投资者情绪与股价崩盘风险的互动关系研究
发布时间：2021-06-20 07:27
改革开放以来,我国股票市场发展迅猛,市值规模、投资者总量都发生了很大的变化。然而,相较于美国等西方发达经济体市场,我国资本市场仍处在新兴发展阶段,仍旧存在制度不健全、投资者经验及水平不足、政府干预过多等问题,市场定价效率相对较低,股价异常波动、暴涨暴跌的情况屡见不鲜。研究表明,股票收益波动存在非对称性,股市的大幅波动往往表现为暴跌,而股价暴跌不仅会给投资者带来巨额损失,还会影响证券市场发挥正常功能,甚至波及实体经济。传统金融学理论以理性人假说和有效市场假说为基石,在对一些金融异象的解释上力有不逮。行为金融学作为金融学与心理学、社会学等融合形成的交叉学科,弥补了传统金融学的缺陷。行为金融学将投资者情绪作为解释股市波动的重要视角,而股价崩盘风险是股票收益持续向下波动的极端现象,那么投资者情绪与股价崩盘风险之间存在怎样的关系呢?首先,本文从主客观两方面选取封闭式基金折价率（DCEF）、市场新增开户数（NIA）、市场交易量（TURN）、IPO首日收益（IPOR）和消费者信心指数（CCI）五个指标作为情绪代理指标,结合主成分分析法和偏最小二乘法构建A股市场投资者情绪指数SENT;接着建立投资者情...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３－１投资者情绪指数与市场收益率（中证流通指数收益率）曲线走势图??
变量之间的动态特征，??又要避免滞后项过多导致的自由度损失。表４－２、表４－３分别给出了两个模型的??最优滞后阶数检验统计量。本文根据６项评判指标准则（ＬｏｇＬ、ＬＲ、ＦＰＥ、ＡＩＣ、??ＳＣ、ＨＱ），以大多数指标的检验结果为依据，不论崩盘风险取还是??Ｄｔ／ＦＯＺ，均建立滞后３期的ＶＡＲ模型。??模型建立好之后还需要对其稳定性进行检验。若在任意一个方程的信息过程??上施加一个脉冲冲击时，该冲击的影响会随着时间的推移而逐渐消失，方程的值??只是短暂地发生改变，我们便认为该模型稳定。图４－３给出了两个模型基于ＡＲ??根图检验法的稳定性检验结果，其中左图为与ｉＶＣＳＭ＃的模型，右图为??Ｓ￡７ＶＴ与Ｄｔ／ＦＯＺ的模型。可以看到，特征多项式的根的倒数全部落在单位圆内，??两个ＶＡＲ（３）模型均稳定，可以进行后续的脉冲响应分析。??Ｒｏｏｔｓ?ｏｆ?ｔｈｅ?ｃｏｍｐａｎｉｏｎ?ｍａｔｒｉｘ?Ｒｏｏｔｓ?ｏｆ?ｔｈｅ?ｃｏｍｐａｎｉｏｎ?ｍａｔｒｉｘ??：ｌｖ＿Ｖ?：ｌＶ＾ｙ??－１?－．５?０?．５?１?－１?－５?０?．５?１??Ｒｅａｌ?Ｒｅａｌ??图４－３模型系统稳定性判别图??３５??
