【《投资者情绪指标的选取与构建案例分析》6100字】

投资者情绪指标的选取与构建案例分析目录TOC\o"1-3"\h\u11110投资者情绪指标的选取与构建案例分析 表42可知，NIPO的最大值为82，最小值为0，表明IPO数量变动幅度较大；NA的变化可以反映出潜在投资者情绪的变化，情绪高涨时每月新增开户数可达497.53万户之多，而情绪低落时每月新增开户数仅有27.58万户；TURN的最大值为0.679，最小值为0.085，在一定程度上表明投资者情绪的变动较大，情绪高涨时交易十分频繁，而情绪低落时换手率较低；MB的最小值为355.72亿元，最大值为20800.3亿元，表明融资融券余额能较好地反映投资者对市场行情预期的变化；PE的标准差为1.56，相对其他代理变量而言波动较小，表明投资者对上市公司的市价的预期变动较小；CCI的均值为112，表明总体而言我国消费者对中国经济前景一致看好。为更好地分析各代理指标的变动趋势，基于未处理的原始指标数值画出时间序列图，如图4-1所示：图STYLEREF1\s4SEQ图\*ARABIC\s11各代理变量时间序列图从图4-1不难发现，NA、TURN、MB以及PE均在2015年年中达到峰值后又迅速跌落，反映了我国股市大环境的剧烈波动；MB与CCI整体上呈现明显的上升态势，表明近年来我国宏观经济发展态势较好。相关性检验为保证本文所选指标的有效性，首先对各个代理指标进行相关性分析。本文取沪深300股指期货月度收盘价的均值，分别与各代理指标以及宏观指标做Pearson相关性分析，从表4-3可以看到，本文所选指标与沪深300股指期货月度收盘价的均值具有显著的相关性，意味着本所选指标均有效。 表STYLEREF1\s4SEQ表\*ARABIC\s13相关性检验变量类型变量相关系数显著性水平代理指标NIPO0.6780.000NA0.5810.000TURN0.4610.000MB0.9280.000PE0.5210.000CCI0.7250.000宏观指标CPI-0.3210.000PPI0.3280.000MBCI0.3870.000注：通常认为相关系数在0.8-1.0之间为极强相关；0.6-0.8之间为强相关；0.4-0.6之间为中等程度相关；0.2-0.4之间为弱相关；0.0-0.2则为极弱相关或无相关。投资者情绪指标的构建标准化处理投资者情绪的各项代理指标存在一定的时滞效应，也即指标的滞后项也会对投资者情绪造成影响，因此本文将各指标滞后一期变量同时加入主成分分析，共同构建投资者情绪指标。在进行主成分分析之前，为消除指标量纲的影响，先对6个代理指标变量NIPOt、NAt、TURNt、MBt、PEt、CCIt，以及原指标的滞后一期指标NIPOt−1、NAt−1、Z（4-3）其中，Zt为第t期代理指标数据，Zt'为第t期代理指标标准化处理后的数据，ZKMO与Bartlett检验首先对各代理指标之间的相关性进行检验，以判断所选的指标是否能够进行主成分分析，主要的检验方法为KMO检验、Bartlett检验。KMO的值越大越适合进行主成分分析，越小越不适合进行主成分分析，KMO度量标准见表4-4。表STYLEREF1\s4SEQ表\*ARABIC\s14KMO度量标准检测类别值的范围主成分分析适合情况KMO值大于0.9非常适合0.8-0.9很适合0.7-0.8适合0.6-0.7勉强适合0.5-0.6不太适合小于0.5不适合表STYLEREF1\s4SEQ表\*ARABIC\s15KMO与Bartlett的检验结果检验方法指标值KMO检验KMO0.765Bartlett球形检验Chi-square1747.184Degreesoffreedom66p-value0.000根据KMO检验的度量标准，KMO值介于0.765，意味着各指标间具有一定的相关性，所取指标适合进行主成分分析；Bartlett球形检验结果中p值显著趋于零，在1%的显著性水平下拒绝各投资者情绪代理指标的相关系数矩阵是单位阵的原假设，同样说明所取指标适合进行主成分分析。构建综合指标在完成相关性检验后对指标进行主成分分析，同时考虑主成分方差贡献率与特征值，从高至低选取特征值大于1的主成分。结果如表4-6所示：表STYLEREF1\s4SEQ表\*ARABIC\s16主成分分析结果主成分特征值方差方差贡献率累计方差贡献率Factor16.2513.970.5210.521Factor22.281.0550.190.711Factor31.2250.3010.1020.813Factor40.9240.5020.0770.890Factor50.4220.1560.0350.925Factor60.2660.0390.0220.947Factor70.2270.0780.0190.966Factor80.1490.0110.0120.979Factor90.1380.0650.0110.990Factor100.0730.0380.0060.996Factor110.0350.0260.0030.999Factor120.0090.0000.0011.000从表4-6可以看出，第一主成分特征值为6.251，能够解释原指标与滞后指标总方差的52.1%，随后主成分特征值与方差贡献率呈比例逐渐下降。前三个主成分的特征值大于1，且累计方差贡献率达到了81.3%，因此提取前三个主成分构建投资者情绪，同样可以通过碎石图进行更为直观的观测，如图4-2所示。图STYLEREF1\s4SEQ图\*ARABIC\s12碎石图图4-2的横坐标表示主成分数量，纵坐标表示对对应主成分的特征值，特征值为1是保留主成分的临界点，从图中可以看出高于临界点的主成分共3个，其余特征值较小的主成分对解释代理指标的贡献同样较少，因此不纳入考虑。