互联网投资类论坛对个人投资及资产定价的影响
发布时间：2020-12-30 04:42
互联网逐渐成为人们获取资讯的主流渠道。股吧、雪球网等互联网投资类论坛上汇聚了几百万投资者,他们之间形成了一个信息交流的庞大复杂社会网络,并且会反过来影响每一个人的预期形成和投资决策过程。基于互联网投资类论坛所形成的庞大社会网络,对微观个体来说,能否增加个人私人信息并且提高投资收益?对宏观市场而言,这种去中心化的复杂社会网络上信息交流,是否能够提高市场定价效率?这是本文研究的核心问题。在梳理有关文献及理论的基础之上,本文使用Python编写爬虫程序进行了数据准备。具体来说,从雪球网这一社交投资平台获取了 36万用户1000多万条互相关注的信息,通过Gephi绘制了这些用户之间的社会网络;爬取雪球网上70多万虚拟投资组合的持仓及历史收益情况,据此形成了由社会网络到投资收益的完整映射。实证方面,本文从微观层面和宏观角度两个层面对投资者论坛与资产定价之间的关系进行了研究:第一、从微观层面出发,从投资者个体私人信息获取角度研究了互联网投资类论坛对个人投资收益的影响。基于有效市场假说及信息不对称理论,从理论上分析了论坛的积极作用和消极作用。为了描述社会网络上不同节点之间的相互影响,本文引入了图论的...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
图３－１：爬虫程序示意图??
山东大学硕士学位论文??到达全部其他节点的广度优先搜索树，在这棵树上上每个节点至多只有一个父节??点。４??０??０??０??粉丝Ｂ?粉丝Ｃ?粉丝Ｄ??艾??１?＿?，?ｓ?１?１?，??０?ｉ?＊??粉丝Ｅ?粉丝Ｆ?粉丝Ｇ?粉丝Ｈ?粉丝Ｉ?粉丝Ｊ?粉丝Ｋ??，?１?，??粉丝Ｌ?粉丝Ｍ?粉丝Ｎ??图３－２：?ＢＦＳ算法示意图??ＢＦＳ算法兼顾时间效率与数据完整性，非常适合用于对ｗｅｂ页面数量众多??且相互之间具有邻接关系的网络数据爬龋因此本文的爬虫程序采用了?ＢＦＳ算??法，从雪球ｉｄ为“７５７１７３０６２９”的用户为出发结点，获取其全部粉丝（或关注者）??的个人信息，再获得其粉丝（关注者）的粉丝（关注者）的个人信息，层层递推，??最终获得了?１６８２８４３用户的所有个人信息及相互关注情况，以类似于ｊｓｏｎ文件??结构的形式储存在ＭｏｎｇｏＤＢ中。其中一条用户数据如下：??｛??＂一ｉｄ＂?：?Ｏｂｊｅｃｔｌｄ（＂５ｄ５３７６０１８８１５０２ｂ５４ｃ５ｆｆ２ｄａ＂），??，＇ｉｄ＂?：?１０３１７７２７２５，??＂ｄｅｓｃｒｉｐｔｉｏｎ＂：＂基本面分析定估值，技术分析断牛熊。成长，只有成长！?＼ｎ行情不??可预测，明天是涨还是跌，我真不懂！?＼ｎ涨了，卖一点；跌了，买一点。投资十八年，??现在还在！＂，??＂ｆｏｌｌｏｗｅｒｓ＿ｃｏｕｎｔ＂?：?４，??’’ｆｒｉｅｎｄｓ＿ｃｏｕｉｉｔ＂：?４４１，??，丨ｇｅｎｄｅｒ＂：?＂ｎ＂，??？’ｐｒｏｖｉｎｃｅ，，：，丨广西，．，??＂ｓｔａｔｕｓ＿ｃｏｕｎｔｎ?：?３４０，??４王
山东大学硕士学位论文??Ｈｉｓｔｏｇｒａｍ?：ｆｉ＝?—５．７３２３４１，（７?＝?１３．９５８９８６??０．０７??０．０６?？??０．０５?－??｜〇°３＇??００２?■??００１??０?００?——??－４０?－２０?０?２０?４０??ａｎｎｕａｌ?ｒｅｔｕｒｎ??图３－４：年化收益分布图??Ｈｉｓｔｏｇｒａｍ?／ｊ?＝?０?８８５８０９，ａ?＝?０?４３４０４１??２?００??１７５?？??ＩＳＯ?－??！１２５－?ｊ??／Ｉ??Ｄ５０．?＼??０２５??〇〇〇?—Ｉ???１???０?１?２?３?４?５??ｎｃｔｖｄｌｕｃ??图３－５：净值分布图??３．３．２整体网络分析??（一）整体社交关系网络构建??雪球网用户之间的关注关系，可以看作是一张人际关系社会网络。每一个??用户就是一个节点，节点之间的关注关系就构成了用户之间的边，节点和边一起??构成了社交关系网络。微信等社交媒体不同，雪球网上用户之间的关注关系是单??向的，即若Ａ被Ｂ关注，就形成了一条Ｂ—Ａ的有向边，而Ｂ不需要回关Ａ，?Ｂ??也看不到Ａ的网络行为信息。为了方便分析，本章中只使用社交关系数据中的??“ｍｅｍｂｅｒｓ”（关注列表）字段，不使用？？ｆｏｌｌｏｗｓ”（粉丝列表），建立雪球网整体社??１９??
