周 亮
(湖南財(cái)政經(jīng)濟(jì)學(xué)院 學(xué)報(bào)編輯部,湖南 長沙 410205)
行為金融學(xué)從微觀個(gè)體行為以及產(chǎn)生這種行為的心理等動(dòng)因來解釋、研究和預(yù)測金融市場的發(fā)展。這一研究視角認(rèn)為投資行為其實(shí)很大程度上受投資者的情緒左右。投資者對投資標(biāo)的(股票、房產(chǎn)等)的價(jià)值的看法并非按照科學(xué)的估算,而是由情緒來決定。投資者情緒是投資者對未來預(yù)期的系統(tǒng)性偏差,是個(gè)難以度量的概念,反映了市場參與者的投資意愿或者預(yù)期。國內(nèi)外學(xué)者對投資者情緒進(jìn)行了大量而深入的研究,主要是通過各種主觀指標(biāo)(如央視看盤指數(shù)、好淡指數(shù)等)以及客觀指標(biāo)(如封閉式基金折價(jià)率、IPO發(fā)行量等)對其進(jìn)行度量,取得了大量的研究成果。
隨著金融工具的不斷發(fā)展,股指期貨于2010年開通,股指期權(quán)于2015年2月上市交易,投資者可交易的品種大幅增多,在增加市場廣度和深度的同時(shí),極大地影響了市場的流動(dòng)性和波動(dòng)性,也為投資者情緒的度量提供了新的視角。但是現(xiàn)有對投資者情緒的研究中考慮股指期貨的很少,考慮期權(quán)的幾乎沒有。因此,筆者擬在常規(guī)的度量指標(biāo)(如波動(dòng)率、換手率等)的基礎(chǔ)上,加入股指期貨和股指期權(quán)的相關(guān)指標(biāo),從一個(gè)新的視角來刻畫和研究投資者情緒。
1.投資者情緒的測度。目前,學(xué)者們對投資者情緒的測度主要采用直接指標(biāo)和間接指標(biāo)兩種方法。直接指標(biāo)是發(fā)布機(jī)構(gòu)通過直接向投資者調(diào)查而獲取編制的,它主要反映投資者對市場的看漲、看跌或者悲觀、樂觀等心理,包括國外的美國個(gè)人投資者協(xié)會(huì)指數(shù)、投資者智慧指數(shù)以及國內(nèi)的央視看盤指數(shù)、巨潮投資者信心指數(shù)等。間接指標(biāo)是通過相關(guān)數(shù)據(jù)計(jì)算得出能反映出投資者情緒的代理變量,如封閉式基金折價(jià)、換手率、IPO首日收益率、IPO 數(shù)量、投資者新增開戶率等。[1]
在直接指標(biāo)的研究方面,De Bondt(1993)通過對美國個(gè)體投資者協(xié)會(huì)(AAII)125個(gè)成員進(jìn)行調(diào)查所得的投資者情緒指標(biāo)進(jìn)行研究后發(fā)現(xiàn),個(gè)體投資者的情緒與股票市場總體表現(xiàn)(道瓊斯工業(yè)指數(shù))具有顯著的相關(guān)關(guān)系。[2]王美今和孫建軍(2004)以央視看市數(shù)據(jù)測度了投資者情緒,發(fā)現(xiàn)機(jī)構(gòu)投資者情緒變化對中國滬深兩市收益產(chǎn)生顯著影響。[3]魯訓(xùn)法和黎建強(qiáng)(2012)選取“新開交易賬戶數(shù)”作為投資者情緒的代理變量,應(yīng)用ARMA-GARCH類模型研究了投資者情緒與股市收益率之間的相互關(guān)系,結(jié)果發(fā)現(xiàn)上證指數(shù)收益率是投資者情緒變化率的一個(gè)顯著影響因子,但并沒有發(fā)現(xiàn)投資者情緒的變化率對上證指數(shù)收益率有顯著影響。[4]王春(2014)以開放式股票型基金資金凈流入作為投資者情緒度量指標(biāo),研究了投資者情緒對股票市場收益和波動(dòng)的影響,發(fā)現(xiàn)投資者情緒與股票市場收益之間存在正向反饋?zhàn)饔谩5]
