股价崩盘风险与审计师决策——基于投资者情绪的调节作用

本文以2011—2021年我国A股上市公司为研究样本,基于投资者情绪视角实证检验股价崩盘风险对审计师决策的影响。研究发现,股价崩盘风险越高,审计收费越高,审计师出具非标准审计意见的概率越高;投资者情绪对股价崩盘风险程度与审计师决策之间的正相关关系具有负向调节作用。进一步研究发现,股价崩盘风险增加审计师的审计风险进而提高审计收费,审计师出具非标准审计意见的概率更大。

经济政策不确定性、投资者情绪与银行系统性风险传染

面对经济政策不确定性和投资者情绪,银行业需承担应对经济衰退、化解银行风险和实现经济高质量稳定增长的责任。本文利用MVMQ-CAViaR模型测度了2008—2021年所有上市银行的系统性风险,构建面板门限回归模型和面板平滑转换模型,研究在投资者情绪转换作用下经济政策不确定性影响银行系统性风险多重传染的边际效应结构变化。研究表明:投资者情绪具有显著的区制转换效应,使经济不确定性影响银行系统性风险多重传染的净边际效应,以指数转换模式发生结构变化。据此提出正确处理经济政策不确定性与银行系统性风险的关系,投资者要保持理性情绪以及监管部门要加强监管的建议。

基于深度学习的投资者情绪挖掘及其对股价崩盘风险的影响

本文基于网络爬虫挖掘东方财富股吧中个股的发帖文本,搭建卷积神经网络和长短时记忆神经网络特征融合模型(LSTM-CNN),对样本股的股吧发帖文本进行情感识别,构建投资者情绪指标并分析了其对股价崩盘风险的影响效应及其机制。实证发现,当期投资者情绪对下一期股价崩盘风险存在显著的正向影响效应,投资者情绪高涨加剧了未来股价崩盘风险;不同市场环境下,情绪对股价崩盘风险影响具有不对称性,熊市状态下投资者情绪对崩盘风险的正向影响效应更为明显。进一步的异质性分析表明,规模较小、股权集中度较低、卖空限制大、公司所在地市场化水平低的样本公司中投资者情绪对股价崩盘风险的影响更为明显。此外,我们发现股票流动性是投资者情绪影响股价崩盘风险的一个重要的中介变量。研究结论有助于从投资者情绪视角来解释股价崩盘风险的形成机理,丰富了对股价崩盘风险影响因素的认识。

投资者情绪是否会影响股票定价效率?——来自股票社区的文本证据

股票定价效率是衡量股票市场有效性的重要指标,更高的定价效率有利于促进资本市场资源的合理配置,更好地服务实体经济高质量发展。本文挖掘东方财富的投资者社区的文本发帖信息,利用机器学习方法分析文本情绪状态,构建投资者情绪指标并分析其对股票定价效率的影响。研究表明,投资者情绪与股票定价效率之间存在显著正相关关系,也即乐观的投资者情绪会带动股票定价效率的提升。这种影响效应是通过乐观情绪降低了信息不对称程度,进而提升了股价信息含量,并与定价效率的机制路径产生作用。进一步看,随着卖空限制的降低,股票定价效率对情绪的敏感程度会增大;良好的信息环境会降低情绪对股票定价效率的影响。研究结论为从个体投资者情绪视角透视我国股票市场运行效率以及网络媒体信息监管的必要性提供了证据。

量化交易、投资者情绪与市场波动——基于东方财富股吧贴文的情感分析

随着我国资本市场的逐步完善和成熟,市场参与者对于高效、科学的投资方法需求日益增长,为量化交易提供了广阔的发展空间。为了更好地了解量化交易对证券市场的影响,从量化交易对投资者情绪与市场波动影响的角度进行研究,以期为我国资本市场的稳健发展和投资者综合素质的提高提供理论指导。基于量化交易、投资者情绪及市场波动的理论逻辑,运用事件研究法、最优标度回归,分析2023年1月至9月量化交易相关数据。研究结果表明,量化交易对股票市场具有显著影响;量化交易存在一定程度的“砸盘”效应,投资者对该现象存在不理性行为;不同量化交易策略之间存在显著的效应差异;把事件个股按照可否进行融资融券区分,得出量化交易的影响也存在显著差异。据此,提出通过加大监管力度、增强量化公司风险管理能力和提高投资者综合素质的相关建议,稳定量化交易对证券市场的冲击,维护投资者利益。

