一、强力反弹 高于大盘(论文文献综述)
李田田[1](2019)在《海普瑞高溢价收购多普乐中利益输送问题的研究》文中指出随着我国经济转型期的到来,再加上政策的疏导,资本市场上掀起新一波的企业并购浪潮。越来越多的企业试图通过并购重组限制竞争威胁,或开拓新领域寻找新的利润增长点。企业并购逐渐成为整合资源,提高经营效果的有效手段之一。然而由于我国资本市场和外部监管还存在一些问题,企业并购快速发展的同时也伴随着诸多问题。综合来看,我国企业并购事件大多伴随着高溢价的特点,这在监管体系仍有漏洞的大环境下,使得大股东更加有机会利用高溢价收购侵占中小股东的利益,大行利益输送之道。所以研究上市公司高溢价收购中的利益输送行为,探究其常见的操作方式,并针对性地提出一些建议,这对我国资本市场的发展具有重要的意义。本文对中西方学者在并购重组和利益输送方面的研究结论进行了梳理,基于协同、委托代理、掏空等理论基础,联系我国并购的制度背景,分析了上市公司主要股东实施利益输送的动机和行为方式。详细分析了海普瑞收购多普乐这一案例,研究了其并购进程,发现其大股东通过关联交易、打压定向增发发行价格、虚增标的资产评估价值做高溢价率等手段实现利益输送,从市场的反映来验证利益输送的经济后果,并进一步分析了其成因。最后发现上市公司高溢价收购中存在利益输送的原因可以分为三个方面,一方面是内部存在股权结构不合理、公司治理层面有漏洞,导致大股东产生了掠夺动机;另一方面是投资者对于维护自身权利的意识过于薄弱;最后是外部监管体系不完善,助长了大股东利益输送的行为。并针对这些原因提出了切实可行的建议和对策,以期完善我国资本市场和监管体系的发展。
李富军[2](2020)在《投资者行为因素对金融异象的影响与智慧投资应对策略研究》文中研究说明近年来,智慧投资(Smart Beta)策略受到理论界的广泛关注,并在实践领域得到越来多的应用。各国的资本市场上都出现了众多的以智慧投资为理念的投资产品。中国的智慧投资产品起步较晚,但发展迅速。初期的智慧投资产品多使用单因子策略,常见的单因子策略包括价值策略、成长策略、动量策略、红利策略等。而近年来,针对我国市场的行情趋势和投资热点,一些机构先后推出了“红利+低波动”熊市防御策略,多因子选股的行业龙头策略、关注研发投入因子的科技创新策略等。市场上的智慧投资产品表现出越来越强的差异化特征,为投资者提供了更为丰富的投资产品选择。在中国资本市场快速发展的趋势下,智慧投资在中国拥有极为广阔的发展前景。另一方面,相对于发达国家,中国的资本市场起步较晚,发展尚不成熟,公司资产证券化水平不高,中国投资者的投资标的受到严重局限。同时中国个人投资者在股市交易中的主导地位使中国的股票市场走势呈现出波动剧烈、投机性强的特征。市场数据表明,相对于美国资本市场的投资者,中国投资者更加青睐波动更大、风险更高的投资标的,这与经典经金融理论中的理性投资者假设不符。因此,在英美等发达资本市场中行之有效的投资策略可能并不符合中国资本市场的发展现状。当前亟需引入新的理论和方法对现有投资策略进行优化和完善,使其适应中国资本市场的发展特征,以为中国投资者提供更加优质的投资选择。从上世纪80年代开始,一些学者将心理学和行为科学的理论和方法引入金融研究,从而形成了金融学新的理论分支——行为金融学。行为金融理论认为,投资者的决策过程存在偏见,例如,人们在对模糊的市场信息进行判断的过程中存在着乐观主义或者保守主义的倾向,对某些特定的、偶发的事件呈现出过度的关注和反应,投资者的这些特征使其偏好和效用不再清晰和稳定,从而难以做出基于期望效用的理性决策。同时,行为金融理论改变了投资者同质性的假设,即由于信息、认知、偏好等方面的差异,投资者对于相同证券的估值存在差异,市场上存在着会导致证券价格变动的异质性投资者,从而在一定程度上解释了投资者过度交易和证券价格异常波动的异象。行为金融理论的快速发展为现代金融研究提供了新的理论视角和研究方法,同时也为市场投资策略的制定提供了新的理论依据。近年来,已经有越来越多的资产管理机构将动量因子、波动性因子等反应投资者行为特征的因子纳入其投资策略。这些产品在一定程度上丰富了投资者的投资选择,但是并没有表现出显着优于其他产品的收益水平。某些产品的绩效不仅低于同类基金均值,甚至低于同期沪深300的平均收益水平。动量策略、低波动策略在发达资本市场的取得了较大的成功,但在我国的资本市场似乎“水土不服”。简单地将投资者行为因子引入智慧投资策略并不能适应我国资本市场的具体环境,同时还需要考虑市场趋势、股票特质等其他因素的影响。现有的理论研究和实践应用多数将投资者行为因素作为单独的影响因子进行讨论,而忽略了投资者行为因子与其他风格因子之间的交互作用。同时在现有的投资策略研究与应用中,并未对投资者行为因素进行精确度量,从而难以准确地刻画投资者的行为特征并将其纳入投资策略框架。而本文力图弥补以上不足,探究通过控制投资者行为因素的影响以优化投资策略的方法和路径。为此,本文以行为金融理论视角为基础,分别考察了投资者过度自信、异质信念和损失厌恶等行为特征对动量因子、波动因子、价值因子等传统风险因子投资策略绩效的影响。本文的第二章分别对智慧投资的理论基础、因子投资策略的投资逻辑、行为金融的理论与方法、现代投资组合理论与方法等多方面的文献进行了梳理。通过文献回顾发现,经典金融学理论的理论研究为投资者理解资本市场运行机理、构建投资策略构建了理论框架,并试图通过放松某些过于严格的假设来解释市场异象,帮助投资者优化投资策略,开始引入“非理性投资者”、“噪声投资者”、“信息优势投资者”等概念,探讨非完全理性假设下资本市场的运行规律,并关注“套利者”在实现证券价格有效性的过程中所起到的重要作用。这就构成了智慧投资策略的理论基础。但是对这些关键因素的作用机理和适用条件没有给出根本性的描述。因而基于这些模型构建的投资策略受到环境和实现局限,难以形成灵活的、具有广泛适用性的策略模型。相反,现代行为科学和行为金融理论的快速发展给资本市场研究提供了新的理论视角和研究方法。行为金融理论不再纠结于投资者理性与否的假设,而是直接将投资者行为特征作为研究对象,通过理论模型研究探讨投资者行为特征的形成机理,并通过实验和实证研究进行检验。行为金融理论对投资者进行了更为精细的刻画,并基于此解释资本市场上的种种现象。这样的研究思路为投资策略的制定提供了更为丰富的理论参考,从而给现代智慧投资策略模型的构建指明了方向。但是,还少有学者将投资者行为因素研究与投资策略研究结合起来,深入探讨行为因素与投资策略的动态作用机理,并未见有研究基于投资者行为理论提出具有更强适应性和动态调整能力的投资策略模型。现有投资策略模型的研究对多阶段动态投资策模型的计算方法已经进行了深入讨论,并能够基于动态数据分析对投资组合进行及时调整。这些动态策略模型的构建思路为智慧投资策略提供了借鉴。本文第三章检验了投资者行为因素对动量效应的影响。研究发现,中国股票市场存在着短期动量效应。投资者异质信念、过度自信加剧了动量效应并延长了其持续时间。处置效应对动量效应的大小具有抑制作用。但是本文没有发现处置效应影响动量效应持续时间的证据。因此,在构建智慧投资策略时,需要更加重视对投资者行为因素及其影响的分析和描述,以为动量策略的构建和优化提供支持。本文第四章的研究探讨了投资者行为因素对低波动异象的影响。研究发现,中国股票市场存在着显着的低波动异象。投资者强异质信念提升了低波动投资组合的收益,同时增加了高波动组合的损失。因此投资者异质信念提升了低波动投资策略的收益。此外,只有在投资者异质信念程度较高时,低波动策略才能在长期表现出稳健的正超额收益率。回归分析的结果也表明,投资者异质信念对低波动异象的持续时间具有正向影响。投资者过度自信对不同波动水平投资组合的影响具有非对称性。