基于最优滤波方法的我国投资者情绪指数构建的研究及实证分析
发布时间：2022-02-28 19:34
随着大量金融异常现象和非理性行为的出现,传统金融学理论已经不能做出合理解释,学者们开始从新的角度解释金融异常现象,由此逐渐形成了行为金融理论。投资者情绪理论成为行为金融学的重要分支之一,而投资者情绪的测量问题一直是金融学研究的重点和难点之一,投资者情绪与股票收益之间的关系研究也是行是金融学研究的热点。本文研究投资者情绪指数的构建以及其对股票市场收益的影响,对投资者投资股票市场的决策、相关监管部门具有重要的现实参考意义。本文理论意义在于本文将最优滤波方法融入到金融研究当中,以滤波方法构建投资者情绪指数,对投资者情绪理论进行深入研究,对于投资者情绪理论的发展具有一定借鉴作用。本文对于投资者情绪指标的选取,在众多情绪代表变量中选取了具有代表性的四个代理变量,其中包括:新增投资者开户数、换手率、IPO首日收益率、封闭式基金折价率等变量。本文在IPO首日收益率与封闭式基金折价率的数据处理中,采用了经过偏度调整的boxplot方法去除异常值并比较其他去除异常值方法。为了使样本数据时间连续,扩大样本范围,采用了三次样条插值方法补充大量缺失数据。对比其他文献中的处理方法提出了新的思路可供参考,本文的方...
【文章来源】：江西财经大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1.绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究目标及内容
1.2.1 研究目标
1.2.2 研究内容
1.3 研究方法
1.4 难点问题与创新之处
1.4.1 难点问题
1.4.2 创新之处
2.国内外研究综述
2.1 投资者情绪定义
2.2 投资者情绪测量方法
2.3 投资者情绪测量指标
2.4 本章小结
3.理论基础
3.1 投资者情绪相关理论基础
3.1.1 行为金融学理论
3.1.2 认知偏差与心理偏差
3.2 EM算法原理及步骤
3.2.1 EM算法原理
3.2.2 EM算法步骤
3.3 卡尔曼滤波理论
3.3.1 卡尔曼滤波的一般形式
3.3.2 建立状态空间模型
3.4 扩展卡尔曼滤波理论
3.4.1 扩展卡尔曼滤波的一般形式
3.4.2 建立状态空间模型
3.5 粒子滤波理论
3.5.1 贝叶斯滤波
3.5.2 贝叶斯重要性采样
3.5.3 序贯重要性采样算法
3.5.4 重要密度函数的选择
3.5.5 重采样方法
3.6 本章小结
4.投资者情绪指数构建
4.1 投资者情绪指标变量选取与数据处理
4.1.1 投资者情绪变量选取
4.1.2 数据处理
4.1.3 变量描述性统计
4.1.4 投资者情绪变量的相关性
4.2 卡尔曼滤波的情绪指数构建
4.3 扩展卡尔曼滤波的情绪指数构建
4.4 粒子滤波的情绪指数构建
4.5 剔除宏观因素的投资者情绪指数构建
4.6 本章小结
5.投资者情绪与股票市场
5.1 向量自回归理论
5.2 VAR模型的检验
5.2.1 平稳性检验
5.2.2 Granger因果检验
5.3 滞后阶数的确定
5.4 VAR模型参数估计
5.5 脉冲响应分析
5.6 本章小结
6.结论与展望
6.1 结论
6.2 不足之处与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]中国股市投资者情绪指数构建与有效性检验[J]. 蔡志刚,赖明明. 金融发展研究. 2016(07)
[2]基于卡尔曼滤波的中国证券市场投资者情绪测度研究[J]. 魏星集,夏维力,孙彤彤. 未来与发展. 2016(04)
[3]股票市场投资者情绪度量研究[J]. 汤益成. 人才资源开发. 2015(06)
[4]投资者情绪指数的构建研究——基于偏最小二乘法[J]. 王镇,郝刚. 金融理论与实践. 2014(07)
[5]中国封闭式基金折价是投资者情绪的良好指标吗[J]. 刘雷. 贵州财经大学学报. 2013(05)
[6]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)
[7]投资者情绪对股票横截面收益的非对称影响研究[J]. 陆江川,陈军. 预测. 2012(05)
[8]投资者情绪指标与股票市场——基于扩展卡尔曼滤波方法的研究[J]. 池丽旭,张广胜,庄新田,宋大雷. 管理工程学报. 2012(03)
[9]行业分析师盈利预测偏差的新解释[J]. 伍燕然,潘可,胡松明,江婕. 经济研究. 2012(04)
[10]投资者情绪与股票特征关系[J]. 宋泽芳,李元. 系统工程理论与实践. 2012(01)
博士论文
[1]投资者情绪的统计测评及其应用研究[D]. 崔亮.西南财经大学 2013
