我国股票市场投资者情绪SENT指数的构建——基于上证A股公司的面板数据

在我国股票市场一片繁荣,投资者参与市场热情极度高涨,IPO企业数量不断增加的背景下,笔者以投资者情绪指数作为研究主题,以上海证券交易所A股公司的面板数据为基础,编制了投资者情绪指数并分析了其与上海A股市场指数之间的关系。笔者选取2013年1月1日—2014年6月1日间上证A股月度IPO首日平均收益(RIPO)、IPO总量(NIPO)、总市值加权的换手率(TURN)及上证A股每月新增开户数(NIA)作为衡量投资者情绪的代理变量,剔除了年消费价格指数和宏观经济景气指数这两个宏观经济基本面因素的影响,构建了上证A股市场投资者情绪的SENT指数。通过一致性和优越性分析表明SENT情绪指数对上证A股市场的投资者情绪具有较好的解释能力,并且通过进一步的分析验证了该指数与上证A股月度指数之间存在双向格兰杰因果关系,说明投资者情绪与股票市场指数之间自我加深的循环作用在股市繁荣时可能引起泡沫,在股市低迷时可能会加剧调整,需要适度合理的政策来调节非理性情绪造成的市场波动。

投资者情绪和市场利率对证券市场指数收益影响特点的动态刻画

本文基于2006年10月到2015年6月市场层面的投资者情绪和上证综指收益率,刻画了投资者情绪和市场利率对证券市场指数收益率的影响。首先,本文通过误差修正模型研究了短期层面投资者情绪对证券市场收益的影响特点,补充了以往在长期层面和整体收益水平上投资者情绪对市场收益影响的研究。由于市场层面的投资者情绪会受到宏观政策影响,之后本文将市场利率作为政策因素,通过分位数回归分析了不同市场收益水平下,市场利率和剔除了宏观政策因素的投资者情绪对市场收益的影响。研究结果表明:投资者情绪和证券市场收益之间的关系在短期层面上更为显著;当我国的证券市场环境处于"牛市"时,市场利率和投资者情绪均会对证券市场指数收益产生显著的影响,且随着市场收益水平的逐步上升,市场利率的反向作用和投资者情绪的正向作用均会逐渐加强。

度量股票市场情绪指数的新方法——基于状态空间模型

众所周知,市场参与者的整体情绪对市场走势有极大的影响,如何度量这一情绪的变化过程,进而研究其对证券市场的影响,有重要的意义.然而,迄今为止,尚无一个系统有效的方法直接度量股票市场的情绪指数.文章基于下面的基本事实:所谓的市场情绪指数虽然不可以直接观测度量,然而受其影响控制的股票指数却可以观测,而这正是状态空间模型研究的问题,因此文章选择在状态空间模型的框架下研究股票市场情绪指数的度量问题.核心思想是,将市场情绪指数作为状态变量,股票指数作为观测变量,建立状态空间方程组.在对模型中未知参数进行确定时,选用嵌入的EM算法,结合经典的Kalman滤波进行迭代,在迭代完成的同时,也给出了市场情绪指数的度量.

情绪指数与市场收益:纳入中国波指(iVX)的分析

本文在Baker和Wurgler(2006,2007)研究框架的基础上,将中国波动率指数(iVX)作为一个新的情绪代理变量,结合传统的封闭式基金折价率、股票换手率和IPOs的数量等变量,运用主成分分析法构建了中国A股市场的情绪指数,并分析了情绪指数与市场收益之间的依赖关系和预测效果.研究发现,情绪指数与市场收益呈负向关系.然而,其当期依赖关系并不显著,而情绪指数对其后第三周的市场收益有较显著的负向预测关系.中国波指的加入能够明显提高这种预测效果;相反,IPOs的数量则并不是一个有效的情绪代理变量.此外,采用前两个主成分的加权并不比仅采用第一主成分构建情绪指数在市场收益预测方面表现得更好,甚至表现得更差.最后,分析了情绪效应的不对称性,发现正情绪指数对未来收益的影响要远远大于负情绪指数.

基于主成分分析的中国股市复合情绪指数的构建

从投资者情绪源指标监控体系中筛选出申万微利股指数、申万高市盈率指数、申万高市净率指数、新财富最佳分析师指数、每周基金账户开户数、每周IPO(initial public offering)数量6个指标,同时控制经济基本面因素的影响,应用主成分分析法构建中国股市的复合情绪指数。合理性检验、稳健性检验和预测能力检验的结果表明,该复合情绪指数能够较为准确地表征中国股市投资者情绪。

投资者情绪对股票市场影响研究述评

综合分析投资者情绪定义、投资者情绪的测量、投资者情绪对股票市场收益影响和投资者情绪的传染性等几方面的国内外相关研究可以看出,目前构建的情绪指标不可能适应所有的市场环境和应用环境,未来关于投资者情绪方面的研究应关注构建有效的动态投资者情绪复合指标、投资者情绪形成机理、新兴股票市场与成熟股票市场投资者情绪传染性的比较研究。

股票市场投资者情绪指数研究综述

投资者情绪被广泛应用于股票市场的研究中。文中对国内外有关投资者情绪指数的文献进行梳理,将投资者情绪指标的度量和构建方法分为3类。第一类方法利用市场调查指标直接替代投资者情绪。第二类方法选取与股票市场有关的单一经济变量或组合变量作为度量投资者情绪指数的代理变量。第三类从社交媒体中获取有价值的信息构建投资者情绪指数,其中包括数据源的选取和文本情感分类两部分。对情感分类中的机器学习方法进行总结。最后基于投资者情绪看涨指数,对不同程度的投资者情绪进行细致划分,利用文档主题生成(Latent Dirichlet Allocation,LDA)模型的主题提取功能,进一步提出主题情感指数(Topic-Sentiment Index,TSI)。该指数克服了目前研究中仅考虑文本信息中情感特征的单一因素的问题,在结论部分指出当前研究的不足和面临的挑战,旨在为未来研究提供一定的借鉴。

