基于文本挖掘的股评情绪效应分析

结合TF-IDF、Word2vec等文本挖掘方法构建了股市情感词典。基于情感词典,采用SVM方法对股评文本进行分类后构建了文本情绪指数。然后应用所构建的文本情绪指数对股市效应进行了实证研究。实证结果表明,投资者情绪对股票收益率具有短期正向预测作用和长期负向预测作用,其影响具有持续性和潜伏性。     

异质投资者情绪对股市的影响研究——基于文本语义分析

受专业背景与有限理性的影响,中小投资者难以从股市中获利导致情绪消极悲观,而机构投资者中券商和基金不同的服务目标和激励机制令二者在股评文章中体现舆情差异.文章首次立足散户,券商和基金公司这三类异质投资者,以文本语义分析法构建三类投资者情绪指标并研究其对股市的影响,创新性地发现,散户的情绪最消极且影响股市成交量;券商比基金...     

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。     

基于投资者情绪的市场均值-方差关系研究

本文应用带有GARCH效应的门限模型,研究了投资者情绪对市场均值-方差关系的影响。实证结果表明,市场均值-方差关系受投资者情绪的影响存在一个转变机制。当市场情绪落入低迷期,均值-方差的关系负相关;当投资者情绪进入到复苏期或高涨期时,两者关系是显著正相关,而且当期情绪的这种作用还会影响到下期的市场。同时发现股市政策性变化会引起情绪波动。     

基于投资者情绪的市场均衡分析

在行为金融研究框架下,通过分析情绪投资者与理性投资者的市场均衡条件,构建基于投资者情绪的资产定价模型,并对模型进行了数值模拟。结果表明,投资者情绪是影响资产价格的重要因素:被情绪投资者高估的资产,其回报将下降;被情绪投资者低估的资产,其回报将增加;资产回报的变化程度与情绪投资者卖出低估资产的份额正相关,与资产预期回报金额的相关系数负相关;并且,乐观情绪与悲观情绪对资产价格的作用是非对称的。     

投资者情绪影响风险—收益关系吗?——来自我国A股市场的检验

传统金融理论认为风险-收益间存在着严格的正向关系,但实证研究表明这种正向关系并非是稳定的,投资者情绪的不同可能对其产生不同的影响,因此,根据所构建的投资者情绪复合指数的大小将样本期分为情绪乐观期和情绪悲观期,分别检验了不同情绪期下我国A股市场中风险-收益间的关系,研究发现即使采用不同的波动率模型得到的分析结果也基本一致,即投资者情绪的不同确实会影响到我国A股市场中的风险-收益关系,且情绪悲观期内风险-收益间存在着正向关系,情绪乐观期内两者之间正向关系的程度有所减弱,甚至出现负向关系.     

投资者情绪对基金羊群效应的影响研究

大量研究表明我国证券投资基金存在羊群效应,然而却很少对影响基金羊群效应的因素展开进一步的实证研究。基于此,本文利用主成分分析法测量投资者情绪,利用前十大流通股东中证券投资基金的家数来测量基金羊群效应的程度,研究投资者情绪指标是否对基金羊群效应产生影响。研究结果表明,投资者情绪是证券投资基金形成羊群效应的重要因素之一,基金经理在观察到上一期投资者悲观情绪(乐观情绪)时会做出负反馈策略。     

基于股票评论的投资者情绪对持有股票收益影响的研究

投资者行为易受互联网舆论的影响,进而造成股票收益的波动.分析投资者情绪对股票收益的影响方式有利于投资者规避投资风险,促进我国股票市场稳定发展.基于东方财富股吧2020年7月至2021年2月上证股票的评论数据,利用加权朴素贝叶斯分类模型构建了投资者情绪因子,并对情绪因子的构建方式进行了改进.随后将情绪因子引入中国版Fama-French三因子模型,针对单只股票和持股期为1个月的投资组合,基于线性回归、长短期记忆神经网络模型,从线性、非线性两个角度研究了投资者情绪对其持有股票收益率的影响.结果表明,投资者情绪对股票收益率具有非线性的正向影响.前一日的投资者情绪会对当日股票收益产生影响,投资者在研究期望收益率时需予以考虑.     

