论文部分内容阅读
噪音交易理论认为股票市场中的噪音交易者根据噪音而非信息进行交易,导致股票偏离仅有理性交易者时的真实价格。由噪音交易理论发展而出的投资者情绪研究认为投资者情绪通过影响投资者交易偏好而影响股票价格。基于上述理论与研究结论,本文认为噪音及投资者情绪可能含有股票价格所不含的额外信息,在此基础上本文研究噪音及投资者情绪是否以及多大程度上影响股价可预测性,噪音及投资者情绪是否以及如何提供额外的股价可预测性。首先,本文对中国股市的噪音及投资者情绪进行了度量。噪音度量方面,本文借鉴衡量市场有效性的方差比方法,使用Wild Bootstrap方差比方法结合滑动样本窗构建噪音序列。投资者情绪度量方面,本文结合中国实际情况,借鉴学术界广泛认可的Baker-Wugler情绪指数构建方法对情绪进行构建。由于在本文的观测区间内中国股市存在较长时间的暂停IPO情况,本文剔除了Baker-Wugler情绪指数构建方法中含有IPO信息的变量,通过提取上证封闭式基金折价率、日均流通市值加权换手率、日均投资者新开户数、日均成交量的第一主成分构建了中国股市的情绪指数。其次,本文对上证指数进行预测并构建股价可预测性序列。本文使用的预测方法包括模糊时间序列、BP神经网络、模糊时间序列-BP神经网络组合方法。具体来说,本文使用1前件1阶模糊时间序列,选择Chen的模型进行预测；通过对网络训练函数、学习函数、网络结构进行选择后构建适用于本文研究的BP神经网络进行预测；通过熵值法将模糊时间序列和BP神经网络的预测值加权求和得到组合预测方法的预测结果。本文通过生成衡量预测精确程度的PI指数来构建股价可预测性序列。最后,本文进行基于噪音及投资者情绪的股价可预测性研究。第一步研究噪音及投资者情绪是否影响股价可预测性。实证发现噪音及投资者情绪在0.10的显著性水平下正向线性影响股价可预测性,即可以认为更高的噪音及投资者情绪可能是潜在导致股价更易预测的因素。该结论虽然在0.05的显著性水平下不成立,但依然可以认为其有一定借鉴意义；另外,噪音及投资者情绪还对股价可预测性产生显著非线性影响,这种影响在0.05的显著性水平下成立,是二者单独而非协同严生的,可看作是对线性关系的微调,PI序列选取的不同会造成非线性关系拟合结果的差异。第二步研究噪音及投资者情绪是否提供额外可预测性。通过将噪音及投资者情绪引入预测模型,本文发现噪音及投资者情绪能够改善股价预测的整体水平,特别是BP神经网络和组合预测方法。由于BP神经网络能够更好地描述股价序列的非线性关系,本文单独就引入噪音及投资者情绪前后的BP神经网络预测精度进行对比,发现噪音及投资者情绪的引入对预测有显著改善,并且认为该改进是由于噪音及投资者情绪包含额外信息所导致的。