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.     

因子结构下的新型多期投资组合选择模型

首次将因子模型与多期均值-方差模型相结合,建立了单因子结构下的新型多期均值-方差模型,并且利用二次规划方法得到了此模型的解析最优投资策略.为使这一结论具有普适性,又将它推广到了多因子模型情形,并且得到了与单因子模型下类似的结论.最后,通过数值算例验证了本文的理论结果.新模型确定最优投资策略的方法,是一个科学且可操作性强的方法.     

我国几类主要物价指数的综合因子提炼分析

我国现行编制的几类主要物价指数在宏观经济监控中起着重要的作用,它们各自反映从投资、生产到消费等不同环节价格总水平的变动,但由于现实经济的联动效应,这些指数间又呈现出很强的同升同降态势.针对此现象,运用多元统计中的因子分析方法建立模型,提炼数据中潜在的共同因子,并用主轴因子分析法求解因子载荷系数,用回归法计算因子得分.根据1990到2015年统计资料的实证结果显示,模型能从我国现行主要物价指数中提炼出意义很强的潜在因子,它能全面综合经济各领域的物价波动状况,从而为宏观物价监控提供更科学、丰富的信息.     

我国上证股市波动率关联传导网络分析

将增广因子模型和广义动态因子模型相结合,提出了增广广义动态因子模型,在此基础上用长期方差分解网络模型挖掘上证股市波动率关联传导网络.模拟实验结果表明,所提出的方法不仅能够较好处理维度灾难和股票数据的尖峰厚尾性问题,还能利用额外可观测信息提高模型参数估计的表现.利用本文的方法,根据2002年至2021年我国上证180指数所有成分股的日度收益率数据,构建了六个时期的上证股市波动率关联传导网络.实证发现:1)我国上证股市波动率关联传导网络的动态演化趋势明显,各时期处于网络中心位置的行业不尽相同,且各行业风险溢出水平也有动态调整;2)在大多数时期,金融和能源两个行业都处于网络的核心位置,并在风险传导路径中扮演着至关重要的角色,当前阶段信息技术和电信行业的重要性也明显提升.     

基于双因子CIR强度式定价的信用债券投资组合优化

信用风险和利率风险是相互关联影响的。资产组合优化不能将这两种风险单独考虑或简单的相加,应该进行整体的风险控制,不然会造成投资风险的低估。本文的主要工作：一是在强度式定价模型的框架下,分别利用CIR随机利率模型刻画利率风险因素“无风险利率”和信用风险因素“违约强度”的随机动态变化,衡量在两类风险共同影响下信用债券的市场价值,从而构建CRRA型投资效用函数。以CRRA型投资效用函数最大化作为目标函数,同时控制利率和信用两类风险。弥补了现有研究中仅单独考虑信用风险或利率风险、无法对两种风险进行整体控制的弊端。二是将无风险利率作为影响违约强度的一个因子,利用“无风险利率因子”和“纯信用因子”的双因子CIR模型拟合违约强度,考虑了市场利率变化对于债券违约强度的影响,反映两种风险的相关性。使得投资组合模型中既同时考虑了信用风险和利率风险、又考虑了两种风险的交互影响。避免在优化资产组合时忽略两种风险间相关性、可能造成风险低估的问题。     

基于随机森林算法的多因子选股模型研究（英文）

尽管近几十年来量化投资得到了发展,策略也趋于多样化,但随之而来的还有各种问题和瓶颈,如数据选择,模型在金融市场的有效期过短.本文建立了一个基于随机森林算法的多因素股票选择模型.在该模型中,从6个不同维度中选择12个因子来构建因子库,并对因子数据进行预处理.在确定模型参数后,基于处理后的数据,对单个股票的预测和操作策略指导获得了可观的回报率,这为下面的投资组合构建奠定了基础.在投资组合的构建中,本文选择的股票池由更能代表中国股市的沪深300成分股组成.选取2013-01-01至2015-01-01两年的数据,包括12个入选因素和股票的上涨情况.为了在策略写作过程中尽可能地模拟真实情况,设置了滑动和手续费等影响因素.在模型的回测实验结果中,获得了25.5%的年化回报率.此外,根据特征在随机森林算法中的重要性和相关性分析,对影响因素和模型进行了进一步的改进,改进模型的年化收益率高达32.2%,超额收益率α达到15.1%,获得了较高的夏普比和较低的回撤率.     

