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。     

非对称DAR模型的估计与检验

本文研究非对称DAR模型的估计和检验问题.运用拟极大似然方法,构造模型的参数估计,在某些正则条件下,证明估计的相合性和渐近正态性.基于此,构造拟似然比统计量检验模型的非对称性,在原假设和备择假设下,给出该统计量的渐近分布.数值模拟和实证分析结果表明:本文所构造的模型参数估计和检验方法具有良好的有限样本性质.     

妊娠早期甲状腺功能减退症相关因素探讨和发病概率预测

基于2017年-2019年临沂市妇幼保健院的39001例妊娠早期孕妇的临床数据,建立不同年龄阶段的平衡化logistic回归模型,实证检验年龄、抗甲状腺过氧化物酶抗体(TPOAB)对妊娠期甲状腺功能减退症的影响。结果表明,抗甲状腺过氧化物酶抗体(TPOAB)是影响妊娠期甲状腺功能减退症的主要因素,但存在年龄差异,30岁和40岁以上的人群是高发人群。基于上述结论提出预防妊娠期甲状腺功能减退的对策建议。     

高频GARCH模型的最优抽样分析

波动率代表是运用高频数据估计日频GARCH类模型时构造的一个重要统计量,文章针对运用高频数据估计日频GARCH模型的3种方法,基于估计量的渐近结果讨论了最优波动率代表的选择问题,并展开了在日内高频数据抽样中应用的讨论。通过对沪深300指数的高频数据实证分析发现：同一波动率代表在不同抽样频率下的表现有明显差异;在同一频率下,不同波动率代表有优劣之分;在不同估计方法下,每一个波动率代表的最优频率都不同。因此,日内高频数据的最优抽样频率应针对模型所用的不同估计方法加以区别对待。     

基于混频数据的投资者情绪与股市波动效应的研究

根据投资者情绪对股市波动具有重要影响这一观点,引入投资者情绪的传统GARCH类波动率模型出现因不同频率数据建模而产生的效率损失问题。文章基于混频数据结构,分别从不同行业、不同情绪状态和不同经济阶段3个角度切入,引入自适应权重形式的广义自回归条件异方差混频数据抽样模型(GARCH-MIDAS-adapt),对中国股市日度波动率进行估计与预测比较。实证结果表明,自适应权重形式融合的混频数据结构可以更好地解释投资者情绪对股市产生的长期波动作用,不同行业表现出有显著的解释力和预测力。此外,在不同行业下,情绪低落时对股市的冲击更大。