[2]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
[3]音视频联合说话人定位与跟踪方法研究[D]. 金乃高.大连理工大学 2008
[4]状态空间模型理论与算法及其在金融计量中的应用[D]. 陈学华.暨南大学 2007
[5]基于情绪的投资者行为研究[D]. 薛斐.复旦大学 2005
硕士论文
[1]中国投资者情绪指数的度量及其与股票市场收益互动关系研究[D]. 张杭赟.广东外语外贸大学 2014
本文编号：3645458
【文章来源】：江西财经大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1.绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究目标及内容
1.2.1 研究目标
1.2.2 研究内容
1.3 研究方法
1.4 难点问题与创新之处
1.4.1 难点问题
1.4.2 创新之处
2.国内外研究综述
2.1 投资者情绪定义
2.2 投资者情绪测量方法
2.3 投资者情绪测量指标
2.4 本章小结
3.理论基础
3.1 投资者情绪相关理论基础
3.1.1 行为金融学理论
3.1.2 认知偏差与心理偏差
3.2 EM算法原理及步骤
3.2.1 EM算法原理
3.2.2 EM算法步骤
3.3 卡尔曼滤波理论
3.3.1 卡尔曼滤波的一般形式
3.3.2 建立状态空间模型
3.4 扩展卡尔曼滤波理论
3.4.1 扩展卡尔曼滤波的一般形式
3.4.2 建立状态空间模型
3.5 粒子滤波理论
3.5.1 贝叶斯滤波
3.5.2 贝叶斯重要性采样
3.5.3 序贯重要性采样算法
3.5.4 重要密度函数的选择
3.5.5 重采样方法
3.6 本章小结
4.投资者情绪指数构建
4.1 投资者情绪指标变量选取与数据处理
4.1.1 投资者情绪变量选取
4.1.2 数据处理
4.1.3 变量描述性统计
4.1.4 投资者情绪变量的相关性
4.2 卡尔曼滤波的情绪指数构建
4.3 扩展卡尔曼滤波的情绪指数构建
4.4 粒子滤波的情绪指数构建
4.5 剔除宏观因素的投资者情绪指数构建
4.6 本章小结
5.投资者情绪与股票市场
5.1 向量自回归理论
5.2 VAR模型的检验
5.2.1 平稳性检验
5.2.2 Granger因果检验
5.3 滞后阶数的确定
5.4 VAR模型参数估计
5.5 脉冲响应分析
5.6 本章小结
6.结论与展望
6.1 结论
6.2 不足之处与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]中国股市投资者情绪指数构建与有效性检验[J]. 蔡志刚,赖明明. 金融发展研究. 2016(07)
[2]基于卡尔曼滤波的中国证券市场投资者情绪测度研究[J]. 魏星集,夏维力,孙彤彤. 未来与发展. 2016(04)
[3]股票市场投资者情绪度量研究[J]. 汤益成. 人才资源开发. 2015(06)
[4]投资者情绪指数的构建研究——基于偏最小二乘法[J]. 王镇,郝刚. 金融理论与实践. 2014(07)
[5]中国封闭式基金折价是投资者情绪的良好指标吗[J]. 刘雷. 贵州财经大学学报. 2013(05)
[6]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)
[7]投资者情绪对股票横截面收益的非对称影响研究[J]. 陆江川,陈军. 预测. 2012(05)
[8]投资者情绪指标与股票市场——基于扩展卡尔曼滤波方法的研究[J]. 池丽旭,张广胜,庄新田,宋大雷. 管理工程学报. 2012(03)
[9]行业分析师盈利预测偏差的新解释[J]. 伍燕然,潘可,胡松明,江婕. 经济研究. 2012(04)
[10]投资者情绪与股票特征关系[J]. 宋泽芳,李元. 系统工程理论与实践. 2012(01)
博士论文
[1]投资者情绪的统计测评及其应用研究[D]. 崔亮.西南财经大学 2013
[2]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
[3]音视频联合说话人定位与跟踪方法研究[D]. 金乃高.大连理工大学 2008
[4]状态空间模型理论与算法及其在金融计量中的应用[D]. 陈学华.暨南大学 2007
[5]基于情绪的投资者行为研究[D]. 薛斐.复旦大学 2005
硕士论文
[1]中国投资者情绪指数的度量及其与股票市场收益互动关系研究[D]. 张杭赟.广东外语外贸大学 2014
本文编号：3645458
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3645458.html
