基于神经网络模型的投资者情绪对股票价格预测的影响研究
发布时间：2021-02-09 19:13
从A股市场诞生至今,A股经历了数次大幅的上涨和下跌,这些非理性的大幅涨跌很难完全用传统金融理论做出解释,而行为金融理论正是从投资者情绪的角度出发对各类金融异象与非理性行为现象做出了解释,投资者情绪在股票市场的非理性繁荣和恐慌式下跌中无疑起到了推波助澜的作用。本文以上述现象作为切入点,研究了市场投资者情绪对市场指数收益及异质性上市公司股票收益的影响效应,并使用数据挖掘模型对收集到的数据进行建模。首先选取投资者A股账户新增开户数（NIA）、换手率（TURN）、消费者信心指数（CCI）、成交量（VOL）、中国证券投资者信心指数—买入指数（BII）等五个指标作为投资者情绪的代理指标,通过第一次主成分分析消除提前滞后效应的影响,通过第二次主成分分析消除宏观经济变量的相关性,并通过回归剔除宏观经济变动对投资者情绪的影响效应,再通过偏最小二乘回归方法提取与真实投资者情绪相关的部分得到最终的投资者情绪综合指标。其次,通过随机森林算法,从一系列具有代表性的候选技术指标中选取重要性高的技术指标作为数据挖掘模型的输入变量,即BBI多空指数、BBIBOLL多空、BIAS乖离率、BOLL布林带、RSI相对强弱指...
【文章来源】：上海外国语大学上海市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
人工神经元模型
23图3.1主成分分析基本思路图KMO检验是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一知般情况下，KMO大于0.9时非常适合因子分析；0.5以下表示不适宜作因子分析。Bartlett球状检验也是用于检验各变量之间的相关性的方法，即各个变量是否各自独立。一般情况下，检验结果的显著水平值越小（小于0.05时），说明原始变量之间的独立性越弱，相反，显著性水平越大（如0.1以上），数据越不适宜于做因子分析。因此，在做主成分分析前，由于不同代理变量之间存在的相关性，我们首先进行KMO检验和巴特利球体检验。在本文中，对这十个指标进行KMO和Bartlett球形检验。总体KMO检验系数为0.657，Bartlett检验的显著性为0，表明这10个情绪指标之间相关度较高，比较适合作因子分析。表3.2KMO和巴特利特检验接下来，采用主成分分析法消除代理指标的提前滞后问题的影响。在提取主成分之前，首先需要计算出各成分数据的特征值、方差贡献率以及累计方差贡献率。下表为提前滞后变量的总方差解释：
263.2.3偏最小二乘回归方法通过上述步骤，我们得到了已经考虑了代理指标提取滞后效应以及宏观经济因素的投资者综合情绪，即残差序列ri。本节将对残差序列进行处理，得到反映真实投资者情绪信息的部分。由文献可知，偏最小二乘回归可用于提取出与真实投资者情绪相关的部分，即提取出投资者情绪指标中与股票投资收益相关的成分。因此，不同于一般研究中，对残差序列做主成分分析的方法，这里我们将采用偏最小二乘回归（plsregress）进行投资者综合情绪指数的构造。偏最小二乘回归方法主要通过两个步骤实现：Xi，t－1=π0+πiRt+ui，t－1其中Rt为市场收益率，Xi，t－1为第i个代理情绪变量。Xi，t=α+βtπi+vi，t其中πi为敏感系数估计值，代理情绪变量Xi，t为代理情绪变量。最后将得到的估计βt作为最终投资者情绪估计量。经过处理之后的综合投资者情绪指标图形如下图所示：图3.2综合投资者情绪指标图将上述处理完成后的投资者情绪综合指数与沪深300指数时间序列相关性检验，结果显示，在阿尔法为1%的水平下沪深300指数序列与投资者情绪综合指数的皮尔森相关系数为0.692，这说明该投资者情绪综合指数与股票指数有较
【参考文献】：
期刊论文
[1]投资者情绪与沪深300指数波动的关系研究[J]. 张德容,余攀. 商学研究. 2018(06)
[2]投资者情绪与股票收益关系的实证检验[J]. 李岩,金德环. 统计与决策. 2018(15)
[3]投资者情绪与股票横截面收益——基于微博数据的实证研究[J]. 原东良. 金融与经济. 2018(07)
[4]投资者情绪对股票价格波动的影响研究[J]. 陈健,曾世强. 价格理论与实践. 2018(07)
[5]投资者情绪与股票收益的实证研究——基于扩展卡尔曼滤波的方法[J]. 凌士勤,苏乐. 时代金融. 2017(17)
[6]投资者情绪与股票市场的非线性关系研究[J]. 王博实. 北京邮电大学学报(社会科学版). 2017(03)
[7]个人与机构投资者情绪对个股异常收益率的非对称影响[J]. 曹仙叶,刘咏梅. 中南大学学报(社会科学版). 2016(06)