在間接指標(biāo)的研究方面,Baker與Wurgler(2006)使用紐約股票市場換手率、封閉式基金折價(jià)率、IPO數(shù)量、IPO平均首日收益率、IPO首發(fā)股數(shù)、分紅與不分紅公司平均資產(chǎn)市值比的對數(shù)比率等6個(gè)變量,構(gòu)建了一個(gè)投資者情緒綜合指標(biāo)。[6]易志高和茅寧(2009)在封閉式基金折價(jià)、IPO數(shù)量及上市首日收益、消費(fèi)者信心指數(shù)和新增投資者開戶數(shù)等6個(gè)單項(xiàng)情緒指標(biāo)的基礎(chǔ)上,控制了經(jīng)濟(jì)基本面因素對情緒的影響,從而構(gòu)建了一個(gè)能較好測度中國股票市場投資者情緒的綜合指數(shù)。[7]池麗旭等(2012)基于擴(kuò)展卡爾曼濾波方法,選取封閉式基金折價(jià)率、首發(fā)上市股票股本規(guī)模及消費(fèi)者信心指數(shù)作為三個(gè)源指標(biāo),構(gòu)造出過濾市場噪聲的投資者情緒指標(biāo),結(jié)果發(fā)現(xiàn),大規(guī)模公司股票的收益對投資者情緒的影響程度高于小規(guī)模公司股票,而投資者情緒對小規(guī)模公司股票的影響顯著高于大規(guī)模公司的股票。[8]文鳳華等(2014)選取封閉式基金折價(jià)率、IPO數(shù)量、IPO首日收益率、A股新增開戶數(shù)和市場換手率5個(gè)能夠較好反映國內(nèi)股票市場投資者情緒的指標(biāo),利用主成分分析法構(gòu)建了投資者情緒綜合指數(shù),發(fā)現(xiàn)投資者情緒的波動(dòng)對股票收益率的波動(dòng)有顯著的沖擊。[9]
2.股指期貨與股票市場。還有很多學(xué)者對股指期貨推出后,其對股指現(xiàn)貨價(jià)格的影響進(jìn)行了相關(guān)研究。華仁海和劉慶富(2010)研究發(fā)現(xiàn),股指期貨價(jià)格和股指現(xiàn)貨價(jià)格之間存在協(xié)整關(guān)系和雙向價(jià)格引導(dǎo)關(guān)系,股指期貨對股指現(xiàn)貨的引導(dǎo)力度相對較大。[10]劉慶富和華仁海(2011)研究發(fā)現(xiàn),股指期貨市場與股票現(xiàn)貨市場之間的風(fēng)險(xiǎn)傳遞是雙向的,股票現(xiàn)貨對股指期貨的風(fēng)險(xiǎn)溢出要大于股指期貨對股票現(xiàn)貨的風(fēng)險(xiǎn)溢出。[11]陳紅、周奮和張磊(2012)研究發(fā)現(xiàn),滬深300股指期貨和滬深300指數(shù)現(xiàn)貨價(jià)格之間存在長期穩(wěn)定的協(xié)整關(guān)系,股指期貨的價(jià)格引導(dǎo)著現(xiàn)貨的價(jià)格,股指期貨與現(xiàn)貨指數(shù)之間存在著單向的因果關(guān)系。[12]蔡敬梅、強(qiáng)林飛和周海鵬(2013)檢驗(yàn)了股指期貨的推出對中國股票市場波動(dòng)性所產(chǎn)生的影響,發(fā)現(xiàn)股指期貨的推出加速了信息的傳遞速度且弱化了非對稱效應(yīng),但并沒有加大股市的波動(dòng)性。[13]陶利斌、潘婉彬和黃筠哲(2014)采用信息份額方法用滬深股指期貨和滬深指數(shù)高頻數(shù)據(jù)算出每日股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)率后發(fā)現(xiàn),股指期貨在信息傳遞中居于主導(dǎo)地位,在價(jià)格發(fā)現(xiàn)過程中的作用比現(xiàn)貨市場更大,且有隨時(shí)間增強(qiáng)的趨勢,當(dāng)股指期貨市場相對現(xiàn)貨市場更加活躍或者市場波動(dòng)率降低,股指期貨市場的價(jià)格發(fā)現(xiàn)能力會(huì)顯著上升。[14]
