【《投资者情绪指数的选取与构建案例分析》2900字】

投资者情绪指数的选取与构建案例分析目录TOC\o"1-3"\h\u14189投资者情绪指数的选取与构建案例分析 1241031.1代理指标的选取 159781.1.1直接情绪指标 134671.1.2间接指标 219931.2复合指标的构建 4317591.2.1KMO和Bartlett检验 4189231.2.2相关性分析 495371.2.3主成分分析法 61.1代理指标的选取用于衡量投资者情绪的指标主要分为两类，一类时是直接指标，一类是间接指标。直接指标一般是指机构通过调查问卷、抽样调查等方式，获取投资者对未来走势的看法态度的主观数据来构建的指标，间接指标则是指利用股票市场中已经存在的客观指标和数据作为投资者情绪的替代变量。1.1.1直接情绪指标例如：CICI（中国投资者信心指数）、CCI（中国消费者信心指数）等。CICI的调查对象广泛包括券商、基金、银行、保险、专业财经媒体等金融机构与个人，保证了调查数据的客观普遍性。它可以反映整个股票市场未来的波动性，当CICI比50小的时候，说明投资者整体持悲观态度，波动率上升；反之波动率下降。除此之外，王美今(2004)和RobertB.Barsky、EricR.Sims(2012)都是根据调查问卷统计出的看涨看跌人数对投资者情绪进行度量。利用Excel将CICI、CCI与创业板综数据导入，绘制成折线图，结果如图2，图3所示：图2中国投资者信心指数与创业板综走势图图3中国消费者信心指数与创业板综走势图1.1.2间接指标例如：封闭式基金折价、换手率、市盈率等。Poniiff等(1995)用封闭式基金折价代表投资者情绪的变化。Baker和Wurgler(2006)采用换手率、股市市盈率、开户数量和封闭式基金折价等六个市场客观指标构建BW投资者情绪指数。杨少华、郭万山（2017）和尹莉娅（2018）均采用换手率、成交量、市盈率作为衡量我国股市投资者情绪的代理指标。徐丹丹（2020）采用换手率、成交量作为衡量我国股市投资者情绪的代理指标。1.换手率（Turn）换手率是一定时间内买卖股票的频率，用来反映股票的流动性情况，一般换手率越高，流动性越好，说明投资者情绪越乐观。2.成交量（Volume）成交量可以直观体现股票流动性和投资者活跃程度。当投资者对股票持乐观态度时，成交量就会增加，进而造成股价上涨，收益率上升；反之，当投资者对股票持悲观态度时，成交量减少，收益率下降。1.成交额（Amount）成交额可以帮助投资者关注股票买卖资金增减趋势，也可以体现股票的供需关系。当供不应求时，就表示股票市场上投资者整体持乐观态度，资金买进较多，成交额增加；反之，当供过于求时，就表示股票市场投资者整体持悲观态度，资金买进较少，成交额减少。4.市盈率（PE）市盈率通常用来评估股票价格合理性，市盈率越高，说明投资者越认可该公司的发展潜力，投资者整体持乐观态度，股价被高估的可能性就越大；市盈率越低，说明投资者整体持悲观态度，不太认可该公司发展潜力，股价被低估的可能性越大。5.上证综指（SH）上证综指可以准确地反映出当前我国股票市场综合经营状况。考虑到情绪在不同类型指数和市场之间的传导性，本文还选取上证综指作为投资者情绪的代理指标。从我国股票市场的经营状况来看，相较于国外，我国封闭式基金规模比较小，加上未来开放式基金才是发展主流，因此我认为封闭式基金的折价率并不适合用于反映当前我国的投资者心态。其次，由于我选择的数据期间内我国IPO相关政策实行核准制，新股上市后会多次出现连续涨停的情况，加上新股发行过程中受到证监会的严格管控，会出现多次暂停新股发行的情况。这导致了数据的中断和信息的缺失，因此IPO数也无法有效地刻画投资者的情绪。因此，基于以上分析，根据我国股市的运行特征，借鉴国内外学者的研究成果，本文拟选取换手率、成交量、成交额、市盈率、上证综指这5个代理指标对投资者情绪进行度量。根据国内外学者的参考文献和自身认知，对各个变量之间的相关关系作出合理推测，结果如表1所示：表1变量选择和相关关系假设变量名称符号表示相关关系假设换手率Turn正相关成交量Volume正相关成交额Amount正相关市盈率PE正相关上证综合指数SH正相关1.2复合指标的构建杨少华，郭万山（2017）发表《我国股市投资者情绪与超额收益关系的研究》指出将换手率、市盈率、股票涨跌个数比和成交量四个投资者情绪代理指标利用主成分分析法构造为投资者情绪综合指标。