一、情绪指数与心理健康（论文文献综述）
李林[1]（2021）在《投资者情绪对股票市场收益率的不对称性影响》文中研究说明我国资本市场经过30年的发展,逐渐形成了较为完备的多层次资本市场体系。证券市场的建立和发展,使得投资者的闲置资金更加便利的流向实体经济,提高了社会资本配置的效率。但是,我国证券市场中依然存在着一些内幕交易、投机行为、盲目跟风等诸多不成熟的问题,投资者情绪的急剧波动严重影响了投资者的证券交易活动,相比于西方的较为成熟的证券市场,我国证券市场急需改进和完善。在行为金融学理论下,研究了投资者情绪对股票收益的不对称影响,首先量化分析和测度了投资者情绪这一要素,然后对投资者情绪指数与沪深A股股票收益率和总体收益率的相关性开展实证研究。主要有两个研究内容,第一个是投资者情绪指数的构建,在原有变量的基础上加入了新的代理变量,用主成分分析方法（PCA）构了建一个新的情绪指数。第二个研究内容是投资者情绪对股票收益率的不对称性影响,把情绪因子作为解释变量,放入Fama-French多因子模型,研究投资者情绪对股票投资组合收益率的不对称性影响。此外,在市场层面,对股市的牛熊市状态和情绪状态进行了划分,通过虚拟变量回归模型和VAR向量自回归模型,分析了投资者情绪在不同市态中对股市收益的不对称影响和不同的情绪态度对股市收益的不对称性影响。已有的研究较少涉及投资者情绪对股票收益不对称影响的研究,文章丰富了行为金融学中投资者情绪领域的研究内容。在投资者情绪指数构建方面,通过因子分析发现总方差解释值进一步提高,可以证明新构建的投资者情绪指数可以更好更全面地反映股票市场中投资者的情绪变化。研究发现,个股层面,投资者情绪对市值较小、投资能力较低、盈利能力较低的股票组合收益率的负向影响较强,对其他类型股票投资组合收益率的影响程度较弱,因此投资者情绪对不同类型的股票的影响是不对称的。市场层面,积极的投资者情绪对股市收益有负向影响,消极的投资者情绪对股市收益有正向影响,并且消极情绪对股市收益的影响程度较大。区分牛熊市后,投资者情绪对股市收益的影响也是不对称的,牛市趋势为正,熊市趋势为负。最后针对于以上研究问题,对投资者教育、政府职能、监管方信息披露及监管制度等方面提出了一些政策建议。
郑欣桐[2]（2020）在《投资者情绪对股票市场和企业创新的影响》文中研究指明本文通过研究投资者在股吧平台中表达出来的情绪信息,挖掘投资者情绪是否会对当前或者未来短期的股价产生波动,进一步探究非理性投资者是否会因为更喜欢某些投资项目,愿意为大规模投资的公司支付更高的溢价,即会扩大投资以维持较高的股价,进而来验证投资者情绪是否会通过某种传导途径间接对企业创新投入和创新产出存在影响,并为企业管理者合理投资研发、优化投资决策、促进股市健康发展提供了一定的参考。本文选取2018年12月1日至2019年11月30日沪深300指数成分股的数据进行了两个方面问题的实证研究:一方面是探究投资者情绪是如何影响股票市场表现的,即研究投资者情绪与股票价格和成交量之间的关系;另一方面是探究企业管理者因投资者情绪对股票市场表现所产生的认知偏差会如何影响企业研发投资。首先运用Python编写爬虫程序,爬取我国股票市场上用户访问量最大、最具影响力的股票网络论坛——东方财富网股吧中的股评文本,并将文本量化后进行情绪信息识别,借鉴Antweiler和Frank（2004）的方法构建投资者情绪指数。最终得到符合条件的A股上市公司316家,交易周数共计52周,共爬取帖子数5407419条,带有情绪倾向的有效评论数4203258条。在研究投资者情绪对股票市场的影响时,首先运用向量自回归模型（Vector Auto regression,VAR）来检验投资者情绪与个股收益率、成交量之间的动态关系以及时滞关系,再进行平稳性检验及最优滞后期选择;接着通过Granger因果检验,进一步分析了投资者情绪、股市收益率和成交量之间的相互作用;最后利用脉冲响应函数,分析了其相互作用时长及衰弱时机。实证结果表明,股票收益率和成交量均与投资者情绪变化互为Granger原因,即股票市场的表现可以对投资者情绪产生一定影响,同时投资者看涨看跌情绪的变动也会对股票市场表现产生作用。在投资者情绪对企业创新影响的研究中,由于无论是理性或是非理性的企业管理者,均会因为公司股价的波动做出进一步投资决策。如果投资者的看涨或看跌情绪影响到未来短期股价波动,那么企业管理者因为过度自信心理或是迎合心理所做出的创新研发投资决策,在某种程度上可视为企业管理者与网络投资者绪间的“共情”,亦或是投资者情绪“塑造”了企业管理者的情绪。因此,本文运用OLS回归来检验投资者情绪是否可以通过影响未来股票市场表现来间接影响企业管理者情绪,从而对企业创新产生影响。实证结果表明,加入管理者自信程度指标后的模型解释力更强,正向回归系数可以得出结论,投资者情绪的变动可以通过管理者过度自信中介效应正向影响企业创新研发与产出。为保证结果稳健,用选择替代变量法进行稳健性检验,利用个股换手率来度量投资者情绪再次回归,发现更换投资者情绪度量指标并不会改变其本质与创新之间的关系,结果依然稳健。最后,在得到结论的同时对我国股票市场现状进行思考,并分别对中小投资者、上市公司、政府舆论监管部门和市场监管者提出相应建议。
