發(fā)布時間：2017-09-22 19:51

  本文關(guān)鍵詞：基于噪音及投資者情緒的股價可預(yù)測性研究

  更多相關(guān)文章： 噪音交易 投資者情緒 股價指數(shù)預(yù)測 計算智能 股價可預(yù)測性

【摘要】：噪音交易理論認為股票市場中的噪音交易者根據(jù)噪音而非信息進行交易,導(dǎo)致股票偏離僅有理性交易者時的真實價格。由噪音交易理論發(fā)展而出的投資者情緒研究認為投資者情緒通過影響投資者交易偏好而影響股票價格。基于上述理論與研究結(jié)論,本文認為噪音及投資者情緒可能含有股票價格所不含的額外信息,在此基礎(chǔ)上本文研究噪音及投資者情緒是否以及多大程度上影響股價可預(yù)測性,噪音及投資者情緒是否以及如何提供額外的股價可預(yù)測性。 首先,本文對中國股市的噪音及投資者情緒進行了度量。噪音度量方面,本文借鑒衡量市場有效性的方差比方法,使用Wild Bootstrap方差比方法結(jié)合滑動樣本窗構(gòu)建噪音序列。投資者情緒度量方面,本文結(jié)合中國實際情況,借鑒學術(shù)界廣泛認可的Baker-Wugler情緒指數(shù)構(gòu)建方法對情緒進行構(gòu)建。由于在本文的觀測區(qū)間內(nèi)中國股市存在較長時間的暫停IPO情況,本文剔除了Baker-Wugler情緒指數(shù)構(gòu)建方法中含有IPO信息的變量,通過提取上證封閉式基金折價率、日均流通市值加權(quán)換手率、日均投資者新開戶數(shù)、日均成交量的第一主成分構(gòu)建了中國股市的情緒指數(shù)。 其次,本文對上證指數(shù)進行預(yù)測并構(gòu)建股價可預(yù)測性序列。本文使用的預(yù)測方法包括模糊時間序列、BP神經(jīng)網(wǎng)絡(luò)、模糊時間序列-BP神經(jīng)網(wǎng)絡(luò)組合方法。具體來說,本文使用1前件1階模糊時間序列,選擇Chen的模型進行預(yù)測；通過對網(wǎng)絡(luò)訓(xùn)練函數(shù)、學習函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)進行選擇后構(gòu)建適用于本文研究的BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測；通過熵值法將模糊時間序列和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值加權(quán)求和得到組合預(yù)測方法的預(yù)測結(jié)果。本文通過生成衡量預(yù)測精確程度的PI指數(shù)來構(gòu)建股價可預(yù)測性序列。 最后,本文進行基于噪音及投資者情緒的股價可預(yù)測性研究。第一步研究噪音及投資者情緒是否影響股價可預(yù)測性。實證發(fā)現(xiàn)噪音及投資者情緒在0.10的顯著性水平下正向線性影響股價可預(yù)測性,即可以認為更高的噪音及投資者情緒可能是潛在導(dǎo)致股價更易預(yù)測的因素。該結(jié)論雖然在0.05的顯著性水平下不成立,但依然可以認為其有一定借鑒意義；另外,噪音及投資者情緒還對股價可預(yù)測性產(chǎn)生顯著非線性影響,這種影響在0.05的顯著性水平下成立,是二者單獨而非協(xié)同嚴生的,可看作是對線性關(guān)系的微調(diào),PI序列選取的不同會造成非線性關(guān)系擬合結(jié)果的差異。第二步研究噪音及投資者情緒是否提供額外可預(yù)測性。通過將噪音及投資者情緒引入預(yù)測模型,本文發(fā)現(xiàn)噪音及投資者情緒能夠改善股價預(yù)測的整體水平,特別是BP神經(jīng)網(wǎng)絡(luò)和組合預(yù)測方法。由于BP神經(jīng)網(wǎng)絡(luò)能夠更好地描述股價序列的非線性關(guān)系,本文單獨就引入噪音及投資者情緒前后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測精度進行對比,發(fā)現(xiàn)噪音及投資者情緒的引入對預(yù)測有顯著改善,并且認為該改進是由于噪音及投資者情緒包含額外信息所導(dǎo)致的。
【關(guān)鍵詞】：噪音交易 投資者情緒 股價指數(shù)預(yù)測 計算智能 股價可預(yù)測性
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51;F224
【目錄】：