投资者情绪与股价同步性研究

以2018-2021年沪深证券交易所A股上市公司为样本,研究投资者情绪对股价同步性的影响及作用机制。研究表明:投资者情绪与股价同步性显著正相关,支持了“信息效率”说;高涨的投资者情绪能够通过提升融资约束加剧股价同步性。进一步研究发现,投资者情绪对股价同步性的积极作用在证券监管力度较低、会计稳健性较低与股权激励较高的企业中更为明显。从优化信息获取渠道、健全公司内部信息公开披露机制、强化监管部门监督职能等方面对抑制股价同步性提出了建议。

个人投资者情绪与权益资本成本——基于行为金融视角的分析

文章基于行为金融视角,以沪深A股上市公司为研究样本,实证探究了个人投资者情绪与权益资本成本之间的关系、具体机制路径以及会计信息透明度和机构持股比例对个人投资者情绪与权益资本成本间关系产生的异质性影响。实证结果发现,个人投资者高涨情绪能够显著降低权益资本成本;进一步研究发现,股票流动性是个人投资者情绪影响权益资本成本的机制路径,且个人投资者高涨情绪对权益资本成本的降低效应在未来期间会出现反转;异质性检验发现,高持股比例的机构投资者和较高的会计信息透明度能帮助个人投资者建立投资信心,强化个人投资者高涨情绪与权益资本成本间的负相关关系,同时也能作为“定心丸”弱化个人投资者高涨情绪对未来期间权益资本成本的负面影响。研究结论拓展了个人投资者情绪经济后果以及权益资本成本影响因素的相关研究,为证监会相关部门、企业和大型金融服务机构合理引导个人投资者情绪以保障股市正常运行提供了现实启示。

投资者情绪影响生猪期货价格发现功能的实证研究

投资者情绪会对市场有效性产生影响,导致期现价格的动态均衡被打破,使得期货市场的价格发现功能深受影响。本文通过VAR模型、脉冲响应函数和Granger因果检验等实证方法分析投资者情绪与生猪期货价格发现功能的关系,研究发现投资者情绪会对生猪的期货价格发现功能产生负向影响,而投资者情绪几乎不受生猪期货价格发现功能的影响。

投资者情绪、市场流动性与股市崩盘风险

抑制股市崩盘风险是各国监管机构防范金融系统性风险,促进资本市场健康发展的关键问题。本文将投资者情绪、市场流动性和股市崩盘风险三者科学联系在一起,研究逻辑关系和作用机理。选取2010—2020年1867家样本公司,运用多元回归分析法,验证得出市场流动性和投资者情绪对股市崩盘风险具有正向刺激作用,进而从不同主体角度提出相应的对策建议。

投资者情绪对投资者投资行为的影响

当前,我国证券市场投资者仍以中小投资者为主,个人投资者教育程度参差不齐,部分投资者缺乏必要的投资知识和技能,交易频繁,非理性交易行为明显。同时,信息不对称等问题的存在,进一步弱化投资者投资的信心,加剧了中小投资者投资情绪波动。严重的投资者情绪波动会影响其决策判断,进而影响投资行为,从而会增加市场的不确定性。本文梳理投资者情绪起源并用SWOT分析法梳理资产定价模型,能够帮助投资者了解市场的发展规律,提升预测能力,建立科学的投资理念。