徐飞[3]（2020）在《异地就医行为对患者负向情绪的影响及医务社工介入研究》文中提出我国医疗领域目前实行分级诊疗制度,不同轻、重、缓、急的疾病需要在不同级别的医疗机构中进行治疗。医院按级别进行疾病诊疗,势必导致等级高的医院中存在更多的异地就医患者。异地就医患者相较其在居住地就医而言,缺少社会支持、心理支持和经济支持等方面支持。异地就医患者应对患病、治病这一压力性事件,通常表现为更加突出的负向情绪问题。本文研究的对象是异地就医患者,核心问题是异地就医行为是否导致患者负向情绪提升以及医务社工介入异地就医患者负向情绪问题。本论文有助于加深对异地就医患者情绪问题的认识,为医务社工在异地就医情绪方面介入提供一些实务经验参考。本论文希望能够推进异地就医患者负向情绪问题深入研究。作者在实务中发现异地就医患者通常负向情绪更高,由此提出了是否异地就医患者比非异地就医患者负向情绪更高以及医务社工应该怎样介入的研究问题。在检验是否异地就医患者比非异地就医患者的负向情绪更高方面,本文使用了北京大学开放数据CHARLS的2015年数据为数据来源,分析异地就医患者异地就医行为与负向情绪表现的内在关系,通过界定异地就医行为及构建负向情绪指数（抑郁量表得分）来研究两者关系,建立基础回归模型。为验证基础回归模型稳健性引入了四组控制变量（人口学特征、健康特征、经济特征和家庭关系特征）,分别进行回归处理以去除基础回归模型中非核心变量影响。在具体回归处理方法中,使用了OLS、Probit和Logit三种回归方法分别对基础回归模型和引入控制变量后的模型进行分析,以获得稳健的研究结论。实证证据表明异地就医患者比非异地就医患者负向情绪更加严峻,因此有必要关注异地就医患者负向情绪问题。关于医务社工应该怎样介入异地就医患者负向情绪问题,本文以在S医院实际介入经验为依托,基于优势视角理论和社会支持理论,对异地就医患者负向情绪问题进行医务社工介入的研究。所介入问题为异地就医患者的负向情绪,帮助对象分别是案主和案主家人。由于案主年龄较小,对案主妈妈较为依恋,案主妈妈行为表现对案主情绪影响较大,故医务社工对案主妈妈的负向情绪介入十分必要。为解决案主负向情绪问题,医务社工需要关注案主自身负向情绪问题、母子关系冲突以及案主缺乏的朋辈支持。案主妈妈负向情绪对案主有较大影响,其负向情绪问题主要来源于其过多的压力和情绪、母子间紧张关系和案主看病的经济困难。其中,案主由于身体不适且行动困难已产生了较高的负向情绪,加上环境陌生、妈妈过多的负向情绪以及缺乏朋辈关心等,使案主心理压力过大。而跟母亲频繁冲突更加加重了案主的负向情绪,使案主情绪消极,不再配合治疗。案主的负向情绪是由多方因素共同影响的结果,医务社工在介入案主的负向情绪时需要关注多方原因、激发案主自身力量并链接多方力量,共同帮助案主疏解情绪,恢复心理健康。在具体实务描述方面辅以作者实际访谈资料展开,期望能够尽可能全面描述医务社工在异地就医患者负向情绪方面介入,为后续其他医务社工的异地就医患者负向情绪介入提供参考。在案主的负向情绪介入方面,医务社工主要引导案主发现母亲的爱,消除母子间误会,增加母子间良性沟通;链接志愿者陪伴及生活帮助服务,增加医务社工服务频率、引导案主关注环境中的积极方面,增加趣味小课堂,共同缓解案主缺乏朋辈支持的困扰;帮助案主接受身体变化。在案主妈妈的负向情绪介入方面,医务社工首先采取让案主妈妈诉说的形式,帮助案主妈妈疏解过多的压力和负向情绪,在疏导过程中引导案主妈妈关注环境中优势部分。其次,引导案主妈妈关注表达方式,促使母子间正向沟通。最后,在案主经济压力方面,医务社工为其链接了网络筹款、基金会、大众媒体等平台的资金帮助;在案主已购买的保险方面,医务社工提醒案主的家长合理享受已有的医疗保险,帮助案主的家长熟悉出险流程。在案主治疗完毕出院时,案主和案主妈妈的负向情绪问题基本解决,积极配合医方治疗和恢复,母子间互动良好,医务社工介入取得了良好的效果。而有部分异地就医患者的负向情绪问题是由其经济问题引起或加深的,在这部分异地就医患者中需着重注意缓解异地就医患者的经济问题,以最终帮助异地就医患者解决负向情绪问题。本文共提出四点建议,分别是关注异地就医患者,为患者提供便利;明确医务社工专业定位,健全专业社工体系;发挥医务社工专业优势,疏导负向情绪;发挥医务社工沟通优势,增加医患沟通。
于晓媛[4]（2020）在《我国股市投资者情绪指数的构建及及实证研究》文中进行了进一步梳理“有效”是金融市场建立、运行与监管的根本目标,但它是以投资人“理性”为前提的。随着行为金融学研究的深入,人们在趋向于一个共识,那就是,投资人难以做到理性,金融市场不仅不能“完全有效”,做到“半有效”也很难,常常“无效”,甚至引发金融事端和金融动荡。“情绪”属于人的一般秉性,必然也是投资人“非理性”的重要表现之一,它在投资中到底具有什么影响,显然具有研究意义。相对于国外,我国的金融市场在许多领域仍然处于勃兴阶段,在市场机制、政府监管、法律法规等方面还处于健全的过程中,如何解决市场中“非理性”现象频发以及投机性严重等问题,是一个亟待解决的重要方面,而这些都需要建立在对投资人情绪影响具有较好认知和研究的基础之上。本文基于我国的股市,努力从理论和实证两方面来研究投资者情绪因素对金融收益的影响,实证部分为研究的重点。在理论部分,先对既有的相关理论进行了述评,依据行为金融学、有效市场假说（EMH）和前景理论,遵循“有限理性人”的假定,从投资者获得信息的非对称性与处理信息能力的有限性的角度探讨产生认知偏差的原因,继而分析非理性情绪对股票投资产生的影响。