【参考文献】：
期刊论文
[1]信息互动、投资决策与股票价格——基于机构投资者信息网络的分析[J]. 郭白滢,周任远. 金融研究. 2019(10)
[2]投资者情绪与股票收益——来自移动互联网的实证研究[J]. 梅立兴,张灿,何鲁. 南方经济. 2019(03)
[3]投资者的博彩行为研究——基于盈亏状态和投资者情绪的视角[J]. 陈文博,陈浪南,王升泉. 中国管理科学. 2019(02)
[4]中国股市投资者情绪测度指标的优选研究[J]. 刘学文. 中国管理科学. 2019(01)
[5]中国新股发行中分析师合谋高估及其福利影响[J]. 邵新建,洪俊杰,廖静池. 经济研究. 2018(06)
[6]基于网络大数据挖掘的实证资产定价研究进展[J]. 张学勇,吴雨玲. 经济学动态. 2018(06)
[7]壳溢价:错误定价还是管制风险?[J]. 屈源育,沈涛,吴卫星. 金融研究. 2018(03)
[8]中国股票网络论坛的信息含量分析[J]. 段江娇,刘红忠,曾剑平. 金融研究. 2017(10)
[9]凯恩斯选美竞赛与分析师预测偏差行为——基于高阶预期的研究视角[J]. 游家兴,周瑜婷,肖珉. 金融研究. 2017(07)
[10]反馈交易、交易诱导与资产价格行为[J]. 胡昌生,彭桢,池阳春. 经济研究. 2017(05)
博士论文
[1]在线社交学习对投资行为与资产定价影响的研究[D]. 祝宇.浙江大学 2018
硕士论文
[1]基于广度优先的主题爬虫的设计与实现[D]. 王桦.复旦大学 2011
本文编号：2947005
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
图３－１：爬虫程序示意图??
山东大学硕士学位论文??到达全部其他节点的广度优先搜索树，在这棵树上上每个节点至多只有一个父节??点。４??０??０??０??粉丝Ｂ?粉丝Ｃ?粉丝Ｄ??艾??１?＿?，?ｓ?１?１?，??０?ｉ?＊??粉丝Ｅ?粉丝Ｆ?粉丝Ｇ?粉丝Ｈ?粉丝Ｉ?粉丝Ｊ?粉丝Ｋ??，?１?，??粉丝Ｌ?粉丝Ｍ?粉丝Ｎ??图３－２：?ＢＦＳ算法示意图??ＢＦＳ算法兼顾时间效率与数据完整性，非常适合用于对ｗｅｂ页面数量众多??且相互之间具有邻接关系的网络数据爬龋因此本文的爬虫程序采用了?ＢＦＳ算??法，从雪球ｉｄ为“７５７１７３０６２９”的用户为出发结点，获取其全部粉丝（或关注者）??的个人信息，再获得其粉丝（关注者）的粉丝（关注者）的个人信息，层层递推，??最终获得了?１６８２８４３用户的所有个人信息及相互关注情况，以类似于ｊｓｏｎ文件??结构的形式储存在ＭｏｎｇｏＤＢ中。其中一条用户数据如下：??｛??＂一ｉｄ＂?：?Ｏｂｊｅｃｔｌｄ（＂５ｄ５３７６０１８８１５０２ｂ５４ｃ５ｆｆ２ｄａ＂），??，＇ｉｄ＂?：?１０３１７７２７２５，??＂ｄｅｓｃｒｉｐｔｉｏｎ＂：＂基本面分析定估值，技术分析断牛熊。成长，只有成长！?＼ｎ行情不??可预测，明天是涨还是跌，我真不懂！?＼ｎ涨了，卖一点；跌了，买一点。投资十八年，??现在还在！＂，??＂ｆｏｌｌｏｗｅｒｓ＿ｃｏｕｎｔ＂?：?４，??’’ｆｒｉｅｎｄｓ＿ｃｏｕｉｉｔ＂：?４４１，??，丨ｇｅｎｄｅｒ＂：?＂ｎ＂，??？’ｐｒｏｖｉｎｃｅ，，：，丨广西，．，??＂ｓｔａｔｕｓ＿ｃｏｕｎｔｎ?：?３４０，??４王