本文参照此文，采取主成分分析法，对换手率、成交量、成交额、市盈率、上证综指进行拟合。主成分分析法利用降维技术，通过正交变换删去原先所有变量中重叠的信息，转换为一组两两不相关的新变量，并确保这组新变量能尽可能多的保持原有信息。本文选择的样本期限为2010年6月至2019年12月每月的月份统计数据，之所以从2010年6月开始算，是因为这一天是我国创业板市场行情的起始时间；同时，为了避免疫情原因造成的偏差，所以样本时间截止到2019年底。文中全部数据均来源于Choice金融终端和锐思金融数据库。1.2.1KMO和Bartlett检验因子分析前，首先需要进行KMO检验和巴特利球体检验。KMO检验用于检查变量间的相关性和偏相关性，取值在0到1之间，KMO统计量越接近1，变量间的相关性越强，偏相关性越弱；巴特利球体检验则主要是用于检验数据的分布以及各个变量间的独立情况。当KMO检验系数＞0.5，巴特利球体检验P值＜0.05，才能进行因子分析，反之，则不适合。利用SPSS26.0对数据进行相关处理，结果如表2所示：表2KMO和Bartlett检验KMO取样适切性量数0.592巴特利特球形度检验近似卡方479.098自由度10显著性0.000由表2可知，五个代理指标的KMO统计量为0.592>0.5，巴特利球体检验显著性P值为0.000<0.05，可以进行主成分分析。1.2.2相关性分析对选出来的各个代理变量的数据进行相关性分析，结果如表3所示：表3变量的相关性矩阵表TurnVolumeAmountPESHTurn皮尔逊相关性10.917**0.760**0.181-0.393**Sig.（双尾）0.0000.0000.0540.000个案数114114114114114Volume皮尔逊相关性0.917**10.850**0.176-0.380**Sig.（双尾）0.0000.0000.0610.000个案数114114114114114Amount皮尔逊相关性0.760**0.850**10.545**-0.414**Sig.（双尾）0.0000.0000.0000.000个案数114114114114114PE皮尔逊相关性0.1810.1760.545**1-0.356**Sig.（双尾）0.0540.0610.0000.000个案数114114114114114SH皮尔逊相关性-0.393**-0.380**-0.414**-0.356**1Sig.（双尾）0.0000.0000.0000.000个案数114114114114114**，在0.01级别（双尾），相关性显著。根据表2的相关数据可以看出，大部分显著性P值均小于0.05，说明五个代理变量之间基本均存在相关关系，且相关性显著。其中换手率和成交量与市盈率和上证综指之间相关性较低，且与上证综指呈现负相关性；市盈率与上证综指之间相关性也比较低，说明他们之间存在弱相关。1.2.3主成分分析法主成分分析结果如表4所示：表4总方差解释成分总计初始特征值方差百分比累计%总计提取载荷平方和方差百分比累计%11.10762.13462.1341.10762.13462.13421.03620.72782.8611.03620.72782.86130.66911.37896.23840.1472.93299.17150.0410.829100.00由上表可知，第一个和第二个主成分累计方差解释率达到82.861%，且特征值为2。根据累计贡献率大于80%且特征值大于1的原则来看，说明使用前两个主成分就可以涵盖原本最初的5个投资者情绪代理指标，构建一个投资者情绪复合指标。主成分系数矩阵如表5所示：表5成分系数矩阵成分1成分2Turn0.8900.362Volume0.9140.368SH0.936-0.038CICI0.496-0.786CCI-0.5990.388设置主成分1和2为F1、F2。则主成分的表达式为：F1=0.890*Turn+0.914*Volume+0.936*Amount+0.496*PE-0.599*SHF2=0.362*Turn+0.368*Volume-0.038*Amount-0.786*PE+0.388*SH又因为，各因子的权重为各自的方差贡献率，故用前两个主成分构建的投资者情绪复合指标（CompositeIndicator，以下简称CI）表示为：CI=0.62134*F1+0.20727*F