基于投资者情绪的动态Copula-小波SVR模型构建与应用

文章结合小波理论与支持向量回归(SVR)模型的优势,构建了一种研究股价变动的基于投资者情绪的动态Copula-小波SVR模型,并以浦发银行为例进行实证分析,验证了模型的可行性。首先运用动态SJC Copula函数衡量不同股票之间的相关关系,进而构建股票相关集;其次,采用自然语言处理技术挖掘投资者情绪,通过Python构建特定的金融评论情感词典,并结合知网Hownet词典进行情感分析,将分析结果与ROST CM6软件的情感分析结果进行综合,从而构建投资者情感指数;最后,结合股票相关集和投资者情感指数,运用Morlet小波SVR模型对2020年6月22日至2022年3月15日,包含浦发银行在内的上证50股的每日股价数据进行实例分析。结果表明:由动态SJC Copula函数筛选出的与目标股票高度相关的股票相关集,能够在一定程度上反映股市相关性对于目标股票变动趋势的影响,从而提高股价预测精度;研究证实了该投资者情感指数的有效性,表明网络舆情的引入对股价预测模型的优化具有重要意义;小波理论与SVR的结合能够有效提升股价预测的准确率与稳定性。

投资者情绪如何影响股市泡沫——兼议对股市泡沫监管的建议

本文基于2010—2022年沪深两市东方财富网股吧的股评,通过构建新型中文口语化金融情感词典来测度沪深两市投资者的正面、负面和综合情绪指数;在此基础上,采用TVP-VAR模型探究投资者情绪与沪深股市泡沫之间的交互影响效应。研究结论表明:第一,沪深股市泡沫与投资者情绪之间存在非对称的交互影响和因果关系。深市各类投资者情绪与股市泡沫均存在显著的交互影响效应,而沪市仅投资者正面情绪与股市泡沫存在显著的交互影响效应;第二,沪市投资者情绪所产生的传播效应以及对股市泡沫的冲击远大于深市;第三,重要宏观经济指标及金融市场指标也会对投资者情绪产生显著影响,但影响方向不尽相同。本文的研究结论有助于监管部门更加合理地监测和防范股市泡沫风险,促进股市稳定健康发展。

基于投资者情绪的创业板股票收益率预测研究

以创业板股票市场为主要研究对象,基于文本挖掘方法对创业板股票收益率进行预测分析,利用词典法对从东方财富股吧爬取的2021年4月1日至2023年4月1日创业板股票评论的情感倾向进行分类,建立投资者情绪指数,构建基于粒子群算法优化的支持向量机(particle swarm optimization support vector machine,PSO-SVM)模型对收益率进行预测分析。在实证分析阶段,以创业板中流通市值最大的股票——“宁德时代”为代表,利用PSO-SVM模型对其收益率进行预测分析,同时设置一系列对照模型进行对比分析。结果表明:提出的模型预测结果优于其他对照组模型(多元线性回归、随机森林、支持向量机),而引入情绪指数的模型预测效果比未引入情绪指数的模型预测效果更好。

数字化转型程度、投资者情绪与股价崩盘风险--基于制造业市场的影响研究

数字化时代,制造业作为经济的重要支柱,不仅面临着数字化转型的挑战,还有着巨大的转型发展机遇。本文选取2010—2020年全部A股制造业上市公司数据作为研究样本,旨在探究企业数字化转型如何在投资者情绪与股价崩盘风险路径中发挥作用。研究表明:当投资者情绪高涨时,股价崩盘风险会相应增加。数字化转型对整个路径有负向调节作用;企业数字化转型程度越高,对投资者情绪高涨带来的股价崩盘风险抑制能力越强。综合以上结论,企业应积极推进数字化转型,以减少由投资者情绪高涨带来的股价崩盘风险。本文基于数字化转型程度,验证了数字化转型对股价崩盘风险的调节效应并提出了相关发展建议,以期为制造业和企业制定数字化转型战略提供参考。