?山东大学硕士学位论文???由图４－４中右侧两幅图可以看出，在本期给股价崩盘风险施加一个单位标准??差的正向冲击时，投资者情绪从第１期开始下降并在第２期达到最小，随后负向??影响逐渐减弱，在第５期之后开始在０值附近持续震荡并呈现平稳状态。这表明??在崩盘风险加剧、股票收益持续为负的影响下，投资者情绪的反应稍有滞后，随??即陷入悲观，悲观情绪会持续一段时间，最终随时间的推移影响逐渐消失。??Ｒｅｓｐｏｎｓｅ?ｏｆ?ＮＣＳＫＥＷ?ｔｏ?ＳＥＮＴ?Ｒｅｓｐｏｎｓｅ?ｏｆ?ＳＥＮＴ?ｔｏ?ＮＣＳＫＥＷ??０．３－１??０?１?－ｊ???０２－??：／Ｖ—??－０１?－?／??？０＊２?Ｊ???????????????????????１－０２?Ｊ?????????????????????????１２３４５６７８９?１０?１１?１２?１２３４５６７８９?１０?１１?１２??Ｒｅｓｐｏｎｓｅ?ｏｆ?ＤＵＶＯＬ?ｔｏ?ＳＥＮＴ?Ｒｅｓｐｏｎｓｅ?ｏｆ?ＳＥＮＴ?ｔｏ?ＤＵＶＯＬ??０．３?－ｊ??０１?－｜???００??卜?／＾＾?？??…ｖ??－０．１?－??－０．２?Ｊ?．?■?，?????，?，?．?，?????１－０．２?Ｊ?????????????????????????１２３４５６７８９?１０?１１?１２?１２３４５６７８９?１０?１１?１２??图４－４脉冲响应函数图??４．３．４方差分解分析??方差分解提供了另一种描述系统动态变化的方法，通过将预测均方误差分解??成系统中各变量冲击
【参考文献】：
期刊论文
[1]投资者情绪对股票收益率的影响研究——基于上证A股数据的实证分析[J]. 姚远,姚贝贝,钟琪. 价格理论与实践. 2019(05)
[2]投资者情绪、股价与汇率变动的非线性联动效应研究[J]. 司登奎,李小林,江春,葛新宇. 国际金融研究. 2019(07)
[3]投资者情绪与股价崩盘风险:来自中国市场的经验证据[J]. 赵汝为,熊熊,沈德华. 管理评论. 2019(03)
[4]投资者情绪与股票收益——来自移动互联网的实证研究[J]. 梅立兴,张灿,何鲁. 南方经济. 2019(03)
[5]投资者情绪、美股波动对A股市场波动率影响——基于TVP-VAR模型[J]. 张宗强,戚成飞. 东方论坛. 2019(01)
[6]基于微博情感分析的股市加权预测方法研究[J]. 赵明清,武圣强. 数据分析与知识发现. 2019(02)
[7]审计师性别、审计质量与股价崩盘风险[J]. 黄宏斌,尚文华. 中央财经大学学报. 2019(01)
[8]盈余质量、CEO背景特征与股价崩盘风险[J]. 郑建明,孙诗璐,靳小锋. 财经问题研究. 2018(12)
[9]投资者情绪与不同规模股市收益的交互影响——基于SVAR模型的实证研究[J]. 胡志勇,叶莹莹,张婧昕. 广州大学学报(自然科学版). 2018(05)
[10]投资者情绪综合测度指数的构建[J]. 贺刚,朱淑珍,顾海峰. 统计与决策. 2018(17)
博士论文
[1]投资者情绪及其对股票市场收益的影响研究[D]. 高大良.湖南大学 2013
[2]投资者情绪与资产价格异常波动研究[D]. 张晟嘉.武汉大学 2012
本文编号：3238756
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３－１投资者情绪指数与市场收益率（中证流通指数收益率）曲线走势图??
变量之间的动态特征，??又要避免滞后项过多导致的自由度损失。表４－２、表４－３分别给出了两个模型的??最优滞后阶数检验统计量。本文根据６项评判指标准则（ＬｏｇＬ、ＬＲ、ＦＰＥ、ＡＩＣ、??ＳＣ、ＨＱ），以大多数指标的检验结果为依据，不论崩盘风险取还是??Ｄｔ／ＦＯＺ，均建立滞后３期的ＶＡＲ模型。??模型建立好之后还需要对其稳定性进行检验。若在任意一个方程的信息过程??上施加一个脉冲冲击时，该冲击的影响会随着时间的推移而逐渐消失，方程的值??只是短暂地发生改变，我们便认为该模型稳定。图４－３给出了两个模型基于ＡＲ??根图检验法的稳定性检验结果，其中左图为与ｉＶＣＳＭ＃的模型，右图为??Ｓ￡７ＶＴ与Ｄｔ／ＦＯＺ的模型。可以看到，特征多项式的根的倒数全部落在单位圆内，??两个ＶＡＲ（３）模型均稳定，可以进行后续的脉冲响应分析。??Ｒｏｏｔｓ?ｏｆ?ｔｈｅ?ｃｏｍｐａｎｉｏｎ?ｍａｔｒｉｘ?Ｒｏｏｔｓ?ｏｆ?ｔｈｅ?ｃｏｍｐａｎｉｏｎ?ｍａｔｒｉｘ??：ｌｖ＿Ｖ?：ｌＶ＾ｙ??－１?－．５?０?．５?１?－１?－５?０?．５?１??Ｒｅａｌ?Ｒｅａｌ??图４－３模型系统稳定性判别图??３５??
