、方差貢獻率以及累計方差貢獻率。下表為提前滯后變量的總方差解釋：

263.2.3偏最小二乘回歸方法通過上述步驟，我們得到了已經(jīng)考慮了代理指標提取滯后效應以及宏觀經(jīng)濟因素的投資者綜合情緒，即殘差序列ri。本節(jié)將對殘差序列進行處理，得到反映真實投資者情緒信息的部分。由文獻可知，偏最小二乘回歸可用于提取出與真實投資者情緒相關(guān)的部分，即提取出投資者情緒指標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兩個步驟實現(xiàn)：Xi，t－1=π0+πiRt+ui，t－1其中Rt為市場收益率，Xi，t－1為第i個代理情緒變量。Xi，t=α+βtπi+vi，t其中πi為敏感系數(shù)估計值，代理情緒變量Xi，t為代理情緒變量。最后將得到的估計βt作為最終投資者情緒估計量。經(jīng)過處理之后的綜合投資者情緒指標圖形如下圖所示：圖3.2綜合投資者情緒指標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)時間序列相關(guān)性檢驗，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，這說明該投資者情緒綜合指數(shù)與股票指數(shù)有較

【參考文獻】：
期刊論文
[1]投資者情緒與滬深300指數(shù)波動的關(guān)系研究[J]. 張德容,余攀.  商學研究. 2018(06)
[2]投資者情緒與股票收益關(guān)系的實證檢驗[J]. 李巖,金德環(huán).  統(tǒng)計與決策. 2018(15)
[3]投資者情緒與股票橫截面收益——基于微博數(shù)據(jù)的實證研究[J]. 原東良.  金融與經(jīng)濟. 2018(07)
[4]投資者情緒對股票價格波動的影響研究[J]. 陳健,曾世強.  價格理論與實踐. 2018(07)
[5]投資者情緒與股票收益的實證研究——基于擴展卡爾曼濾波的方法[J]. 凌士勤,蘇樂.  時代金融. 2017(17)
[6]投資者情緒與股票市場的非線性關(guān)系研究[J]. 王博實.  北京郵電大學學報(社會科學版). 2017(03)
[7]個人與機構(gòu)投資者情緒對個股異常收益率的非對稱影響[J]. 曹仙葉,劉詠梅.  中南大學學報(社會科學版). 2016(06)
[8]投資者情緒與股票收益——基于個人和機構(gòu)投資者情緒的對比研究[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率過度波動的關(guān)系研究[J]. 樊小可.  經(jīng)濟視角(上旬刊). 2015(11)
[10]投資者情緒對中國IPO首日收益率影響的實證分析[J]. 蔣先玲,張斯琪.  經(jīng)濟問題. 2015(06)

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



本文編號：3026103