高校排名的因子分析法研究

采用因子分析法对高校排名进行了研究.文中选取了刻画高校信息的22个指标,利用SAS8软件进行因子分析,选取了三个主因子,计算出各高校在这三个因子上的得分,并以各自的方差作为权重构造综合评价模型,对全国具有研究生招生资格的大学进行了排名,并给出了前15名高校的排名信息。     

基于双因子定价模型的投资组合风险价值的多分辨率特征研究

为了识别金融市场投资风险的多分辨率特征及优化投资组合,以资本市场风险和汇率市场风险为双因子定价模型的风险因子,利用小波方差及协方差无偏估计量,给出了单个资产风险因子敏感度多分辨率计算方法,以此为基础还得到了投资组合的风险值(VaR)及其边际风险值(MVaR)的多分辨率分解公式.对上证A股市场的实证分析表明投资组合的风险价值及边际风险价值依赖于投资时限,短线投资潜在的损失比长线投资要大;进一步分析表明中国股市存在多分辨率风险特征,这种风险特点可能是由市场系统风险和汇率风险以及异质性投资活动共同作用的结果.研究还发现多分辨率边际风险价值是确定多分辨率投资组合优化模型求解的重要条件之一.     

我国各省(市、自治区)高技术产业发展水平因子分析与综合评价

建立了高技术产业发展水平的综合评价指标体系,采用主成分因子分析法进行了有效降维,得出了衡量高技术产业发展水平的四个公共因子,构建了相应的客观加权的综合评价模型.通过对31个省(市、自治区)的定量分析,发现了我国高技术产业在东西部发展不均衡,在东部地区尤其是珠江三角洲、长江三角洲、环渤海地区显示出明显优势的特点,这与我国实情吻合甚好.最后,根据因子得分分布图将31个省(市、自治区)分成了10类,分类提出了如何加速高技术产业发展的建议.     

动态因子模型在房价波动因素分解中的应用——基于中国26个城市房价波动的分析

利用动态多因子模型,对26个大中城市1999年1月-2010年5月的房地产价格波动进行因素分解,分别提取了表示区域特征的区域因子和城市特征的城市因子,从区域因子的特征看各区域房价波动受政府调控和宏观经济形势影响较大.因素分解结果表明:各区域因子对区域内各城市房价波动的影响贡献度较大,而且在经济发达地区这个特征更明显.对区域因子互动关系的研究表明:我国大中城市房价波动存在从东部沿海发达地区分别向东北,中部,西部蔓延的"波纹效应".本文的结论有助于加强不同区域房地产市场调控和监管的针对性.     

上市公司财务危机预警的实证研究

以是否被特别处理为财务危机标志,利用我国上市公司近几年的年报财务数据,选取了财务危机和健康企业各50家作为开发样本.首先研究了开发样本财务指标的数据特征和财务危机出现前3年内这两类企业的财务指标的显著性差异,其后利用因子分析法筛选了8个指标作为建立模型的自变量,运用Logistic模型构建了上市公司财务危机预测模型,并对估计样本的40家企业进行了检验.实证分析结果表明:其一,我国上市公司财务比率不服从正态分布;其二,尽管我国资本市场的会计数据质量不尽人意,但财务数据仍具有一定的信息含量;其三,利用开发样本构建的Logistic模型在财务危机发生前1年和前2年有比较高回判准确率,估计样本在财务危机发生前1年和前2年有比较高的预测准确率.     

因子分析在证券市场股票评价中的应用

通过因特网获取了沪市792家上市公司2003年财务报表,并选取报表中的十个主要财务指标进行因子分析,并将十个主要财务指标归结为三个因子.经过因子旋转,我们解释了每个因子具有的特定含义.最后,我们计算了因子得分,并根据每个股票的三个因子得分情况对该股做出综合评价.     

基于因子收缩方法的高维协方差估计

高维协方差矩阵在经济、金融、生物等众多领域中有着广泛应用.基于收缩估计模型,构造样本协方差矩阵与因子模型协方差矩阵的凸线性组合,通过对因子模型的改进来提高模型估计精度.在构造因子模型时,引入因子选择准则(pc_p3(k))来确定因子个数:在确定最优权重α时,使用基于MSE(S)分解的思想求解.通过数据验证发现,相较于传统方法,提升了协方差矩阵估计精确性;在构造投资组合模型时,也可以有效降低投资风险.     

