财经新闻对中国股市影响的定量分析

首先采用文本挖掘技术、支持向量回归(support vector regression,SVR)方法将财经新闻内容量化为股市波动的一个影响因子,然后采用计量经济学中多元回归分析方法系统地分析了互联网财经新闻信息对中国股市的影响。主要研究了互联网财经新闻对中国股市的影响强度和影响时长,以及对不同规模的公司影响是否相同等一系列问题。研究发现新闻发布对深市股票的影响力度和持续时间均强于沪市股票;规模较小的公司的股票收益受新闻的影响较大。从而推断出难以量化的互联网财经新闻所包含的信息会在一定的时间内反映在股价中,能够对市场产生冲击。     

基于R语言的网络舆情对股市影响研究

以开源R语言为平台,东方财富网的股评为研究对象,结合中文文本挖掘技术和SVR支持向量回归模型.利用中文挖掘技术,对股评进行去噪声、分词、同义词合并、去停用词、TFIDF、文本向量化将非结构化文本数据转化为结构化的特征向量矩阵,与股票的收益率建立SVR回归模型,通过预测未来的股票收益率来预测股价的涨跌趋势.研究结果表明,预测股价涨跌趋势与实际趋势基本吻合,可以通过分析网络舆情来对股市未来发展趋势进行预测.     

股市舆情潜藏情感倾向对收益率的预测研究

以网络股评舆情数据作为非结构型文本数据研究对象,结合股票市场的相关交易指标,使用文本挖掘技术和机器学习算法确定投资者情绪测度指标,分析舆情数据中潜藏情感倾向对未来短期内股票收益率的预测能力.实证结果表明,舆情文本中挖掘潜藏情感信息能够以较高的准确率实现对股市收益率的预测.分析讨论了对预测结果有一定影响的特征字段与训练样本两个因素,发现在特征字段数量不变的情况下,随着训练数据的增多,预测结果的解释能力会有所提高;而当训练数据维持在一定范围内时,特征词数量的选取对预测结果也有很大的影响.     

香港国企H股与沪深股市股指收益率波动特征及其关系研究

选取香港国企H股指数、上证指数和深圳综指2003年2月26日至2006年5月12日的股票日收盘指数作为样本,运用TARCH模型研究收益率波动的特征.结果表明:三市指数收益率均存在信息不对称效应,但沪、深股市比香港国企H股波动剧烈.运用Johansen多变量协整关系检验及Granger因果关系检验.结果发现,它们之间存在着长期稳定的协整关系.香港国企H股与内地股市关系密切,香港国企H股的变动会对沪、深股市产生影响,而沪、深股市的变动不会对香港国企H股产生影响,同时上海股市的变动也会对深圳股市产生影响,但深圳股市的变动对上海股市影响不大.     

我国可转换公司债券赎回公告效应的实证研究

运用事件研究法研究我国可转换公司债券的赎回公告效应.结果表明A股市场上可转换债券发行公司的股票在赎回公告发布前一个交易日的累积平均异常收益率为负且不显著,在赎回公告发布当日及后一个交易日的累积平均异常收益率显著为正,随着时间远离赎回公告日,累积平均异常收益率出现下降趋势,在中期累积平均异常收益率为负也不显著,这些现象可以理解为由中国股市的非对称效应和转股套现所引起的卖方压力所导致的.     

投资者情绪与股市收益率的非对称相关性分析

采用主成分分析的方法,把原始的投资者情绪变量构建成投资者情绪指标体系,运用VARBVGJR-GARCH-BEKK模型探讨投资者情绪和股市收益率之间的非对称相关性。实证分析结果表明:投资者情绪与股市收益率之间存在双向的均值溢出效应;股市收益率与投资者情绪间存在显著的双向波动溢出效应,任何一个变量的波动信息都会传递到另外一个变量中,对另一变量的波动产生影响;投资者情绪受到自身滞后的负冲击比受到自身滞后的正冲击产生更大的波动;投资者情绪的正面冲击会加大股市收益率的波动。     

后危机时期中美股市的联动性分析

考虑通过中国股指和美国股指这一宏观经济的晴雨表来分析危机后中美股市的联动性.针对中国上证综合指数和和美国道琼斯工业平均指数日对数收益率(2012/6/26~2014/9/30)建立了VAR模型,并进行Granger因果关系检验、脉冲响应和方差分解等实证分析,结果表明:在后危机时期,道琼斯工业平均指数前一日的对数收益率变动一个单位,会引起上证综合指数当日对数收益率同向变动0.165013个单位.短期内,美国股市对中国股市具有单方向的影响,而反之不然.     

新冠疫情新闻的情感倾向对金融市场的影响研究

本研究构建了新冠疫情新闻情感词典，对每日新冠疫情新闻情感指标进行了科学测度，在此基础上研究了疫情新闻情感倾向与金融市场收益率的动态关系，并对疫情发生前同平台发布的新闻进行了对照研究。研究表明，疫情新闻的情感倾向对金融市场的收益率存在影响，其中前一期的疫情新闻情感倾向对于当期股票和债券市场收益率的影响是正向的，但影响持续期较短，其中疫情新闻情感倾向对债市的影响在当期就出现，而疫情新闻情感倾向对股市的影响一般在第二期才出现。     

经济增加值(EVA)指标在我国股市的实证研究

当前,传统会计指标在解释股价波动和衡量公司业绩方面贡献较小,不能很好地反映上市公司的价值,利用反映股东价值的EVA指标对中国股市进行实证研究;通过对股票收益率进行逐步回归和相关性分析,实证结果表明EVA指标能较好地解释股价波动和衡量公司业绩。     

