投资者情绪对股票市场的影响研究--基于GARCH模型和BP神经网络的预测

《投资者情绪对股票市场的影响研究--基于GARCH模型和BP神经网络的预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码１０１２５专业代码０２０２０９硕士学位论文题目投资者情绪对股票市场的影响研究—基于ＧＡＲＣＨ模型和ＢＰ神经网络的预测姓名申浩男专业数量经济学研究方向金融计量理论及应用所属学院统计学院指导教师孟勇二〇一八年六月三日学校代码10125专业代码020209硕士学位论文题目投资者情绪对股票市场的影响研究——基于GARCH模型和BP神经网络的预测姓名申浩男专业数量经济学研究方向金融计量理论及应用所属学院统计学院指导教师孟勇二〇一八年六月三日UniversityCode10125MajorCode020209ShanxiUniversityofFin

2、ance&EconomicsThesisforMaster’sDegreeTitleResearchontheinfluenceofinvestorsentimentonthestockmarket——PredictionbasedonGARCHmodelandBPneuralnetworkNameShenHaonanMajorQuantitativeeconomicsResearchOrientationFinancialeconometricstheoryandapplicationSchoolSchoolofStatisticsSupervisorMengYongJune3rd，

3、2018山西财经大学硕士学位论文摘要金融市场的参与者往往不完全是“理性”的，与传统金融学的有效市场理论的假设不同，这就导致金融市场上出现了很多传统金融模型不能解释的金融“异象”。随后出现了行为金融学，比传统模型更好地解释了这些问题。我国股票市场发展近三十年以来，取得了卓越的成绩，但是相较于西方发达市场，在政策制度的制定、监管部门的监管、政府干预的程度和信息不对称等方面发展还不够成熟和完善。从行为金融的视角，用投资者情绪来分析我国股票市场，具有一定的理论和现实意义。纵观国内外已有文献，已经有很多学者考虑从投资者情绪的角度来对股票市场进行分析。但是在投资者情绪的量化方面，多数研究利用单一指

4、标作为情绪代理指标或用多个间接指标构建情绪指数，用文本挖掘方法构建情绪指数的研究较少且尚不成熟，而本文则采用主成分分析法和文本挖掘法两种方法分别构建情绪指数，比较其优劣。另外，在投资者情绪对股票市场的预测方面，大多数学者采用传统的GARCH模型，但是对于错综复杂的股票市场，GARCH模型具有一定的局限性，本文引入BP神经网络模型建立收盘价的预测模型，比较GARCH模型和BP神经网络模型的预测效果。首先，采用主成分分析法和文本挖掘法构建了两种投资者情绪指数。借鉴经典的BW指数的构建方法，选取7个股票市场情绪代理变量，剔除宏观因素之后进行主成分分析，从而构建情绪指数；通过网络爬虫的方式从新

5、浪财经网站的大盘评述版块爬取2010年1月至2017年8月所有的文章作为原始文本语料，经过分词、词性标注、构建词典，构建Web文本情绪指数。其次，建立GARCH模型分析投资者情绪对股票市场收盘价的影响，并对收盘价作出预测；考虑到GARCH模型预测的局限性，再基于BP神经网络对收盘价建立预测模型，计算预测误差。基于GARCH模型和BP神经网络模型建立收盘价的预测模型时，分别建立收盘价的自预测模型和两种情绪指数对收盘价的预测模型，比较分析情绪指数对收盘价预测是否有明显影响。最后，通过比较所建模型的预测误差，来比较两种情绪指数的优劣和两种预测模型的优劣。通过以上研究，本文得到以下结论：投资者

6、情绪与股市收盘价互为格兰杰因1投资者情绪对股票市场的影响研究——基于GARCH模型和BP神经网络的预测果关系；情绪对收盘价的影响显著并呈正相关关系，情绪高涨会使收盘价升高，情绪低落会使收盘价降低；情绪指数对收盘价的预测误差比收盘价的自预测误差小，预测精度高；两种情绪指数对收盘价均有一定的预测能力，但是文本挖掘法构建的情绪指数对收盘价的预测能力更强；BP神经网络预测模型优于GARCH模型，预测误差较小，预测精度高，可以扩展到其他金融市场中对价格进行预测。关键词：投资者情绪，主成分分析，文本挖掘，GARCH模型，BP神经网络模型2山西财经大学硕士学位论文ABSTRACTThepartici

7、pantsinfinancialmarketarenotalways“rational”,whichisdifferentfromthehypothesisofeffectivemarkettheoryoftraditionalfinance,whichresultsinmanyfinancialanomaliesthattraditionalfinancialmodelscannotexplain.Subsequently,behaviora