过度自信对低波动组合的影响并不显着,而对高波动组合具有负向影响。因而高过度自信水平提升了低波动投资策略的收益。投资者过度自信对不同市场趋势中低波动策略收益的差异具有显着影响。投资者过度自信显着增大了牛、熊市中低波动策略的收益差异。投资者的处置效应对低波动投资策略的收益影响并不明确。但强处置效应和弱处置效应对高波动组合的收益具有正向影响,同时处置效应对低波动异象的持续时间具有显着的负向影响。因而在构建波动策略模型时,需要考虑投资者行为特征因素的影响,设计具有动态调整能力的低波动投资策略。本文第五章的研究讨论了投资者行为因素对价值溢价效应的影响。研究发现,中国股票市场存在显着的溢价效应,但受到投资者行为因素的影响。投资者异质信念对价值策略收益及其持续时间均表现出正向影响。投资者过度自信对价值策略的收益具有正向影响,且其影响在中长期表现得更为显着。而这一影响主要是通过影响成长组合实现的。对策略收益持续时间的实证分析也表明,过度自信对价值溢价效应具有显着的正向影响。投资者的处置效应限制了价值策略的收益,同时延长了价值溢价效应的持续时间。在中国资本市场发展尚不成熟,投资者非理性特征较为明显的情况下,将投资者行为因素纳入价值投资策略的设计框架具有更强的必要性。在第六章,本文从投资者行为视角对现有的智慧投资策略构建方式进行了优化,分别构建了经投资者行为因素调整的智慧投资策略,并进行了回测检验。分析表明,本文构建的智慧投资策略表现出了良好的收益能力。多因子综合评分选股策略在回测期内的累计收益率高达438.56%,同时具有较高的夏普比率、索提诺比率。单因子选股后按照因子权重进行分配策略在回测期内也取得了86.09%的累计收益,显着高于同时市场平均水平。但其夏普比率、索提诺比率相对较低。同时不同投资策略在不同的市场环境中的表现存在差异。因子综合评分选股策略的收益相对比较稳定,受市场变化的影响较小,但是在快牛行情中的收益表现不及市场的平均水平。单因子选股后按照因子权重进行分配策略受市场趋势的影响较为明显,并在快牛行情中取得了十分优异的收益水平,但是在大跌行情中的抗冲击能力较差。第七章总结了本文的研究成果,归纳了本文研究存在的局限性,并在此基础上对未来研究进行了展望。本文立足于中国资本市场的发展现状和特征,从行为金融理论视角出发,讨论了投资者行为因素对传统因子投资策略绩效表现的影响,并构建经投资者行为因素调整的多因子智慧投资策略进行回测,对我国投资策略理论研究和资本市场投资实践具有重要的理论价值和实践参考意义。一方面,本文将行为金融理论视角引入智慧投资策略的研究中来,扩展了当前因子投资策略的研究内容和框架。现有的投资领域研究多数聚焦于分析和发现影响投资组合绩效表现的风险因子,追求通过数据分析构建超越市场平均水平的投资风险因子和组合策略构成方法。但是这样的研究方法忽略了市场本身的特征和作为市场行为主体的投资者特征的异质性和时变性,从而导致其投资策略难以适应不同的市场环境。而本文的研究不再纠结于选取“最优”的风险因子策略,而着眼于使投资策略模型拥有根据市场环境和主体行为特征进行智能优化和调整的能力,从而区别于传统投资策略研究的理论思路。同时,现有多因子策略研究多关注各类因子的风险暴露程度和决策模型计算方法,而尚未深入讨论各类因子的作用机理和暴露程度变化的原因。本文从而行为金融理论出发,通过理论分析和实证研究探讨了常用风险因子受投资者行为因素影响的机理和路径,对现有投资理论进行了有益补充。另一方面,本文的研究对中国资本市场的投资实践具有重要的参考意义。本文基于中国资本市场的发展现状和特征,对作为交易主体的投资者的行为进行了描述和刻画,分析探讨了投资策略构建过程中引入投资者行为因素的必要性和可行路径。通过本文的研究,可以进一步了解很多在欧美资本市场通行的投资策略在中国失效的原因,并进一步探索构建符合中国投资市场特征的智慧投资策略的思路。此外,本文的研究不仅探究了传统因子策略的局限,还在方法论方面给出了优化投资策略、提高策略灵活性和适应性的具体方案。本文的研究有助于监管部门和投资者更加准确地认知中国资本市场的运行特征,从而为监管政策的制定、投资者教育和引导、以及投资者投资策略的制定提供有益参考。本文立足于我国资本市场的具体特征和智慧投资领域的具体时间,采用新的理论视角和实证方法对投资者行为视角下的智慧投资策略问题进行了讨论和研究。本文的创新点主要表现在以下方面:第一,本文将行为金融的理论视角引入智慧投资的研究框架中来,运用新的理论工具分析和阐释了不同市场环境和投资者行为特征下因子投资策略绩效产生差异的原因。本文以行为金融理论的框架对中国资本市场中的投资者行为进行了进一步的描述和刻画,并分析其对因子策略的影响机制和路径,从而突破了传统因子策略研究在研究内容和研究框架方面的局限,不再拘泥于风险因子的识别和筛选,而是寻求根据投资者行为因素对投资策略进行调整的方法,为后续研究奠定了理论基础,第二,现有研究多聚焦于投资策略的选择及其绩效的检验。而本文同时关注了影响投资策略绩效的投资者行为因素及其作用机理,从而拓宽了投资策略研究的视角和框架。此外,本文不仅关注了投资者行为因素对投资绩效的影响,同时还着重分析了投资者行为因素与传统风险因子之间的交互影响关系,从而发现和验证了传统因子投资策略的局限及其成因。第三,与以往的研究和实践不同,本文并未直接将投资者行为因素纳入因子投资策略,而是将其作为其他因子的调整因素引入策略模型。这一实践的理论根源在于,改变了传统研究中投资者理性和有效市场的假设,从而谋求构建适应于具体市场情景并能进行及时调整的智慧投资策略,在投资策略构建方法和思路上具有创新性。第四,本文使用了新的指标和方法来描述和验证本文的理论分析和假设。本文在参考现有研究的基础上,结合当前流行的因子投资策略构建投资模型,使本文的研究更加贴近资本市场现实情况。在此基础上,本文除使用二维分类方法验证投资者行为因素对因子策略的影响外,还使用Tobit模型探究了投资者行为因素对策略收益持续时间的影响。在智慧投资模型的构建过程中,本文改变了传统的IC-IR赋权方法,通过回归分析法对原有权重进行了调整,从而将投资者行为因素引入因子策略模型。这为相关的实证研究和因子投资策略设计提供了新的思路。
陈丽丽[3](2017)在《基于BP神经网络的股票量化分析研究》文中认为股市是经济市场的晴雨表,时刻反应了市场经济的最新走向,这是经济学家对股市与市场经济的一个规律性总结。股市是经济的一个重要组成部分。在我国,由于股市的规模较小,发展不健全等因素,股市的运行与我国经济的走向没有很好地体现这一规律,从而为股价预测增加了难度。投资者们从18世纪就开始探求不同的投资方法,亦做了许多相关研究。而要使这些投资策略具体到能适合我国的股市行情,需要作出一定的改进。近年来,量化投资这一种新兴的投资策略正逐渐受到追捧,国内外的投资者们也越来越重视这一种投资策略。股票是一种随机性很强的系统,而神经网络模型已经被证实能很好地解决多数复杂的非线性映射问题,能很好地解决股票预测这类内部机制复杂,干扰因素多的问题。因此,本文选择使用BP神经网络对股票量化分析做研究。本文主要做股票量化分析的相关研究,研究基于BP神经网络的股票量化分析投资,主要的研究内容包括以下几点:(一)股票技术指标原理与股价预测方法的研究。研究股价预测的几种方法,包括基本面分析、技术面分析、时间序列分析等等,主要研究技术面分析的分析方法。研究股票技术指标的工作原理。(二)研究股票的量化分析。研究量化分析的工作原理与投资方法,结合其原理建立量化投资的数学模型。本文研究的量化分析主要利用股票技术指标作为分析工具,研究技术指标的量化方法,并建立数学模型。(三)利用BP神经网络算法实现量化分析模型。研究BP神经网络算法的工作原理,将量化的股票技术指标数据作为BP神经网络的训练参数与输入参数,然后得到分析结果。收集股票的数据,测试上述量化分析方法的准确性。分析该模型得到的预测结果,比较预测结果与实际数据,分析该模型的准确性。总结基于BP神经网络的股票量化分析的优点与缺点,以及其未来可以改进的地方。
