“深港通”政策實(shí)施以來(lái),中國(guó)市場(chǎng)的波動(dòng)程度并沒(méi)有減弱,在2016年下半年和2018年下半年,滬深股市和香港股市仍然經(jīng)歷了多次熊市。金融市場(chǎng)是一個(gè)復(fù)雜的系統(tǒng),僅從傳統(tǒng)金融理論無(wú)法完全解釋近幾年來(lái)中國(guó)市場(chǎng)劇烈波動(dòng)的原因;另外,中國(guó)香港金融市場(chǎng)作為國(guó)際資本進(jìn)入中國(guó)內(nèi)地金融市場(chǎng)的重要通道,近年來(lái)與滬深股市的聯(lián)系日趨緊密,不可忽略近年來(lái)兩地股市投資者情緒的傳染效應(yīng)。因此本文擬從行為金融學(xué)的角度分析“深港通”政策背景下深圳、香港股市投資者情緒的傳染效應(yīng),對(duì)深入了解中國(guó)內(nèi)地、香港股市投資者情緒之間的風(fēng)險(xiǎn)傳染機(jī)制具有重要意義。本文首先將具備高性能的盲分離移位阻斷法(SHIBBS)引入到投資者情緒指標(biāo)的構(gòu)建之中,并與主成分分析法等傳統(tǒng)投資者情緒構(gòu)造方法比較,證明SHIBBS具有更具優(yōu)秀的特征提取能力,其構(gòu)造的情緒指標(biāo)能夠更準(zhǔn)確地反映股票市場(chǎng)的變化和市場(chǎng)投資者情緒的波動(dòng)情況。其次,為了研究情緒指標(biāo)在重大事件影響下的傳染效應(yīng),將構(gòu)造出的情緒序列經(jīng)過(guò)集成經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD),得到一系列獨(dú)立、不同時(shí)間尺度的本征模態(tài)函數(shù)(IMFs),將IMFs按照高低頻率重組出中期波動(dòng)項(xiàng)(重大事件影響項(xiàng));通過(guò)分析,中期波動(dòng)項(xiàng)能極大減少噪音干擾,有效刻畫深港市場(chǎng)投資者情緒在重大事件影響下的波動(dòng)情況,有利于深入研究滬深港通開(kāi)通前后的傳染性效應(yīng)。最后,在“深港通”等重大事件影響下,香港市場(chǎng)投資者情緒對(duì)深圳市場(chǎng)投資者情緒存在單向傳導(dǎo),且香港投資者情緒對(duì)深圳投資者傳染的沖擊程度更大;香港市場(chǎng)投資者情緒對(duì)深圳市場(chǎng)投資者情緒的傳染性在滬、深港通開(kāi)通期間均迅速上升,兩市聯(lián)動(dòng)性加強(qiáng)的同時(shí)風(fēng)險(xiǎn)傳染的概率也隨之增大。
【學(xué)位單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F832.51
【部分圖文】：

第一章 緒論事件影響下，研究投資者情緒傳染方向、滬深港通開(kāi)通前后傳染效應(yīng)、以及兩市之間傳染的強(qiáng)度和持續(xù)程度。結(jié)合學(xué)者們的經(jīng)驗(yàn)，首先，使用 Granger 因果檢驗(yàn)，判斷傳染方向；第二，借助在金融領(lǐng)域得到普遍運(yùn)用的時(shí)變 Copula 模型，在時(shí)變中細(xì)致地刻畫不同市場(chǎng)之間非正態(tài)、非線性的關(guān)聯(lián)機(jī)制，可靠、穩(wěn)健而又靈活地剖析變量間關(guān)聯(lián)結(jié)構(gòu)，清晰明了的觀察重要時(shí)期傳染系數(shù)的變化；最后，借鑒 VAR 模型的脈沖響應(yīng)圖，來(lái)研究?jī)蓚�(gè)中期波動(dòng)序列彼此之間的沖擊程度。

