论文部分内容阅读
本文主要研究上证指数及其成分股票的传统市场数据(盈利率、市盈率、市值、交易量等)与投资者情绪相关指标(投资者情绪值、投资者间意见分歧度)之间的相关性，以及实证分析我国证券市场是否存在投资者情绪溢价异象，及投资者情绪值是否能够解释投资者情绪溢价。
具体实现方式如下:本文以东方财富网股吧中上证指数股吧及其成分股票股吧为研究对象。通过文本挖掘技术提取了2018年1月1日至2018年12月31日期间的上证指数及其成分股票股吧中的文本帖子信息，将投资者情绪分为积极的，消极的和中立的三种类别。建立投资者情感词典，并运用关键词归类方法，使用文本分析工具对股吧内帖子主题进行情感赋值，以此构造投资者情绪值和投资者间意见分歧度等相关指标。结合上证指数的收盘价，盈利率，成交量等传统市场表现数据，探索二者之间的相关性。通过该部分的分析，证明了在东方财富网股吧中文本分析得到的投资者情绪与传统市场表现数据间存在着一定的相关性。在此基础上，通过Fama和French(1993)的三因素模型和Liu et a1.(2018)提出的适用中国市场的三因素模型，构建了包含投资者情绪值的四因素模型。验证该模型是否能够一定程度解释投资组合超额回报率，并且是否对未来投资组合回报率有一定的预测能力。
本文得到如下结论:
1)投资者情绪值(s1)在1％的显著水平上与当期收益率(R1)存在正相关性，且受到前期收益率(R1=4，k=1，2，3?)的影响，但不会往前追溯很久(k的取值范围较小);但当期的收益率(足)受到前期投资者情绪值(S1=k=1，2，3?)的影响并不显著。
2)投资者情绪溢价存在于我国的股票市场。本文通过对包含投资者情绪值的四因子模型回归并比较分析了截距项的变化，对用高情绪值的组合减去低情绪值的组合的收益差进行回归，判断了投资者情绪风险不能被市场风险充分解释。
3)本文构建的投资者情绪值对投资组合超额回报率有一定的定价能力。本文采用滚动时间窗口回归的方法，得到了分别来自基于CAPM模型、适用中国市场的三因素模型和本文构建的四因素模型的预测值，并依次将其与真实值进行比较。在三个模型得到的预测值与真实值的差的标准差上，本文构建的包含投资者情绪的四因素模型的定价效果较好。
具体实现方式如下:本文以东方财富网股吧中上证指数股吧及其成分股票股吧为研究对象。通过文本挖掘技术提取了2018年1月1日至2018年12月31日期间的上证指数及其成分股票股吧中的文本帖子信息，将投资者情绪分为积极的，消极的和中立的三种类别。建立投资者情感词典，并运用关键词归类方法，使用文本分析工具对股吧内帖子主题进行情感赋值，以此构造投资者情绪值和投资者间意见分歧度等相关指标。结合上证指数的收盘价，盈利率，成交量等传统市场表现数据，探索二者之间的相关性。通过该部分的分析，证明了在东方财富网股吧中文本分析得到的投资者情绪与传统市场表现数据间存在着一定的相关性。在此基础上，通过Fama和French(1993)的三因素模型和Liu et a1.(2018)提出的适用中国市场的三因素模型，构建了包含投资者情绪值的四因素模型。验证该模型是否能够一定程度解释投资组合超额回报率，并且是否对未来投资组合回报率有一定的预测能力。
本文得到如下结论:
1)投资者情绪值(s1)在1％的显著水平上与当期收益率(R1)存在正相关性，且受到前期收益率(R1=4，k=1，2，3?)的影响，但不会往前追溯很久(k的取值范围较小);但当期的收益率(足)受到前期投资者情绪值(S1=k=1，2，3?)的影响并不显著。
2)投资者情绪溢价存在于我国的股票市场。本文通过对包含投资者情绪值的四因子模型回归并比较分析了截距项的变化，对用高情绪值的组合减去低情绪值的组合的收益差进行回归，判断了投资者情绪风险不能被市场风险充分解释。
3)本文构建的投资者情绪值对投资组合超额回报率有一定的定价能力。本文采用滚动时间窗口回归的方法，得到了分别来自基于CAPM模型、适用中国市场的三因素模型和本文构建的四因素模型的预测值，并依次将其与真实值进行比较。在三个模型得到的预测值与真实值的差的标准差上，本文构建的包含投资者情绪的四因素模型的定价效果较好。