中国股市投资者情绪与股票收益的实证研究

应用GARCH—M（1，1）模型检验了中国股市投资者情绪对股票收益的影响，结果发现：机构投资者情绪是影响股票价格的重要因素，但对不同市场和组合的影响方式不同且未形成系统风险；而个人投资者情绪的影响并不显著，也不存在小盘股主要受个人投资者情绪影响的现象。这与国外相关研究结论不同。     

中国股市横截面收益特征与投资者情绪的实证研究

以中国股市1998年5月至2007年4月交易数据为研究样本,对股票横截面收益特征进行实证分析,结果显示,贝塔系数与股票预期收益间关系与理论相反,而股票市值、账面市值比等指标亦可以预测股票预期收益,且这种关系具有阶段性特征。应用非预期投资者开户增长率作为投资者情绪指数,对投资者情绪波动与特征组合收益进行回归分析,证实投资者情绪波动是导致上述现象的主要原因。     

基于情绪传染的自适应变主体股市演化

投资者信念传染、投资思想体系演化及其对市场的影响,是当前金融(包括行为金融)研究领域的热点问题之一.借鉴SIRS型传染病模型的建模思想,并融入交易者自适应进出市场的机制,建立基于情绪传染的自适应变主体股市演化模型.对模型进行理论和数值仿真分析发现:①在同一核心演化机制下,股市情绪传染与自适应机制内生地驱动股价呈现基本面价值稳定均衡、局部收敛与发散等不同形态;②股市情绪极值点与股价极值点不同步.     

投资者情绪、偿债能力与CDS交易对手流动性风险传染

本文构建了一个考虑投资者情绪和CDS交易对手偿债能力的全局博弈模型,探讨CDS交易对手流动性风险的传染机制.研究表明:当参考资产信用评级下降时,流动性风险在CDS交易对手之间传染是基于投资者对参考资产违约概率预期和CDS交易对手偿债能力的信念更新与行为转换.当投资者预期参考资产违约风险增加时,预判其他类型投资者对待参考资产违约的态度,并据此决定是否对于CDS卖方开展挤兑,引发CDS卖方的流动性变化;当投资者观测到CDS卖方的流动性变化时,预判其他类型投资者对待参考资产违约和CDS卖方违约的态度,并据此决定是否对于CDS买方的开展挤兑.此外,CDS交易对手流动性风险传染与债券到期时悲观债权人收益的贴现因子正相关,与参考资产违约回收率负相关,与CDS合约票息率正相关.得到的政策启示如下:标准化信用评级手段,提高信用评级的权威性及准确性;CDS产品定价应当充分考虑CDS卖方的流动性风险;CDS买方在CDS合约生效后应当继续认真落实贷后监管工作,适时提高贷款抵押品价值;提高大债权人群体(即机构)的风险辨别能力,充分发挥大债权人群体稳定金融市场的作用.     

中国股市指数与投资者情绪指数的相互关系

选取"新开交易账户数"作为投资者情绪的代理变量,应用ARMA-GARCH类模型研究了投资者情绪与股市收益率之间的相互关系.结果显示ARMA-GARCH类模型能有效拟合投资者情绪变化率和上证综合指数收益率的自相关性和异方差性.Granger因果检验表明上证综合指数收益率是投资者情绪变化率的一个显著影响因子,而并没有发现投资者情绪的变化率对上证综合指数的收益率Granger因果显著.根据市场表现的不同特征, 投资者利用这一信息调整情绪.当市场处于上升阶段时, 投资者情绪会更为乐观,有更多新的投资者进入股市; 当市场处于下降阶段时,投资者就会转变为较为悲观, 场外的投资者就会处于观望状态,不急于进入股市, 这样反映在股市上就是"新开交易账户数"减少.     

“深港通”背景下深港投资者情绪的传染性研究——基于SHIBBS-EEMD模型

利用深圳和香港股票市场投资者情绪代理变量数据,基于SHIBBS-EEMD模型构建了受重大事件影响的投资者综合情绪指标,借助Granger因果检验和反映指标之间关联程度的Copula指数进行传染性研究。结果表明：香港市场投资者情绪对深圳市场投资者情绪存在单向传导;香港市场投资者情绪对深圳市场投资者情绪的传染性在沪、深港通开通之后迅速上升,两市联动性加强的同时风险传染的概率也随之增大。     

投资者情绪与控股股东迎合——基于公司投资决策的实证研究

在股权集中的所有权结构下,考察控股股东是否迎合投资者情绪增加投资。使用动态面板回归发现,控股股东存在情形下,投资者情绪依然与公司资本支出正相关,但是相关程度受到股东持股比例的影响。在两权发生分离的公司中,两权分离程度越高,控股股东迎合程度越强,不过民营控股股东的迎合程度并没有显著高于国有控股股东。     