• 致謝5-7
• 中文摘要7-8
• ABSTRACT8-12
• 圖索引12-13
• 表索引13-14
• 1 引言14-21
• 1.1 研究背景14-16
• 1.1.1 理論背景14-15
• 1.1.2 實踐背景15-16
• 1.2 研究目的與研究意義16-17
• 1.2.1 研究目的16
• 1.2.2 研究意義16-17
• 1.3 研究內(nèi)容與研究方法17-19
• 1.3.1 研究內(nèi)容17
• 1.3.2 研究方法17-19
• 1.4 研究思路與框架19-20
• 1.5 論文創(chuàng)新點20-21
• 2 理論基礎(chǔ)與文獻綜述21-35
• 2.1 理論基礎(chǔ)21-28
• 2.1.1 噪音交易理論21-24
• 2.1.2 投資者情緒研究24-25
• 2.1.3 金融時間序列預(yù)測方法25-28
• 2.2 文獻綜述28-35
• 2.2.1 國外研究現(xiàn)狀28-31
• 2.2.2 國內(nèi)研究現(xiàn)狀31-33
• 2.2.3 文獻評述33-35
• 3 噪音及投資者情緒的度量35-45
• 3.1 噪音的度量35-40
• 3.1.1 噪音的度量方法及其改進35-37
• 3.1.2 噪音序列的實證37-40
• 3.2 投資者情緒的度量40-45
• 3.2.1 基于構(gòu)建變量調(diào)整的BW情緒改進40-42
• 3.2.2 投資者情緒序列的實證42-45
• 4 股價預(yù)測及股價可預(yù)測性的度量45-56
• 4.1 基于模糊時間序列的股價預(yù)測45-47
• 4.2 基于BP神經(jīng)網(wǎng)絡(luò)的股價預(yù)測47-50
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建47-49
• 4.2.2 基于BP神經(jīng)網(wǎng)絡(luò)的股價預(yù)測實證49-50
• 4.3 基于模糊時間序列-BP神經(jīng)網(wǎng)絡(luò)組合方法的股價預(yù)測50-52
• 4.4 股價可預(yù)測性的度量52-56
• 5 基于噪音及投資者情緒的股價可預(yù)測性實證56-72
• 5.1 噪音及投資者情緒與股價可預(yù)測性相關(guān)性檢驗56-64
• 5.1.1 基于獨立線性影響假設(shè)的回歸分析56-60
• 5.1.2 基于復(fù)合非線性影響假設(shè)的回歸分析60-64
• 5.2 噪音及投資者情緒是否提供額外可預(yù)測性實證64-72
• 5.2.1 引入噪音及情緒的股價預(yù)測64-67
• 5.2.2 引入噪音及情緒前后的股價可預(yù)測性對比67-72
• 6 結(jié)論與展望72-75
• 6.1 研究結(jié)論72-74
• 6.2 研究展望74-75
• 參考文獻75-78
• 作者簡歷78-80
• 學位論文數(shù)據(jù)集80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姜繼嬌;楊乃定;王良;董鐵牛;;“上證”A股市場情緒的關(guān)鍵影響因素[J];財經(jīng)研究;2006年09期

2 劉莉亞;丁劍平;陳振瑜;相恒寧;;投資者情緒對資本市場穩(wěn)定性的實證研究——來自截面效應(yīng)的分析[J];財經(jīng)研究;2010年03期

3 周洪榮;吳衛(wèi)星;周業(yè)安;;我國A股市場中的波動性之謎與市場情緒[J];上海經(jīng)濟研究;2012年04期

4 易志高;茅寧;;中國股市投資者情緒測量研究:CICSI的構(gòu)建[J];金融研究;2009年11期

5 姜富偉;Q每，

本文編號：902747