论文部分内容阅读
随着行为金融学的蓬勃发展,投资者情绪受到了越来越高的关注。本文主要研究了投资者情绪与情绪资产定价模型。我们提出了一套构建复合投资者情绪指标的方法,并说明这套方法可以建立出优良的情绪指标。进一步地,将该指标作为情绪因素,引入CAPM和FF三因子模型,可以对现有的资产定价模型起到明显的改善。首先,本文对情绪指标进行了界定,对原始的情绪指标进行了说明。情绪指标可以分为两类,一类是反映投资者情绪的指标,另一类是影响投资者情绪的指标。投资者情绪是一个灰箱,影响投资者情绪的指标是输入项,反映投资者情绪的指标是输出项。本文中着重于反映投资者情绪的指标,这类指标包括换手率、封闭式基金折价率等,它们是构建复合情绪指标的原始数据。同时,本文还建立了一套评价体系,来判断情绪指标的优劣。优秀的情绪指标需要与股票价格趋势有关联性,情绪指标的变化需要对股票收益率产生影响,而且还需具有稳健性。然后,我们建立了状态空间模型来计算复合投资者情绪指标。由于模型中的参数是未知的,需要把该模型转化为自适应系统识别问题,即非线性状态空间模型,之后再利用扩展的卡尔曼滤波来求解。虽然主成分分析法和TOPSIS法也可以构建复合情绪指标,但是状态空间模型法建立的指标与股票价格趋势的因果性更强,其变化与股票收益率的因果性更强,而且稳健性更好。所以,相比主成分分析法和TOPSIS法构建的情绪指标,状态空间模型法得到的复合投资者情绪指标是最优的。最后,本文在现有的资产定价模型中引入了复合投资者情绪指标。我们发现在CAPM或FF三因子模型中添加情绪因子,均会使AIC下降、调整后的可决系数上升、拟合优度提高,同时,引入情绪的资产定价模型有更强的预测能力。资产定价模型原有的单因子或三因子在解释收益率时,还存在无法解释的部分,情绪因子的引进,会对无法解释的因素做出一部分合理解释。这说明引入的情绪因子是有效的,它可以改善现有的资产定价模型。