在实证研究部分,首先,从Choice金融终端、中国证券登记结算有限公司网站及中国统计局官网选取了2008年4月至2019年7月的上证综指与上证50指数所含成分股的相关月度数据,分别采用主成分分析法及偏最小二乘法构造相应情绪指数,并根据我国股票市场特点确定直接情绪指标（中国消费者信心指数CCI、中国投资者信心指数CICI）和间接情绪指标（市盈率PE、换手率HSL、波动率VOL、每月IPO数量、成交股数CJL、成交金额CJY、新增投资者开户数NIA）,利用多元回归方法剔除宏观因素影响,并增加各指标滞后一期值作为投资者情绪滞后问题的解决方案。其次,研判构建的两种投资者情绪指数IISIPCA及IISIPLS是否适用于我国股市,以及能否很好的对其进行解释。最后,分别采用VAR模型、EGARCH模型和PVAR模型计量投资者情绪与股市收益率波动之间的关系。本文得到的基本结论为:投资者情绪对股票市场收益率是有影响的;本文构建的IISIPLS能在一定程度上反映投资意愿,对市场收益及波动均具有一定预测能力。其具体表现是:（1）上证综指收益率为投资者情绪指数的Granger原因,PVAR模型结果发现短期内投资者情绪的升高会导致收益率的降低,之后恢复为正向影响。（2）上证收益率的下跌对投资情绪所产生的结果明显大于上证指数上涨时对投资者情绪所造成的冲击。（3）消极情绪对股市收益波动的冲击远远大于积极情绪。本文的创新和价值主要体现在两个方面:其一,基于行为金融学这一理论背景对“非理性”投资情绪进行探讨,属于较为前沿的研究领域;其二,本文引入多种统计方法,从不同角度进行计量分析,增强了结论的可信性。需要进一步研究的主要问题为:仅研究了延迟一期（一个月度）的互动影响,而在中期、长期内投资者情绪对股票投资的影响尚无法做出判断。
杨洲镕[5]（2020）在《投资者情绪对P2P网贷平台融资效率影响研究》文中进行了进一步梳理中国P2P网贷行业发展迅猛,但是与之伴随着的负面消息也是频出,“爆雷”、“跑路”现象等屡见不鲜,挑战着投资者的投资意愿。然而,对反映P2P行业特征的投资者情绪方面的研究仍待进一步推进。P2P网贷平台作为第三方平台,其最重要功能是吸引投资,提高自身融资效率。因此,研究P2P网贷平台投资者情绪对融资效率的影响对于我国P2P行业分析投资者行为具有重要意义。借鉴传统金融市场相关研究,定义P2P网贷行业中的投资者情绪和融资效率。在剖析投资者情绪对融资效率的影响程度开展之前,需要对其表现情况进行分类分析。同时,引入行为金融学中风险偏好理论和羊群效应理论深入阐述投资者情绪对融资效率的影响机理。课题以翼龙贷平台为例,采用主成分分析法构建投资者情绪指数以及数据包络法测算平台融资效率值,并对二者的研究结果进行初步的统计分析。在此基础上,运用集成经验模态分解方法,结合GARCH模型、方差分解方法以及变量间时差相关系数方法,从短期、中期和长期三个角度考察了投资者情绪对平台融资效率的影响。研究结果表明,第一,在短期中投资者情绪指标对融资效率指标表现出明显的正相关性,影响程度是比较大的以及也是会有较长的冲击留存,月初受到的影响直到月末才会逐渐消除;第二,在中期时投资者情绪对融资效率依旧具有正向影响,且重大事项对投资者情绪的影响会快速地反映到平台融资效率中去;第三,从长期来看,融资效率和投资者情绪长期波动不具有明显的领先和滞后关系。最后,根据得出的结论以及目前我国管理部门对P2P行业发展的政策提出了一些建议。
丁尚宇[6]（2020）在《银行情绪、信贷供给与经济周期》文中研究说明2008年全球金融危机后,市场情绪和预期管理成为世界各国防范系统性金融风险和促进经济复苏发展的重要环节,也是学术研究的重要方向。近年来,中国金融体系改革不断推进,金融市场实现多元化发展。然而,间接融资仍然是中国实体经济资金来源的主要途径。随着中国利率市场化改革的深入,银行金融创新方式与工具愈加复杂,信贷供给规模迅速扩张,为银行情绪冲击信贷体系和经济稳定提供了作用空间。因此加强银行情绪的监测与疏导,防范银行有限理性造成的负面影响,不仅可以有效遏制银行部门大规模风险累积和暴露,降低系统性金融风险向实体经济的负外部溢出,同时有助于实现银行信贷资金有效服务于实体经济。本文在综述银行情绪测度方法、影响因素以及银行情绪驱动信贷供给和经济周期作用机制现有研究的基础上,构造银行情绪经由信贷供给渠道冲击宏观经济的理论动态模型;随后合成中国的银行情绪指数,检验其形成机理,并对中国银行体系情绪影响经济周期的信贷供给传导机制进行实证检验;最后根据研究结论提出加强银行情绪监测,防范和化解银行情绪波动负面影响的具体政策建议。具体而言,本文构造一国经济体内银行情绪影响经济周期的信贷供给传导机制的理论模型,模拟分析了银行情绪在羊群效应作用下调整信贷决策,引发信贷供给和经济产出不稳定的动态过程。在此基础上,本文运用主成分分析方法以《银行家问卷调查报告》结果为原始数据构建中国银行体系情绪指数,对该指数的周期波动和区制转换特征进行分析。随后利用该指数分析我国银行情绪的形成机制,采用多元线性回归方法和混频格兰杰因果检验方法对货币政策、经济景气水平和经济政策不确定性对银行情绪的影响进行检验。此外,本文分别运用动态-静态同步性方法、交叉谱分析方法、反事实结构向量自回归模型以及门限向量自回归模型,从银行情绪影响信贷供给、银行情绪波动的信贷中介传导机制和异质性银行情绪作用下波动传导机制特征三个方面,对我国银行情绪、信贷供给与经济周期的相互作用机制进行实证检验。本文全面深入研究了中国银行体系情绪的形成机理和对信贷供给与经济周期波动的影响,为加强银行情绪监管,防范银行情绪波动风险,提高货币政策有效性以及丰富宏观审慎管理工具提供经验支持。