我国各地区水资源承载力差异研究

选取中国31个省市自治区2011年至2017年相关指标项数据,通过建立因子分析模型对各地区水资源承载能力进行综合评价,在此基础上根据提取的因子对各地区进行了K-Means聚类分析.结果表明:1)我国各省市水资源承载能力总体差异显著,广东、山东、江苏、四川承载能力较强,海南、青海、宁夏的承载能力较差.2)全国31个省市自治区划分为5类地区,各类地区的水资源总量和开发利用程度均不一样.建议各地区把经济发展和水资源的利用有效结合在一起,保证水资源的高效利用和经济的可持续发展.     

有效因子综合偏好强度与CVaR整合优化模型

本文从股票多维特征因子中选择有效因子,融合形成最大化有效因子综合偏好强度(IPS)的附加理性,构建并验证IPS-均值-CVaR投资组合优化模型。基于沪深300股2006~2015年数据分析显示:(1)有效因子IPS投资组合优越于单因子投资组合;(2)IPS方法相较于因子打分法,具有更优的多维数据整合功效;(3)IPS-均值-CVaR投资组合优化模型相对于均值-CVaR模型具有更优越的资产选择能力,也拓展了投资组合模型的多维数据处理能力和适用性。     

基于因子分析和空间计量模型的我国旅游业发展的差异性分析

本文引入空间统计学的相关方法来分析我国旅游业发展的差异性问题.首先选取若干反映旅游业发展水平的指标,利用因子分析法来综合评价我国31个省、直辖市和自治区旅游业整体的发展水平.然后基于因子分析得到的"因子得分",通过绘制我国旅游业发展水平的分位图来直观地表现和分析2009年我国旅游业发展水平的差异问题。接着,从旅游资源、旅游交通、旅游接待设施以及旅游服务等方面选择了影响我国旅游业发展的9个指标,分别构建普通线性回归模型和空间自回归模型来分析造成这种发展差异的关键影响因素。同时,根据分析结果提出促进我国旅游业发展的对策建议.     

基于组合模型的上市公司高送转预测

本文基于中国市场3465家上市公司7年的数据,首先利用随机森林算法提取出43个因子,再利用Lasso方法进行特征选取,最后选出11个重要因子,然后分别采用logistic回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型.实证结果表明,基于组合模型的预测准确率相比单一模型提高了1.39%.     

基于因子模型的指数跟踪及实证分析

指数跟踪是指数基金和机构投资者广泛使用的被动投资管理策略. 通过建立股票收益的多因子模型, 提出了将组合的贝塔值控制在合适范围内, 并在期望超额收益非负的条件下, 最小化组合风险的指数跟踪模型. 同时,考虑到实际需要, 在模型中限制了组合中股票的数量和持有量.实证分析结果表明, 通过选取不同的控制参数,
该模型产生的跟踪组合既能实现较小的跟踪误差,也能实现一定的超额收益.     

我国棉花价格波动特征研究——基于ARCH类模型和H-P滤波法

我国是全球第二大棉花生产国,分析棉花价格波动的特征对全面评估棉花价格风险及棉花产业的发展至关重要.研究选取2004年-2018年我国棉花价格月度数据,利用ARCH类模型和H-P滤波法分析了我国棉花价格的波动特征.结果表明,我国棉花价格具有显著的波动集聚性和"杠杆效应",但是并不具有"高风险、高回报"的特征;棉花价格波动具有周期性,样本区间大致可分为5个完整的周期.最后为了控制我国棉花的市场风险,提出了相关政策启示.     

基于状态空间模型构建我国固定资产投资的SWI景气指数

从众多经济指标中选取了固定资产投资的先行、一致指标组,利用所选择的指标基于状态空间模型,采用Kalman滤波估计方法得到了固定资产投资的一致和先行SWI景气指数.对一致指数的分析表明,自1998年以来我国固定资产投资经历了蓬勃扩张的投资长周期和两轮振荡波动的投资短周期,从2008年开始在国际金融危机蔓延和我国经济结构调整的大背景下固定资产投资进入相对平稳增长期.通过对先行合成指数的分析,认为"十二五"期间投资将保持稳定增长,出现大起大落的可能性很小.