大数据视角下非对称信息对资产价格行为影响研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-34页 |
| ·研究背景与研究意义 | 第11-15页 |
| ·研究背景 | 第11-14页 |
| ·研究意义 | 第14-15页 |
| ·研究综述及问题的提出 | 第15-29页 |
| ·相关研究综述 | 第15-28页 |
| ·问题的提出 | 第28-29页 |
| ·主要的研究内容和创新点 | 第29-34页 |
| ·研究思路与方法 | 第29-30页 |
| ·主要研究内容 | 第30-32页 |
| ·主要创新点 | 第32-34页 |
| 第二章 基于大数据的研究体系构建 | 第34-58页 |
| ·体系框架 | 第34-42页 |
| ·研究体系理论层次构建 | 第34-36页 |
| ·主要数据组成：高频数据和互联网数据 | 第36-39页 |
| ·指标构成 | 第39-42页 |
| ·互联网数据采集 | 第42-58页 |
| ·采集系统的层次结构 | 第42-45页 |
| ·网页抓取与信息提取 | 第45-46页 |
| ·数据预处理与数据清洗 | 第46-50页 |
| ·数据结构化存储与检索 | 第50-58页 |
| 第三章 中国股票市场日内非对称信息测度及影响因素 | 第58-75页 |
| ·引言 | 第58-59页 |
| ·研究模型与数据来源 | 第59-62页 |
| ·时变交易到达率模型 | 第59-62页 |
| ·剔除日内效应 | 第62页 |
| ·数据选取 | 第62页 |
| ·事件前后的时变PIN测度 | 第62-68页 |
| ·公共事件前后时变PIN测度 | 第62-65页 |
| ·时变PIN模型中动态到达率分析 | 第65-67页 |
| ·时变PIN与不平衡到达比例比较 | 第67-68页 |
| ·知情交易概率月份效应 | 第68-73页 |
| ·月份效应检验 | 第68-71页 |
| ·月份效应原因分析 | 第71-73页 |
| ·研究结论 | 第73-75页 |
| 第四章 互联网信息对IPO抑价的影响研究 | 第75-86页 |
| ·引言 | 第75-76页 |
| ·数据选取与模型设计 | 第76-78页 |
| ·样本选择 | 第76-77页 |
| ·模型设计 | 第77-78页 |
| ·数据描述 | 第78-80页 |
| ·实证结果分析 | 第80-84页 |
| ·投资者关注度对IPO抑价的影响 | 第80-81页 |
| ·不同投资者关注度股票组合的长期累积收益率 | 第81-83页 |
| ·投资者关注度对超额累积收益率的影响 | 第83-84页 |
| ·研究结论 | 第84-86页 |
| 第五章 大数据下网络媒体报道对股票收益影响 | 第86-95页 |
| ·引言 | 第86-87页 |
| ·数据来源与模型设计 | 第87-88页 |
| ·样本选择 | 第87页 |
| ·模型设计 | 第87-88页 |
| ·实证结果 | 第88-93页 |
| ·数据的描述性统计 | 第88-89页 |
| ·与百度指数的比对 | 第89-91页 |
| ·媒体关注度与收益率关系 | 第91-93页 |
| ·研究结论 | 第93-95页 |
| 第六章 分析师评级信息对资产价格交易行为影响 | 第95-103页 |
| ·引言 | 第95-96页 |
| ·研究设计与数据选取 | 第96-98页 |
| ·研究假设 | 第96-97页 |
| ·数据来源 | 第97页 |
| ·模型设计 | 第97-98页 |
| ·数据描述与实证检验 | 第98-101页 |
| ·数据统计描述 | 第98-99页 |
| ·分析师关注与投资者交易行为 | 第99-100页 |
| ·分析师关注与股票波动性 | 第100-101页 |
| ·结论 | 第101-103页 |
| 第七章 总结与展望 | 第103-106页 |
| ·全文总结 | 第103-104页 |
| ·研究展望 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 发表论文和参加科研情况说明 | 第115-116页 |
| 致谢 | 第116-117页 |