林斌[4](2016)在《明星证券分析师的个股推荐价值分析 ——以汽车和汽车零部件板块为例》文中提出自从2005年股改以来,中国国内的证券市场逐渐成熟起来,从以往中小散户为主的投机市场逐步向着以机构投资者主导的成熟市场发展。同时,证券分析师行业也逐渐走上了正轨,其基本面分析以及沟通渠道的优势使得证券分析师逐渐受到机构投资者的喜爱。本文将针对中国A股市场中特定板块(汽车及汽车零部件),通过实证分析的方法,并结合本人工作经验来研究明星证券分析师的个股推荐价值。本文实证分析的主要结论是:明星分析师首次发布的评级为“增持”和“买入”的大部分个股在其研报发布的短中期内可以获得正的超过大盘指数与行业平均收益的超额回报,随着窗口期的增长,明星分析师研报发布的效应不断减弱。评级为“增持”和“买入”的个股在实际表现上差异很大,评级为“增持”的个股几乎不能获得正收益,而评级为“买入”的个股则表现优异,获得明显高于大盘和行业平均的超额回报。对于超额收益率与公司基本面之间的关系,我们发现,短期内,大市值公司的股票收益率对于明星分析师的研报的反应更大;公司的偿债能力越高,其超额收益相对越大;同时,总资产周转越快的公司,其累积超额收益越高。另一方面,中长期超额收益很可能来自于明星证券分析师通过某种途径获得了内幕消息,超额回报率通过信息获取成本体现。对于不同评级结果的精细研究表明,评价为“增持”的个股,其超额收益率可以比较好的被文中构造的五个基本面控制变量解释,但这个五个变量之间可能存在较强的相关性。因此,分析师对于给出的“增持”评价可能更多的是根据市场中公开的基本面信息的整理归纳,评级为“买入”的研报可能采用了一些市场未公开的内幕消息。针对汽车零部件板块龙头企业之一万丰奥威的进一步仔细研究表明,大部分的“买入”和“增持”评级事件后都有正的累计收益率,这些研报对投资者有一定的参考价值,当然这些研报中也存在概念炒作的情形,行业的资深人士可以通过自身的经验以及内部消息渠道规避这些炒作评级。本文的结论可以为广大投资者尤其是关注汽车及汽车零部件行业的投资者提供有价值的参考。
崔亮[5](2013)在《投资者情绪的统计测评及其应用研究》文中指出截至2012年末,我国已拥有超过2494家上市公司,大量企业通过上市改制筹资迈向了现代化企业的道路,我国资本市场服务实体经济的能力不断增强,在推动经济发展方式转变、加快结构调整和产业升级、落实创新型国家战略等方面发挥了不可替代的重要作用。同时不能回避的问题即是相关外部监督机制的配套亟需建立健全。07年次贷危机给我们敲响警钟,危机从美国市场首先爆发进而演化为世界范围内的经济衰退,各国政府与国际组织在疲于应对的同时,也积极开展对危机的总结与反思——初步共识是金融机构行为、金融体系顺周期性以及缺乏对系统性风险的防控是导致此次全球金融危机的重要原因,信用评级机构成为众矢之的。对目前的评级体系进行分析,就主体而言,评级机构与评级对象从对立面走到了不同程度的统一;就客体而言,评级角度多基于客观视角,而客观评级的弊端在于其数据来源存在滞后性。因此,结合主观评价法来拓展现有上市公司评级视角,以此完善相关股票市场外部监督机制,就颇为必要且具有现实价值。然而,究竟从哪个方面获取具有说服力的主观指标数据是我们首先要面对的问题。本文认为,投资者情绪是联系投资者与股票市场、上市公司的桥梁。投资者情绪测评方法主要包括两种:间接指标测量和直接指标测量。间接指标测量是指从金融市场相关数据中提炼出能间接反映投资者情绪的代理变量,这种方法虽然有一定说服力,但并不能直接反映投资者情绪;而直接指标测量虽能直接反映投资者情绪,却容易受到调查成本的限制,调查对象(投资者)也可能因为种种顾虑不愿意表达真实想法而最终影响测评质量。这迫使我们把注意力转向新型社会化媒体。以博客、微博、社会化新闻和网络论坛为主的社会化媒体正以迅猛的速度充斥着整个互联网空间。在社会化媒体中,每个人既是信息的发布者、传播者,也是媒体的受众。社会化媒体不仅改变了信息发布和传播方式,也引导着人们投资方式的改变。互联网从一个简单的信息发布技术平台演变成为社会化媒体的主要载体,发展为一个交互式的信息发布、共享、交流与协作的社会化网络,同时也为投资者情绪测评提供了廉价且丰富的数据来源。相关研究已经指出,网络谣言已经成为困扰我国股票市场发展的一个老大难问题,不仅严重影响了股价,还极大地左右着市场投资者的投资决策和信心。然而面对庞大复杂的互联网信息,限于学科理论交叉与信息技术限制,使得基于网络舆论的投资者情绪测评虽被屡屡提及却鲜有实证研究涉及。由此,本文基于网络舆论构建投资者情绪指数,探寻投资者情绪与股票市场的关系,进而把投资者情绪引入上市公司公众评级(以下简称公众评级),成为一个极具挑战且富有现实价值的命题。首先,借助于投资者情绪指数,能够深入把握我国股票市场投资者的心理变化和行为特征,从而可以进一步分析投资者情绪与股票市场之间的联动关系。投资者情绪指数的权威发布将有助于增进投资者对市场风险的认识,有助于投资者全面把握上市公司的投资价值,同时也从机制上起到了对上市公司自主行为的约束,减少其财务失真进而左右市场看法行为的发生,从而减少股票市场信息不对称。而对上市公司而言,借助于投资者情绪指数也能及时了解市场与投资者的关注重点,适时做出积极应对,客观上避免了网络谣言对股票市场不利的冲击。由于目前网络舆论监管机制相对缺乏,导致不真实评论信息的过度传播。因此,本研究的意义还在于探讨增强股票市场网络舆论的监管途径,进而达到减少由于噪音信息扰动导致的股票市场系统性风险。其次,引入投资者情绪的公众评级系统能够为完善现有上市公司评级系统提供参考。当前,评级机构主要运用客观评级系统对上市公司进行评级,评价体系主要侧重于财务指标。由于公司自身财务状况具有演化过程,而其后续发布亦有拖延,使评级结果具有滞后性;另一方面,现有评级系统面对上市公司财务数据失真时,将变得无能为力。此外,现有评级系统虽然极力纳入主观评级指标,但仍面临指标收集与量化问题,致使主观评级数据存在偏差。因此,从网络舆论入手分析投资者情感倾向,进而对上市公司进行公众评价,将是现有评级系统的一个有效的补充。评级过程文本信息预处理、特征挖掘、情感分析和统计评价等多种方法的融合,将实现对网络文本信息的情感倾向量化,引入公众评级系统将形成对上市公司评级视角的拓展。更重要的是,网络舆论的引入使预期信息度量成为可能,基于可量化的上市公司投资者情绪指数来跟踪监测投资者的情绪变化,进而对投资者情绪变化与股票市场之间的联动关系展开分析,可以为我国加强股票市场管理与优化市场稳定机制提供新的思路与选择,这对于逆周期背景下的宏观审慎监管更具现实意义。本文遵照“提出问题——分析问题——解决问题”的研究思路,同时采用统计评价与实证检验相结合的经济统计学研究范式,实证研究部分以定性分析与定量分析相结合,以定量分析为主的方法实现对投资者情绪测评及应用研究。首先定义了本研究的投资者情绪,结合行为金融学核心理论分析了我国股票市场投资者情绪的典型特征,重点研究了投资者情绪与网络舆论、股票市场价格和上市公司评级的内在联系,提出了实证研究的前提假设和理论假说。其次,在现有投资者情绪测评方法比较分析的基础上,提出基于网络舆论构建投资者情绪指数,运用数据挖掘技术搭建了投资者情绪测评的技术框架,以沪深300上市公司为测评对象,得到了样本期内我国股票市场的投资情绪指数。再次,对网络舆论下的投资者情绪与股票市场联动关系进行专项研究,重点分析了投资者情绪对股票市场价格的影响效应,验证了理论分析中提出三个理论假设。