3.期權(quán)隱含波動(dòng)率的研究。對期權(quán)隱含波動(dòng)率的研究,大部分學(xué)者的研究視角主要集中在隱含波動(dòng)率對于歷史波動(dòng)率的測算,直接研究中國波指的比較少。屈滿學(xué)和王鵬飛(2017)通過實(shí)證研究發(fā)現(xiàn),上海證券交易所公布的中國波動(dòng)率指數(shù)(iVIX)預(yù)測未來一個(gè)月市場風(fēng)險(xiǎn)的能力要強(qiáng)于歷史已實(shí)現(xiàn)波動(dòng)率與GARCH族波動(dòng)率,但是其預(yù)測能力不及發(fā)達(dá)國家有效,原因在于我國期權(quán)市場并非完全有效市場。[15]大部分學(xué)者均是通過GARCH模型或BS模型來對波動(dòng)率進(jìn)行測算和預(yù)測。鄭振龍和黃薏舟(2010)通過對香港恒生指數(shù)期權(quán)市場所含信息的研究發(fā)現(xiàn),在預(yù)測期限較短時(shí),GARCH模型所含信息較多,預(yù)測能力最強(qiáng),但在預(yù)測較長期限時(shí),隱含波動(dòng)率所含信息較多,預(yù)測能力較強(qiáng);同時(shí),期權(quán)市場交易越活躍,所反映的信息就越全面,隱含波動(dòng)率的預(yù)測能力也就越強(qiáng)。[16]駱樺和王爽(2016)也通過實(shí)證研究發(fā)現(xiàn),對于波動(dòng)率的預(yù)測來說,短期GARCH模型預(yù)測效果較好,長期隱含波動(dòng)率預(yù)測效果較好;由于期權(quán)價(jià)格能夠更加全面地反映市場信息,所以隱含波動(dòng)率對于波動(dòng)率的預(yù)測效果更好。[17]陳彥暉(2014)研究了恒指隱含波動(dòng)率指數(shù)(VHSI)能否被預(yù)測及預(yù)測是否有助于期權(quán)投資實(shí)踐的問題,研究結(jié)果驗(yàn)證了香港股市具有均值回歸的特性,標(biāo)準(zhǔn)普爾500指數(shù)對恒指隱含波動(dòng)率指數(shù)有明顯的溢出效應(yīng)。[18]
綜上可以看出,學(xué)者們已經(jīng)對投資者情緒進(jìn)行了深入系統(tǒng)的研究,對股指期貨和期權(quán)隱含波動(dòng)率也做了一定研究,但是直接將股指期貨或期權(quán)隱含波動(dòng)率與投資者情緒聯(lián)系起來的很少。考慮到投資者情緒是影響股票市場投資者的主要心理因素,而股指期貨升貼水和期權(quán)隱含波動(dòng)率也能客觀反映出投資者的樂觀或悲觀情緒,因此筆者擬在投資者情緒的構(gòu)建中加入股指期貨升貼水和期權(quán)隱含波動(dòng)率作為源指標(biāo);同時(shí)借鑒學(xué)者們的研究,采用換手率[19]、波動(dòng)率等指標(biāo)一起構(gòu)建投資者情緒指標(biāo)。[20]
1.數(shù)據(jù)說明。考慮到筆者用來度量期權(quán)隱含波動(dòng)率的中國波指2016年12月12日才推出,日度級(jí)別的數(shù)據(jù)量過少,而分鐘級(jí)別的數(shù)據(jù)由于變化過于頻繁,也不宜直接用來度量投資者情緒,因此選取小時(shí)級(jí)別數(shù)據(jù)進(jìn)行研究。
對股指期貨的度量,主要采用股指期貨的升貼水?dāng)?shù)據(jù)來度量投資者情緒,由于股指期貨交易量最大的是滬深300指數(shù)的IF合約,因此選取IF合約作為研究對象;并且股指期貨包括當(dāng)月、下月、下季和隔季合約,由于在研究之前不知道哪個(gè)合約的數(shù)據(jù)能夠更準(zhǔn)確地反映出投資者情緒,因此將四組數(shù)據(jù)均先取出作為研究對象。
