基于网络信息的股票市场收益与波动研究

发布时间：2020-06-17 04:28

【摘要】：行为金融学理论认为,股票市场的价格变动除受宏观基本因素影响外,还在很大程度上受到众多个体投资者或噪音交易者行为左右。为揭示个体投资者行为对股票市场产生的影响,本文以网络数据为切入点,分别从个体投资者情绪和个体投资者关注的角度,实证研究网络数据与股票市场之间存在的密切联系,对股票市场的收益与波动进行预测,主要开展了如下两个方面的研究工作:(1)以个体投资者情绪信息为切入点,检验投资者情绪与股市收益关联关系,评估网络情绪信息价值。使用中文文本情感分析方法从新浪微博文本中提取出网络情绪时间序列,进而分别运用均值Granger因果和分位数Granger因果检验方法,探索网络情绪与股市收益之间是否存在因果关系。对沪深300指数收益进行了实证研究,结果表明:尽管在均值框架下两者之间因果关系并不明显,但基于分位数Granger因果分析却发现两者在极端分位点区间处存在广泛且显著的因果关系,并且股市收益受到网络情绪影响的程度和方式在不同市场阶段下有所不同。这一结果意味着,网络情绪对股市收益存在显著影响,能够预测股市收益的尾部(上尾或下尾)行为特征。(2)以个体投资者关注信息为视角,验证网络搜索数据对股票市场的分析能力,探究网络搜索与宏观金融数据在股市分析中是否具有相互补充的作用。引入GARCH-MIDAS模型,通过建立多个单变量及多变量GARCH-MIDAS模型,分别使用网络搜索数据、宏观经济数据以及混合数据对股票市场波动率进行预测,最后通过量化网络搜索对波动率预测的贡献进一步分析网络搜索数据特性,实证结果表明:网络搜索数据不仅能够用于股市波动率预测,更与宏观经济变量间存在信息互补特性,将网络搜索与宏观经济变量共同用于GARCH-MIDAS模型进行波动率预测能够降低预测误差;在不同市场环境下网络搜索对股票市场的解释能力有所不同,这一结果与网络情绪研究的结论是一致的,说明个体投资者关注和个体投资这情绪具有相似的性质。本文研究实证了网络数据用于股票市场分析的可行性及有效性,为股票市场的理论研究工作提供了新的视角与切入点,网络信息与股票市场间的高度关联性也印证了行为金融学相关理论,为该领域理论的发展提供了有利佐证。本文研究结论为股票市场的定价、收益预测及波动率估计等研究提供了新的研究思路,也为如何从海量网络数据中提取有效信息,以及如何正确使用网络信息提供了实证借鉴。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51
【图文】：

合肥工业大学学术硕士研究生学位论文max11 nj ijiij j joverlapwn overlapS S w (23)使用上述方法得到实证部分全样本谷歌指数数据，图 4.1 展示了修正后的谷歌指数、修正谷歌指数计算得到的月度谷歌指数和实际谷歌指数间的对比，可以看到修正后的周频谷歌指数计算得到的月频谷歌指数与真实水平极为相近。

【参考文献】

相关期刊论文 前10条

1 苏小英;孟环建;;基于神经网络的微博情感分析[J];计算机技术与发展;2015年12期

2 蒋盛益;黄卫坚;蔡茂丽;王连喜;;面向微博的社会情绪词典构建及情绪分析方法研究[J];中文信息学报;2015年06期

3 洪涛;厉伟;;基于网络搜索数据的住房价格预期与实际价格波动分析[J];统计与信息论坛;2015年11期

4 许启发;张金秀;蒋翠侠;;基于非线性分位数回归模型的多期VaR风险测度[J];中国管理科学;2015年03期

5 朱南丽;邹平;张永平;李学术;杨琳琳;张杨;;基于博客/微博信息量的投资者关注度测量研究——来自中国股票市场的经验数据[J];经济问题探索;2015年02期

6 黄润鹏;左文明;毕凌燕;;基于微博情绪信息的股票市场预测[J];管理工程学报;2015年01期

7 刘晓菲;丁香乾;石硕;李林春;李忠态;;基于改进KNN的消费者评价信息情感分类研究[J];微型机与应用;2014年24期

8 李婷婷;姬东鸿;;基于SVM和CRF多特征组合的微博情感分析[J];计算机应用研究;2015年04期

9 赖凯声;陈浩;钱卫宁;周傲英;;微博情绪与中国股市:基于协整分析[J];系统科学与数学;2014年05期

10 张谊浩;李元;苏中锋;张泽林;;网络搜索能预测股票市场吗?[J];金融研究;2014年02期

相关硕士学位论文 前1条

1 曾小梦;基于网民心理的网络舆情引导研究[D];湖南大学;2013年

本文编号：2717074