基于最优滤波方法的我国投资者情绪指数构建的研究及实证分析
| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 1.绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究目标及内容 | 第12-13页 |
| 1.2.1 研究目标 | 第12页 |
| 1.2.2 研究内容 | 第12-13页 |
| 1.3 研究方法 | 第13页 |
| 1.4 难点问题与创新之处 | 第13-15页 |
| 1.4.1 难点问题 | 第13页 |
| 1.4.2 创新之处 | 第13-15页 |
| 2.国内外研究综述 | 第15-21页 |
| 2.1 投资者情绪定义 | 第15页 |
| 2.2 投资者情绪测量方法 | 第15-16页 |
| 2.3 投资者情绪测量指标 | 第16-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3.理论基础 | 第21-37页 |
| 3.1 投资者情绪相关理论基础 | 第21-22页 |
| 3.1.1 行为金融学理论 | 第21页 |
| 3.1.2 认知偏差与心理偏差 | 第21-22页 |
| 3.2 EM算法原理及步骤 | 第22-24页 |
| 3.2.1 EM算法原理 | 第22-23页 |
| 3.2.2 EM算法步骤 | 第23-24页 |
| 3.3 卡尔曼滤波理论 | 第24-26页 |
| 3.3.1 卡尔曼滤波的一般形式 | 第24-25页 |
| 3.3.2 建立状态空间模型 | 第25-26页 |
| 3.4 扩展卡尔曼滤波理论 | 第26-29页 |
| 3.4.1 扩展卡尔曼滤波的一般形式 | 第26-28页 |
| 3.4.2 建立状态空间模型 | 第28-29页 |
| 3.5 粒子滤波理论 | 第29-36页 |
| 3.5.1 贝叶斯滤波 | 第29-30页 |
| 3.5.2 贝叶斯重要性采样 | 第30-31页 |
| 3.5.3 序贯重要性采样算法 | 第31-33页 |
| 3.5.4 重要密度函数的选择 | 第33-35页 |
| 3.5.5 重采样方法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4.投资者情绪指数构建 | 第37-56页 |
| 4.1 投资者情绪指标变量选取与数据处理 | 第37-47页 |
| 4.1.1 投资者情绪变量选取 | 第37-38页 |
| 4.1.2 数据处理 | 第38-45页 |
| 4.1.3 变量描述性统计 | 第45-46页 |
| 4.1.4 投资者情绪变量的相关性 | 第46-47页 |
| 4.2 卡尔曼滤波的情绪指数构建 | 第47-49页 |
| 4.3 扩展卡尔曼滤波的情绪指数构建 | 第49-51页 |
| 4.4 粒子滤波的情绪指数构建 | 第51-53页 |
| 4.5 剔除宏观因素的投资者情绪指数构建 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 5.投资者情绪与股票市场 | 第56-65页 |
| 5.1 向量自回归理论 | 第56页 |
| 5.2 VAR模型的检验 | 第56-58页 |
| 5.2.1 平稳性检验 | 第56-57页 |
| 5.2.2 Granger因果检验 | 第57-58页 |
| 5.3 滞后阶数的确定 | 第58-59页 |
| 5.4 VAR模型参数估计 | 第59-61页 |
| 5.5 脉冲响应分析 | 第61-64页 |
| 5.6 本章小结 | 第64-65页 |
| 6.结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 不足之处与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
