论文部分内容阅读
随着中国经济飞速发展,金融业对外开放程度不断加大以及股权分置改革,中国股市在一定程度上能够作为国民经济的“晴雨表”。因此,股市的收益率与波动率一直是学术界和业界关注的热点问题。行为金融学理论认为,投资者的决策易受自身情绪等因素的影响,因此在对金融市场进行研究时,应将投资者情绪纳入考虑范围。目前,挖掘网络平台中的信息是获取投资者情绪的一种有效方式。为揭示投资者情绪对中国股市的影响,本文使用基于情感词典的中文情感分析方法,自新浪微博文本中提取具有不同情感倾向的投资者情绪,通过量化分析得到情绪时间序列,用以研究投资者情绪对股市的影响。本文以实证研究为主,共分为两大部分,第一部分为投资者情绪与股市收益的实证研究,第二部分为投资者情绪与股市波动的实证研究。第一部分中引入贝叶斯分位数回归模型研究了基于微博数据的投资者情绪对中国股市收益的影响。结果表明,不同情感倾向的投资者情绪在各个分位点上对收益率存在一定的显著影响。当股市收益较低或较高时,比如位于0.25或0.75分位点,最易受各类情绪的影响。而当股市收益水平处于中间位置,比如位于0.5分位点,其受投资者情绪的影响较小,多种情绪的估计系数在该分位点上均不显著。第二部分中引入三类波动率模型,分别为ARFIMA-RV模型,HAR-RV模型与LSTM模型。对各模型进行扩展,研究了不同情感倾向的投资者情绪对中国股市波动的影响,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,确实对股票波动存在一定显著影响。且实证中发现加入投资者情绪能够提高对股市波动的预测精度,其中经过细化分类的情绪更有助于提高预测准确度。最后,利用MCS检验证明了三类波动率模型中,HAR-RV的扩展模型具有最优的预测效果,当上述三种扩展模型的结论出现分歧时,通过HARRV扩展模型所得的结论更加可靠。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。