最后,将投资者情绪的应用拓展到上市公司评级,为补充完善现有上市公司投资价值评估提供新的思路。本文的主要结论如下:(1)本研究基于网络舆论所构建的投资者情绪指数,能够客观反映观测期内我国股票市场投资者的情绪状态,从而初步验证了从网络文本信息中获取投资者情绪指数是一条有效的测评途径。(2)在多种测评方法比较分析的基础上,验证了基于金融证券领域情感词典与属性词库所构建的细粒度情感分析方法,在面对海量文本信息情感倾向量化方面表现出一定的灵敏性。(3)借助投资者情绪指数对股票市场影响效应分析发现:网络舆论下投资者情绪是影响股票市场一个系统性因素,投资者情绪与股市收益率呈正相关联动关系,存在短期滞后影响。(4)基于文本信息中投资者情感倾向构建的上市公司公众评级系统,能够粗略反映观测期内上市公司发展状态,分析发现宏观经济政策调整和突发公共事件对公众评级结果影响明显,从而验证了公众评级系统的即时性和有效性。本文突破了传统投资者情绪测评及其应用研究的视角,基于网络舆论对投资者情绪进行统计测评,并对相关问题进行了探索性研究,凸显跨学科研究中的统计学特色。纵观全文,融合行为金融学、信息技术和统计测评方法等多学科理论与方法,基于网络舆论构建具有现实解释力的投资者情绪指数,从投资者情绪对股票市场影响效应和上市公司公众评级两个方面进行拓展应用,力图为量化社会科学研究中的复杂文本数据提供新的研究思路。从研究结果来看,本文较有新意之处可能体现在以下几个方面:(1)基于行为金融学与统计指数理论,构建了基于网络舆论的投资者情绪指数。在测评方法比较分析的基础上,结合投资者情绪在网络舆论中所展现的特征,把关注度指标作为情感倾向指标的权重系数构建出的投资者情绪指数,具有直观、简便、解释力强的优点,同时又能准确、适时、综合地刻画股票市场投资者的情绪变化。在投资者情绪测评指标来源视角和指数合成思路上有所创新。(2)融合信息挖掘技术与统计评价方法,探索了基于海量文本信息实现投资者情绪测评的有效途径。通过网页文本信息抓取、信息预处理、特征挖掘和情感分析等数据挖掘技术方法的结合,构建了从非结构化文本信息中提取投资者情绪测评指标的技术框架。在具体测评过程中,首先,对于海量文本信息去噪提供了一个简便有效的处理思路;其次,基于特征挖掘技术得到了含有632个词的上市公司属性词库;再次,在情感分析过程中专门构建了适应证券投资领域的情感词典(含有23333个情感词),最后,找到了适合金融短文本信息的情感分析方法。通过这些基础工作,解决了投资者情绪测评中的两个关键问题:提取关注度指标和量化文本信息情感倾向。(3)运用本研究获得的投资者情绪指数,考察了网络舆论中的投资者情绪与股票市场特征指标的联动关系。重点分析了投资者情绪对股票市场价格变化的影响效应,通过运用改进的FF三因子模型和VAR模型验证了三个理论假说:第一,网络舆论下的投资者情绪是影响股市收益率的一个系统性因素。第二,网络舆论下的投资者情绪对股票市场收益率存在正向影响。第三,网络舆论下的投资者情绪对股票市场收益率的影响存在短期滞后效应,不存在长期滞后效应。(4)基于网络舆论中的投资者情感倾向,拓展了上市公司评级的视角,为金融市场中股票投资价值的即时评价进行了新的探索。从文本信息中提取上市公司属性作为评级指标,将文本信息中的投资者情感倾向量化为评级指标数据,运用因子分析法构建了上市公司公众评级系统。基于网络舆论构建的上市公司评级系统,弥补了客观评级系统在主观指标量化和评级时效上的不足,为补充完善现有的评级系统提供了新的思路。由于研究水平和技术手段的限制,本文仍然存在不足之处:首先,受技术条件的限制,本研究只选取沪深300成分股上市公司作为评级对象,并没有完全覆盖所有上市公司,且数据来源只选取具有代表性的东方财富网股吧作为网页抓取对象。今后可考虑把信息来源拓展到微博、博客和社交网站等其他新型社会化媒体,对所有上市公司进行全面分析。其次,受技术手段和知识面的限制,在文本数据处理过程中,虽然建立了股票投资领域情感词典和上市公司属性词库,但并不能完全覆盖网络媒体中复杂多变的情感词汇,这有可能影响到情感极性分类的准确率。今后可在本研究的基础上不断扩充,建立有广泛认可度的上市公司属性词库和情感词典。最后,受到数据处理能力的限制,没有对回复贴进行更深入的数据挖掘,损失了部分文本数据信息。今后可重点对回复贴做进一步的情感分析,以期获取更丰富的投资者情感信息。后续研究将从进一步优化网络舆论下的投资者情感量化技术、重视解决情感极性偏移问题和考虑网络“水军”干扰信息的影响等方面,对投资者情绪统计测评及其应用做更深入的探讨。
王冬洁[6](2013)在《指数基金的增强机制及其绩效研究》文中提出指数基金的出现,超越了市场上采用主动投资但未能赢得大盘平均收益水平的基金,得到了市场的认可,带来了指数基金的迅猛发展。但在中国呈弱有效性特征的证券市场上,完全被动跟踪的指数基金在之后的发展中,往往未能为投资者争取到预期的收益,相反,却呈现出波动幅度大、收益不稳定等特征,反映出指数基金的完全被动式的投资策略存在着机制设计的缺陷。那么,为了取得预期的收益,指数化的投资机制就需要得到增强。在这种形势下,增强型指数基金顺应市场的需要就出现了,并成为了突破原有指数基金收益瓶颈的有效解决手段。这种增强化的指数基金采用的是一种相对积极的指数化投资运作方式,在指数基金跟踪目标指数的同时,还借助其他分析工具或金融产品,集合了被动投资与主动投资的优势,以期获得超过目标指数的收益水平。那么,这种增强型的指数基金,究竟能否真正解决指数基金的投资策略与收益的问题?其增强效果又是如何?这既是本文研究的出发点,也是本文的研究宗旨之所在。深入研究增强型指数基金的增强机制、全面评价增强型指数基金的增强效果,对于进一步推动指数基金的发展有着十分重要的理论价值,同时也对于引导证券市场健康、持续的发展有着重要的现实意义。本文结合中国证券市场的特征,挖掘了指数基金的增强机制,梳理了指数基金增强机制设计的背景、动因及具体的增强策略,进而构建了基于斯坦规则的跟踪误差理论模型。在此基础上,本文从指数基金投资收益、投资风险等影响基金业绩的核心因素出发,对我国增强型指数基金的绩效进行实证检验。研究发现,从整体看,增强型指数基金取得了正收益,战胜了市场,增强效果比较突出;虽然在一定程度上熨平、降低了基金的波动风险,但收益水平仍表现为不平稳,增强效果缺乏稳定性。另一方面,增强型指数基金的增强效果与所处的市场形势有关,增强效果在不同的市场阶段实现的程度不同,主要表现为:在牛市阶段,增强型指数基金的增强效果较为积极;而在熊市阶段,增强型指数基金的净值增长率会受基金波动的影响而使增强效果缩水。针对增强型指数基金目前出现的增强效果不稳定、不持续等问题,本文深度挖掘了内在原因,并对这些限制因素有针对性地提出增强证券市场的有效性,设计适合指数基金跟踪的目标指数,丰富市场交易形式,加强基金经理的专业能力培养等政策建议。