分析（Independent ComponentAnalysis, ICA），這種方法現(xiàn)已普遍運(yùn)用于據(jù)挖掘等科學(xué)技術(shù)領(lǐng)域。 ICA 隨著盲信源分離（Blind Source Separatio來(lái)，它可以未知若干獨(dú)立信號(hào)源的前提下，將多個(gè)接收器獲取的經(jīng)過(guò)源的混合信號(hào)，分解成若干個(gè)相互獨(dú)立的分量（ICs）[24]。 的基本模型為：x (t) = A s (t )T1 2( ) = [ ( ), ( ), , ( )]mx t x t x t x t 是 m 道觀測(cè)信號(hào)構(gòu)成的 m ×T陣，A 是 m n 個(gè)未知源信號(hào)構(gòu)成的 n T陣。A 基本思路是為計(jì)算出矩陣 A 的逆矩陣 B，再計(jì)算未知源信號(hào) s(t)的估ICA 主要步驟：先將觀測(cè)信號(hào) x(t)白化（Whitening），之后將已白化信，使度量獨(dú)立性的判據(jù)達(dá)到最優(yōu)。白化處理可以排除原始觀測(cè)信號(hào)間的二測(cè)信號(hào)間的相互獨(dú)立性，ICA 優(yōu)化步驟示意圖如圖 2-1 所示。

iSENT （ i SZ ,HK ）進(jìn)行檢驗(yàn)，檢驗(yàn)輸出結(jié)果見(jiàn)圖4-5及圖4-6。從圖4-5和圖4-6可以發(fā)現(xiàn)：自相關(guān)系數(shù)圖呈現(xiàn)拖尾，偏自相關(guān)系數(shù)則呈現(xiàn)截尾，因此初步認(rèn)為深圳、香港投資者情緒中期重大事件影響項(xiàng)均存在一定程度上的自相關(guān)。根據(jù)自相關(guān)系數(shù)圖呈現(xiàn)拖尾，偏自相關(guān)系數(shù)則呈現(xiàn)截尾的現(xiàn)象，可以通過(guò)AR模型來(lái)消除自回歸。圖4-5 深圳投資者情緒中期波動(dòng)項(xiàng)自相關(guān)及偏自相關(guān)圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王遠(yuǎn)霞;謝赤;;投資者情緒指數(shù)的經(jīng)驗(yàn)?zāi)B(tài)分解:基于增發(fā)窗口期的實(shí)證研究[J];財(cái)經(jīng)理論與實(shí)踐;2015年04期

2 齊紹洲;趙鑫;譚秀杰;;基于EEMD模型的中國(guó)碳市場(chǎng)價(jià)格形成機(jī)制研究[J];武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2015年04期

3 文鳳華;楊鑫;龔旭;黃創(chuàng)霞;楊曉光;;金融危機(jī)背景下中美投資者情緒的傳染性分析[J];系統(tǒng)工程理論與實(shí)踐;2015年03期

4 李仲飛;肖仁華;楊利軍;;基于集合經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)的中國(guó)房地產(chǎn)周期識(shí)別研究[J];經(jīng)濟(jì)評(píng)論;2014年04期

5 賈凱威;;基于DCC-MGARCH-VAR模型的金融傳染分析——來(lái)自亞洲股票市場(chǎng)的證據(jù)[J];上海經(jīng)濟(jì)研究;2014年05期

6 何平;吳添;姜磊;伍良杰;;投資者情緒與個(gè)股波動(dòng)關(guān)系的微觀檢驗(yàn)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

7 陳庭強(qiáng);何建敏;;基于復(fù)雜網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)傳染模型研究[J];軟科學(xué);2014年02期

8 閆偉;楊春鵬;;金融市場(chǎng)中投資者情緒研究進(jìn)展[J];華南理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2011年03期

9 孫有發(fā);顏學(xué)湘;劉彩燕;張成科;;基于情緒傳染的自適應(yīng)變主體股市演化[J];系統(tǒng)管理學(xué)報(bào);2011年03期

10 王沁;王璐;程世娟;;基于時(shí)變Copula模型的滬深股市相依分析[J];統(tǒng)計(jì)與決策;2010年19期

本文編號(hào)：2832476