基于数据挖掘的投资者情绪对股市波动影响研究

行为金融学理论中,投资者的决策易受自身情绪等因素的影响,目前,挖掘网络平台中的信息已成为获取投资者情绪的有效方式。为揭示投资者情绪对中国股市的影响,使用基于情感词典的中文情感分析方法,从新浪微博中提取不同种类的情绪时间序列,基于ARFIMA-RV模型,研究了不同种类的投资者情绪对中国股票市场波动的影响,并以滚动时间窗方法对波动率进行样本外预测。研究结果表明,不同的投资者情绪,对股票波动率确实存在一定的显著影响。此外加入投资者情绪后能够提高对股市波动的预测精度,其中加入消极情绪解释变量的模型预测精度最高。其实际应用价值在于为股票市场波动率的估计和预测提供了新的研究思路,也为网络信息的价值提供了佐证。