王倩[7](2011)在《证券分析师投资评级有效性及影响因素分析 ——以我国前十大券商为例》文中提出证券分析师是股票市场信息的主要提供者,他们通过上市公司调研或其他渠道搜集信息,对所跟踪的公司进行盈利预测,股票估值,并发布投资评级。我国证券市场是新兴加转轨的市场,处于发育阶段的市场运行机制尚不健全,市场上广大的投资者缺乏相关的投资知识结构,并处于信息弱势地位,往往会将分析师的投资评级作为投资的依据。由此可见,证券分析师投资评级对投资者而言意义重大。那么,分析师的投资评级是否有效?依据分析师的评级进行股票买卖是否能够获得超常收益?又有哪些因素会影响到投资评级的有效性?本文采取实证分析的方法对这些问题做出了解答。本文首先回顾了相关文献与理论基础,然后以描述性统计为分析工具,详细描述了证券分析师评级预测的现状,然后选用事件研究法,以国泰安数据库中2008年到2009年我国前十大券商分析师发布的投资评级作为研究对象,实证分析了这些评级能否为投资者带来与股价同向变动的超常收益。并在此基础上,选取上市公司规模、分析师能力、分析师关注度等影响因素,通过多元回归分析法,进一步分析了对投资评级有效性造成影响的因素。本文的研究发现:买入与增持评级占据了股票投资评级的主体,减持与卖出评级的数量极少,说明证券分析师的“乐观倾向”较为严重;买入与增持评级短期和中期市场效应显着,但中性与减持评级在短期与中期内市场效应不太显着:在证券分析师发布正向评级前,股票已具有相当的超常收益率,说明分析师拥有一定的私有信息;正向评级发布后,股票依然可以获得超常收益率,但超常收益率均成下降趋势。基于对超常收益率的研究,本文还分析了影响投资评级有效性的因素,研究结果发现:公司规模越大、分析师关注度越高,投资评级的有效性越强;分析师能力只能影响投资评级的长期效应,对短期效应不具备解释力;上市公司控股人性质只对正向评级有影响,与负向评级没有太大关系。最后,文章从投资者和监管者的角度提出保护投资者利益,规范证券分析师职业行为,加强信息披露制度,强化“防火墙”制度等建议。
温小辉[8](2010)在《机械制造行业 工程机械依然引领行业增长》文中研究表明根据今日投资《在线分析师》(www.investoday.com.cn)对国内70多家券商研究所1800余名分析师的盈利预测数据进行的统计,上周综合盈利预测(2010年)调高幅度居前
刘超[9](2009)在《中国证券投资基金系统制度研究》文中研究表明20世纪80年代中国引入证券投资基金制度并获得快速发展,成为中国金融市场重要的组成部分。这为拓宽中小投资者投资渠道、优化金融结构、促进证券市场的稳定与健康发展、完善金融与社会保障体系起到了重要积极作用。但是,在我国证券投资基金发展中也存在着监管不力、利益输送、功能异化等消极因素。这些积极与消极因素产生的根本原因来自于中国证券投资基金这一非线性系统的制度,通过文献梳理可以发现,这方面的研究还是空白,因此,本文研究中国证券投资基金这一非线性系统的制度有着重要的现实意义与理论价值。本文采用数理分析、制度分析、实证分析和比较分析的方法,以中国证券投资基金市场制度非线性模型为切入点,从定性与定量两个方面求证中国证券投资基金是一个非线性复杂动力系统,然后从制度变迁和政策设计角度循着中国证券投资基金系统的制度结构、制度变迁与效率这条主线结合证券投资基金的国际比较分析,研究证券投资基金的本质;在此基础上,讨论中国证券投资基金系统的制度环境、宏观管理制度、微观制度安排和制度建设。深入研究中国证券投资基金市场这一非线性系统的演进机制及其缺陷,从而揭示中国证券投资基金制度变迁的内在逻辑,系统提出证券投资基金的制度创新的理论依据和政策。文章的创新和探索主要表现在:运用非线性理论和制度经济学理论相结合的方法研究分析中国证券投资基金这一非线性系统的制度与发展问题。由于非线性动力学理论相对于传统的建立在有效市场假说、理性人假设前提下的线性金融理论来说,更能准确真实的探知金融市场的演化和运作机制;提出了中国证券投资基金市场的非线性动力学模型,采用分形检验、R/S检验、关联维检验、相空间重构与李雅普诺夫指数等方法检测中国证券投资基金市场的非线性关系;构建了证券投资基金系统的制度变迁模型,并对中国证券证券投资基金系统的制度变迁进行了实证分析;提出了中国证券投资基金是一个非线性系统,其本质是一种集合投资信托制度,并对中国证券投资基金系统制度建设提出若干建议。
邓昕[10](2008)在《铜业股:市值大幅缩水》文中研究表明今年上半年,美国次贷危机使得全球经济受到了很大的影响,不论是商品市场还是证券市场都受到了冲击。在商品市场价格振荡下行和大盘大幅回落的双重压力下,国内铜业类公司的股票市值大幅缩水。
二、强力反弹 高于大盘(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、强力反弹 高于大盘(论文提纲范文)
(1)海普瑞高溢价收购多普乐中利益输送问题的研究(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容与研究方法 |
1.2.1 研究内容 |
1.2.2 研究思路 |
1.2.3 研究方法 |
1.3 预期贡献与不足 |
2 理论背景与文献综述 |
2.1 相关概念界定 |
2.1.1 企业并购 |
2.1.2 并购溢价 |
2.1.3 利益输送 |
2.2 理论背景 |
2.2.1 协同效应理论 |
2.2.2 委托代理理论 |
2.2.3 掏空理论 |
2.3 文献综述 |
2.3.1 并购动机文献综述 |
2.3.2 并购溢价文献综述 |
2.3.3 并购绩效文献综述 |
2.3.4 利益输送文献综述 |
2.3.5 文献评述 |
3 制度背景与利益输送行为介绍 |
3.1 制度背景 |
3.1.1 企业并购的发展 |
3.1.2 企业并购的现状 |
3.1.3 政策监管背景 |
3.2 高溢价收购过程中利益输送行为介绍 |
3.2.1 动机 |
3.2.2 行为方式 |
4 案例分析 |
4.1 案例选择原因 |
4.2 行业背景 |
4.2.1 行业介绍 |
4.2.2 同行业并购趋势及特点 |
4.3 公司简介 |
4.3.1 海普瑞公司简介 |
4.3.2 多普乐公司简介 |
4.4 并购过程 |
4.4.1 重组过程 |
4.4.2 交易价格 |
4.4.3 交易方式 |
4.5 利益输送行为分析 |
4.5.1 关联交易 |
4.5.2 支付方式 |
4.5.3 高溢价 |
4.6 利益输送的经济后果 |
4.7 利益输送成因分析 |
4.7.1 上市公司:股权结构和公司治理不合理 |
4.7.2 投资者:“走马观花式”的零星表决 |
4.7.3 外部监管:监管体系不完善 |
5 对策及建议 |
5.1 上市公司 |
5.2 投资者 |
5.3 外部监管 |
6 结论 |
参考文献 |
附录 |
A.学位论文数据集 |
致谢 |
(2)投资者行为因素对金融异象的影响与智慧投资应对策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究逻辑、研究内容与技术路线 |
1.3 研究意义与创新点 |
第二章 研究综述 |
2.1 智慧投资策略的理论基础 |
2.2 因子投资与行为金融解释 |
2.3 现代投资组合理论与技术的发展 |
2.4 文献评述 |
第三章 投资者行为因素与动量策略 |
3.1 引言 |
3.2 研究设计 |
3.3 实证检验 |
3.4 本章小结 |
第四章 投资者行为因素与波动策略 |
4.1 引言 |
4.2 研究设计 |
4.3 实证检验 |
4.4 本章小结 |
第五章 投资者行为因素与价值策略 |
5.1 引言 |
5.2 研究设计 |
5.3 实证检验 |
5.4 本章小结 |
第六章 考虑投资者行为的智慧投资策略设计 |
6.1 引言 |
6.2 智慧投资策略的构建方法 |
6.3 智慧投资策略的回测检验 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 研究结论 |
7.2 研究局限与展望 |
参考文献 |
致谢 |
(3)基于BP神经网络的股票量化分析研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 本文的主要研究内容和组织架构 |
1.4 研究方法 |
1.5 研究难点 |
1.6 国外相关研究现状概述 |
1.7 国内相关研究成果概述 |
第2章 股票价格预测相关研究理论 |
