| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 文献回顾与述评 | 第11-18页 |
| 1.2.1 基于互联网数据研究投资者情绪对股市影响的文献综述 | 第12-13页 |
| 1.2.2 基于互联网数据研究投资者关注度对股市影响的文献综述 | 第13-15页 |
| 1.2.3 时变参数向量自回归模型的文献综述 | 第15-17页 |
| 1.2.4 文献述评与分析 | 第17-18页 |
| 1.3 研究内容及方法 | 第18-22页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究思路与方法 | 第19-20页 |
| 1.3.3 结构安排及基本框架 | 第20-22页 |
| 1.4 可能的研究贡献 | 第22-23页 |
| 第2章 理论基础与研究假设 | 第23-28页 |
| 2.1 理论基础 | 第23-26页 |
| 2.1.1 情绪理论 | 第23-24页 |
| 2.1.2 有限关注理论 | 第24-25页 |
| 2.1.3 投资者认知假说理论 | 第25-26页 |
| 2.2 研究假设 | 第26-28页 |
| 第3章 研究设计 | 第28-38页 |
| 3.1 样本选择与变量定义 | 第28-31页 |
| 3.1.1 主要变量 | 第28-30页 |
| 3.1.2 控制变量 | 第30-31页 |
| 3.2 变量的描述性统计 | 第31页 |
| 3.3 模型设计 | 第31-38页 |
| 3.3.1 VAR模型简介 | 第31-32页 |
| 3.3.2 TVP-VAR模型介绍 | 第32-38页 |
| 第四章 微博看涨指数、百度看涨指数与上证综指收益率时滞关系的实证分析 | 第38-43页 |
| 4.1 模型的建立 | 第38页 |
| 4.2 模型的求解 | 第38-43页 |
| 4.2.1 变量数据的平稳性检验 | 第38-39页 |
| 4.2.2 滞后期的选择 | 第39页 |
| 4.2.3 模型的平稳性检验 | 第39-40页 |
| 4.2.4 模型估计结果 | 第40-43页 |
| 第5章 微博看涨指数、百度看涨指数对上证综指收益率时变影响的实证分析 | 第43-50页 |
| 5.1 模型构建与估计 | 第43-45页 |
| 5.2 时变波动率分析 | 第45-46页 |
| 5.3 时变脉冲响应分析 | 第46-50页 |
| 5.3.1 等间隔脉冲响应分析 | 第46-48页 |
| 5.3.2 时点脉冲响应分析 | 第48-50页 |
| 结论 | 第50-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-61页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第61页 |