本文的主要研究结论为:（1）一国经济体内银行情绪波动和信贷决策过程遵循羊群效应,会引起和放大信贷供给量的收缩与扩张,驱动经济周期波动,是经济不稳定的重要来源;经济政策不确定性的存在会导致上述波动传递机制被进一步放大。（2）本文构造的银行情绪指数具有明显区制转化特点,符合情绪乐观和悲观转化的本质特征,是较为适合反映中国银行部门情绪的代理指标。（3）经济景气情况、货币政策变化是银行情绪形成理性判断的基础信息来源,银行主观心理因素在经济政策不确定性作用下对上述信息进行加工,最终形成有限理性银行情绪。具体而言,经济景气水平能够对银行情绪产生正向影响。货币政策变动对银行情绪具有逆周期调节效应,但数量型货币政策效果地发挥存在较长滞后性,价格型货币政策对银行情绪的影响更加明显和迅速,而且银行情绪并不仅仅是货币政策变化的简单“传达器”,不同银行情绪状态会对货币政策传递渠道产生干扰。经济政策不确定性与银行情绪存在反向波动关系,而且银行情绪越悲观对经济政策不确定性状态越敏感。（4）银行情绪波动明显领先于表内外信贷供给波动,是其前瞻性指标。银行受到严格监管和逆周期调控,在表内业务范围内以履行监管下的信贷供给和流动性创造职能为主。而在表外业务中,银行情绪较为充分的转化为根据自身意愿和预期的信贷决策,从而引发监管外的信贷波动。此外,银行情绪变化会在短期影响银行信贷决策行为,同时银行情绪长期变化也受到表内信贷监管指标引导和约束。（5）银行情绪能够通过影子银行信贷供给渠道对宏观经济形成显着冲击效应,而银行情绪对表内信贷供给的影响并未显着通过该渠道传递给宏观经济,说明我国银行情绪在监管薄弱领域具有释放空间,因而其存在性和负面影响不容忽视。缺乏监管的信贷波动具有天然的顺周期性,在银行情绪的驱动下成为金融体系风险的重要来源。（6）银行情绪对经济波动的影响具有显着非对称性。与乐观情绪状态相比,悲观银行情绪抑制了实际冲击的影响,放大了表内外信贷供给对经济周期波动的影响,并导致经济不稳定性持续更长时间;与理性状态相比,在有限理性状态下,影子银行贷款冲击、实际冲击和银行情绪冲击所引起的经济周期波动更大,持续期更长。银行乐观和悲观情绪状态影响逆周期政策调控效果;限理性状态下货币政策逆周期调控机制被彻底打破。本文依据中国银行部门情绪数据,分析了银行情绪以信贷供给为中介对经济周期的波动传递效应,检验了异质性银行情绪作用下的波动传递特征。根据上述研究结论,本文从加强货币政策调控和前瞻性引导、加强银行体系监管、规范银行从业人员行为和进一步完善银行家调查制度四个方面提出具体政策建议。以期多措并举,减少信贷周期波动中银行情绪的作用,控制和消减情绪的负面影响,防范系统性金融风险,维护金融稳定和经济发展。
刘乃榕[7]（2020）在《基于双层网络的投资者情绪与股价波动交互及风险传播研究》文中认为投资者情绪与股价之间的关联性问题一直是行为金融学研究的热点,从微观个股层面出发,探索投资者情绪与股价联动之间的交互关联,利于个体投资者做出更加明智的投资决策,也利于监管机构全面了解股票市场和防控系统性风险。股票市场是一个复杂的系统,在这个系统中,个股的投资者情绪彼此相互影响,并且改变了投资者交易行为,促使股价发生变动,股票价格的联动性特征,使得这些影响不断向整个股票市场传播和蔓延。同时,股价作为投资的结果又会带给投资者反馈,进而对投资情绪和决策产生影响。在研究的个股投资者情绪与股价间多对多的关系时,不仅要考虑情绪对股价的影响,也需考虑股价对情绪的反向影响,这就使问题上升为一个多主体、多关系的全新动态复杂性问题。因此,本文在计量经济学方法基础上,引入了管理科学中的复杂网络建模方法,从投资者情绪指数的构建,投资者情绪与股价交互影响模型的构建与分析,以及投资者情绪-股价的动态风险传播几个方面对上述复杂性问题进行了研究,主要工作和创新成果如下:（1）在梳理已有投资者情绪研究成果的基础上,遵循科学、客观、有效原则,着眼于微观层面,提出了个股投资者情绪的捕获算法。通过合理性检验筛选出4个指标作为构建个股投资者情绪指数的备选指标,最终构建了数据粒度较为精细的日频度个股投资者情绪指数。其中开盘情绪指标的加入在一定程度上弥补了日度情绪指数在每日交易关闭期间无法捕获的不足。具体步骤是:优化投资者情绪指标构建流程,确定影响情绪的代理变量,将入选的情绪代理变量进行合理性检验,然后利用主成分分析法构建投资者情绪指数。最后,利用定性比较和定量检验的方法,从指标的合理性、稳健性等方面验证了所构建的投资者情绪指数的有效性和优越性。（2）在计量经济学方法的基础上,引入复杂系统建模方法,提出了情绪波动关联网络、股价波动关联网络、情绪-股价双层波动关联网络模型的构建方法。通过对中国上市公司金融板块个股的情绪和股价的交互关联进行实证分析,从交互路径、交互影响等角度进行了深入阐述和剖析。发现金融板块个股投资者情绪比股价更易受到环境影响,且联动性强于股价;根据个股情绪和股价承受影响能力的不同,将个股基本分为两个大的类别,敏感型个股如东方财富（股票代码300059.SZ）和稳健型个股如长城证券（股票代码002939.SZ）等,投资者应根据自身风险偏好的不同谨慎选股。此外,通过四模体检测的方式,发现了5种出现频率较高的情绪-股价交互模体,共同呈现了情绪为传导源头,股价为被传导方的特征,最后发现了情绪和股价的交互影响具有非对称性特征。（3）构建了投资者情绪-股价网络风险步长传播模型和投资者情绪-股价网络风险时变传播模型,揭示了风险在投资者情绪和股价交互影响下的传播过程和规律,并验证了模型的有效性。