2.1 股票价格预测方法 |
2.1.1 基本面分析方法 |
2.1.2 技术面分析方法 |
2.1.3 演化分析方法 |
2.2 量化投资理论概述 |
2.2.1 量化投资策略理论概述 |
2.2.1.1 量化选股 |
2.2.1.2 量化择时 |
2.2.1.3 量化评估 |
2.2.2 量化投资策略带来的前景 |
第3章 基于BP神经网络的股票量化分析策略 |
3.1 人工神经网络算法理论概述 |
3.1.1 BP神经网络算法工作原理 |
3.1.2 BP神经网络在股价预测中的应用 |
3.2 股票技术指标量化 |
3.2.1 MACD指标量化 |
3.2.2 KDJ指标量化 |
3.2.3 RSI指标量化 |
3.2.4 BOLL指标量化 |
3.3 基于BP神经网络的股票量化分析策略 |
第4章 基于BP神经网络的股票量化分析的系统实现 |
4.1 股票技术指标的研判方法 |
4.1.1 MACD指标的研判方法 |
4.1.2 KDJ指标的研判方法 |
4.1.3 RSI指标的研判方法 |
4.1.4 BOLL指标的研判方法 |
4.1.5 多指标组合研判方法 |
4.2 建立基于BP神经网络的股票量化分析模型 |
4.3 选股系统的实现 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间参加的科研项目和成果 |
(4)明星证券分析师的个股推荐价值分析 ——以汽车和汽车零部件板块为例(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 研究内容与论文结构 |
1.3 本文主要的创新点 |
第二章 理论基础与文献综述 |
2.1 股票市场有效性的相关文献综述 |
2.1.1 有效市场假说的基本内容 |
2.1.2 有效市场假说的三种形态 |
2.1.3 有效市场假说的局限性与理论发展 |
2.1.4 中国股票市场的有效性研究 |
2.2 对于证券分析师在股票市场中的作用的国外相关文献综述 |
2.3 对于证券分析师在股票市场中的作用的国内相关文献综述 |
第三章 我国证券分析师行业的发展及现状和《新财富》排名方法的介绍 |
3.1 我国证券分析师行业的发展及现状分析 |
3.2 《新财富》票选方法介绍 |
第四章 汽车和汽车零部件板块明星分析师首次公开推荐个股的超额收益率 |
4.1 明星分析师的界定 |
4.1.1 2013 至2015 年汽车及汽车零部件板块最佳分析师 |
4.1.2 2013 至2015 年汽车及汽车零部件板块最佳分析师首次推荐个股统计 |
4.2 研究设计与模型 |
4.2.1 实证研究方法 |
4.2.2 资本资产定价模型(CAPM) |
4.2.3 回归分析 |
4.3 实证研究 |
4.3.1 样本的累计收益率 |
4.3.2 样本相对于沪深300 指数的累计超额收益率 |
4.3.3 样本相采用CAPM模型计算的累积超额收益率 |
4.3.4 样本相对于沪深300 指数的持有超额收益率 |
4.3.5 样本采用CAPM模型计算的持有超额收益率 |
4.3.6 样本股票在窗口期内的最大回报率研究 |
4.3.7 不同评级股票收益率对比 |
4.4 实证结果的讨论 |
第五章 汽车和汽车零部件板块明星分析师首次公开推荐个股的超额收益与公司基本面的关系 |
5.1 模型参数及设计 |
5.1.1 模型变量定义 |
5.1.2 模型变量的描述性统计 |
5.1.3 回归模型 |
5.1.4 非参数Bootstrap方法 |
5.2 数据和实证分析 |
5.2.1 窗口期内相对于沪深300 指数累计超额回报率回归分析 |
5.2.2 窗口期内采用CAPM计算的累计超额回报率回归分析 |
5.3 实证结果的讨论 |
第六章 公司高管对于汽车和汽车零部件板块明星分析师公开推荐个股的准确性评价 |
6.1 样本研究报告统计 |
6.2 数据和实证分析 |
6.3 实证结果的讨论 |
第七章 总结与展望 |
7.1 研究结论 |
7.2 研究的不足之处 |
7.3 对后续研究的展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(5)投资者情绪的统计测评及其应用研究(论文提纲范文)
摘要 |
ABSTRACT |
1. 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究思路与结构安排 |
1.4 研究方法 |
1.5 难点问题与可能的创新 |
2. 理论与分析 |
2.1 基于行为金融学理论的投资者情绪分析 |
2.1.1 投资者情绪的定义 |
2.1.2 投资者情绪分析的理论基础 |
2.1.3 基于有限理性和认知偏差理论对投资者情绪的分析 |
2.2 投资者情绪在网络媒体中的传播 |
2.2.1 网络舆论的传播特点 |
2.2.2 网络舆论对投资者情绪的影响 |
2.2.3 基于网络舆论对投资者情绪的发现 |
2.3 投资者情绪对股票市场的影响 |
2.3.1 投资者情绪对股票市场的影响机理 |
2.3.2 投资者情绪对股票市场的影响效果 |
2.4 投资者情绪与上市公司评级 |
2.4.1 上市公司评级系统 |
2.4.2 上市公司评级效果 |
2.4.3 次贷危机背景下对评级系统的反思 |
2.4.4 基于投资者情绪的上市公司评级 |
2.5 理论假说 |
2.6 本章小结 |
3. 测评方法的比较与改进 |
3.1 现有投资者情绪测评方法的比较 |
3.1.1 一般的投资者情绪测评方法 |
3.1.2 基于网络舆论的投资者情绪测评方法 |
3.1.3 已有测评方法存在的问题及改进方向 |
3.2 投资者情绪测评指标 |
3.2.1 投资者情绪测评指标选择依据 |
3.2.2 投资者关注度评价指标 |
3.2.3 投资者情感倾向评价指标 |
3.2.4 测评指标的确立 |
3.3 投资者情绪指数的构建 |
3.3.1 指数构建依据 |
3.3.2 指标的量化 |
3.3.3 指数的合成 |
3.4 本章小结 |
4. 测评实现的技术框架 |
4.1 相关网络文本挖掘技术的研究进展 |
4.2 网络文本挖掘技术选择 |
4.2.1 网页抓取技术:网络爬虫 |
4.2.2 信息预处理技术 |
4.2.3 特征挖掘技术 |
4.2.4 情感极性分类技术 |
4.3 测评技术框架的构建 |
4.4 本章小结 |
5. 测评实现与分析 |
5.1 信息采集 |
5.1.1 信息源选取 |
5.1.2 网页抓取及存储 |
5.2 信息预处理 |
5.2.1 网页解析及噪声消除 |
5.2.2 中文分词与词性标注 |
5.3 属性提取 |
5.4 情感倾向分析 |
5.4.1 情感词典构建 |
5.4.2 情感极性分析 |
5.5 投资者情绪指数的计算 |
5.6 投资者情绪测评结果分析 |
5.6.1 初步统计分析 |
5.6.2 测评结果的思考 |
5.7 本章小结 |
6. 投资者情绪对股市影响效应分析 |
6.1 投资者情绪对股市影响效应的研究方法 |
6.2 网络舆论中的投资者情绪与股市特征指标的关系 |
6.2.1 股市的特征指标及描述性分析 |
6.2.2 投资者情绪指数与股市特征指标的相关性分析 |
6.3 网络舆论中的投资者情绪与股市收益率的关系 |
6.3.1 基于FF三因子模型的实证分析 |
6.3.2 基于向量自回归模型的实证分析 |
6.4 三个理论假说验证的实现 |
6.5 本章小结 |
7. 基于投资者情绪的上市公司评级 |
7.1 上市公司评级方法 |
7.1.1 现行的上市公司评价方法 |
7.1.2 基于投资者情绪构建上市公司评级模型的新视角 |
