基于投资者情绪指标拓展的HAR-RV类模型的预测能力研究

发布时间：2021-08-23 11:14

　　随着计算机技术的飞速发展和高频数据的可获得性增强,利用金融资产日内收益率信息构建的已实现波动率成为学术界热门的研究课题。其主要研究方向包括金融资产的已实现波动率特征挖掘和预测研究。其中,在经典模型基础上引入可行的外生变量是学术界预测波动率的主要研究思路。基于此,本文以上证指数为研究对象,利用文本情感分析方法构建两个主观情绪代理指标,并结合客观情绪代理指标,使用传统的主成分分析方法构建复合投资者情绪指标;其次,将所构建的复合投资者情绪指标线性加入基础HAR-RV、HAR-CJ和HAR-RSV模型中,为了进一步研究投资者情绪的非对称影响,将投资者情绪指标分解为乐观和悲观两种情绪指标,再对基础模型进行拓展,一共构建了9个模型,之后,对所有模型进行样本内参数估计以及样本外的预测研究;最后,使用SPA方法检验所有模型的预测优劣情况以及对研究结果进行稳健检验。研究发现:（1）利用文本情感分析方法所构建的两个主观投资者情绪代理指标分别与上证指数收盘价有着良好的相关性,且最终构建的复合投资者情绪指标与上证指数收盘价的相关性约为0.92。（2）样本内参数估计结果显示,投资者情绪包含预测未来已实现波动率的... 

【文章来源】：广东外语外贸大学广东省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

看涨看跌指数和上证指数收盘价的基本走势图

关注度和上证指数收盘价基本走势图

最后,认为本节构建的复合投资者情绪指标是有效的。另外,从图中的变化趋势可以看出,在复合投资者情绪CISI上升时,上证指数的收盘价也随之上升;反之,当复合投资者情绪CISI小于0时,收盘价在对应的时期处于一个相对较低的水平上。在实际市场中,由于投资者的“追涨杀跌”行为,导致投资者在股市行情较好时,容易表现出积极看涨的情绪;同理,在熊市中因为受到股市下跌的影响,投资者容易出现对整体股市悲观看跌的情绪。2013年至2014上半年与2016年至2018年底投资者情绪处于较低且平缓的水平上,而2014年下半年至2015年底投资者情绪明显走高。特别地,在2014年至2015年时间段里股市情绪和上证指数收盘价波动较大。从2014年6月份开始,投资者情绪一路高涨,在2015年4月2015年6月时间段,投资者情绪指标值达到了高峰;而后,又急剧下降,直至2016年3月回归了较为平缓的水平位。对应着,上证指数的收盘价在2015年4月之前处于较低的水平,而后受到投资者情绪高涨的积极因素的影响,上证指数的价格一路上涨,在投资者情绪值处于一个最高点时同样达到了整个时间段的高峰。在2014年6月至2016年3月,证券市场正处于牛市到疯牛再到股灾爆发的全过程。“杠杆”、“千股涨停”、“千股停牌”、“千股跌停”成了当时市场的一个代名词。投资者情绪极度乐观和悲观都会带来股市的暴涨暴跌,进而导致股市巨大的波动。

【参考文献】：
期刊论文
[1]引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 朱学红,邹佳纹,韩飞燕,谌金宇.  中国管理科学. 2018(09)
[2]我国股票市场投资者情绪指数构建及有效性检验[J]. 张征超,刘宇宸妃.  商业经济研究. 2018(07)
[3]基于跳跃、好坏波动率与百度指数的股指期货波动率预测[J]. 陈声利,关涛,李一军.  系统工程理论与实践. 2018(02)
[4]投资者情绪理论、度量及应用研究综述[J]. 郁晨.  金融评论. 2017(03)
[5]投资者情绪理论综述[J]. 杨佳.  现代经济信息. 2015(05)
[6]引入跳跃和结构转换的中国股市已实现波动率预测研究:基于拓展的HAR-RV模型[J]. 吴恒煜,夏泽安,聂富强.  数理统计与管理. 2015(06)
[7]考虑跳跃和隔夜波动的中国股票市场波动率建模与预测[J]. 孙洁.  中国管理科学. 2014(06)
[8]投资者情绪特征对股票价格行为的影响研究[J]. 文凤华,肖金利,黄创霞,陈晓红,杨晓光.  管理科学学报. 2014(03)
[9]投资者情绪、主观信念调整与市场波动[J]. 张宗新,王海亮.  金融研究. 2013(04)
[10]基于LHAR-RV-V模型的中国股市波动性研究[J]. 文凤华,刘晓群,唐海如,杨晓光.  管理科学学报. 2012(06)

硕士论文
[1]投资者情绪会影响股市收益率吗[D]. 黄亮.湘潭大学 2019
[2]投资者情绪对股票收益率影响的实证研究[D]. 钱亦雯.安徽财经大学 2018
[3]HAR类已实现波动率模型及其在中国股票市场中的应用研究[D]. 龚旭.长沙理工大学 2013



本文编号：3357757