[8]投资者情绪与股票收益——基于个人和机构投资者情绪的对比研究[J]. 安江丽,张立超. 金融发展研究. 2016(08)
[9]投资者情绪与封闭式基金折价率过度波动的关系研究[J]. 樊小可. 经济视角(上旬刊). 2015(11)
[10]投资者情绪对中国IPO首日收益率影响的实证分析[J]. 蒋先玲,张斯琪. 经济问题. 2015(06)
硕士论文
[1]基于文本挖掘的投资者情绪对股票收益率影响的研究[D]. 牟歌.青岛大学 2018
本文编号：3026103
【文章来源】：上海外国语大学上海市 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
人工神经元模型
23图3.1主成分分析基本思路图KMO检验是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一知般情况下，KMO大于0.9时非常适合因子分析；0.5以下表示不适宜作因子分析。Bartlett球状检验也是用于检验各变量之间的相关性的方法，即各个变量是否各自独立。一般情况下，检验结果的显著水平值越小（小于0.05时），说明原始变量之间的独立性越弱，相反，显著性水平越大（如0.1以上），数据越不适宜于做因子分析。因此，在做主成分分析前，由于不同代理变量之间存在的相关性，我们首先进行KMO检验和巴特利球体检验。在本文中，对这十个指标进行KMO和Bartlett球形检验。总体KMO检验系数为0.657，Bartlett检验的显著性为0，表明这10个情绪指标之间相关度较高，比较适合作因子分析。表3.2KMO和巴特利特检验接下来，采用主成分分析法消除代理指标的提前滞后问题的影响。在提取主成分之前，首先需要计算出各成分数据的特征值、方差贡献率以及累计方差贡献率。下表为提前滞后变量的总方差解释：
263.2.3偏最小二乘回归方法通过上述步骤，我们得到了已经考虑了代理指标提取滞后效应以及宏观经济因素的投资者综合情绪，即残差序列ri。本节将对残差序列进行处理，得到反映真实投资者情绪信息的部分。由文献可知，偏最小二乘回归可用于提取出与真实投资者情绪相关的部分，即提取出投资者情绪指标中与股票投资收益相关的成分。因此，不同于一般研究中，对残差序列做主成分分析的方法，这里我们将采用偏最小二乘回归（plsregress）进行投资者综合情绪指数的构造。偏最小二乘回归方法主要通过两个步骤实现：Xi，t－1=π0+πiRt+ui，t－1其中Rt为市场收益率，Xi，t－1为第i个代理情绪变量。Xi，t=α+βtπi+vi，t其中πi为敏感系数估计值，代理情绪变量Xi，t为代理情绪变量。最后将得到的估计βt作为最终投资者情绪估计量。经过处理之后的综合投资者情绪指标图形如下图所示：图3.2综合投资者情绪指标图将上述处理完成后的投资者情绪综合指数与沪深300指数时间序列相关性检验，结果显示，在阿尔法为1%的水平下沪深300指数序列与投资者情绪综合指数的皮尔森相关系数为0.692，这说明该投资者情绪综合指数与股票指数有较
【参考文献】：
期刊论文
[1]投资者情绪与沪深300指数波动的关系研究[J]. 张德容,余攀. 商学研究. 2018(06)
[2]投资者情绪与股票收益关系的实证检验[J]. 李岩,金德环. 统计与决策. 2018(15)
[3]投资者情绪与股票横截面收益——基于微博数据的实证研究[J]. 原东良. 金融与经济. 2018(07)
[4]投资者情绪对股票价格波动的影响研究[J]. 陈健,曾世强. 价格理论与实践. 2018(07)
[5]投资者情绪与股票收益的实证研究——基于扩展卡尔曼滤波的方法[J]. 凌士勤,苏乐. 时代金融. 2017(17)
[6]投资者情绪与股票市场的非线性关系研究[J]. 王博实. 北京邮电大学学报(社会科学版). 2017(03)
[7]个人与机构投资者情绪对个股异常收益率的非对称影响[J]. 曹仙叶,刘咏梅. 中南大学学报(社会科学版). 2016(06)
[8]投资者情绪与股票收益——基于个人和机构投资者情绪的对比研究[J]. 安江丽,张立超. 金融发展研究. 2016(08)
[9]投资者情绪与封闭式基金折价率过度波动的关系研究[J]. 樊小可. 经济视角(上旬刊). 2015(11)
[10]投资者情绪对中国IPO首日收益率影响的实证分析[J]. 蒋先玲,张斯琪. 经济问题. 2015(06)
硕士论文
[1]基于文本挖掘的投资者情绪对股票收益率影响的研究[D]. 牟歌.青岛大学 2018
本文编号：3026103
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3026103.html