7.2 评级模型构建及评级实现 |
7.2.1 评级标准 |
7.2.2 评级指标体系 |
7.2.3 评级指标情感倾向量化 |
7.2.4 评级模型 |
7.2.5 评级结果输出 |
7.3 评级结果的讨论 |
7.3.1 评级结果初步分析 |
7.3.2 宏观事件影响的讨论 |
7.3.3 微观事件影响的讨论 |
7.4 公众评级系统与机构评级系统的比较 |
7.5 完善现有评级系统的探讨 |
7.6 本章小结 |
8. 工作总结及研究展望 |
8.1 主要结论及不足 |
8.2 政策启示 |
8.3 研究展望 |
参考文献 |
附录 |
后记 |
致谢 |
在读期间科研成果目录 |
(6)指数基金的增强机制及其绩效研究(论文提纲范文)
摘要 |
Abstract |
目录 |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 研究的理论意义 |
1.2.2 研究的现实意义 |
1.3 研究内容及方法 |
1.3.1 本文内容及结构设计 |
1.3.2 研究方法 |
1.4 创新点及不足之处 |
2 文献综述 |
2.1 指数基金投资的理论基础 |
2.1.1 有效市场理论 |
2.1.2 投资组合理论 |
2.2 增强型指数基金的跟踪误差研究 |
2.3 增强型指数基金的绩效评价研究 |
2.3.1 指数基金的收益率研究 |
2.3.2 基金选股及择时能力的研究 |
2.3.3 基金业绩持续性的研究 |
2.3.4 基金业绩的全面评价研究 |
2.4 国内研究评述 |
2.4.1 数据样本较少 |
2.4.2 基准组合的构建不规范 |
2.4.3 对国外的研究方法存在误用 |
3 指数基金增强机制的理论分析 |
3.1 指数基金增强机制的设计分析 |
3.1.1 指数基金增强机制的设计背景 |
3.1.2 指数基金增强机制的设计动因 |
3.2 指数基金增强机制的实现形式 |
3.2.1 股票投资策略 |
3.2.2 债券投资策略 |
3.2.3 金融衍生工具投资策略 |
3.2.4 核心——卫星资产配置策略 |
3.2.5 跟踪误差控制策略 |
3.3 指数基金增强机制的数理模型——基于斯坦规则的指数跟踪 |
4 增强型指数基金绩效的实证分析 |
4.1 增强型指数基金绩效评价的内容及模型的确定 |
4.1.1 投资基金的收益率 |
4.1.2 净值波动率 |
4.1.3 增强型指数基金绩效评价的回归模型 |
4.2 研究方法的设计 |
4.2.1 指标选取的依据 |
4.2.2 研究样本的确定 |
4.2.3 样本数据来源 |
4.2.4 实证方法及回归模型的确定 |
4.3 实证结果及其分析 |
4.3.1 描述性统计 |
4.3.2 回归结果分析 |
4.3.3 实证结论 |
4.4 实证结果的进一步分析 |
4.4.1 市场缺乏有效性 |
4.4.2 指数体系不健全 |
4.4.3 交易形式单一 |
4.4.4 基金经理选股与择时能力有限 |
5 研究结论及政策建议 |
5.1 研究结论 |
5.2 政策建议 |
5.2.1 增强证券市场的有效性 |
5.2.2 设计适合指数基金跟踪的目标指数 |
5.2.3 丰富市场交易形式 |
5.2.4 加强基金经理的专业能力培养 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(7)证券分析师投资评级有效性及影响因素分析 ——以我国前十大券商为例(论文提纲范文)
摘要 |
Abstract |
目录 |
1 绪论 |
1.1 选题背景 |
1.2 选题意义 |
1.3 文献综述 |
1.3.1 关于分析师投资评级有效性的研究 |
1.3.2 关于投资评级有效性的影响因素研究 |
1.3.3 文献评述 |
1.4 论文框架与创新点 |
1.4.1 论文框架 |
1.4.2 主要创新点 |
2 概念界定与理论基础 |
2.1 概念界定 |
2.1.1 证券分析师 |
2.1.2 投资评级 |
2.2 理论基础 |
2.2.1 有效市场假说 |
2.2.2 信息不对称理论 |
2.2.3 行为金融学理论 |
3 证券分析师评级预测的现状——描述性统计 |
3.1 证券分析师评级预测的市场环境 |
3.1.1 上市公司规模 |
3.1.2 机构投资者占比 |
3.1.3 我国前十大券商规模 |
3.2 证券分析师行业的现状 |
3.2.1 证券分析师行业近年发展情况 |
3.2.2 证券分析师研究覆盖股票的分布情况 |
3.2.3 证券分析师的乐观倾向 |
4 证券分析师投资评级有效性分析 |
4.1 研究设计 |
4.1.1 事件研究法 |
4.1.2 事件期的确定 |
4.1.3 模型的选择 |
4.1.4 显着性检验 |
4.2 数据来源与样本处理 |
4.3 实证结果 |
4.3.1 "买入"评级的有效性分析 |
4.3.2 "增持"评级的有效性分析 |
4.3.3 "中性"评级的有效性分析 |
4.3.4 "减持"评级的有效性分析 |
4.4 小结 |
5 基于投资评级有效性的影响因素分析 |
5.1 主要影响因素 |
5.2 控制变量的选择 |
5.3 模型的建立 |
5.4 实证分析 |
5.4.1 描述性统计 |
5.4.2 正向评级有效性的影响因素 |
5.4.3 负向评级有效性的影响因素 |
5.5 小结 |
6 结论与建议 |
6.1 研究结论 |
6.2 建议 |
附录1 |
附录2 |
参考文献 |
致谢 |
(8)机械制造行业 工程机械依然引领行业增长(论文提纲范文)
★★上海机电 (600835) 优化资产轻装前进 |
★★新乡化纤 (000949) 各产品价格或继续下降 |
(9)中国证券投资基金系统制度研究(论文提纲范文)
内容摘要 |
ABSTRACT |
第一章 绪言 |
1.1 选题背景、研究对象与研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.1.3 研究对象 |
1.2 写作思路与结构安排 |
1.2.1 写作思路 |
1.2.2 结构安排 |
1.3 研究方法与主要创新点 |
1.3.1 研究方法 |
1.3.2 主要创新点 |
第二章 证券投资基金研究的文献综述 |
2.1 国外文献综述 |
2.1.1 国外有关资产组合风险管理的研究 |
2.1.2 国外有关证券投资基金绩效评估的研究 |
2.1.3 国外有关证券投资基金经理的研究 |
2.1.4 国外有关证券投资基金策略的研究 |
2.1.5 国外有关证券投资基金成本的研究 |
2.1.6 国外有关证券投资基金业绩持续性研究 |
2.1.7 国外有关对冲基金的研究 |
2.2 国内文献概览 |
2.2.1 国内有关证券投资基金内涵的研究 |
2.2.2 国内有关证券投资基金能否稳定股市的研究 |
2.2.3 国内有关开放式基金发展问题的研究 |
2.2.4 国内证券投资基金市场发展问题研究 |
2.2.5 国内有关证券投资基金立法问题的研究 |
2.2.6 国内有关证券投资基金的评价研究 |
2.2.7 国内有关证券投资基金的风险管理研究 |
2.2.8 国内有关证券投资基金的行为研究 |
2.3 国内外文献评述 |
2.3.1 现代金融理论的内涵与缺陷 |
2.3.2 关于行为金融理论 |
2.3.3 金融理论的新范式:非线性复杂金融理论 |
2.3.4 本文研究范式的确立 |
第三章 中国证券投资基金系统制度的理论研究 |
3.1 中国证券投资基金系统制度研究的非线性系统理论基础 |
3.1.1 系统的结构、层次与特性 |
3.1.2 非线性复杂动力学系统的内涵 |
3.1.3 系统的耗散结构理论 |