接下来通过计算主成分得分系数探究主成分所含的信息成分的构成，具体结果如表4-7所示：表STYLEREF1\s4SEQ表\*ARABIC\s17主成分得分系数矩阵VariableFactor1Factor2Factor3NIPO0.1070.1230.026NA0.129-0.137-0.063TURN0.113-0.247-0.194MB0.1490.062-0.194PE0.112-0.0380.516CCI0.0790.347-0.065NIPO0.1080.1290.076NA0.133-0.144-0.028TURN0.111-0.244-0.196MB0.1480.060-0.185PE0.091-0.0370.614CCI0.079-0.244-0.098根据表4-7所示的各代理指标的主成分得分系数，分别得到前三个主成分的线性表达式如下：F（4-4）F（4-5）F（4-6）根据各主成分的方差贡献率进行加权处理，主成分权重的表达式如下：α（4-7）其中，αi表示第i个主成分的权重；σi2、σj2分别表示第i和j个主成分的方差贡献率。计算得前三个主成分权重分别为0.641、0.234以及0.125SI1=（4-8）上式的12个变量中，包含各代理指标的初始变量与滞后一期变量，因此对各变量进行相关性分析，筛选出代理指标与SI1相关性更强的变量，以便更好地刻画投资者情绪。表STYLEREF1\s4SEQ表\*ARABIC\s18SI1与变量的相关性变量样本数SI1相关系数显著性水平NIPO1190.7190.000NA1190.6240.000TURN1190.4200.000MB1190.8670.000PE1190.7290.000CCI1190.7080.000NIPO1190.7370.000NA1190.6520.000TURN1190.4120.000MB1190.8610.000PE1190.6350.000CCI1190.6970.000如表4-8所示，本文所选取的六个代理指标的原变量与滞后变量均与构建的初始投资者情绪SI1有显著的相关性，其中代理指标NIPOt-1与NAt-1与投资者情绪SI1的相关性系数更高；代理指标TURNt、MBt、PEt以及CCIt与投资者情绪SI1的相关性系数更高。因此根据代理指标相关系数的大小，筛选出NIPOt-1、NAt-1、TURNtSI2=（4-9）表STYLEREF1\s4SEQ表\*ARABIC\s19SI2与代理变量以及的相关性变量样本数SI2相关系数显著性水平NIPO1190.7820.000NA1190.6860.000TURN1190.4620.000MB1190.9070.000PE1190.6490.000CCI1190.7230.000SI11190.9770.000SI2与代理指标以及SI1的相关性分析结果如表4-9所示，NIPOt-1、NAt-1、TURNt、MBt、PEt以及CCIt均与构建的初始投资者情绪SI2有显著的相关性。在1%的显著性水平下，投资者情绪二级指标SI2与初始指标SI1的相关系数为0.977，表明删减6个变量后上文构建的投资者情绪指标包含宏观经济因素的成分，属于投资者的理性预期，因此不能充分反映投资者情绪的变化。为进一步精确地刻画投资者情绪，需从中剔除宏观经济因素对指标的影响。因此，本文选取居民消费者价格指数（CPI）、生产者价格指数（PPI）以及宏观经济景气一致指数（MBCI）来剔除宏观经济因素对代理变量的影响。在投资者情绪指标的具体构建中，分别将6个代理变量NIPOt-1、NAt-1、TURNt、MBt、Y（4-10）利用上述模型，分别提取回归后的残差序列eNIPOt-1、eNAt-1、eTURNt、eMBt、SI=（4-11）表STYLEREF1\s4SEQ表\*ARABIC\s110SI与代理变量以及SI2的相关性变量样本数SI相关系数显著性水平eNIPO1190.6780.024eNA1190.8630.000e1190.8890.000eMB1190.9300.000e1190.6800.000eCCI1190.7490.000SI21190.8980.000如表4-10所示，SI与eNIPOt-1、eNAt-1、eTURNt、eMBt、ePEt以及eCCIt均有显著的相关性，且SI与S投资者情绪指标有效性分析根据行为金融学理论相关研究，投资者情绪在资产定价与市场价格波动中起到重要的作用，投资者情绪变动与股市价格波动趋势存在同步性。因此本文采用Pearson相关性检验对投资者情绪指标SI的有效性进行分析，由于投资者情绪为月度数据，对沪深证综合指数、沪深300股指期货的收盘价进行月度平均处理，样本区间为年2012年1月至2021年11月，检验结果如表4-11所示。表STYLEREF1\s4SEQ表\*ARABIC\s111SI与沪深证综合指数、沪深300股指期货的相关性变量样本数SI相关系数显著性水平上证综合指数1190.9160.000深证综合指数1190.8430.000沪深300股指期货1190.8300.000由表4-11可以发现，在1%的显著性水平下，SI与上证综合指数、深证综合指数的相关系数分别为0.916、0.843。此外，在1%的显著性水平下，SI与沪深300股指期货的相关系数达到0.83，意味着构建的投资者情绪指标较为适合用于沪深300股指期货的研究。图STYLEREF1\s4SEQ图\*ARABIC\s13SI与上证综合指数、深证综合指数关系图图STYLEREF1\s4SEQ图\*ARABIC\s14SI与沪深300股指期货关系图根据图4-3、图4-4并结合中国股市近十余年股价波动的实际事件可以证实投资者情绪波动的影响。2008年全球金融危机爆发后，投资者情绪随之降到谷底，悲观甚至恐慌情绪在投资者之间蔓延，即使我国实施了一系列财政政策与货币政策进行逆周期调节，也难以避免全球经济萎靡的影响，股市在2009年至2012年仍处于地位震荡的状态。2012年年底股市迎来一个比较大的涨幅，投资者情绪达到第一个峰值，然而2013年年初股市受资金外逃、大型银行违约等诸多负面事件的冲击，投资者情绪又迅速下跌，股市有所回落并在随后的几年一直经历缓慢的恢复周期。直到2015年，沪深综合指数急剧上涨，投资