目前度量投資者情緒的指標(biāo)主要包括換手率、市盈率、封閉式基金折價(jià)率、上漲占比、波動(dòng)率、新股中簽收益率、新增投資者數(shù)量等指標(biāo)。由于筆者的研究主要考慮的是小時(shí)級(jí)別的數(shù)據(jù),因此只從這些指標(biāo)中選取換手率和波動(dòng)率兩個(gè)指標(biāo)與期權(quán)和股指期貨數(shù)據(jù)一起構(gòu)造投資者情緒指標(biāo)。考慮到不同周期的波動(dòng)率的含義可能有所不同,這里將分別考察10期、20期、60期和120期的波動(dòng)率。選取2016年12月12日至2017年4月底的所有小時(shí)級(jí)別數(shù)據(jù)作為研究對象,共368組數(shù)據(jù)。所有數(shù)據(jù)均來自東方財(cái)富金融數(shù)據(jù)庫。對于變量基本情況更詳細(xì)的說明如表1所示。
表1 變量的定義
注:預(yù)期關(guān)系指的是預(yù)期變量與最終獲得的投資者情緒指數(shù)的關(guān)系,“+”表示正向相關(guān),“-”表示負(fù)向相關(guān)。
2.數(shù)據(jù)描述性統(tǒng)計(jì)。表2報(bào)告了各變量的描述性統(tǒng)計(jì)信息。可以看出,上證指數(shù)在研究期的均值為3188點(diǎn),最大值達(dá)到3289,最小值為3069,4個(gè)半月時(shí)間波幅達(dá)到220點(diǎn);中國波指平均值為12.35,最大達(dá)到18.57,最小只有9.09;期貨合約貼水大體均為貼水,其中當(dāng)月合約均值為-0.396%,下月合約為-0.952%,下季合約為-1.95%,隔季合約為-3.55%,最大值為當(dāng)月合約,達(dá)到0.528%,最小值為隔季合約,達(dá)到-3.55%;換手率均值為0.206%,最大值達(dá)到0.53%,最小值為0.067%;四個(gè)周期的波動(dòng)率大體相似,均值均在0.3左右,最大值出現(xiàn)在10期波動(dòng)率,為0.563,最小值也出現(xiàn)在10期波動(dòng)率,為0.111。
表2 變量的描述性統(tǒng)計(jì)
圖1和圖2分別報(bào)告了中國波指、股指期貨升貼水與上證指數(shù)之間的關(guān)系。從圖1可以看出,中國波指與上證指數(shù)之間存在明顯的負(fù)相關(guān)關(guān)系,上證指數(shù)的高點(diǎn)對應(yīng)著中國波指的低點(diǎn),上證指數(shù)的低點(diǎn)對應(yīng)著中國波指的高點(diǎn)。從圖2可以看出,只有隔季期貨合約升貼水與上證指數(shù)存在著一定的負(fù)相關(guān)關(guān)系,當(dāng)月、下月和下季合約的升貼水與上證指數(shù)間的關(guān)系不確定。
圖1 中國波指與上證指數(shù)之間的關(guān)系
圖2 期貨合約升貼水與上證指數(shù)之間的關(guān)系*由于股指期貨升貼水變動(dòng)較為劇烈,為了更直觀地看出它們的變化趨勢,對各合約的價(jià)格序列進(jìn)行了20期移動(dòng)平均處理。
為了更深入地研究各指標(biāo)之間以及與上證指數(shù)之間的相關(guān)關(guān)系,得出具體的相關(guān)系數(shù)如表3所示??梢钥闯觯献C指數(shù)與中國波指存在著顯著的負(fù)相關(guān)關(guān)系;與當(dāng)月、下月及下季期貨合約的升貼水相關(guān)性不顯著,但是與隔季合約存在著顯著的負(fù)相關(guān)關(guān)系,因此在接下來構(gòu)造投資者情緒指標(biāo)的時(shí)候只選擇隔季合約的升貼水率作為源指標(biāo);與換手率間存在著顯著的正相關(guān)關(guān)系;與不同期波動(dòng)率間均存在著顯著的負(fù)相關(guān)關(guān)系。從波動(dòng)率之間的相關(guān)性也可以看出,各期波動(dòng)率之間均顯著相關(guān),因此筆者后續(xù)的研究中選擇最簡單的10期波動(dòng)率作為研究對象。
表3 各變量之間的相關(guān)系數(shù)表
