- 相关推荐
投资者情绪研究论文
投资者情绪研究
1 引言
2016 年中国A股市场两次熔断应该让很多股民刻骨铭心。
11月29日，上证指数盘中冲击3300点，最高达到3301点，较今年低点涨幅已高达25%。
1月份开始，A股又走了一个一路向下的趋势，跌回至2034点附近。
在这一波結构性调整中，也不乏有大牛股的出现。
例如三江购物(601116)从12.06一路上涨至52.24，涨幅高达333.2%。
从高送转、到债转股、环保股、混改概念。
市场不来不缺乏炒作的概念。
然而，这些热点的出现仅仅是一时的。
可见投资者的情绪变化之快，中国A股市场追涨杀跌已成风气，早已偏离价值投资的理念。
本文试图寻找一些获得投资者较长时间普遍关注成长性股票。
并致力于寻找其核心投资价值，建立一套投资理念。
在这一波慢牛行情中，最明显的就是二八分化，刚刚炒过了锂电池板块，紧接着VR、举牌、债转股、高送转等概念股轮番上演，在这样的结构性行情中，抓不住概念便意味着错失了赚钱的机会。
根据国内研究机构对经济周期及行业轮动的研究，不难发现，在经济复苏阶段，银行股的表现较佳，在经济滞胀的阶段零售企业的业绩较好，表现抢眼。
在经济衰退时期，科技股的表现不俗。
通过2016年股市行业轮动的研究，科技、新能源板块表现不俗。
本文从个股入手挖掘更细化的情绪指标，剖析在投资个股时投资者情绪在影响股票价格的微观机理。
并使用个股的市场数据进行实证分析。
国内外的学者对投资情绪的研究多是总市场的总体行为效应出发，缺乏对个股情绪的表达微观研究。
本文从个股角度出发力求从多个核心指标发掘个股的投资价值。
2有效市场理论
"有效市场假说"实际上意味着"天下没有免费的午餐"，世上没有唾手可得之物。
在一个正常的有效率的市场[2]。
任何公开信息都会反映在股票价格上。
包括证券市场的所有历史信息、当前市场现实信息以及可以预期的信息。
如企业财务报告、管理水平、产品特点、盈利预测、国家政策等信息。
当价格迅速的反映了股市信息，投资者不可能通过分析任何公开信息来获得持续超额利润。
此时的技术分析是无效的。
对于市场是否是有效的，学术界存在着很长时间的争论。
普遍认为股票价格一定程度上反映了市场信息。
本文以此基础，探讨股票价格变动背后隐藏的指标信息。
3模糊数学模型
3.1模型准备
3.1.1评价因子的确定
模糊综合评价模型的建立过程主要分为评价因子的选取、综合评分模型的建立和模型的评价及持续改进等步骤。
评价因子的选择主要依赖于技术指标和市场经验，评价因子的数量越多，模型捕捉信息的能力就越强，其预测的准确度就越高，获得稳定的较高收益的概率就越大。
根据大量的实验以及文献资料，初步确定的选股因子如下：一级指标：价值因子、 成长因子、品质因子二级指标 ：市盈率、净资产收益率、资产负债率、盈利收益率、总资产收益率 、固定资产比例、市净率、主要收入增长率、流通市值。
3.1.2选股因子有效性的检验
因子检验方法主要采用排序的方法检验候选因子的选股有效性。
如：可以选择一个月的交易日进行检验，具体而言，对于任意一个候选因子，在模型形成期的一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。
这就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2个月，3个月，甚至更长时间。
还有一个参数是候选组合的数量，是非常重要的参数，要根据具体的投资组合来选择。
具体的参数最优的选择，需要用历史数据进行检验。
3.2模糊数学模型的建立
综合评分模型选取去除冗余后的有效因子，在模型运行期的某个时间开始，从某个经济周期的初始阶段开始，对市场中正常交易的个股计算每个因子的最新得分并按照一定的权重求得所有因子的平均分。
最后，根据模型所得出的综合平均分对股票进行排序，然后根据需要选择排名靠前的股票，选取得分最高的前20%股票，或者选取得分最高的10到20只股票，构建股票池，并以股票池中的股票作为研究对象，做投资组合，在经济周期的下个阶段按照同样的方法进行轮换替换。
持续一段时间后，考场该投资组合的收益率是否跑赢比较基准[4]。
3.3模型的评价及持续改进
一方面，由于量化选股的方法是建立在市场有效理论的前提之下，随着使用多因子选股模型的投资者数量的不断增加，造成股市的周期性波动，这时候有的因子会逐渐失效，而另一些新的因素可能被验证有效而加入到模型当中;另一方面，一些因子可能在过去的市场环境下比较有效，而随着市场风格的改变，这些因子可能短期内失效，而另外一些以前无效的因子会在当前市场环境下表现较好。
3.4模型数据分析
3.4.1数据分析
首先，以5G概念的高新技术企业世联行(002285)为例，根据指南针、东方财富网等的数据得到如下表格：
3.4.2数据归一化处理
3.4.3 选择模糊合成算子建立指标模糊评价
3.4.4 评分单值化处理
模糊综合评价结果处理经过上述计算过程后得到的结果是被评价对象对各等级模糊子集的隶属度，需要对其进行加权运算求解综合满意度的隶属等级，本次分析主要用到的是模糊向量单值化。
4 结论与建议
作者：张振华
随着市场回归理性，大盘指数进入随机波动时期。
价值投资理念重新回归。
本文以模糊综合评价模型结合熵值法、模糊综合算子等多项数学工具，对个股的投资情绪进行了量化。
从模型的求解的结果来看，股票成长因子、价值因子、品质因子等指标从一定程度上反映了市场信息。
因此，由模糊综合评价法得到分数是科学的，可以作为选股的依据之一。
本文模型的优势在于可以使用这种方法，做出个股的分数排名，并以此依据建立股票池。
当前的A股市场，股价评估日益彰显企业的核心盈利能力。
多因子分析能够适应这种股票的定价体系。
回归到价值投资，建议股民做中长期投资，理性选股，不要市场一有风吹草动，就马上做买卖股票。
多选择具有核心竞争力的股票，长期持股票有等待分享企业成长的红利。
【投资者情绪研究论文】相关文章：
关于情绪与临床护理的论文10-07
电大的研究论文10-08
研究生学位论文过程管理研究论文10-08
中医临床研究论文写法论文10-09
艺术教育研究论文10-09
医学研究论文评语11-06
药学服务的研究论文10-09
法律主体研究论文10-09
研究生兼职情况研究论文10-09