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。     

市场投资者情绪与我国房价波动——基于Markov区制转换VAR模型的实证检验

运用MSI(3)-VAR(1)模型,选取2005年7月-2016年12月的月度数据,基于投资者情绪,从非线性角度实证研究了影响我国房地产价格波动的因素.实证结果表明,第一,投资者情绪的高涨会促进房地产价格的上涨,且在房地产市场低迷时期,投资者情绪推动房地产市场上涨的作用更显著.第二,住房开发成本的上涨会促进房地产价格上涨,且在房价高涨时期最为显著.而利率的提高会引起房地产价格下跌,且在房地产市场低迷时期更加显著.第三,投资者情绪不仅受到房价和银行存款利率的正向影响,还显著地受到住房开发成本负向作用的影响.最后,根据实证结论为政府部门提出稳定房地产市场的政策建议.     

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.     

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。     

投资者情绪影响下资本资产定价的区制性研究——基于股票论坛发帖的情感分析

本文首先建立一个考虑投资者情绪的资本资产定价模型,研究发现,投资者情绪是资产定价的系统性因子且对其影响具有区制性(存在三个区制)。在此基础上通过仿真揭示投资者情绪对资产定价影响存在区制性的原因在于当投资者情绪增加时,最优组合超额收益受组合效应与情绪效应的综合影响。最后基于股票论坛发帖的情感分析构建投资者情绪指标,实证检验了本文的理论模型,并发现基于普通的线性回归模型得到的投资者情绪对股指超额收益影响,一方面会在投资者情绪处于第二区制内时将其对股指超额收益影响方向弄反,另一方面会在投资者情绪处于第三区制内时低估其增加导致的股指超额收益平均增加程度。     

基于网络文本挖掘的生态旅游满意度评价研究

科学的游客满意度评价有助于生态旅游的可持续发展。随着Web 2.0技术的发展,在线旅游评论已成为游客满意度研究的重要数据来源。本文以扎龙国家级自然保护区为例,基于在线旅游评论数据和网络文本挖掘技术,构建游客满意度评价指标体系和评价模型,定量评价游客的生态旅游满意度。结果表明：游客总体满意度为0.614,达到基本满意水平。研究不仅为准确评价生态旅游目的地的游客满意度提供新视角,也为相关生态旅游政策的制定提供参考。     

基于空间视角下产业协同集聚对区域创新的影响

选取2009-2018年中国30个省(市、自治区)的数据,运用区位商相对差异指数和熵权TOPSIS法分别测算其产业协同集聚度和区域创新水平,研究二三产业协同集聚对区域创新的影响.研究表明:产业集聚通过“知识技术、劳动力、物力”等外部规模经济增加创新产出;2009-2018年,两产业协同集聚水平由中西部向东部递减,区域创...     

基于数据挖掘技术的股票收益率方向研究

本文依据数据挖掘技术对股票收益率的变化方向进行探究。通过小波多尺度分解,将股票价格转化为不同频率域下的子序列数据、并对其中的高频序列进行降噪。构建极度梯度提升树(XGBoost)、以及其它主流机器学习算法,对沪深300和中证500指数中成分股的涨跌进行了拟合并预测。研究发现XGBoost的平均准确率分别达到了54.69%和55.13%,同时依据预测信号构建的投资策略可产生稳定收益,表明该方法具备较强的预测能力。在此基础上,对机器学习算法存在的“黑箱”问题进行了阐述和研究,对模型选股的逻辑进行了探析:提出一种因子权重的度量方法,研究发现市净率、市盈率、能量潮等指标在模型中是较为重要的判别指标,并通过偏相依关系度量了模型中各因子对于股价涨跌方向的边际影响,得到模型倾向于选择市盈率、市净率较小的股票等一些结论,使算法的逻辑更为清楚。     

基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.