通过对多种市场情境进行实证模拟,发现当股价网络中个股受影响程度相同时,熊市情境所需时间比牛市快2天,比平稳市场快20天左右,情绪网络中三者时间差更加明显,双层情绪-股价网络中三种差距最为明显。说明极端市场受影响程度和风险传播速度要远大于均衡状态下的市场。传播模拟实验显示,熊市时个股的风险扩散能力最强,仅需2天左右所有个股进入停盘状态,牛市则需15天,而平稳情境则需要7-23天左右。在股市风险防控方面,分别从情绪调控和股价调控两个角度入手,分析和检验了涨跌停机制及理性投资情绪对风险传播的抑制作用。实验发现加入停盘机制后,个股受到的影响骤减,加入情绪调控后,个股受到的影响比股价调控后更小。最后据此提出投资者的选股决策参考,建议投资者尽可能的回归理性,避免盲目跟风,相关部门应注重对投资情绪的市场化引导,完善信息披露制度,及时发布权威信息和情绪指数,以增强股市抗风险能力。
仵思融[8]（2020）在《期权隐含波动率分析及预测 ——基于混频投资者情绪指数与机器学习算法》文中研究指明期权的隐含波动率,对分析期权市场潜在风险,以及未来一段时间内期权市场的波动具有很强的参考价值和经济意义。波动率指数,反映投资者对未来的期权市场的波动预期,可以直观的反映期权市场的隐含波动率。2016年11月28日,上海证券交易所发布了首个中国波动率指数——中国波指。然而在2018年2月22日,中国波指停止发布。在此背景下,分析和预测期权隐含波动率具有很强的理论意义及现实意义。本文从行为金融学角度出发,将投资者情绪作为要考虑的非理性因素,探索投资者情绪如何影响期权隐含波动率。继而引入多种机器学习模型,将期权隐含波动率的波动问题转化为模式识别中的分类问题进行分析和预测。本文从两个角度构建投资者情绪指数,基于传统指标的投资者情绪指数和基于百度指数的投资者情绪指数。本文选取上证50ETF期权合约成交量、未平仓合约数、认股认购比三个指标,利用主成分分析的方法构建基于传统指标的投资者情绪指数。其次本文从东方财富网上证50ETF期权吧爬取帖子及评论内容,用文本挖掘的方法选取关键词,同样用主成分分析的方法合成这些关键词的百度指数,从而构建基于百度指数的投资者情绪指数。在构建好投资者情绪指数的基础上,本文在混合频率数据的视角下,通过构建日度、周度、月度三种不同频率的投资者情绪,采用MIDAS模型实证分析投资者情绪指数对期权隐含波动率的影响。结果表明,两种混频情绪对期权隐含波动率都存在显着的影响,基于传统指标的投资者情绪对期权隐含波动率呈反向的影响,基于百度指数的投资者情绪对期权隐含波动率呈正向的影响。与传统回归模型相比,MIDAS模型具有更强的解释能力。在验证了本文构造的两个投资者情绪指数是影响期权隐含波动率的重要因素后,本文继而纳入实际波动数据、历史波动数据、与波动相关的指标数据、期权市场数据和投资者情绪五个维度共26个特征作为期权隐含波动率的重要影响因素。以2015年6月8日至2018年2月14日的数据为研究基础,构建了包括Logistics、SVM、随机森林的集成机器学习算法,在已有情绪指数的基础上对期权隐含波动率的波动情况进行了预测。结果表明,基于机器学习集成算法的预测效果明显优于传统的GARCH模型,对期权隐含波动率出现大幅度变化的预测精确率高达80.35%,说明机器学习集成算法具有较好的预测能力。最后,基于本文的理论和实证研究,本文对投资者以及政府监管部门提出了相应的政策建议。
黎衍国[9]（2020）在《我国投资者情绪指数构建及其对股市预测效果影响的研究》文中指出金融市场异象的不断涌现说明市场中的投资者并非是绝对理性的,投资者情绪会对他们的行为产生很大影响,最终这种影响又会延伸至整个市场。因此投资者情绪的度量成了关键,而偏最小二乘法能够尽可能地提取与投资者情绪相关的信息,是一种很好的情绪量化方法。随着互联网的普及率越来越高,百度作为我国最大的搜索引擎,全民的观点和情感都可以集中在这里表达,而且它具有数据量大,时效性强,易于获取的特点,因此从百度中提取的数据可以较为全面、真实地反映投资者情绪。此外随着机器学习的兴起,因为其能够自我优化学习,所以这就为股市预测方面的研究提供了新的方法。本文在广泛查阅相关资料数据的基础上首先介绍了投资者情绪和股市预测等相关理论,然后基于中国波动率指数、换手率、腾落指标和上证综指收益率这4个情绪代理变量并通过偏最小二乘法构建了第一个投资者情绪指数;基于百度数据库,选取了关键词分别为“牛市”和“熊市”时的百度指数数据,再借鉴Mao,Scott和Johan的方法构建了第二个投资者情绪指数。最终通过使用BP神经网络,分别构建含有和不含有投资者情绪指数的两个预测模型,对股市数据进行预测,对比有无情绪指数时的预测结果,以此达到研究我国投资者情绪指数构建及其对股市预测效果有着怎样影响的目的。本文通过理论与实证研究发现以下结论。（1）分别基于偏最小二乘法和百度指数数据构建的这两个投资者情绪指数与上证综指之间都存在显着的正相关性,并且前者与上证综指的相关性更强。（2）因为神经网络模型有着根据历史数据自动学习的特点,所以它有着很高的预测精确度,可以有效的预测上证综指收盘价和上证市场成交量。神经网络在股市预测领域是一种十分有效的方法。（3）在BP神经网络中加入投资者情绪指数后整个模型的预测精度显着提高,说明投资者情绪对于我国股市的预测有着积极影响,投资者情绪指数的加入可以使我国股市预测效果变得更好,并且基于偏最小二乘法构建的投资者情绪指数对于我国股市预测精度的提升更大。（4）用深证综指收盘价和深证市场成交量代替上证市场相应数据后依然能够得到相同的研究结果,说明本文的研究结论具有一定的普适性,是比较可靠的,投资者情绪的加入有利于股市预测精度的提升。
