代写金融论文参考：投资者情绪的板块差异及其在投资决策中的推广思考——基于联合泊松混合模型

本文是一篇金融论文，本文利用联合泊松混合回归模型兼具固定效应和随机效应的特点，以固定效应部分作为投资者情绪对市场的总体影响、以随机效应作为板块情绪差异的直接体现，从涨停和跌停两个方向同时对该问题进行探究。

第一章绪论

第一节研究背景与意义

一、研究背景

1970年，Fama在前人的理论与实践基础上提出了经典的有效市场假说(EMH)，至此EMH成为了现代金融学研究的一大基石。但随着市场的发展以及研究的深入，一系列问题也随之出现，传统EMH无法对诸如羊群效应、套利限制、过度反应及反应不足等现象做出完美解释。实证研究发现，在某些情况下，非理性投资者会获得超过理性投资者的收益并对市场价格造成相当的影响，“理性”假设也因此遭受巨大冲击。越来越多的实证研究都对理性人假设和有效性市场提出了质疑，部分学者也开始尝试利用其他视角试图对金融市场上产生的异象进行解释。伴随着2002年诺贝尔经济学奖授予Daniel以表彰其将心理学与经济学结合分析不确定条件下行为人决策方式的突出贡献，行为金融学作为一门新兴学科正式跃入历史舞台。在此后几十年的时间里，围绕非理性投资者情绪对于市场影响的研究广泛开展。目前，在大量实证结果支撑的基础上，投资者情绪作为一支独立力量可以对市场造成不可忽视的影响已经成为了一个公认的事实。

我国股市自80年代末开埠以来，至今已走过三十年沧桑历史。一方面，随着信息化时代的飞速发展和信息传输媒介日益扁平化、普及化的趋势，信息交流的时间成本被极大节约，市场信息可以更便捷地被获取，个体间的信息相互沟通也更加顺畅。这为投资者情绪的积极萌发与广泛蔓延提供了肥沃的土壤。另一方面，我国股市涨跌停的发生存在板块化、集簇化趋势：2019年4月27日，沪指收复2900点、创业板指数盘中大涨超5.5%，创2019年2月以来最大日内涨幅，其中，半导体、光伏、锂电等赛道板块全线走高：半导体板块超30股涨幅超过10%，锂电板块超50股涨停，光伏板块超40股涨停；2021年5月17日，ST板块遭遇大面积杀跌，跌停股票数量达到百只以上；

第二节研究内容与研究方法

一、研究内容

本文共分为七个章节，各章节内容如下：

第一章为绪论，首先探讨了研究的背景与意义，其次对主要研究内容进行了分章节梳理并对研究方法做出概述，最后给出技术路线图。

第二章为文献综述，分别从三个方面对国内外相关文献进行梳理总结。第一部分为投资者情绪相关测量方法的综述；第二部分为相关问题研究时，比较常用的研究方法综述；第三部分是关于投资者情绪与市场关系结论的综述。最后，对文献进行总体的评述。

第三章为理论基础，主要从投资者心理特征以及行为金融学相关理论的角度对投资者心理行为进行分析，并提出本文的主要研究假设。

第四章为模型设定，本章做出了模型适用性分析，并对文本所使用的变量和样本进行构建。

第五章为实证分析，本章以联合泊松混合回归模型为基础，在两个不同时间区段下探讨了热门概念板块之间投资者情绪的板块差异，并得到市场受投资者情绪作用而产生变动方向之间的联系，验证了前文的研究假设。并在章末通过三种方法进行了稳健性检验，在验证模型稳健性的同时尝试检验进了模型的预测能力。

第六章为投资策略应用部分，基于上文分析结果构建出适用于不同风险偏好投资者的投资策略和投资组合，通过计算VaR 和VaB 值来衡量投资策略的有效性，并利用市场实际表现进行了策略有效性验证。

第七章为结论部分。本章对全文获得的结论进行归纳，并根据本文结论分监管角度、投资者投资策略决定角度以及上市公司治理角度提出相关建议。最后对本文的不足之处进行分析并对未来研究方向做出展望。

第二章文献综述

第一节投资者情绪衡量综述

一、传统度量方法

传统的投资者情绪度量主要通过两条路线展开，即直接情绪测量和间接情绪测量。直接情绪测量是基于问卷调查的方式提取投资者的主观情绪，一种是对股票市场走势的看法调查，例如能够代表机构投资者情绪的InvestorsIntelligence Sentiment Survey以及更倾向于针对个人投资者的AAII美股投资人调查[1]；另一种则是利用人们对投资前景和宏观经济的看法来近似替代投资者情绪，例如密歇根消费者信心指数、美国CB消费者信心指数等。

直接情绪测量的优点在于方式便捷，而这类度量方法存在三个缺点。首先面临的问题是，问卷式测量受限于样本量规模，例如密歇根消费者信心指数调查问卷只发送给了500个家庭，较小的样本规模必然影响研究结果的说服力；其次，直接情绪测量难以维持较高频率，由于受到人力物力等限制，此类测量方法大多以月度为单位并默认投资者情绪在单位月内保持恒定，这种不得已而为之的假设忽略掉了投资者情绪在周度、日度内的波动，使得研究结论不免模糊化。最后一个缺点则在于测量结果的可信度问题。根据Fisher对AAII所做的一项资产配置调查结果研究显示，个人投资者在进行投资行动时要比调查中所表达的情绪来得更明智，这种“言行不一”表明投资者遵循真实情绪并做出决策的概率十分有限，即单靠主观调查投资者情绪并不能完全反映出投资者在实际决策中所执行的真实态度[2]。因此，从投资者实际行为造成的客观结果入手分析投资者行为就显得尤为必要，也就是间接情绪测量。