基于风险感知的室内疏散情绪传染与干预策略研究

针对突发事件下多出口多障碍物室内紧急疏散过程中恐慌情绪传染问题,综合考虑人格特性,年龄、性别上的风险感知差异以及意识调节作用构建情绪传染模型,利用AnyLogic进行模拟仿真,将个体情绪与疏散速度结合,实现情绪状态与速度的实时更新。验证疏散过程人员干预可以有效缓解恐慌情绪的蔓延,以期为紧急疏散过程中恐慌情绪传染提供理论依据。结果表明：自身判断力即意识调节作用在一定程度上可以有效降低疏散时间;初始恐慌人数持续增加最终会导致群体间恐慌情绪传染加快以及疏散时间增加;风险感知程度越低,行人更容易处于冷静状态;合理安排管理员位置可以有效抑制恐慌情绪蔓延,提高整体疏散效率。     

投资者情绪与股票收益波动溢出效应

应用向量GARCH模型检验了我国投资者情绪与股票收益波动的关系,并且将情绪分为理性和非理性两类,分别探讨其对股票收益波动的影响.实证结果表明,股权分置改革前,股票收益与投资者情绪间存在双向波动溢出效应,其中,理性情绪与非理性情绪对股票收益的影响相反;改革后,情绪与组合收益间的波动关系明显减弱.投资者情绪变化与股票收益较强的相关性对于把握市场信息的传递过程以及预测未来股票收益波动具有现实意义.     

投资者情绪与期货市场功能——基于沪深300股指期货的研究

本文以2015年股指期货市场实行交易限制措施事件作为自然实验样本,研究了不同市场环境下投资者情绪对沪深300股指期货风险管理功能和价格发现功能的影响及其差异.研究结果表明,在无交易限制的市场环境下,投资者情绪对沪深300股指期货的风险管理能力和短期动态价格发现能力有显著的负面影响;而在有交易限制的市场环境下,投资者情绪对沪深300股指期货市场风险管理能力的影响出现反转,但其对股指期货市场价格发现能力的负面影响却进一步加剧,本文分析这一现象是由于交易限制规则实施后股指期货市场流动性和市场深度极度匮乏、逆向选择效应增强所致.与现有研究相比,本研究可以更有效地从市场微观结构角度揭示投资者情绪对金融市场的影响存在差异的原因.此外,本研究结果在以双重差分模型和以互联网搜索指数作为投资者情绪代理变量的检验中同样稳健.     

基于EEMD的投资者情绪与股指波动的关系研究

基于集成经验模态分解（ensemble empirical mode decomposition, EEMD）对非线性、非平稳性金融时间序列的有效 处理, 运用EEMD方法分别将投资者情绪和股指价格序列分解成若干个独立的、不同尺度的IMF分量和一个残余项, 提取出 序列在不同时间尺度下的波动特征, 并将得到的IMF分量和残余项按照高低频重构为序列的短期波动项, 中期重大事件 影响项和长期趋势项, 进一步结合计量模型考察投资者情绪和股指价格序列在不同时间尺度下的波动关联性. 实证结 果表明, 投资者情绪与股指价格波动在不同时间尺度下呈现出不同的波动关系： 短期投资者情绪与股指价格波动存 在双向影响, 中期投资者情绪波动领先于股指价格波动, 而长期则转变为股指价格领先投资者情绪波动.     

基于EMD-WA模型的BDI指数波动周期特征研究

运用结合EMD分解和小波分析构建的EMD-WA模型,分析了国际干散货市场BDI指数的波动周期特征.通过EMD方法对BDI指数序列进行分解,针对分解出的本征模函数的均值、方差比和周期三个方面的特点,将不同频率的IMF进行分类重构,最后通过小波分析方法得到重构序列的主周期情况,并对结果做进一步分析.研究结果表明:一是BDI序列可以分解为随机波动项、周期波动项和趋势项三部分:二是季节性波动周期长度约为1年(0.88年),短周期长度约为4年(3.70年),中周期长度约为10年(9.96年);三是BDI序列周期特别是短周期呈明显4年到2年的缩短趋势;四是突出分析了重大事件与中、长周期紧密联系.     

投资者情绪与期货市场功能——基于沪深300股指期货的研究

本文以2015年股指期货市场实行交易限制措施事件作为自然实验样本，研究了不同市场环境下投资者情绪对沪深300股指期货风险管理功能和价格发现功能的影响及其差异.研究结果表明，在无交易限制的市场环境下，投资者情绪对沪深300股指期货的风险管理能力和短期动态价格发现能力有显著的负面影响；而在有交易限制的市场环境下，投资者情绪对沪深300股指期货市场风险管理能力的影响出现反转，但其对股指期货市场价格发现能力的负面影响却进一步加剧，本文分析这一现象是由于交易限制规则实施后股指期货市场流动性和市场深度极度匮乏、逆向选择效应增强所致.与现有研究相比，本研究可以更有效地从市场微观结构角度揭示投资者情绪对金融市场的影响存在差异的原因.此外，本研究结果在以双重差分模型和以互联网搜索指数作为投资者情绪代理变量的检验中同样稳健.     