3.1.4 系统的协同学与突变论 |
3.1.5 系统的混沌与分形理论 |
3.1.6 中国证券投资基金系统制度研究的非线性理论架构 |
3.2 中国证券投资基金系统制度研究的新制度经济学理论基础 |
3.2.1 制度的内涵 |
3.2.2 制度的构成 |
3.2.3 制度安排 |
3.2.4 制度变迁 |
3.2.5 制度创新 |
3.2.6 中国证券投资基金系统制度研究的新制度经济学理论架构 |
3.3 中国证券投资基金系统制度研究的理论构建 |
3.3.1 非线性系统理论和新制度经济学理论相结合的必要性分析 |
3.3.2 中国证券投资基金系统制度研究的理论构架 |
第四章 中国证券投资基金系统的非线性研究 |
4.1 基于非线性系统理论角度认知证券投资基金 |
4.1.1 证券投资基金系统的定义 |
4.1.2 证券投资基金系统的多层次性与整体性 |
4.1.3 证券投资基金系统的高度开放性与远离平衡性 |
4.1.4 证券投资基金系统的不确定性和非线性 |
4.1.5 证券投资基金系统的耗散结构 |
4.1.6 证券投资基金系统的协同、自组织与突变 |
4.2 中国证券投资基金系统的非线性动力学诊断(定量分析) |
4.2.1 中国证券投资基金系统的分形 |
4.2.2 中国证券投资基金系统收益率序列分布的R |
4.2.3 中国证券投资基金系统混沌性的关联维检验 |
4.2.4 中国证券投资基金系统混沌性的李雅普诺夫指数检验 |
4.3 中国证券投资基金系统的非线性与新制度经济学的融合 |
4.3.1 中国证券投资基金系统的非线性与制度变迁 |
4.3.2 中国证券投资基金系统的非线性与制度环境 |
4.3.3 中国证券投资基金系统的非线性与制度管理 |
4.3.4 中国证券投资基金系统的非线性与制度建设 |
第五章 中国证券投资基金系统的制度变迁研究 |
5.1 基于新制度经济学视角下的证券投资基金本质 |
5.1.1 证券投资基金的内涵分析 |
5.1.2 从新制度经济学的角度认知证券投资基金的本质 |
5.2 证券投资基金系统的制度环境与制度安排 |
5.2.1 证券投资基金系统的制度环境 |
5.2.1.1 经济发展水平与经济制度结构是证券投资基金产生的经济基础 |
5.2.1.2 信托观念与信托制度是证券投资基金产生的文化基础 |
5.2.1.3 股份公司与股份制经济是证券投资基金发展的理论与实践基础 |
5.2.1.4 证券市场与证券制度是证券投资基金发展的物资条件 |
5.2.1.5 市场规范与法律制度是证券投资基金发展的根本保证 |
5.2.1.6 基金制度与基金创新是证券投资基金可持续发展的动力 |
5.2.1.7 金融自由化与信息技术的发展为证券投资基金的发展提供了广阔的空间 |
5.2.2 证券投资基金系统的制度安排 |
5.3 证券投资基金系统的制度变迁模型 |
5.3.1 证券投资基金系统的制度变迁模型 |
5.3.2 证券投资基金系统的制度环境变迁模型 |
5.3.3 证券投资基金系统的管理制度变迁模型 |
5.4 中国证券投资基金系统的制度变迁及其动力学分析 |
5.4.1 中国证券投资基金系统的制度变迁过程 |
5.4.2 中国证券投资基金系统制度变迁的路径依赖 |
5.4.3 中国证券投资基金系统制度变迁的动力学分析 |
5.5 中国证券投资基金问题的实质 |
5.5.1 近10 年来中国证券投资基金出现的相关问题分析 |
5.5.2 中国证券投资基金问题的实质 |
第六章 中国证券投资基金系统的制度环境研究 |
6.1 中国证券投资基金系统的制度环境变迁与基金发展 |
6.1.1 中国证券投资基金系统的人文环境变迁与基金发展 |
6.1.2 中国证券投资基金系统的法律环境变迁与基金发展 |
6.1.3 中国证券投资基金系统的证券市场环境变迁与基金发展 |
6.1.4 中国证券投资基金系统的经济环境变迁与基金发展 |
6.1.5 中国证券投资基金系统的国际环境变迁与基金发展 |
6.1.6 中国证券投资基金系统的政策环境变迁与基金发展 |
6.1.6.1 中国政策导向与基金发展 |
6.1.6.2 中国投资者教育与基金发展 |
6.1.6.3 中国税收政策与基金发展 |
6.1.6.4 QFII、QDII 与基金发展 |
6.2 制约中国证券投资基金系统发展的制度环境因素 |
6.2.1 制约中国证券投资基金的证券市场环境分析 |
6.2.2 制约中国证券投资基金的法律环境分析 |
6.2.3 制约中国证券投资基金的国际环境分析 |
第七章 中国证券投资基金系统的管理制度研究 |
7.1 中国证券投资基金系统的宏观管理制度 |
7.1.1 中国证券投资基金的市场准入制度 |
7.1.2 中国证券投资基金的运作管理制度安排 |
7.2 中国证券投资基金系统的微观管理制度 |
7.2.1 中国证券投资基金系统的组织形式安排 |
7.2.2 中国证券投资基金系统的交易方式安排 |
7.2.3 中国证券投资基金系统的募集方式安排 |
第八章 中国证券投资基金系统的制度建设研究 |
8.1 中国证券投资基金系统的制度建设重要性 |
8.1.1 基金系统的制度建设与投资者投资渠道的拓宽 |
8.1.2 基金系统的制度建设与促进储蓄向投资的转化 |
8.1.3 基金系统的制度建设与证券市场的稳定和发展 |
8.1.4 基金系统的制度建设与上市公司治理结构的改善 |
8.1.5 基金系统的制度建设与社会保障制度的完善 |
8.2 中国证券投资基金系统的制度创新 |
8.2.1 “好人举手”制度是对基金管理公司准入制度安排的创新 |
8.2.2 开放式基金是对基金交易制度安排的创新 |
8.2.3 私募基金是对基金募集制度安排的创新 |
8.2.4 QDII 是证券投资基金对投资策略的创新 |
8.2.5 “封转开”是对封闭式证券投资基金到期处置方式的创新 |
8.2.6 ETF、LOF 是对开放式基金交易方式的创新 |
8.3 对中国证券投资基金系统制度建设的政策建议 |
8.3.1 中国证券投资基金系统的证券市场环境制度建设 |
8.3.2 中国证券投资基金系统的法律制度建设 |
8.3.3 中国证券投资基金系统的宏观管理制度建设 |
8.3.4 中国证券投资基金系统的微观管理制度建设 |
第九章 总结与展望 |
9.1 主要研究成果 |
9.2 主要创新点 |
9.3 研究工作的展望 |
参考文献 |
发表论文和科研情况说明 |
附录 |
致谢 |
四、强力反弹 高于大盘(论文参考文献)
- [1]海普瑞高溢价收购多普乐中利益输送问题的研究[D]. 李田田. 重庆大学, 2019(01)
- [2]投资者行为因素对金融异象的影响与智慧投资应对策略研究[D]. 李富军. 中央财经大学, 2020
- [3]基于BP神经网络的股票量化分析研究[D]. 陈丽丽. 浙江工业大学, 2017(04)
- [4]明星证券分析师的个股推荐价值分析 ——以汽车和汽车零部件板块为例[D]. 林斌. 上海交通大学, 2016(06)
- [5]投资者情绪的统计测评及其应用研究[D]. 崔亮. 西南财经大学, 2013(01)
- [6]指数基金的增强机制及其绩效研究[D]. 王冬洁. 郑州大学, 2013(S2)
- [7]证券分析师投资评级有效性及影响因素分析 ——以我国前十大券商为例[D]. 王倩. 华东师范大学, 2011(11)
- [8]机械制造行业 工程机械依然引领行业增长[J]. 温小辉. 证券导刊, 2010(31)
- [9]中国证券投资基金系统制度研究[D]. 刘超. 天津大学, 2009(12)
- [10]铜业股:市值大幅缩水[J]. 邓昕. 中国金属通报, 2008(34)