中国股市价值策略实证分析

为研究价值策略在中国股市是否有效,运用实证研究方法,发现在中国股市,基于股价、净市值比率、销市率设计的价值股组合可以获得高于成长股组合的收益率,即采取买进价值股的价值策略在组合形成期后可以获得高于买进成长股的成长策略收益率,价值策略所获得高的收益率无法为CAPM模型所解释,但三因素定价模型可以解释这种现象。     

完全信息条件下股票发行政策的博弈分析

在我国股市中，政府一直承担着发展和监管股市的双重职能．因此政策成为影响股市的一个重要因素，其作用过程是政府与投资者之间进行的一场动态博弈．本文以股票发行政策为变量建立完全信息博弈模型，通过对该博弈分析，揭示相机抉择的股票发行政策使政府具有快速扩容的倾向，并在投资者理性预期下，股票发行政策不影响股价波动．     

中国股市日度反向利润研究

采用重叠法对中国A股股票超额收益率进行日度检验,结果表明：当形成期和持有期为1～5个交易日时,中国股市存在统计显著的日度反向利润．同时,进一步将日度反向利润与日周效应这两种异常行为相结合,研究周内各交易日股价变动对日度反向利润的影响差异,结果表明：当持有期为周一时,反向策略收益表现为动量效应,对日度反向利润影响为负;周二、三、五时表现为反向效应,对日度反向利润影响为正。     

奥运会等大型运动赛事对赞助企业股指影响的实证研究

以世界最知名的奥林匹克运动会为主要研究赛事,利用事件研究法对奥运伙伴计划赞助商在奥运会举办期间的股价表现进行实证分析,探讨大型运动赛事对赞助企业股票指数报酬的影响,得出结果:当奥运会开幕时,TOP赞助商股价于开幕周前十二周为显著的正向反应,在事件周之前二周为显著的负向反应,在事件周之后第十周为负向显著反应;当赞助厂商依产业类型分类时,发现日用品类、快递类及消费系统类股价的累计平均异常报酬逐步上升,化工类、媒体与出版类及电化设备类则是逐步下降;此外,当赞助商分类为举办奥运国的地主厂商与非地主厂商时,发现地主厂商股价的累计平均异常报酬在事件期内一路下滑.     

基于藏文新闻文本话题检测的聚类算法研究

话题检测的提出是为了帮助人们从海量的新闻报道中发现未知的新话题,其中文本聚类算法的研究,是实现藏文新闻文本的话题检测技术的核心.本文提出一种聚类算法,是基于简易聚类算法的改进,首先改进了文本顺序对聚类结果产生的影响,其次通过确定种子话题,来确定话题的类别.本研究的聚类算法在较小规模的语料中比改进前源算法有一定程度的提高.本文的研究对象是藏文网站中的新闻文本.     

股价变化率的基本积分-微分方程

应用数学、力学模型和方法，对股市作量化的高等分析。依靠少量的假设，主要是求供关系决定价位升降。建立股价变化率的基本方程；量化地考虑了股价变化率与价位、时间、银行利率，政策，投资策略等影响。     

MDH理论与日历效应下的中国股市量价关系

基于分布混合假说(MDH)理论的数学推导,以我国深沪股市的大盘指数为研究对象,检验原始交易量、包含自相关性的交易量对广义自回归条件异方差模型(GARCH)效应的解释效果,并分析日历效应对交易量与股价波动性关系的特殊影响.结果表明,GARCH模型可以很好地拟合中国股市的股价波动持续性问题;当引入原始交易量以后,股价波动性在一定程度上可以为原始交易量所解释,而包含自相关性的交易量对股市GARCH效应并无很好的解释力.经实证分析证实,股价的日历效应对于上海市场中交易量对股价波动性的解释有着推波助澜的作用.     

TARCH-M模型在上证指数波动率的实证分析

本文应用TARCH-M模型,并且引入迭代累计平方和(ICSS)法则对上证指数进行波动时段进行划分,针对不同波动时段分析其上证指数日收益率上涨和下跌对上海股票市场非对称的影响特点.结果表明,上海股市在1997年以前,收益率的上涨比下跌对股市造成的影响更大,即与通常定义的“杠杆效应”相反;而在1997年以后,其“杠杆效应”才显著.此外,收益率和波动性在后两阶段出现明显的正相关关系,说明了投资者正从以前盲目投资逐渐转变为理性投资,上海股市已日趋成为一个成熟的市场.     

对上海股票市场波动性的ARCH研究

在分析上海股市收益波动特征的基础上，利用多种形式的ARCH类模型对上海股市日收益率的波动进行了实证分析，结果表明上海股市具有较为明显的ARCH效应．     

沪深股市的波动性分析——基于t分布下GARCH和SV模型的比较

构建基于N分布和t分布下的GARCH(1,1)和SV模型,并通过实证分析探讨了上证指数和深证成指收益序列的波动性.分析结果表明,GARCH(1,1)类模型和SV类模型能较好地拟合沪深股市收益率的波动,并指出我国股市存在较强的波动持续性;而基于t分布的各模型能有效地刻画股市的厚尾性;此外,通过计算VaR值,说明深市比沪市的风险更大,且SV类模型能更准确地反映收益率的风险特性.     

虚拟股市建模与混沌分析

从证券市场的微观结构入手 ,建立了基于Multi_Agent的股市模型 .计算了模型产生的股价时间序列的Lyapunov指数和关联维 ,并对其进行主分量分析 .对比研究表明 :该模型不仅能产生与真实股市极为相似的股价走势 ,而且其混沌行为与真实股市有深刻的一致性 ,可以通过对此模型的深入研究揭示真实股票市场这类复杂系统的演化规律与运作机理 .