基于投资者情绪指数的多因子选股模型研究

来源 :长春工业大学 | 被引量 : 0次 | 上传用户:tongchenggouwu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于我国的证券市场目前还属于新兴市场,拥有大量的散户投资者,股票市场整体表现为非理性,而量化投资作为一种理性的投资策略,能够为投资者提供较为理性的投资方向。同时,很多学者研究表明投资者情绪对股票市场有较大的影响。因此,论文研究基于投资者情绪指数的多因子选股模型具有重要意义。目前大多数学者都是从宏观视角探究市场投资者情绪对股票市场的影响,论文希望从宏观和微观两个角度分别构建市场和个股投资者情绪指数,并将指数引入多因子选股模型,为投资者提供选股策略。文章通过对文献的梳理和相关量化模型的学习,实证研究投资者情绪指数下的多因子选股模型。实证分为两个部分:第一个部分是构建投资者情绪指数。首先,分别从宏观和微观两个视角构建市场和个股投资者情绪指数。其中,个股投资者情绪采用的是直接指标构建,利用东方财富股吧个股文本数据得到个股的投资者情绪指数。市场投资者情绪指数从直接和间接两个方面构建,直接指标是基于东方财富股吧评论通过情感分析得到针对沪深300市场的投资者情绪指标,间接指标采用5个情绪代理指标作为间接指标数据。其次,根据构建的6个投资者情绪指标利用因子分析法构建市场综合投资者情绪指数。最后,探究情绪指数与收益率之间的关系。实证结果表明个股投资者情绪指数和个股收益率之间互为格兰杰因果关系,并且每增加一个单位,股票收益率就会增加0.153461个单位。而市场投资者情绪指数和沪深300指数收益率之间只存在单向的格兰杰因果关系。第二个部分是基于投资者情绪指数下多因子选股模型的投资策略。首先,引入个股投资者情绪指数构建多因子选股模型。其次,基于模型设计投资策略并分为5组进行回测,回测结果发现,组合3在收益和风险方面表现最优,回测期的年化收益率比沪深300指数收益率高58.87%。最后,引入市场投资者情绪指数进行择时,回测期组合3的年化收益率又提高了12.15%,夏普比率提高了0.59,最大回撤率降低了10.22%。因此,通过论文的研究,认为研究市场和个股投资者情绪指数对多因子选股模型的研究可以为投资者带来超额收益,为投资者提供更多投资思路。
其他文献
K均值聚类属于无监督学习,具有简单、易用的特点,是一种广泛使用的聚类分析方法.然而,对于非凸、稀疏及模糊的非线性可分数据,其聚类效果不佳.通过引入粒计算理论,采用邻域粒化技术,提出了一种邻域粒K均值聚类方法.样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上使用邻域粒化技术形成邻域粒向量.通过定义邻域粒与邻域粒向量的大小、度量和运算规则,提出两种邻域粒距离度量,并对所提出的邻域粒距离度量进行了
本文利用1982年、1990年、2000年和2010年中国人口普查资料,考察了中国制造业的就业结构演变趋势,发现中国制造业也出现了就业极化现象。技术进步被认为是导致就业极化最为重要的因素。因此,本文在马克思扩大再生产两大部类模型的基础上,将生产资料生产部类细分为一般生产资料生产分部类和机器人生产分部类,构建了一个扩展的两大部类模型,分析技术进步的就业极化机制。研究发现,技术进步既可以通过提高资本有
目的 探讨人工智能(AI)肺结节辅助诊断系统对肺磨玻璃结节(GGN)病理浸润程度评估的临床应用价值。方法 选取中国人民解放军联勤保障部队第九〇八医院2019年1月至2022年1月收治的GGN患者100例,所有患者临床资料及影像学资料完整,AI分析后再经胸腔镜手术切除134个肺磨玻璃结节。AI对GGN术前行浸润性评估,分为非典型腺瘤增生(AAH)、原位癌(AIS)、微浸润腺癌(MIA)、浸润性腺癌(
伴随着网络的飞速发展,网络直播行业呈现井喷式发展,电子商务营销模式也应运而生,相比传统电子商务营销模式,直播营销模式更加灵活,其社交性和娱乐性更强,网络直播的发展在很大程度上推动了电子商务营销的发展。在电子商务营销中,通过网络直播进行营销,用户的体验得到大幅提高,电子商务发展活力十足,在新兴事物与市场不断磨合的过程中,体现出了较强的综合实力。本文探析了电子商务营销中网络直播平台营销策略,对网络直播
当前关于国际货币体系的讨论框架尚不够完整。现有框架强调了美元体系运行中全球美元资金循环及其存在的风险,并以此为逻辑给出了美元体系未来可能的演进。在现有不完整框架基础上,本文纳入美元指数,美元定价信用通过美元指数来确定,美元指数代表少数经济体拥有国际金融市场的集体定价权、集体储备权和优先定价权,从而给出了分析美元体系及其运行的扩展性新框架。依据新框架,本文从外部平衡、金融和贸易等方面提出了约束美元体
分类学习效果与有限训练样本的分布情况密切相关。支持向量数据描述(Support vector data description,SVDD)作为单一边界求解模型,不能良好刻画数据实际分布特征,从而导致部分目标对象落在超球以外。为了提高其分类能力,本文提出一种基于粒计算的支持向量数据描述(Granular computing-driven SVDD,GrC-SVDD)分类方法,构造多粒度层次的属性集合
在传统的机器学习研究中,数据空间与知识空间分离表达、计算机的信息处理过程与人脑的认知处理过程不一致,成为了当前人工智能研究需要解决的核心关键问题.本文从认知计算的角度,回顾分析了基于多粒度认知的智能计算研究的发展历史轨迹,介绍了该领域的研究现状,提出了多粒度认知计算、可解释的认知机器学习、脑认知的智能计算辅助等该领域的三个前沿研究方向,探讨了在多粒度认知启发下,这些智能计算研究的未来可能发展趋势.
报纸
面对复杂多变的信息系统,传统的机器学习多分类模型无法实现一个动态分类的过程.序贯三支决策作为一种多粒度分类算法,常用于解决多粒度空间下动态分类问题.然而,序贯三支决策在粗粒度空间下容易产生决策冲突,在细粒度空间下要考虑很多属性导致其分类效率不高以及无法对最终未分类对象进行处理.因此,本文结合集成学习和粒计算的思想提出了一种基于属性代表的多粒度集成分类算法.首先,通过选择每一粒层中分类能力较强的属性
基于岩心、测井和地震资料,开展了川西坳陷新场地区须家河组二段(须二段)砂体充填类型及其沉积展布规律研究,构建了该地区不同类型砂体的三维空间分布模型,为指导油气勘探开发提供定量化基础。新场地区须二段为辫状河三角洲沉积,主要有叠置河道、河道边缘、分流间湾和河口坝4种砂体沉积类型,其中叠置河道砂体厚度大、以中—粗粒沉积为主,是该区优质储层的主要发育区。新场地区须二段受龙门山和米仓山—大巴山两个方向的物源