第二节研究方法综述

一、文本分析方法综述

在利用文本提取投资者情绪的研究中，常用的的内容分析方法主要分为两大类——基于词典的方法和机器学习方法。

对于基于词典的方法，其基础逻辑是将一段文本视为单词间的机械堆叠，从而忽略掉段落的句间关系并把文本拆解为一系列分词，根据预设的规则（即字典）将单词或短语划分到不同类别中（通常划分为积极词语和消极词语），最后统计不同类别的词汇数量及比例并以此判别该段文本的情绪。正基于此，词典的选取是决定该方法分析结果质量的关键。国外在早期研究中使用频率较高的词典是Harvard IV-4词典[17][34]以及Diction词典[35]。但Li发现，以HarvardIV-4为代表的通用情感词典在处理金融领域信息时有可能将明显带有消极情绪的句子判定为积极或中性，因此并不具备足够的准确性[36]。为解决这一问题，有学者开始着手构建适用于金融语境下的情绪辞典，比较有代表性的成果是由Loughran and McDonald(2011)通过从10-k报告中筛选关键词而构造的LM词典[37]。由于LM词典在实证研究中表现出相较通用情绪词典更高的准确度，该词典在后来的研究中得到了广泛应用。

国内研究方面，汪昌云和武佳薇[26]将《现代汉语词典》、《最新汉英经济金融常用术语使用手册》以及汉译版LM词典结合作为金融词库；王靖一和黄益平搜集和讯网相关板块所有文章，人工筛选出频率大于5的词汇构建词典[38]；姜富伟等在结合LM词典和三部通用情感词典的基础上，利用word2vec算法对词典进一步扩充，构建出更为全面的中文金融情感词典[39]。

第三章理论基础.........................17

第一节联合泊松混合模型...........................17

第二节投资者心理特征相关理论.............................18

第四章模型设定与变量说明....................................23

第一节股市板块的划分与选择............................23

第二节变量选取...................................24

第五章实证分析.............................32

第一节描述性统计.............................32

一、涨跌停描述性统计........................................32

二、解释变量描述性统计..........................34

第六章投资者情绪板块差异的投资决策应用

第一节基于投资者情绪板块差异的投资策略分析

一、投资者类型划分

根据传统经济学概念，投资者分为风险爱好者、风险中立者和风险厌恶者三种类型。由于本文希望在极端情况下探讨投资者情绪差异的应用价值，因此只考虑风险爱好者和风险厌恶者两种类型。风险爱好者（后文简称为激进者）代表了愿意承担风险的情况下追求收益的最大化的一类投资者；而风险厌恶者（后文简称为保守者）则希望在绝对稳定的条件下获得一点收益的一类投资者。下文将基于这两种投资者不同的风格特点来规划相应投资策略。

二、投资策略分析

基于以上讨论，适合风险爱好者的投资策略如下：首先对各个板块按照涨停随机效应估计值的大小进行降序排列；其次，选择涨停随机效应大于跌停效应的板块作为投资标的板块的初步选择范围；最后，在板块初步范围内选择涨停随机效应最大的板块作为最终的投资标的选择范围。这样选择的逻辑在于，在同样的市场条件下，所选投资标的的上升趋势要大于市场平均水平。虽然由于较大的板块随机效应Ui会导致Vi2也大于市场平均水平，但在约束条件的作用下仍然存在盈利空间，这样的投资策略逻辑符合激进者的投资偏好。

而风险厌恶者的投资策略则恰好相反：首先对各个板块按照跌停随机效应估计值的大小进行升序排列；其次，选择涨停随机效应大于跌停效应的板块作为投资标的板块的初步选择范围；最后，在各板块中选择跌停随机效应最小的板块作为最终的投资标的选择范围。与风险爱好者的选股逻辑相同，风险厌恶者要在承担尽可能小的下跌风险前提下去考虑获得正向收益。较小的Vi2和Vi1>Vi2的约束条件可以满足风险厌恶者的投资要求。

第七章结论及展望

本文通过研究我国A股市场热门概念板块中投资者情绪与市场极端活动间的关系，为投资者情绪与市场表现的相互作用效果及关系提供了补充。基于联合泊松混合模型，本文主要得出了以下三个结论：

第一，不同的概念板块受投资者影响程度确实存在差异，这种差异在个别板块上会表现得尤为强烈。一般而言，出现的时间较早、已经被大众广泛接受的概念板块在投资者情绪的作用下会表现得更加稳定，而新诞生的概念和争议较大的概念相关板块受投资者情绪的影响较大，从模型上表现为较高的随机效应估计值。同时，本文在考察了年度数据基础上，在更小的时间尺度下进行了进一步分析。结果显示，投资者情绪高峰并不一定伴随着相关板块股票价格的剧烈波动，也就是说投资者情绪对市场的影响存在非即时性特点。因此，对于这种情况的板块应该给予更多的关注。

第二，股价产生极端变化的主要因素是由投资者情绪引起。本文同时应用了传统泊松回归和加入随机效应的联合泊松混合回归，二者得出了一致的结论，即基于文本的投资者情绪对涨停和跌停的影响都是负向且显著的。这一结果表明，负面的投资者情绪造成了市场的剧烈波动。在此需要说明的是，这里所指的“负面情绪”并非狭义上的悲观和消极，而是从广义上包含了一切不稳定状态的情绪，比如冒进、自大等等。虽然换手率作为另一种投资者情绪代理对价格极端变动有正向影响，但由于换手率代表的是不含方向的投资者情绪，因此与前述结论并不相悖。同时，本文发现市场的剧烈波动大部分是由投资者情绪所贡献，尤其在市场价格的负向波动和短期波动的情况下，这种单纯由投资者情绪所引发的情况会表现得格外强烈。

参考文献（略）