基于微信文本挖掘的投资者情绪与股票市场表现

本文以基于微信文本挖掘的投资者情绪与上证指数收盘价、成交量为研究对象,研究了投资者情绪时间序列与收盘价、成交量时间序列之间的关系.研究结果验证了投资者三种情绪倾向对股票市场的影响方式和效果不同:基于微信文本挖掘的投资者消极情绪比例能够稳定预测上证指数收盘价,基于微信文本挖掘的投资者积极情绪倾向和中性情绪倾向比例的增减变动能够迅速引发滞后1天的上证指数成交量的增减变动.研究表明基于微信文本挖掘的投资者情绪对于预测股票市场表现有重要作用.     

不同市态下投资者情绪与股市收益、收益波动的异化现象——基于上证股市的实证分析

基于上证股市的相关数据,分析不同市场态势下投资者情绪与股市收益及其波动的异化现象。结果表明:我国投资者情绪对股票市场的收益并无显著影响;而股票收益却对投资者情绪的作用显著:牛市阶段股票收益与投资者情绪正相关,而熊市阶段则为负相关;投资者情绪对收益波动的影响在不同市态下也存在异化现象:熊市阶段投资者情绪对预期收益波动的冲击存在非对称效应,乐观倾向比等量的悲观倾向对波动的冲击更大;而牛市阶段收益波动主要受投资者悲观情绪的影响,且不存在非对称效应。这与国内外的相关研究结论不同。     

银行间流动性风险传染救助策略研究:多层网络与媒体情绪的交叉视角

从多层网络与媒体情绪的交叉视角构建内生性多层银行间流动性网络,进而构建银行间流动性风险传染救助策略模型,并仿真分析媒体情绪与救助策略交互作用下银行间流动性风险传染的演化特征.研究得到的主要结论有:在考虑媒体情绪的多层银行间流动性网络中,择优关联方式更有利于银行间流动性风险发生传染,而随机关联方式则有助于抑制银行间流动性风险大规模传染.但是,在单层银行间流动性网络中与之相反.相对于多层银行间流动性网络,单层银行间流动性网络可能高估实际流动性风险水平而非低估.在多层银行间流动性网络中,不仅能够通过综合调节媒体情绪因素达成大幅降低银行间流动性风险传染的目的,而且能够通过综合调节媒体情绪与救助策略因素实现快速抑制银行间流动性风险大幅传染的效果,同时通过综合调节救助策略因素能够更为有效实现银行间流动性风险快速消亡的目的.     

基于随机博弈实验的投资者情绪形成与演化

运用实验经济学研究了投资者通过重复随机协调博弈寻找最优决策的过程,并在此基础上分析了投资者情绪演化机制和原理。实验证据证明,此博弈中任何形式的协调都是投资者通过不断寻找聚点均衡,并理性选择完美贝叶斯纳什均衡的结果。这一演化机制不但揭示了诸如动量效应、反转效应和过度交易等常见的证券市场投资者情绪背后的形成机理,还证实了即使在理性假设前提下,投资者通过群体博弈仍然会形成非理性情绪的演化和集聚。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

基于非线性相依的市场间金融传染度量——测度2015年中国股灾对重要经济体的传染效应

针对真实市场间所具有的非线性、尾部极值相依性及时变性等相依特征,本文以2015年6月中国爆发的股灾为背景,从传染效应的存在性、传染强度、传染方向三个视角深入研究中国股市对日本、美国、韩国三个重要经济体股市的金融传染效应.首先,将极值理论(extreme value theory,EVT)与时变Clayton Copula函数相结合构建时变Clayton Copula-EVT模型,估计下尾极值动态相依系数,并进行统计检验,发现中国股市对日本、美国股市存在风险传染效应,而对韩国股市不存在风险传染效应;进一步地,量化中国股市对日本、美国股市的风险传染强度,发现中国股市对日本、美国股市的传染强度都较大,且中国股市对美国股市的传染强度明显强于其对日本股市的传染强度;最后,利用基于时间延迟的去趋势交叉相关性分析方法研究中国股市与日本、美国股市之间的风险传染方向,发现股灾后市场间风险传导方向发生了改变,风险主要由中国股市传染至日本、美国股市.上述实证结果为深入研究市场间金融风险传染的非线性相依特征机理提供了有益的参考.     

基于多惩罚因子优化VMD的滚动轴承故障特征提取方法

针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题,结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化,再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF),最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明,在优化VMD参数时,该方法相对其他方法优化效率有了明显提高,并且提取滚动轴承故障特征效果显著,得到特征频率幅值为其他方法的2～4倍,证明了该方法的有效性和优越性。