?山东大学硕士学位论文???由图４－４中右侧两幅图可以看出，在本期给股价崩盘风险施加一个单位标准??差的正向冲击时，投资者情绪从第１期开始下降并在第２期达到最小，随后负向??影响逐渐减弱，在第５期之后开始在０值附近持续震荡并呈现平稳状态。这表明??在崩盘风险加剧、股票收益持续为负的影响下，投资者情绪的反应稍有滞后，随??即陷入悲观，悲观情绪会持续一段时间，最终随时间的推移影响逐渐消失。??Ｒｅｓｐｏｎｓｅ?ｏｆ?ＮＣＳＫＥＷ?ｔｏ?ＳＥＮＴ?Ｒｅｓｐｏｎｓｅ?ｏｆ?ＳＥＮＴ?ｔｏ?ＮＣＳＫＥＷ??０．３－１??０?１?－ｊ???０２－??：／Ｖ—??－０１?－?／??？０＊２?Ｊ???????????????????????１－０２?Ｊ?????????????????????????１２３４５６７８９?１０?１１?１２?１２３４５６７８９?１０?１１?１２??Ｒｅｓｐｏｎｓｅ?ｏｆ?ＤＵＶＯＬ?ｔｏ?ＳＥＮＴ?Ｒｅｓｐｏｎｓｅ?ｏｆ?ＳＥＮＴ?ｔｏ?ＤＵＶＯＬ??０．３?－ｊ??０１?－｜???００??卜?／＾＾?？??…ｖ??－０．１?－??－０．２?Ｊ?．?■?，?????，?，?．?，?????１－０．２?Ｊ?????????????????????????１２３４５６７８９?１０?１１?１２?１２３４５６７８９?１０?１１?１２??图４－４脉冲响应函数图??４．３．４方差分解分析??方差分解提供了另一种描述系统动态变化的方法，通过将预测均方误差分解??成系统中各变量冲击
【参考文献】：
期刊论文
[1]投资者情绪对股票收益率的影响研究——基于上证A股数据的实证分析[J]. 姚远,姚贝贝,钟琪. 价格理论与实践. 2019(05)
[2]投资者情绪、股价与汇率变动的非线性联动效应研究[J]. 司登奎,李小林,江春,葛新宇. 国际金融研究. 2019(07)
[3]投资者情绪与股价崩盘风险:来自中国市场的经验证据[J]. 赵汝为,熊熊,沈德华. 管理评论. 2019(03)
[4]投资者情绪与股票收益——来自移动互联网的实证研究[J]. 梅立兴,张灿,何鲁. 南方经济. 2019(03)
[5]投资者情绪、美股波动对A股市场波动率影响——基于TVP-VAR模型[J]. 张宗强,戚成飞. 东方论坛. 2019(01)
[6]基于微博情感分析的股市加权预测方法研究[J]. 赵明清,武圣强. 数据分析与知识发现. 2019(02)
[7]审计师性别、审计质量与股价崩盘风险[J]. 黄宏斌,尚文华. 中央财经大学学报. 2019(01)
[8]盈余质量、CEO背景特征与股价崩盘风险[J]. 郑建明,孙诗璐,靳小锋. 财经问题研究. 2018(12)
[9]投资者情绪与不同规模股市收益的交互影响——基于SVAR模型的实证研究[J]. 胡志勇,叶莹莹,张婧昕. 广州大学学报(自然科学版). 2018(05)
[10]投资者情绪综合测度指数的构建[J]. 贺刚,朱淑珍,顾海峰. 统计与决策. 2018(17)
博士论文
[1]投资者情绪及其对股票市场收益的影响研究[D]. 高大良.湖南大学 2013
[2]投资者情绪与资产价格异常波动研究[D]. 张晟嘉.武汉大学 2012
本文编号：3238756
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3238756.html