段雪萍[10]（2020）在《投资者情绪对不同股票市场收益率相关性的影响研究》文中研究说明行为金融在世界范围内都很流行,投资者情绪在股票市场中的作用越来越受到国内外学者的关注。投资者情绪的变化导致投资者的非理性投资行为,这可能导致股票价格异常变化,从而损害股票市场的稳定性并导致金融危机。我国股票市场以个人投资为主要驱动,个人投资者的交易行为易受情绪左右,因此投资者情绪将对中国股票收益的产生重大影响。本文研究了投资者情绪对不同股票市场收益率相关性的影响,具体如下:第一,综合考虑客观和主观代理情绪指标构建投资者综合情绪指数,利用所建指数对股票市场情绪期进行划分,研究投资者情绪对股票市场间相关性的影响。实证结果显示在情绪悲观期A、B股票市场之间的相关性较强;情绪乐观期的A、B股票市场的相关性明显的低于悲观期的相关性;而股票市场情绪对港股市场影响不大。第二,分别建立情绪指数价格波动模型和情绪指数价格波动分解模型,深入研究投资者情绪指数对于内地及香港各市场价格波动的影响。实证结果表明投资者情绪对各个股票市场价格波动有显着的正向影响,进一步的情绪指数价格波动分解模型显示预期投资者情绪与价格波动之间关系不显着,非预期投资者情绪指数与股票价格波动之间呈现显着正相关关系,是影响价格波动的主要原因。
二、情绪指数与心理健康（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、情绪指数与心理健康（论文提纲范文）
（1）投资者情绪对股票市场收益率的不对称性影响（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 投资者情绪的发展 |
| 1.2.2 投资者情绪的代理指标 |
| 1.2.3 投资者情绪指数的构建方法 |
| 1.2.4 投资者情绪与股票收益的相关性 |
| 1.3 研究思路与研究框架 |
| 1.3.1 研究思路 |
| 1.3.2 研究框架 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 创新之处 |
| 第二章 投资者情绪与股票收益理论基础 |
| 2.1 有效市场假说理论 |
| 2.2 行为金融学理论 |
| 2.3 Fama—French多因子资产定价模型理论 |
| 第三章 投资者情绪综合指数构建 |
| 3.1 投资者情绪指数构建研究设计 |
| 3.2 主成分分析方法 |
| 3.3 投资者情绪指数构建 |
| 3.3.1 最优变量的选择 |
| 3.3.2 KMO和巴特利特检验 |
| 3.3.3 投资者情绪指数构建 |
| 第四章 投资者情绪对股票市场收益率的影响 |
| 4.1 投资者情绪对不同类型股票收益率的不对称性影响 |
| 4.1.1 股票类型的划分 |
| 4.1.2 变量选择和描述性统计 |
| 4.1.3 实证分析 |
| 4.1.4 GRS检验 |
| 4.2 不同状态下投资者情绪对股市收益的不对称性影响 |
| 4.2.1 投资者情绪状态划分 |
| 4.2.2 变量选择和描述性统计 |
| 4.2.3 实证分析 |
| 4.3 不同市态下投资者情绪对股市收益的不对称影响 |
| 4.3.1 牛熊市划分 |
| 4.3.2 变量选择和描述性统计 |
| 4.3.3 实证分析 |
| 第五章 结论和政策建议 |
| 5.1 结论 |
| 5.2 政策建议 |
| 5.2.1 政府加强投资者教育 |
| 5.2.2 监管部门强化信息披露及监管制度 |
| 5.2.3 投资者要学会价值投资和长期投资 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录一 规模——账面市值比25分组六因子模型多元线性回归结果 |
| 附录二 规模——投资25分组六因子模型多元线性回归结果 |
| 附录三 规模——盈利25分组六因子模型多元线性回归结果 |
（2）投资者情绪对股票市场和企业创新的影响（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路和方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究方法 |
| 1.3 研究的创新点 |
| 2 文献综述与相关理论 |
| 2.1 投资者情绪理论 |
| 2.2 投资者情绪量化方式 |
| 2.2.1 基于金融市场间接指数 |
| 2.2.2 基于市场调查直接指数 |
| 2.2.3 基于网络媒体直接指数 |
| 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产生作用 |
| 2.3.2 投资者情绪对股票市场不会产生明显作用 |
| 2.4 投资者情绪对企业创新的影响 |
| 2.4.1 投资者情绪与企业投资 |
| 2.4.2 投资者情绪与企业创新 |
| 2.5 文献评述 |
| 3 理论提出与研究假设 |
| 3.1 理论基础 |
| 3.1.1 股权或债权融资渠道 |
| 3.1.2 理性迎合渠道 |
| 3.1.3 管理者乐观中介效应渠道 |
