投资者情绪对个股收益的预测--来自微博大数据挖掘的证据
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-18页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 研究现状与述评 | 第11-15页 |
| 1.3.1 投资者情绪度量方法的研究现状 | 第11-14页 |
| 1.3.2 投资者情绪对股票收益影响的研究现状 | 第14-15页 |
| 1.3.3 现有文献述评 | 第15页 |
| 1.4 研究内容与论文框架 | 第15-17页 |
| 1.5 研究方法与创新之处 | 第17-18页 |
| 1.5.1 研究方法 | 第17页 |
| 1.5.2 本文的创新点 | 第17-18页 |
| 2 投资者情绪预测股票收益的理论基础 | 第18-26页 |
| 2.1 投资者情绪理论 | 第18-20页 |
| 2.1.1 并非有效的市场 | 第18页 |
| 2.1.2 有限理性 | 第18-19页 |
| 2.1.3 投资者情绪 | 第19-20页 |
| 2.2 投资者情绪影响股票市场的机理 | 第20-24页 |
| 2.2.1 基于投资者情绪的投资决策过程 | 第20-21页 |
| 2.2.2 情绪对股票收益的影响 | 第21-24页 |
| 2.3 微博情绪及对股市的预测 | 第24-25页 |
| 2.3.1 微博情绪 | 第24页 |
| 2.3.2 微博情绪对股市收益的预测 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 投资者情绪指数构建及其有效性分析 | 第26-37页 |
| 3.1 微博大数据挖掘设计 | 第26-31页 |
| 3.1.1 样本股票选择 | 第26-27页 |
| 3.1.2 微博搜索关键词及搜索平台的确定 | 第27-29页 |
| 3.1.3 基于大数据挖掘的微博导出 | 第29-31页 |
| 3.2 个股微博情绪指数构建 | 第31-34页 |
| 3.2.1 微博情绪倾向分析 | 第32-33页 |
| 3.2.2 个股微博情绪指数 | 第33-34页 |
| 3.3 个股微博情绪指数有效性分析 | 第34-36页 |
| 3.3.1 个股微博情绪与信心指标对比 | 第34-35页 |
| 3.3.3 微博情绪与上证综指走势关系 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 微博情绪与股票收益统计分析 | 第37-44页 |
| 4.1 股票微博数量统计 | 第37-40页 |
| 4.1.1 股票日内、周内及月度微博数量统计 | 第37-38页 |
| 4.1.2 股票微博数量分组分析 | 第38-39页 |
| 4.1.3 个股微博数量 | 第39-40页 |
| 4.2 个股微博情绪统计 | 第40-41页 |
| 4.3 微博情绪与股票收益相关关系 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 个股微博情绪对个股收益预测的实证 | 第44-55页 |
| 5.1 理论分析与研究假设 | 第44-45页 |
| 5.2 变量度量与变量的描述性统计 | 第45-47页 |
| 5.3 微博情绪对股票收益实证分析 | 第47-51页 |
| 5.3.1 单位根检验 | 第47页 |
| 5.3.2 协整检验 | 第47-48页 |
| 5.3.3 模型选择 | 第48-49页 |
| 5.3.4 多元回归分析 | 第49-51页 |
| 5.4 格兰杰因果检验 | 第51-52页 |
| 5.5 稳健性检验 | 第52-54页 |
| 5.5.1 情绪指标的变换 | 第52-53页 |
| 5.5.2 收益率指标的变换 | 第53页 |
| 5.5.3 增加样本量 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 研究结论 | 第55页 |
| 6.2 研究局限与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间的学术成果 | 第63-64页 |
| 致谢 | 第64页 |