注:*、**、***分別表示在10%、5%、1%水平下顯著。
1.提前與滯后變量的確定。不同指標(biāo)對于投資者情緒的反映可能存在提前和滯后的關(guān)系,因此對各個(gè)指標(biāo)的提前和滯后變量進(jìn)行主成分分析。按照累計(jì)方差解釋率至少達(dá)到85%的標(biāo)準(zhǔn),選取了前4個(gè)主成分(累計(jì)方差為87.91%)并加權(quán)平均,從而構(gòu)造出一個(gè)包含8個(gè)變量的投資者情緒指數(shù)(ISI1)。表4報(bào)告了ISI1與4個(gè)變量的提前與滯后變量的相關(guān)關(guān)系??梢钥闯觯琁SI1與NSEAt、IVIXt-1、VOL10t-1及TURNt的相關(guān)程度較高,因此接下來將采用這四個(gè)指標(biāo)作為構(gòu)建ISI指標(biāo)的最終源指標(biāo)。
表4 ISI1與8個(gè)變量的相關(guān)性
注:*、**、***分別表示在10%、5%、1%水平下顯著。
2.投資者情緒指標(biāo)的構(gòu)建。對NSEAt、IVIXt-1、VOL10t-1及TURNt四個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理,再對它們進(jìn)行主成分分析。前3個(gè)主成分的累計(jì)方差為85.68%,對這3個(gè)主成分加權(quán)平均,得到最終的投資者情緒指標(biāo)ISI。相關(guān)分析發(fā)現(xiàn)ISI與ISI1的相關(guān)性達(dá)到0.94,說明剔除的4個(gè)變量對ISI的構(gòu)建影響不大。表5報(bào)告了NSEAt、IVIXt-1、VOL10t-1及TURNt四個(gè)指標(biāo)間的相關(guān)系數(shù),以及主成分分析后經(jīng)過加權(quán)平均的因子負(fù)載??梢钥闯觯齌URNt與投資者情緒負(fù)相關(guān)外,其他三個(gè)指標(biāo)均與投資者情緒指標(biāo)正相關(guān),說明換手率越低、期貨貼水越小、波動(dòng)率越大、中國波指越大,投資者情緒越高。投資者情緒指標(biāo)ISI2的計(jì)算公式為:
ISI=0.110556*NSEAt-0.03992*TURNt+0.26723*IVIXt-1+0.504165*VOL10t-1
表5 源指標(biāo)及投資者情緒之間的關(guān)系
注:*、**、***分別表示在10%、5%、1%水平下顯著。
通過pearson相關(guān)性檢驗(yàn)發(fā)現(xiàn),ISI與上證指數(shù)的相關(guān)系數(shù)達(dá)到-0.7(1%顯著水平),說明兩者之間存在著顯著的負(fù)相關(guān)關(guān)系。更直觀的體現(xiàn)如圖3所示??梢钥闯觯瑑烧咧g的走勢幾乎相反,投資者情緒指標(biāo)的低點(diǎn)基本對應(yīng)了指數(shù)的高點(diǎn),投資者情緒的高點(diǎn)基本對應(yīng)了指數(shù)的低點(diǎn)。與大部分學(xué)者的觀點(diǎn)相反,考慮到學(xué)者們研究投資者情緒主要是采用月度數(shù)據(jù),因此可以看出,長期來看,投資者情緒與指數(shù)呈同步狀態(tài),表現(xiàn)出動(dòng)量效應(yīng);但是短期來看,投資者情緒與指數(shù)呈反向狀態(tài),表現(xiàn)出反轉(zhuǎn)效應(yīng)。
圖3 投資者情緒指標(biāo)與上證指數(shù)的關(guān)系圖