山东大学硕士学位论文??Ｈｉｓｔｏｇｒａｍ?：ｆｉ＝?—５．７３２３４１，（７?＝?１３．９５８９８６??０．０７??０．０６?？??０．０５?－??｜〇°３＇??００２?■??００１??０?００?——??－４０?－２０?０?２０?４０??ａｎｎｕａｌ?ｒｅｔｕｒｎ??图３－４：年化收益分布图??Ｈｉｓｔｏｇｒａｍ?／ｊ?＝?０?８８５８０９，ａ?＝?０?４３４０４１??２?００??１７５?？??ＩＳＯ?－??！１２５－?ｊ??／Ｉ??Ｄ５０．?＼??０２５??〇〇〇?—Ｉ???１???０?１?２?３?４?５??ｎｃｔｖｄｌｕｃ??图３－５：净值分布图??３．３．２整体网络分析??（一）整体社交关系网络构建??雪球网用户之间的关注关系，可以看作是一张人际关系社会网络。每一个??用户就是一个节点，节点之间的关注关系就构成了用户之间的边，节点和边一起??构成了社交关系网络。微信等社交媒体不同，雪球网上用户之间的关注关系是单??向的，即若Ａ被Ｂ关注，就形成了一条Ｂ—Ａ的有向边，而Ｂ不需要回关Ａ，?Ｂ??也看不到Ａ的网络行为信息。为了方便分析，本章中只使用社交关系数据中的??“ｍｅｍｂｅｒｓ”（关注列表）字段，不使用？？ｆｏｌｌｏｗｓ”（粉丝列表），建立雪球网整体社??１９??
【参考文献】：
期刊论文
[1]信息互动、投资决策与股票价格——基于机构投资者信息网络的分析[J]. 郭白滢,周任远. 金融研究. 2019(10)
[2]投资者情绪与股票收益——来自移动互联网的实证研究[J]. 梅立兴,张灿,何鲁. 南方经济. 2019(03)
[3]投资者的博彩行为研究——基于盈亏状态和投资者情绪的视角[J]. 陈文博,陈浪南,王升泉. 中国管理科学. 2019(02)
[4]中国股市投资者情绪测度指标的优选研究[J]. 刘学文. 中国管理科学. 2019(01)
[5]中国新股发行中分析师合谋高估及其福利影响[J]. 邵新建,洪俊杰,廖静池. 经济研究. 2018(06)
[6]基于网络大数据挖掘的实证资产定价研究进展[J]. 张学勇,吴雨玲. 经济学动态. 2018(06)
[7]壳溢价:错误定价还是管制风险?[J]. 屈源育,沈涛,吴卫星. 金融研究. 2018(03)
[8]中国股票网络论坛的信息含量分析[J]. 段江娇,刘红忠,曾剑平. 金融研究. 2017(10)
[9]凯恩斯选美竞赛与分析师预测偏差行为——基于高阶预期的研究视角[J]. 游家兴,周瑜婷,肖珉. 金融研究. 2017(07)
[10]反馈交易、交易诱导与资产价格行为[J]. 胡昌生,彭桢,池阳春. 经济研究. 2017(05)
博士论文
[1]在线社交学习对投资行为与资产定价影响的研究[D]. 祝宇.浙江大学 2018
硕士论文
[1]基于广度优先的主题爬虫的设计与实现[D]. 王桦.复旦大学 2011
本文编号：2947005
本文链接：https://www.wllwen.com/shoufeilunwen/jjglss/2947005.html
