考虑投资者情绪的中国股市自激发效应研究

发布时间：2021-08-20 23:54

　　本文在极值理论中引入行为金融学,结合标值自激发点过程（MSEPP）刻画股指收益率极端值序列的集聚性、短期相依性,并将传统的超阈值模型所描述的齐次泊松过程拓展为非齐次泊松过程,探讨投资者情绪对极端收益率的冲击。运用风险偏好指数的方法,基于沪深300指数成份股合成中国投资者情绪指数（EMSI）,进一步构建MSEPP-EMSI模型预测沪深300指数、上证综合指数及深圳成分指数的极端风险爆发概率,并对其进行动态ES风险测度。实证结果表明,沪深股市在短期内股指连续暴跌现象时有发生,投资者极度负面情绪会加剧股市的剧烈动荡,当考虑投资者情绪对极端风险的冲击时,MSEPP-EMSI模型能有效的提高对极端风险的概率预测精度及ES预测精度。 

【文章来源】：中国管理科学. 2020,28(07)北大核心CSSCICSCD

【文章页数】：12 页

【部分图文】：

沪深300、上证指数、深证指数与EMSI情绪指数

由2.2.1的分析可得,极值发生的时间可以看作是时间轴上的某个点。由非齐次泊松过程的相关知识可以得到某一时间间隔内,极端损失值产生的条件概率。将收益率序列数据、MSEPP及MSEPP-EMSI模型参数估计值代入公式(13),便得到各时刻产生极端损失值的条件概率。2015年夏季中国股市呈现剧烈异常波动,仅两个月时间内,上证指数从5178.19点高位滑落至2850.71点,期间资本市场上不断上演千股跌停的局面,其中绝大多数股票价格遭受无情“腰斩”,顿时恐慌情绪弥漫整个资本市场。图2展示了沪深300指数、上证指数、深证指数从2015年4月21日至2016年2月15日,中国股灾期间爆发极端损失的概率预测值。从图中可直观看出,股灾期间,沪深300指数、上证指数、深证指数产生极端损失的概率相比其它时间段急剧上升。

由2.3.1的分析可得到沪深指数收益率序列的动态ES预测值。图3报告了三大指数95%置信度水平下,样本外后200个交易日的动态ES预测值序列。由2.3.2的分析得,通过比较不同模型V值的大小便能衡量不同模型的ES预测的精度,V值越小的模型预测效果越好。2种模型样本外300个交易日的V值如表4所示,从中可以看出MSEPP-EMSI模型在绝大多数情况下取得最小V值,优于MSEPP模型的表现。


本文编号：3354455