3.脈沖響應(yīng)函數(shù)分析。脈沖響應(yīng)函數(shù)刻畫的是在擾動(dòng)項(xiàng)加一個(gè)一次性沖擊,對內(nèi)生變量當(dāng)前值和未來值所帶來的影響,描述的是 VAR 模型中的一個(gè)內(nèi)生變量的沖擊給其他內(nèi)生變量帶來的影響。上文可以看到,ISI與指數(shù)價(jià)格之間具有明顯的相互影響,因此可以進(jìn)行脈沖響應(yīng)分析,以更加清晰地發(fā)現(xiàn)兩者之間的關(guān)系。圖4報(bào)告了兩者的脈沖響應(yīng)分析結(jié)果。可以看出,投資者情緒對指數(shù)價(jià)格序列的作用更為明顯。在給投資者情緒一個(gè)單位的沖擊后,指數(shù)價(jià)格當(dāng)期變化并不明顯,但是接下來一期影響開始體現(xiàn),之后保持穩(wěn)定;但是給指數(shù)價(jià)格一個(gè)單位的沖擊后,投資者情緒指標(biāo)幾乎沒有太大變化。因此可以看到,投資者情緒變化對指數(shù)價(jià)格的沖擊,無論是力度還是持續(xù)性上,都要遠(yuǎn)大于指數(shù)價(jià)格對投資者情緒的沖擊。
4.回歸分析。無論是直觀的圖示還是脈沖響應(yīng)分析,都可以看到投資者情緒指標(biāo)對當(dāng)期的指數(shù)價(jià)格具有顯著影響,因此可以建立相應(yīng)的數(shù)理模型,從而達(dá)到通過投資者情緒指標(biāo)預(yù)測指數(shù)的作用。表6報(bào)告了回歸結(jié)果,其中模型I包括了投資者情緒指標(biāo),模型II則直接采用4個(gè)原始指標(biāo)進(jìn)行測量。兩個(gè)模型均擬合較好,模型I的調(diào)整R2達(dá)到0.5,模型II的調(diào)整R2達(dá)到0.6,可以看出投資者情緒保留了原始指標(biāo)的大部分特征。從整體上來看,投資者情緒每變動(dòng)1個(gè)單位,能夠?qū)е轮笖?shù)下跌59個(gè)點(diǎn)??傮w來說,筆者所構(gòu)建的投資者情緒指標(biāo)能夠較好地刻畫出股市的短期情緒特征。
圖4 脈沖響應(yīng)函數(shù)分析結(jié)果
表6 回歸分析結(jié)果
注:*、**、***分別表示在10%、5%、1%水平下顯著。
本文選取2016年12月至2017年4月間的中國波指、股指期貨升貼水、換手率及波動(dòng)率的所有小時(shí)級(jí)別數(shù)據(jù)作為研究對象,測度了滬深股市的投資者情緒,并研究了投資者情緒指標(biāo)與指數(shù)序列之間的關(guān)系。結(jié)果表明:中國波指、股指期貨升貼水和換手率及波動(dòng)率一起,能夠較好地刻畫出滬深股市的投資者情緒;投資者情緒指標(biāo)與上證指數(shù)序列具有顯著的負(fù)向相關(guān)關(guān)系,相關(guān)系數(shù)為-0.7;脈沖響應(yīng)分析發(fā)現(xiàn),投資者情緒的變動(dòng)能夠?qū)χ笖?shù)序列產(chǎn)生顯著影響,回歸分析的結(jié)果也證明了投資者情緒能夠解釋指數(shù)序列50%的變動(dòng)情況,且投資者情緒本期每變化1個(gè)單位,能夠?qū)е轮笖?shù)下跌59個(gè)點(diǎn)??傮w來說,筆者構(gòu)建的包含中國波指和股指期貨的投資者情緒指標(biāo),具有一定的有效性。
今后可以進(jìn)一步對投資者情緒進(jìn)行深入研究:第一,可以探討不同行業(yè)、不同規(guī)?;虿煌鍓K的股票受投資者情緒影響的差異性;第二,可以收集更長時(shí)間的期權(quán)隱含波動(dòng)率數(shù)據(jù)進(jìn)行測算,如可以利用期權(quán)的原始數(shù)據(jù),通過BS公式反推出隱含波動(dòng)率,從而從更長的時(shí)間角度來探討期權(quán)隱含波動(dòng)率對投資者情緒的影響;第三,可以在投資者情緒的研究中加入其他的新的內(nèi)容,如通過爬蟲程序抓取和提煉出的網(wǎng)頁搜索內(nèi)容等。
[1]黃虹,等.融資融券會(huì)加大投資者情緒對股指波動(dòng)的影響嗎?[J].中國軟科學(xué),2016,(3):151-161.
