论文部分内容阅读
目前，国内外越来越多学者将投资者情绪纳入对股票市场相关问题的研究之中，并且随着大数据挖掘技术的发展，有学者开始构建基于文本情绪的投资者情绪指标。本文旨在构建一个具有实用价值的综合投资者情绪指数。
通过初步筛选，综合投资者情绪代理指标最终确定为市场、文本情绪、特定产品表现和直接指标四个维度，其中市场维度包括反映整体市场当日交易情况指标、整体金融环境反馈指标和融资融券情况指标；文本情绪包含积极、消极和中性三种情绪；特定产品表现维度主要包括基金和期权衍生品的情况；直接指标中除了包含投资者信心指数总指标以外，还包含反映国内外经济环境影响的两个分指标。共计4个维度，14个代理指标，数据频率采用2015年6月1日-2019年2月22日910个交易日的日频数据。
通过对14个代理指标进行领先-滞后期分析后，最终选定最优期限的代理指标进行主成分分析，获得可反映整体81.9%信息的4个主成分，并通过方差加权法和回归系数加权法分别获得包含文本情绪指标和剔除文本情绪指标的四个综合投资者情绪指数SENT、SENT1、LSENT和LSENT1。为确定本文的最终最优指数，分别进行样本内外检验，将4个综合指数与沪深300指数、上证指数、深证成指进行有效性检验，得出包含文本情绪指标且由回归系数加权法获得的综合投资者情绪指数LSENT表现最优的结论，因此，确定本文最终综合投资者情绪指数LSENT。为验证涵盖完整投资者情绪的综合投资者情绪指数在市场走势方面比剔除理性成分的综合情绪指数表现更优，将LSENT均值化成月度数据，并同CICSI、ISI分别与沪深300指数、上证指数和深圳成指进行相关性分析，发现无论对于哪个市场指数，LSENT均表现出更优异的相关性，因此涵盖完整情绪的综合投资者情绪指数LSENT在对市场预测方面具有更突出的应用价值。
进一步检验LSENT的预测能力和预警能力，通过集成经验模态分解（EEMD）和本征模态函数（IMF）重构，将情绪指数和市场指数原始序列划分为短中长三个不同时间长度之后，验证得LSENT在中长期具有一定程度的先行性，尤其在中期具有显著的领先性，拥有较好的预测能力；在构建得能够有效预警2015年股灾和2018年股市崩盘的预警指标I后，将预警指标与LSENT进行logit回归，LSENT的预测准确率高达95.9%，且回归系数为14.40，能显著反映高涨的投资者情绪将促进危机的积聚。因此，不论从预测能力还是预警能力检验，均能验证所构建综合指数的有效性。
为说明所构建综合投资者情绪指数的普适性，对情绪指数进行延展性检验，分别从时间维度检验样本外区间指数的有效性及空间维度检验指数对外部重大事件冲击的灵敏反应能力。其中，时间维度的延展性检验用2017年7月3日-2019年6月28日486个交易日的数据分别再次从市场有效性、对股市预测能力以及对股市危机预警能力三方面检验指数表现，发现指数在市场有效性及预测能力方面均表现突出，在预警能力方面由于有效样本预警指标数量的限制，整体模型效果不如预期，但是在对发生危机的预测准确率依然高达97.7%。因此，整体而言，在样本外时间范围内指数依旧呈现出较为优异的表现；在空间延展维度，通过分析外部重大事件对情绪指数造成影响，进而情绪指数影响国内股市的一套连锁影响机制以检验指数的灵敏度，发现持续性的外部重大事件会对综合投资者情绪指数造成巨大冲击，并且指数存在滞后2-3个交易日的反应期，之后呈现较为灵敏的同步性走势，而在进一步对国内股市影响方面，对于会造成国内股市大幅震荡的持续重大事件传染性影响，综合投资者情绪指数具备优异的先行预警能力，但是对于仅会造成股市小幅震荡的外部事件，情绪指数的先行反馈信息较少，因此针对外部重大事件的冲击，指数能够有效将事件影响提前预警至国内股市层面。总之，综合投资者情绪指数在时空两个维度都具备较为优异的延展性。
本文的创新点主要有三点，在理论定义方面，新定义投资者情绪的概念，并验证其在股市波动应用价值上的优异性；在指数构建方面，为提高指数的实时性及有效性，同时考虑大数据文本情绪中的信息及不同指数构建方法的差异；在指数应用方面，除了常见的股市走势预测及股市危机预警应用外，进一步考虑指数对外部重大事件冲击溢出效应的灵敏度。
