沪深300股指期货定价偏差与投资者情绪

本文通过对沪深300股指期货定价偏差的统计分析、定价偏差与市场流动性和投资者情绪间的回归分析和VAR模型分析,发现我国期货市场上存在显著的正向的定价偏差,并且表现出一定的持续性;投资者情绪是最重要的影响因素;在中国股票市场缺乏卖空机制的条件下,投资者情绪主要通过非理性买入行为对定价偏差造成影响,并且在情绪高的时期影响更为显著。这些结论在一系列稳健性检验后仍然显著。说明我国金融市场还不够成熟和有效,市场上的套利行为无法有效减少噪声交易者对市场的影响,投机氛围较重,市场定价效率有待提高。     

中国股市波动非对称性的非线性动态调整

针对我国股市波动的现实和投资行为的异质性,利用已实现波动率设定包含多个机制平滑转换结构的自回归模型,研究我国股市波动的非对称性及非对称性的非线性动态调整。模型的检验结果发现,我国股市波动存在一个显著的非线性动态调整机制,机制转换的时点发生在收益率的冲击为1.177个百分点处,转换时点的非负性揭示了市场普遍存在的"售盈持亏"行为;股市波动在两个平稳的自回归机制及其之间非线性平滑调整或转换,但转换的概率偏低,速度较慢,自回归过程的平稳性表明投资者具有"过度自信"的决策行为;波动的非对称性没有表现为确定的杠杆效应,在滞后两期的波动水平较高且信息冲击的程度超过阈值时,股市波动表现为反向杠杆效应。以上估计与检验结果基本准确揭示了市场投资者的行为特征。     

投资者情绪对股票投资收益的影响研究

随着行为金融研究的发展,投资者情绪有效度量及其对股票投资收益的影响日益受到金融风险管理学者的关注.分析了中国股票市场投资者的典型特征,提取了与之相适应的投资者情绪度量指标,构建了反映投资者情绪的综合指数,并实证检验了投资者情绪对股票投资收益的影响.实证结果表明,投资者情绪综合指数与证券市场股票投资收益存在显著的相关性,研究结果对指导投资者个体决策行为以及监管层规范市场监管机制具有一定的理论和实践意义.     

股指期货对股票市场的波动性影响研究:基于正反馈交易角度的分析

理论上,股指期货的推出可以抑制正反馈交易行为,从而平稳市场价格剧烈波动,为投资者提供了新的风险管理工具.我国沪深300股指期货推出至今,其对股票市场的影响,及其是否真的发挥降低证券市场波动性的作用等问题成为学术界研究的热点之一.以沪深300股指为研究对象,从正反馈交易行为是否减少的角度出发,使用非对称GARCH(1,1)模型,对比研究沪深300股指推出前后我国股票市场波动性的变化情况.研究结果发现沪深300股指尚不能很好发挥抑制市场波动的作用,仍需对股市进行长期持续的观察、验证,全方位发展我国的资本市场,提供多元化的投资工具,促进资本市场的发育成熟.     

中国股票市场的非对称动态相关性研究

基于沪深A、B股1994.1.3到2012.7.31的四组日回报率数据,本文研究了中国股票市场间条件波动率和相关系数的动态性与非对称性,分别建立了EGARCH模型和非对称形式的动态条件相关模型(DCC)进行分析。研究表明,我国股票市场的条件波动率在利空消息冲击时普遍表现出很强的非对称性,其中深B股市场的波动率非对称性表现为市场受利好信息冲击时的反应更强而不同于其他三个股票市场;尽管股票市场间条件相关系数存在着不同的非对称表现形式,但是无论是A股市场还是B股市场,其条件相关系数都表现出显著的动态非对称性。     

VaR理论及其应用研究

VaR理论是目前国际上风险评价的主流方法。引入VaR理论研究我国的股票市场 ,可以为投资者控制投资风险提供新的参考指标。本文利用VaR理论对我国深、沪股票市场进行了实证分析研究 ,发现VaR理论在我国股票市场的风险评价中也有很好的适用性     