| 3.2 研究假设 |
| 3.2.1 投资者情绪对股票市场的影响 |
| 3.2.2 投资者情绪对企业研发投资的影响 |
| 4 研究设计 |
| 4.1 样本数据来源 |
| 4.2 数据处理 |
| 4.2.1 股吧文本信息的抓取 |
| 4.2.2 股吧文本信息的预处理 |
| 4.2.3 股吧评论的情绪信息识别 |
| 4.2.4 投资者情绪指数构建 |
| 4.3 变量定义及模型设定 |
| 4.3.1 投资者情绪对股票市场的影响 |
| 4.3.2 投资者情绪对企业创新的影响 |
| 5 实证结果检验与分析 |
| 5.1 投资者情绪对股票市场的影响 |
| 5.1.1 描述性统计 |
| 5.1.2 相关性分析 |
| 5.1.3 平稳性检验及滞后阶数选择 |
| 5.1.4 Granger因果检验 |
| 5.1.5 脉冲响应函数分析 |
| 5.2 投资者情绪对企业创新的影响 |
| 5.2.1 描述性统计 |
| 5.2.2 相关性分析 |
| 5.2.3 回归分析 |
| 5.2.4 稳健性检验 |
| 6 研究结论与启示 |
| 6.1 研究结论 |
| 6.2 研究启示 |
| 参考文献 |
（3）异地就医行为对患者负向情绪的影响及医务社工介入研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 研究思路与方法 |
| 第二章 文献综述 |
| 2.1 概念界定 |
| 2.1.1 异地就医 |
| 2.1.2 负向情绪 |
| 2.1.3 医务社工 |
| 2.2 理论基础 |
| 2.2.1 社会支持理论 |
| 2.2.2 优势视角理论 |
| 2.3 国内外研究现状 |
| 2.3.1 异地就医相关研究 |
| 2.3.2 异地就医患者负向情绪问题相关研究 |
| 2.3.3 医务社工介入研究 |
| 2.3.4 文献评述 |
| 第三章 异地就医行为对患者负向情绪影响的实证检验 |
| 3.1 研究问题及实证方法 |
| 3.1.1 问题的提出 |
| 3.1.2 解决思路和实证方法 |
| 3.1.3 医务社工介入异地就医负向情绪机理阐述 |
| 3.2 数据来源与变量设定 |
| 3.2.1 数据来源 |
| 3.2.2 变量定义 |
| 3.2.3 数据描述性统计 |
| 3.2.4 实证模型 |
| 3.3 异地就医对患者情绪影响的实证分析 |
| 3.3.1 基础回归分析 |
| 3.3.2 引入其他控制变量进一步分析 |
| 3.3.3 异地就医患者负向情绪的原因分析 |
| 第四章 异地就医患者情绪困境的案例分析与介入研究 |
| 4.1 医务社工介入案主的情绪困境 |
| 4.1.1 案例介绍 |
| 4.1.2 社工接案 |
| 4.1.3 问题识别 |
| 4.1.4 介入过程 |
| 4.2 医务社工介入案主家人的情绪困境 |
| 4.2.1 医务社工介入案主家人的负向情绪 |
| 4.2.2 案主家人负向情绪的深层次原因 |
| 4.3 介入效果 |
| 4.4 异地就医患者负向情绪个案介入的反思 |
| 第五章 讨论、反思与不足 |
| 5.1 讨论 |
| 5.1.1 关注异地就医患者,为患者提供便利 |
| 5.1.2 推动医务社工专业定位,健全专业社工体系 |
| 5.1.3 发挥医务社工专业优势,疏导负向情绪 |
| 5.1.4 发挥医务社工沟通优势,增加医患沟通 |
| 5.2 反思 |
| 5.3 不足 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）我国股市投资者情绪指数的构建及及实证研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 内容框架及研究方法 |
| 1.3.1 内容框架 |
| 1.3.2 研究方法 |
| 1.4 创新与不足 |
| 2 理论基础与研究综述 |
| 2.1 相关概念 |
| 2.1.1 投资者情绪 |
| 2.1.2 我国股票市场投资者基本现状 |
| 2.1.3 投资者情绪的影响机制 |
| 2.2 理论基础 |
| 2.2.1 行为金融学理论 |
| 2.2.2 行为金融学对有效市场假说的修正 |
| 2.2.3 前景理论与假设 |
| 2.3 国内外研究综述 |
| 2.3.1 关于投资者情绪的研究 |
| 2.3.2 关于投资者情绪与股票市场相关性的研究 |
| 2.3.3 关于投资者情绪指数构建的文献评述 |
| 3 投资者情绪指数的构建 |
| 3.1 投资者情绪指数的测算方法 |
| 3.1.1 基于主成分分析法(PCA)的构建 |
| 3.1.2 基于偏最小二乘法(PLS)的构建 |
| 3.2 投资者情绪指标变量的选取与数据处理 |
| 3.2.1 指标变量的选取 |
| 3.2.2 指标变量的描述性统计 |
| 3.3 投资者情绪指数的构建 |
| 3.3.1 各情绪指标的数据处理 |
| 3.3.2 主成分分析法构建情绪指数IISIPCA |
| 3.3.3 偏最小二乘(PLS)法构建情绪指数IISIPLS |
| 3.4 投资者情绪指数的比较分析 |
| 3.4.1 二种情绪指数的比较 |
| 3.4.2 测算结果分析 |
| 4 投资者情绪与股市收益的互动影响分析 |
| 4.1 投资者情绪指数对上证收益率影响的实证分析 |
