摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第1章 绪论 | 第13-23页 |
1.1 研究背景和意义 | 第13-14页 |
1.1.1 研究背景 | 第13-14页 |
1.1.2 研究意义 | 第14页 |
1.2 国内外文献综述 | 第14-19页 |
1.2.1 投资者情绪的定义 | 第14-15页 |
1.2.2 投资者情绪的测度 | 第15-17页 |
1.2.3 投资者情绪与股票市场的相关研究 | 第17-18页 |
1.2.4 文献评述 | 第18-19页 |
1.3 研究内容与方法 | 第19-20页 |
1.3.1 研究内容 | 第19页 |
1.3.2 研究方法 | 第19-20页 |
1.4 主要创新点 | 第20-21页 |
1.5 论文的基本框架 | 第21-23页 |
第2章 理论分析 | 第23-27页 |
2.1 行为金融学 | 第23-24页 |
2.2 投资者情绪对股票市场的影响机制 | 第24-25页 |
2.3 网络文本与投资者情绪 | 第25-26页 |
2.4 网络舆论对股市影响的理论分析 | 第26页 |
2.5 本章小结 | 第26-27页 |
第3章 方法和模型介绍 | 第27-33页 |
3.1 文本挖掘 | 第27-28页 |
3.2 主成分分析法 | 第28-29页 |
3.3 GARCH模型 | 第29-30页 |
3.4 BP神经网络模型 | 第30-31页 |
3.5 GARCH模型与BP神经网络模型的比较 | 第31-32页 |
3.6 本章小结 | 第32-33页 |
第4章 投资者情绪指数的构建 | 第33-44页 |
4.1 基于主成分分析的投资者情绪指数构建 | 第33-39页 |
4.1.1 变量选取 | 第33-35页 |
4.1.2 情绪代理指标描述性统计分析 | 第35-36页 |
4.1.3 主成分分析构建投资者情绪指数 | 第36-37页 |
4.1.4 剔除宏观因素构建情绪指数 | 第37-39页 |
4.2 基于文本挖掘的Web文本情绪指数构建 | 第39-43页 |
4.2.1 Web文本数据来源及信息采集 | 第39-41页 |
4.2.2 文本数据预处理 | 第41-42页 |
4.2.3 Web文本情绪指数构建 | 第42-43页 |
4.3 本章小结 | 第43-44页 |
第5章 投资者情绪对股票市场的影响及预测的实证分析 | 第44-63页 |
5.1 描述性统计分析 | 第44页 |
5.2 投资者情绪与收盘价的相关性分析 | 第44-46页 |
5.3 平稳性检验 | 第46页 |
5.4 格兰杰因果检验 | 第46-47页 |
5.5 基于GARCH模型的投资者情绪对股市收盘价的影响及预测 | 第47-53页 |
5.5.1 GARCH模型的建立与求解 | 第48-52页 |
5.5.2 基于GARCH模型对股市收盘价的预测 | 第52-53页 |
5.6 基于BP神经网络模型的收盘价预测 | 第53-62页 |
5.6.1 BP神经网络模型的算法步骤 | 第53-54页 |
5.6.2 BP神经网络收盘价预测模型 | 第54-60页 |
5.6.3 GARCH模型与BP神经网络预测模型的比较 | 第60-62页 |
5.7 本章小结 | 第62-63页 |
第6章 结论与展望 | 第63-65页 |
6.1 结论 | 第63-64页 |
6.2 展望 | 第64-65页 |
附录 | 第65-77页 |
附录1:词典 | 第65-68页 |
附录2:Web文本情绪指标构建代码 | 第68-73页 |
附录3:主成分分析法构建投资者情绪指数代码 | 第73-75页 |
附录4:BP神经网络代码 | 第75-77页 |
参考文献 | 第77-81页 |
致谢 | 第81-83页 |
攻读硕士学位期间发表的论文和其它科研情况 | 第83-84页 |