投资者情绪对科创板市场收益率的影响——基于文本数据挖掘视角

本文以科创板市场为主要研究对象,基于文本数据挖掘方法探究了新冠疫情发生前和疫情期间投资者情绪对市场收益率的影响及其作用机制。利用东方财富股吧2019年7月至2020年3月的日度科创板股票评论数据,基于Bi-LSTM深度学习技术对文本数据情感倾向进行分类,建立投资者情绪指数。通过构建双向固定效应的联立方程模型,采用2SLS方法估计投资者情绪对科创板市场收益率的作用,并检验在经济平稳运行和受新冠疫情冲击期间该作用的差异性。实证分析及稳健性检验的结果均表明,投资者情绪通过影响交易量进而影响科创板股票市场收益率,这种正向作用在1%的置信水平下显著。此外,投资者情绪对科创板收益率的影响在经济平稳运行和受新冠疫情冲击期间均保持稳健,且在新冠疫情期间作用更强。本研究成果对于新冠疫情期间我国证券市场监管层完善科创板交易机制,以及对中小投资者优化投资战略具有重要意义。     

投资者情绪指数及中国股市的实证

准确度量投资者情绪,有助于深刻理解市场,进行有效的监管和制定正确的投资策略.从重新界定投资者情绪的定义出发,对投资者情绪与当期收益的关系进行了理论演绎,总结出5条有关投资者情绪与当前收益关系的假说.依据可以获得的投资者情绪代理变量,利用主成分分析构建了中国证券市场投资者情绪指数,进而利用EGARCH模型实证检验了上述5条假说.实证结果表明,理论演绎与市场实际运行有很好的相合性.     

结构突变下投资者情绪与股市收益间的非线性溢出效应研究

为了深入挖掘投资者情绪与股市收益的非线性溢出效应,本文首先选取消费者信心指数、封闭式基金折价率、换手率、新增开户增长率、市盈率这五个变量作为情绪指数潜在变量,再通过R藤Copula得到各潜在变量的联合分布,进而构造出投资者情绪指数;然后运用ICSS模型对股票指数收益率的状态进行划分,将结构突变点作为虚拟变量纳入到经典的AR-EGARCH波动模型中刻画收益率序列;最后运用时变Copula函数对投资者情绪与股市收益率间的动态非线性溢出效应进行定量测度,以期揭示二者之间的内在规律。研究结果表明:投资者情绪与股市收益间确实存在溢出效应,从长期趋势分析,投资者情绪与股市收益率的相关系数为正,说明投资者情绪与市场收益率之间在长期表现为显著正相关,即投资者情绪对收益率有正向溢出效应,投资者情绪的高涨与悲观同收益率的升高与降低步调一致。然而从短期分析,相关系数的波动范围为0.2至0.35,说明在不同投资环境及市场背景下投资者情绪与市场收益率之间的相关程度并非一成不变,投资者情绪高涨时期,两者间溢出效应也随情绪指数升高,投资者情绪悲观时期两者间溢出效应也降低。     

投资者情绪和市场利率对证券市场指数收益影响特点的动态刻画

本文基于2006年10月到2015年6月市场层面的投资者情绪和上证综指收益率,刻画了投资者情绪和市场利率对证券市场指数收益率的影响。首先,本文通过误差修正模型研究了短期层面投资者情绪对证券市场收益的影响特点,补充了以往在长期层面和整体收益水平上投资者情绪对市场收益影响的研究。由于市场层面的投资者情绪会受到宏观政策影响,之后本文将市场利率作为政策因素,通过分位数回归分析了不同市场收益水平下,市场利率和剔除了宏观政策因素的投资者情绪对市场收益的影响。研究结果表明:投资者情绪和证券市场收益之间的关系在短期层面上更为显著;当我国的证券市场环境处于“牛市”时,市场利率和投资者情绪均会对证券市场指数收益产生显著的影响,且随着市场收益水平的逐步上升,市场利率的反向作用和投资者情绪的正向作用均会逐渐加强。     

基于文本信息考虑投资者情绪的均值回归策略设计——以东方财富股吧发帖文本和A股市场为例

在当前互联网时代下,越来越多的文本信息为人们所认识。借助机器学习等技术工具,目前已能较为便捷地从海量的文本数据中挖掘出与投资者行为、情绪有关的信息。基于此,本研究探讨了利用文本信息刻画投资者情绪,并对仅利用价格信息的均值回归策略进行改进。利用东方财富股吧中发帖内容等文本数据构建投资者情绪指标,结合非理性投资行为的特征,设计新的权重转移方程,得到新的均值回归策略。最后,利用部分沪深300成分股的价格数据和股吧文本数据进行实证检验,结果表明:相比于仅利用价格信息刻画均值回归特征的策略,本研究提出的考虑投资者情绪的策略有更好的收益表现。     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