股市流动性供给、情绪指标及股权溢价分析

构造出股票市场的流动性供给因子,分析其与投资者情绪指标的关系,其中短期情绪指标使用方差风险溢价来代理,中长期情绪指标使用BW因子来代理。在此基础上,进一步研究两种不同期限的情绪指标对多期收益率和现金流增长率的预测能力。研究发现,两种情绪指标均对未来多期超额收益率具有显著的预测作用。BW因子对股利增长率具有显著的预测作用。流动性供给因子对短期情绪指标具有显著的预测作用,而对中长期情绪指标的预测效果较弱。在加入流动性供给因子作为控制变量后,股利价格比率对股利增长率的预测能力显著降低。

基于LSTM网络和文本情感分析的股票指数预测

投资决策受投资者行为偏好的影响,因此合理地捕捉投资者情绪有助于预测股票市场未来变化趋势。结合机器学习算法,分析金融市场投资者情绪,利用SVM情感分类算法,对股吧个股评论中的文本数据进行分析,从而构建出反映投资者情绪的市场情绪指标。进一步使用LSTM深度学习网络,提取市场情绪指标特征,对上证50指数进行短期预测,并对比多种传统时间序列分析模型和机器学习模型。研究结果表明,LSTM神经网络在金融时间序列预测上具有更高的准确率和精确度;加入市场情绪特征后,能进一步提升LSTM模型预测结果的准确率和精确度,说明了投资者市场情绪对于市场指数预测的有效性和适用性;此外,对LSTM模型预测结果进行误差修正,能够有效优化LSTM模型的预测结果。

投资者文本情绪、文本异质信念与市场崩盘风险

区别于个股崩盘风险,在投资者情绪和异质信念急骤变化的情景下,市场崩盘风险更具有毁灭性,防范市场崩盘风险已成为政府和监管部门关注的热点问题。然而,当前学者重点关注个股崩盘风险及其影响因素,对投资者情绪和异质信念影响市场崩盘风险的研究较为匮乏。利用2015年1月1日至2019年8月27日东方财富网上证综指股吧评论大数据,通过机器学习优化方法,提取针对上证市场走势的投资者情绪和异质信念直接指标,即投资者文本情绪和文本异质信念。检验投资者情绪和异质信念直接指标与间接指标的相关性,分析投资者文本情绪和文本异质信念的相对优越性。检验投资者情绪和异质信念直接指标与市场惯性、波动率、流动性等市场微观结构变量的紧密关系,论证投资者文本情绪和文本异质信念对市场崩盘风险的影响和内在机制。研究结果表明,(1)投资者文本情绪和文本异质信念比传统间接指标具有更多的私有信息和更好的市场拟合度。(2)投资者文本情绪与累计收益率正相关,与收益率波动率和非流动性负相关;投资者文本异质信念与累计收益率负相关,与收益率波动率和非流动性正相关。(3)投资者文本情绪和文本异质信念利用微观结构变量的变化作用于交易型开放指数基金,进而影响市场崩盘风险。当投资者文本情绪低且文本异质信念高时,市场惯性效应变弱,波动率和流动性成本升高,投资者增加交易型开放指数基金的赎回行为,促使基金为持有更多现金而被动卖出大量市场权重股,向下崩盘风险的可能性上升。反之,向上崩盘风险的可能性上升。研究结果丰富了关于市场崩盘风险影响因素和机制的研究,抑制羊群行为和过度波动、提升市场流动性是管控投资者情绪和异质信念的重要途径,加强对主动型机构投资者的培育,限制被动型基金的交易规模和市场份额,引入基于交易型开放指数基金的金融衍生品,以切断发生市场崩盘风险的机制,对防范市场系统性风险具有重要的政策启示。

投资者情绪与股价崩盘风险:来自中国市场的经验证据

随着行为金融学的不断发展,投资者情绪研究日益受到金融风险管理研究者的关注。本文结合国内外主流文献运用主成分分析方法构建了中国市场的投资者情绪指数,并探究了其对中国市场中以中证100、中证200、中证500以及中证1000指数成分股为代表的超大盘、大盘、中盘以及小盘股的股价崩盘风险的影响。研究结果发现,投资者情绪仅对超大盘股产生显著的正向影响,对于大盘、中盘和小盘股均不存在稳健的相关关系。本文的研究为投资者的风险管理以及监管层的风险预警提供了一定的借鉴意义。

投资者情感指标与股票收益率的因果关系研究——以苹果公司股票为例

随着行为金融学的不断发展,投资者情感指标研究日益受到股票研究者的关注。本文以成熟股市下的苹果公司股票为例,运用文本挖掘技术,在考虑情感相关度和影响度的基础上,引入情感指标B_RF,从网络媒体角度出发,探究网络情感与股票收益率之间的关系。运用granger因果关系检验的结果表明:成熟市场下网络媒体情感下的贬义情感指标和褒义情感指标分别在不同滞后阶数下表现出与股票收益率之间存在显著的granger因果关系,丰富了网络情感的指标测量体系。

考虑投资者情绪的中国股市自激发效应研究

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。