北向资金波动对股市流动性的影响研究——基于投资者情绪视角分析

资本市场流动性充足是支持实体经济高质量发展的基础。作为中国股市的重要资金来源,北向资金对于股票市场流动性的影响不容忽视,而投资者情绪在其中发挥着重要作用。本文采用2016—2023年沪深两市月度数据,对比有无投资者情绪变量时,北向资金流动对股市流动性的差异影响。研究发现:第一,北向资金流动增加会改善境内股市流动性;第二,投资者情绪越高涨,股市的流动性越强;第三,投资者情绪的存在使得北向资金对股市流动性的影响更为显著且持续时间更长。最后,文章提出了相关政策建议,以构建我国有效流动性的股票市场。

投资者情绪与股价关系研究——基于中证500指数的实证研究

通过使用由易志高和茅宁构建的投资者情绪指数公式所得结果作为研究数据,在通过ADF检验后,构建了VAR模型,具体探究投资者情绪与中证500指数收盘价的相互影响关系,并通过Granger因果检验研究投资者情绪与股价之间的因果关系,最后进行脉冲响应分析,进一步研究投资者情绪与股价之间长期的相互影响效应。

基于文本挖掘法的中国股票市场收益与投资者情绪的关系分析

随着互联网技术的发展,信息传播与投资者情绪传导更加迅速,投资者情绪日益成为影响股票收益的重要因素。文章以A股市场为研究对象,探讨投资者情绪与股票收益之间的关系。在投资者情绪指数测量方面,文章使用Python软件和文本挖掘法构建投资者情绪指标,在获取投资者情绪数据后,对投资者情绪与股票收益进行回归分析,从实证角度探讨二者之间的关系。研究结果显示:投资者情绪与股票收益率之间具有显著的正相关关系,且当日的投资者情绪波动会对次日的股票收益产生影响。

投资者情绪对沪深300指数收益的影响分析

在20世纪80年代,证券市场出现了一系列与传统金融理论相悖的现象,引发了学术界对理性人假设的广泛质疑。经济学学者普遍认为,投资者情绪和心理变化对其决策与交易行为会产生一系列影响,从而引起股价波动。近年来,随着市场化程度的不断提高,投资者情绪在影响市场收益方面的角色愈发显著,这不仅关系到个体投资者的投资决策,也牵涉到整个金融市场的稳定性与发展。文章通过构建理论框架与经验模型探讨二者之间的关系,以实证分析结果为基础,深入研究投资者情绪对沪深300指数收益影响的机理,并提出相关政策管理建议,以期优化市场环境,加强风险防范,促进资本市场的长期健康发展。

投资者情绪指数构建及其与超额收益率关系研究

有效度量市场投资者情绪是研究投资者情绪对资本市场影响的关键。选取2008—2022年证券投资者信心指数、消费者信心指数、市盈率、成交量、换手率、新增投资者开户数的月度数据,用主成分分析法构建市场投资者情绪复合指数(CIMIS_(t)),并通过“孪生股票”模型和定性分析对CIMIS_(t)进行有效性检验。采用ARMA-GARCH模型消除CIMIS_(t)和超额收益率(R_(a))的自相关和异方差性,对其残差进行回归分析和Granger因果检验。实证发现,CIMIS_(t)能较准确表征中国股市投资者情绪,去除自相关和异方差性的投资者情绪与R_(a)呈显著正相关,对R_(a)拟合效果更好;短期内超额收益率明显影响投资者情绪,而投资者情绪不能明显影响我国股市的表现。研究结果为投资者在投资决策以及监管者在制定市场政策时提供参考。

投资者情绪对科创板股价收益率影响研究

由于投资者情绪影响其决策偏好,进而影响股价波动。本文选用2019年7月29日至2022年12月31日科创板首批上市的25只股票日度数据以及股吧评论数据,基于文本挖掘法构建投资者情绪指数,对比分析新冠疫情期间Fama-French三因子模型以及增加情绪因子后的四因子模型对科创板市场的解释效果,深入剖析投资者情绪因子对股票超额收益的影响。研究结果表明:疫情期间,改进后的四因子模型解释效果优于传统三因子模型,其中投资者情绪因子解释效果显著。进一步将疫情发展进程划分为爆发期、缓和期、常态期与高峰期,研究发现各因子解释效果在不同疫情发展阶段呈显著差异。