论文部分内容阅读
信息爆炸的时代,人们的注意力成为一项有价值的稀缺资源。互联网的普及与应用改变了人们获取信息的方式,这种信息得以广泛快速传播的模式使数据量呈几何增长的状态充斥在我们周围,也推动社会迈入了"大数据时代"。庞大数据背后的价值是近几年各行业探索研究的重点,互联网关键词搜索量的出现为关注度提供了一个可视化和直接化的度量方式,电商及其他网站对用户历史搜索数据分析后提供的针对不同个体的个性化推荐,是我们身边对关注度抓取以反映用户情绪的典型应用,联系到金融投资领域,我们可否应用这种海量数据的处理能力,挖掘到投资者情绪和目前的热点行业板块,从而进行股票市场走势的预测,以获得高于市场平均收益的回报率。基于以上研究背景和意义,本文通过实证回归研究了基于百度指数的投资者关注度对股票市场量价的影响,结果表明:高关注下的高情绪会推动当期股价上涨,关注度溢价为投资者带来超额收益,但关注所带来的正向收益在短期内就会发生反转,且时间越长收益下降幅度越高,最终超额收益消失,股价逐渐回归到基本价值;同时高关注也会带来股票成交量及换手率的增加,但流动性指标的上涨不会随着时间的推移发生反转,因为即使后期关注度溢价消失收益反转,卖出股票时成交量和换手率依然会增加。市场上出现的以股民搜索行为和关注热点为挖掘对象的大数据基金产品,今年以来的高收益再一次从实践上验证了将投资者关注情绪应用于投资领域的有效性和可行性。证实了投资者关注度对证券市场收益的预测能力为金融投资领域提供了诸多有价值的参考,为资本资产定价模型的完善以及更好的模拟市场提供了新的方向,也为投资者更全面的分析资本市场优化选股策略提供了借鉴。本文共分为五个部分对文题进行了阐述和论证,主要内容如下:第一部分,绪论。包括本文的研究背景、意义以及文献综述,从当前市场热点出发引出本文所要研究的问题,回顾了国内外学者对数据挖掘、投资者情绪、关注度与股票市场的经典研究,梳理和总结了投资者关注的各代理指标并建立了相关概念的逻辑关系。最后列出了文章的创新之处、研究不足和篇章结构。第二部分,理论基础。包括投资者情绪理论、注意力理论等,行为金融学理论为本文的研究假设和实证检验提供了依据和支撑。第三部分,研究设计。在上一章理论分析的基础上提出了本文的研究假设,介绍了变量设计原理和样本数据来源,并以此为基础构建了百度指数与股票收益率、成交量以及换手率之间关系的实证模型。第四部分,实证回归结果分析。根据研究设计的变量关系公式,利用stata软件对面板数据进行回归分析,验证结果显著表明投资者关注度与当期股票市场量价的正相关关系,提出的假设成立。第五部分,研究结论、建议和展望。作为正文的最后一部分,对文章整体研究情况进行了总结,得出了投资者情绪对股票市场具有预测性的结论,为投资者、监管当局、上市公司提供有价值的参考,并针对本文的不足之处对未来的研究方向提出展望。