基于噪音及投资者情绪的股价可预测性研究

发布时间：2017-09-22 19:51

  本文关键词：基于噪音及投资者情绪的股价可预测性研究

  更多相关文章： 噪音交易 投资者情绪 股价指数预测 计算智能 股价可预测性

【摘要】：噪音交易理论认为股票市场中的噪音交易者根据噪音而非信息进行交易,导致股票偏离仅有理性交易者时的真实价格。由噪音交易理论发展而出的投资者情绪研究认为投资者情绪通过影响投资者交易偏好而影响股票价格。基于上述理论与研究结论,本文认为噪音及投资者情绪可能含有股票价格所不含的额外信息,在此基础上本文研究噪音及投资者情绪是否以及多大程度上影响股价可预测性,噪音及投资者情绪是否以及如何提供额外的股价可预测性。 首先,本文对中国股市的噪音及投资者情绪进行了度量。噪音度量方面,本文借鉴衡量市场有效性的方差比方法,使用Wild Bootstrap方差比方法结合滑动样本窗构建噪音序列。投资者情绪度量方面,本文结合中国实际情况,借鉴学术界广泛认可的Baker-Wugler情绪指数构建方法对情绪进行构建。由于在本文的观测区间内中国股市存在较长时间的暂停IPO情况,本文剔除了Baker-Wugler情绪指数构建方法中含有IPO信息的变量,通过提取上证封闭式基金折价率、日均流通市值加权换手率、日均投资者新开户数、日均成交量的第一主成分构建了中国股市的情绪指数。 其次,本文对上证指数进行预测并构建股价可预测性序列。本文使用的预测方法包括模糊时间序列、BP神经网络、模糊时间序列-BP神经网络组合方法。具体来说,本文使用1前件1阶模糊时间序列,选择Chen的模型进行预测；通过对网络训练函数、学习函数、网络结构进行选择后构建适用于本文研究的BP神经网络进行预测；通过熵值法将模糊时间序列和BP神经网络的预测值加权求和得到组合预测方法的预测结果。本文通过生成衡量预测精确程度的PI指数来构建股价可预测性序列。 最后,本文进行基于噪音及投资者情绪的股价可预测性研究。第一步研究噪音及投资者情绪是否影响股价可预测性。实证发现噪音及投资者情绪在0.10的显著性水平下正向线性影响股价可预测性,即可以认为更高的噪音及投资者情绪可能是潜在导致股价更易预测的因素。该结论虽然在0.05的显著性水平下不成立,但依然可以认为其有一定借鉴意义；另外,噪音及投资者情绪还对股价可预测性产生显著非线性影响,这种影响在0.05的显著性水平下成立,是二者单独而非协同严生的,可看作是对线性关系的微调,PI序列选取的不同会造成非线性关系拟合结果的差异。第二步研究噪音及投资者情绪是否提供额外可预测性。通过将噪音及投资者情绪引入预测模型,本文发现噪音及投资者情绪能够改善股价预测的整体水平,特别是BP神经网络和组合预测方法。由于BP神经网络能够更好地描述股价序列的非线性关系,本文单独就引入噪音及投资者情绪前后的BP神经网络预测精度进行对比,发现噪音及投资者情绪的引入对预测有显著改善,并且认为该改进是由于噪音及投资者情绪包含额外信息所导致的。
【关键词】：噪音交易 投资者情绪 股价指数预测 计算智能 股价可预测性
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 致谢5-7
• 中文摘要7-8
• ABSTRACT8-12
• 图索引12-13
• 表索引13-14
• 1 引言14-21
• 1.1 研究背景14-16
• 1.1.1 理论背景14-15
• 1.1.2 实践背景15-16
• 1.2 研究目的与研究意义16-17
• 1.2.1 研究目的16
• 1.2.2 研究意义16-17
• 1.3 研究内容与研究方法17-19
• 1.3.1 研究内容17
• 1.3.2 研究方法17-19
• 1.4 研究思路与框架19-20
• 1.5 论文创新点20-21
• 2 理论基础与文献综述21-35
• 2.1 理论基础21-28
• 2.1.1 噪音交易理论21-24
• 2.1.2 投资者情绪研究24-25
• 2.1.3 金融时间序列预测方法25-28
• 2.2 文献综述28-35
• 2.2.1 国外研究现状28-31
• 2.2.2 国内研究现状31-33
• 2.2.3 文献评述33-35
• 3 噪音及投资者情绪的度量35-45
• 3.1 噪音的度量35-40
• 3.1.1 噪音的度量方法及其改进35-37
• 3.1.2 噪音序列的实证37-40
• 3.2 投资者情绪的度量40-45
• 3.2.1 基于构建变量调整的BW情绪改进40-42
• 3.2.2 投资者情绪序列的实证42-45
• 4 股价预测及股价可预测性的度量45-56
• 4.1 基于模糊时间序列的股价预测45-47
• 4.2 基于BP神经网络的股价预测47-50
• 4.2.1 BP神经网络的构建47-49
• 4.2.2 基于BP神经网络的股价预测实证49-50
• 4.3 基于模糊时间序列-BP神经网络组合方法的股价预测50-52
• 4.4 股价可预测性的度量52-56
• 5 基于噪音及投资者情绪的股价可预测性实证56-72
• 5.1 噪音及投资者情绪与股价可预测性相关性检验56-64
• 5.1.1 基于独立线性影响假设的回归分析56-60
• 5.1.2 基于复合非线性影响假设的回归分析60-64
• 5.2 噪音及投资者情绪是否提供额外可预测性实证64-72
• 5.2.1 引入噪音及情绪的股价预测64-67
• 5.2.2 引入噪音及情绪前后的股价可预测性对比67-72
• 6 结论与展望72-75
• 6.1 研究结论72-74
• 6.2 研究展望74-75
• 参考文献75-78
• 作者简历78-80
• 学位论文数据集80

【参考文献】

中国期刊全文数据库 前10条

1 姜继娇;杨乃定;王良;董铁牛;;“上证”A股市场情绪的关键影响因素[J];财经研究;2006年09期

2 刘莉亚;丁剑平;陈振瑜;相恒宁;;投资者情绪对资本市场稳定性的实证研究——来自截面效应的分析[J];财经研究;2010年03期

3 周洪荣;吴卫星;周业安;;我国A股市场中的波动性之谜与市场情绪[J];上海经济研究;2012年04期

4 易志高;茅宁;;中国股市投资者情绪测量研究:CICSI的构建[J];金融研究;2009年11期

5 姜富伟;Q每，

本文编号：902747