通过初步筛选，综合投资者情绪代理指标最终确定为市场、文本情绪、特定产品表现和直接指标四个维度，其中市场维度包括反映整体市场当日交易情况指标、整体金融环境反馈指标和融资融券情况指标；文本情绪包含积极、消极和中性三种情绪；特定产品表现维度主要包括基金和期权衍生品的情况；直接指标中除了包含投资者信心指数总指标以外，还包含反映国内外经济环境影响的两个分指标。共计4个维度，14个代理指标，数据频率采用2015年6月1日-2019年2月22日910个交易日的日频数据。
通过对14个代理指标进行领先-滞后期分析后，最终选定最优期限的代理指标进行主成分分析，获得可反映整体81.9%信息的4个主成分，并通过方差加权法和回归系数加权法分别获得包含文本情绪指标和剔除文本情绪指标的四个综合投资者情绪指数SENT、SENT1、LSENT和LSENT1。为确定本文的最终最优指数，分别进行样本内外检验，将4个综合指数与沪深300指数、上证指数、深证成指进行有效性检验，得出包含文本情绪指标且由回归系数加权法获得的综合投资者情绪指数LSENT表现最优的结论，因此，确定本文最终综合投资者情绪指数LSENT。为验证涵盖完整投资者情绪的综合投资者情绪指数在市场走势方面比剔除理性成分的综合情绪指数表现更优，将LSENT均值化成月度数据，并同CICSI、ISI分别与沪深300指数、上证指数和深圳成指进行相关性分析，发现无论对于哪个市场指数，LSENT均表现出更优异的相关性，因此涵盖完整情绪的综合投资者情绪指数LSENT在对市场预测方面具有更突出的应用价值。
进一步检验LSENT的预测能力和预警能力，通过集成经验模态分解（EEMD）和本征模态函数（IMF）重构，将情绪指数和市场指数原始序列划分为短中长三个不同时间长度之后，验证得LSENT在中长期具有一定程度的先行性，尤其在中期具有显著的领先性，拥有较好的预测能力；在构建得能够有效预警2015年股灾和2018年股市崩盘的预警指标I后，将预警指标与LSENT进行logit回归，LSENT的预测准确率高达95.9%，且回归系数为14.40，能显著反映高涨的投资者情绪将促进危机的积聚。因此，不论从预测能力还是预警能力检验，均能验证所构建综合指数的有效性。
为说明所构建综合投资者情绪指数的普适性，对情绪指数进行延展性检验，分别从时间维度检验样本外区间指数的有效性及空间维度检验指数对外部重大事件冲击的灵敏反应能力。其中，时间维度的延展性检验用2017年7月3日-2019年6月28日486个交易日的数据分别再次从市场有效性、对股市预测能力以及对股市危机预警能力三方面检验指数表现，发现指数在市场有效性及预测能力方面均表现突出，在预警能力方面由于有效样本预警指标数量的限制，整体模型效果不如预期，但是在对发生危机的预测准确率依然高达97.7%。因此，整体而言，在样本外时间范围内指数依旧呈现出较为优异的表现；在空间延展维度，通过分析外部重大事件对情绪指数造成影响，进而情绪指数影响国内股市的一套连锁影响机制以检验指数的灵敏度，发现持续性的外部重大事件会对综合投资者情绪指数造成巨大冲击，并且指数存在滞后2-3个交易日的反应期，之后呈现较为灵敏的同步性走势，而在进一步对国内股市影响方面，对于会造成国内股市大幅震荡的持续重大事件传染性影响，综合投资者情绪指数具备优异的先行预警能力，但是对于仅会造成股市小幅震荡的外部事件，情绪指数的先行反馈信息较少，因此针对外部重大事件的冲击，指数能够有效将事件影响提前预警至国内股市层面。总之，综合投资者情绪指数在时空两个维度都具备较为优异的延展性。
本文的创新点主要有三点，在理论定义方面，新定义投资者情绪的概念，并验证其在股市波动应用价值上的优异性；在指数构建方面，为提高指数的实时性及有效性，同时考虑大数据文本情绪中的信息及不同指数构建方法的差异；在指数应用方面，除了常见的股市走势预测及股市危机预警应用外，进一步考虑指数对外部重大事件冲击溢出效应的灵敏度。