社会互动,投资者情绪传染与资产泡沫——基于股票论坛发帖的实证研究

在资本市场中,投资者并不是相互独立的个体,而是相互学习、相互交流的。随着互联网的迅猛发展,这种社会互动变得更为频繁和普遍,因此社会互动对资产价格的影响也不容小觑。本文先通过理论建模提出理论假设:社会互动存在条件下,投资者互动会加剧市场情绪的传染,进而增加资产泡沫;当投资者情绪高涨时,投资者互动强度显著正向影响泡沫;当投资者情绪低落时,投资者互动强度显著负向影响泡沫;受社会互动影响,投资者活跃的交易会加剧市场情绪的传染,进而增加资产泡沫。之后本文基于股票论坛发帖构建社会互动、投资者情绪指标,验证了中国股票市场中本文理论假设的正确性。     

An examination of HMM‐based investment strategies for asset allocation

We develop and analyse investment strategies relying on hidden Markov model approaches. In particular, we use filtering techniques to aid an investor in his decision to allocate all of his investment fund to either growth or value stocks at a given time. As this allows the investor to switch between growth and value stocks, we call this first strategy a switching investment strategy. This switching strategy is compared with the strategies of purely investing in growth or value stocks by tracking the quarterly terminal wealth of a hypothetical portfolio for each strategy. Using the data sets on Russell 3000 growth index and Russell 3000 value index compiled by Russell Investment Services for the period 1995–2008, we find that the overall risk‐adjusted performance of the switching strategy is better than that of solely investing in either one of the indices. We also consider a second strategy referred to as a mixed investment strategy which enables the investor to allocate an optimal proportion of his investment between growth and value stocks given a level of risk aversion. Numerical demonstrations are provided using the same data sets on Russell 3000 growth and value indices. The switching investment strategy yields the best or second best Sharpe ratio as compared with those obtained from the pure index strategies and mixed strategy in 14 intervals. The performance of the mixed investment strategy under the HMM setting is also compared with that of the classical mean–variance approach. To make the comparison valid, we choose the same level of risk aversion for each set‐up. Our findings show that the mixed investment strategy within the HMM framework gives higher Sharpe ratios in 5 intervals of the time series than that given by the standard mean–variance approach. The calculated weights through time from the strategy incorporating the HMM set‐up are more stable. A simulation analysis further shows a higher performance stability of the HMM strategies compared with the pure strategies and the mean–variance strategy. Copyright © 2009 John Wiley & Sons, Ltd.     

影响收益的公司指标在最优投资组合选择中的应用

如何从数目巨大的市场股票集中选取一组特定的股票作为最优投资组合选择模型的输入,以确保最终的投资方案具有优异而稳定的表现一直是投资理论界和实务界关注的重点.为此,本文基于作者新近结合中国股市特性并采用新方法所确定影响中国股票收益的多个公司基本特性指标,设计了一个恰当的股票预选策略,并由此导出了新型而稳健的投资组合选择两阶段法.实证结果表明新方法能使投资者便捷地找到更稳健的投资策略.     

Optimal Asset Allocation for Retirement Saving: Deterministic Vs. Time Consistent Adaptive Strategies

We consider optimal asset allocation for an investor saving for retirement. The portfolio contains a bond index and a stock index. We use multi-period criteria and explore two types of strategies: deterministic strategies are based only on the time remaining until the anticipated retirement date, while adaptive strategies also consider the investor’s accumulated wealth. The vast majority of financial products designed for retirement saving use deterministic strategies (e.g., target date funds). In the deterministic case, we determine an optimal open loop control using mean-variance criteria. In the adaptive case, we use time consistent mean-variance and quadratic shortfall objectives. Tests based on both a synthetic market where the stock index is modelled by a jump-diffusion process and also on bootstrap resampling of long-term historical data show that the optimal adaptive strategies significantly outperform the optimal deterministic strategy. This suggests that investors are not being well served by the strategies currently dominating the marketplace.     

投资者心态对股票价格走势的作用机理研究

假设股价变化遵循马尔科夫转移过程,考察具有不同心态的投资者的市场行为,给出投资者心态与股价变化之间相互作用的模型,得到了股价走势的两个基本模式,并用此模型解释股价走势中的动量效应和反转效应.