[2]De Bondt W.P.M. Betting on Trends:Intuitive Forecasts of Financial Risk and Return[J].Internantional Journal of Forecasting,1993,(3):355-371.
[3]王美今,孫建軍.中國股市收益、收益波動(dòng)與投資者情緒[J].經(jīng)濟(jì)研究,2004,(10):75-82.
[4]魯訓(xùn)法,黎建強(qiáng).中國股市指數(shù)與投資者情緒指數(shù)的相互關(guān)系[J].系統(tǒng)工程理論與實(shí)踐,2012,(3):621-629.
[5]王春.投資者情緒對股票市場收益和波動(dòng)的影響——基于開放式股票型基金資金凈流入的實(shí)證研究[J].中國管理科學(xué),2014,(9):49-56.
[6]Baker M,Wurgler J. NIAestor Sentiment and the Cross-section of Stock Returns[J].Journal of Finance,2006,(4):1645-1680.
[7]易志高,茅寧.中國股市投資者情緒測量研究:CICSI的構(gòu)建[J].金融研究,2009,(11):174-184.
[8]池麗旭,等.投資者情緒指標(biāo)與股票市場——基于擴(kuò)展卡爾曼濾波方法的研究[J].管理工程學(xué)報(bào),2012,(3):122-129.
[9]文鳳華,等.投資者情緒特征對股票價(jià)格行為的影響研究[J].管理科學(xué)學(xué)報(bào),2014,(3):60-69.
[10]華仁海,劉慶富.股指期貨與股指現(xiàn)貨市場間的價(jià)格發(fā)現(xiàn)能力探究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010,(10):90-100.
[11]劉慶富,華仁海.中國股指期貨與股票現(xiàn)貨市場之間的風(fēng)險(xiǎn)傳遞效應(yīng)研究[J].統(tǒng)計(jì)研究,2011,(1):84-90.
[12]陳紅,周奮,張磊.我國股指期貨市場與股票現(xiàn)貨市場的價(jià)格關(guān)系——來自中國資本市場的經(jīng)驗(yàn)證據(jù)[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào),2012,(6):48-55.
[13]蔡敬梅,強(qiáng)林飛,周海鵬.中國股指期貨與股票市場波動(dòng)性關(guān)系的實(shí)證分析[J].統(tǒng)計(jì)與信息論壇,2013,(1):59-64.
[14]陶利斌,潘婉彬,黃筠哲.滬深股指期貨價(jià)格發(fā)現(xiàn)能力的變化及其決定因素[J].金融研究,2014,(4):128-142.
[15]屈滿學(xué),王鵬飛.我國波動(dòng)率指數(shù)預(yù)測能力研究——基于隱含波動(dòng)率的信息比較[J].經(jīng)濟(jì)問題,2017,(1):60-66.
[16]鄭振龍,黃薏舟.波動(dòng)率預(yù)測:GARCH模型與隱含波動(dòng)率[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010,(1):140-150.
[17]駱樺,王爽.用GARCH模型與隱含波動(dòng)率預(yù)測金融波動(dòng)率[J].浙江理工大學(xué)學(xué)報(bào):自然科學(xué)版,2016,(2):322-326.
[18]陳彥暉.基于ARMA-GARCH模型的恒指隱含波動(dòng)率指數(shù)預(yù)測及其在期權(quán)交易中的應(yīng)用[J].經(jīng)濟(jì)數(shù)學(xué),2014,(4):27-35.
[19]周亮.影響股票收益的基本面因子略探——基于中小板上市公司的實(shí)證分析[J].金融理論與實(shí)踐,2017,(2):93-98.
[20]羅琰,劉曉星.基于投資者情緒的均值—方差投資組合選擇研究[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào),2016,(5):14-20.