| 4.1.1 VAR模型的构建 |
| 4.1.2 变量的外生性检验(Granger因果检验) |
| 4.1.3 脉冲响应分析 |
| 4.1.4 方差分解 |
| 4.2 基于EGARCH模型的波动率分析 |
| 4.2.1 EGARCH模型的构建 |
| 4.2.2 上证指数的波动对投资者情绪的影响 |
| 4.2.3 投资者情绪的波动对上证指数的影响 |
| 4.3 个股投资者情绪与个股收益率之间的关系 |
| 4.3.1 面板向量自回归(PVAR)模型的构建 |
| 4.3.2 个股投资者情绪与其收益率的实证分析 |
| 5 主要结论与建议 |
| 5.1 主要结论 |
| 5.2 主要建议 |
| 参考文献 |
| 攻读学位期间科研成果 |
| 致谢 |
（5）投资者情绪对P2P网贷平台融资效率影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 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 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 投资者情绪对平台融资效率影响理论分析 |
| 2.1 引言 |
| 2.2 情绪对融资效率影响表现 |
| 2.3 情绪对融资效率影响传导机制 |
| 2.3.1 风险偏好与融资效率 |
| 2.3.2 羊群效应与融资效率 |
| 2.3.3 情绪对融资效率影响机制分析 |
| 2.4 本章小结 |
| 第3章 情绪指数构建与融资效率测算 |
| 3.1 引言 |
| 3.2 数据说明 |
| 3.3 投资者情绪指数构建 |
| 3.3.1 变量选取 |
| 3.3.2 基于主成分分析的投资者情绪合成 |
| 3.4 P2P平台融资效率测算 |
| 3.4.1 指标选取及数据处理 |
| 3.4.2 基于DEA的P2P平台融资效率分析 |
| 3.5 投资者情绪指数与P2P平台融资效率统计分析 |
| 3.6 本章小结 |
| 第4章 情绪指数对P2P平台融资效率影响实证研究 |
| 4.1 引言 |
| 4.2 情绪指数与融资效率集成经验模态分解 |
| 4.2.1 集成经验模态理论 |
| 4.2.2 集成经验模态分解 |
| 4.3 本征模函数重组 |
| 4.4 多尺度下情绪指数对融资效率影响分析 |
| 4.4.1 短期波动分析 |
| 4.4.2 中期波动分析 |
| 4.4.3 长期波动分析 |
| 4.5 本章小结 |
| 第5章 对网贷行业平稳发展的建议 |
| 5.1 引言 |
| 5.2 行业规范整合 |
| 5.3 建立有效征信体系 |
| 5.4 普及金融教育 |
| 5.5 改善信披质量 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）银行情绪、信贷供给与经济周期（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 1.1 研究背景与意义 |
| 1.2 研究对象与内涵界定 |
| 1.2.1 主要研究对象 |
| 1.2.2 内涵的界定与区分 |
| 1.3 文献综述 |
| 1.3.1 情绪与经济周期的研究 |
| 1.3.2 银行情绪的测度方法研究 |
| 1.3.3 银行情绪的影响因素研究 |
| 1.3.4 银行情绪、信贷供给与经济周期作用机制研究 |
| 1.3.5 小结 |
| 1.4 研究思路、方法与内容 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 主要内容 |
| 1.5 研究的创新与不足 |
| 1.5.1 创新点 |
| 1.5.2 不足之处 |
| 第2章 银行情绪影响经济周期的信贷供给传导机制分析与模拟 |
| 2.1 银行情绪影响经济周期的信贷供给传导机制理论分析 |
| 2.2 银行情绪影响经济周期的信贷供给传导机制模型构建与分析 |
| 2.2.1 基准模型设定 |
| 2.2.2 参数设定和模拟结果分析 |
| 2.3 贷款策略异质性设定下的传导机制分析与模拟 |
| 2.3.1 乐观银行贷款策略异质性设定下的传导机制分析与模拟 |
| 2.3.2 全体银行贷款策略异质性设定下的传导机制分析与模拟 |
| 2.4 经济政策不确定性设定下的传导机制分析与模拟 |
| 2.4.1 模型设定 |
| 2.4.2 参数设定与模拟结果分析 |
| 2.5 本章小结 |
| 第3章 银行情绪指数的构建与分析 |
| 3.1 银行家调查问卷与原始指标选取 |
| 3.1.1 《银行家调查问卷报告》概述 |
| 3.1.2 银行情绪原始指标选取 |
| 3.1.3 银行情绪原始指标时期确定 |
| 3.2 基于主成分分析法的银行情绪指数构建 |
| 3.2.1 主成分分析法 |
| 3.2.2 银行情绪指标合成结果分析 |
| 3.3 银行情绪指数的特征分析 |
| 3.3.1 银行情绪指数的周期波动分析 |
| 3.3.2 银行情绪指数的区制转换分析 |
| 3.4 本章小结 |
| 第4章 银行情绪影响因素的实证检验 |
| 4.1 基于中国现实背景的银行情绪影响因素分析 |
| 4.2 研究假设与实证方法 |
| 4.2.1 研究假设 |
| 4.2.2 实证方案与方法 |
| 4.3 变量选取与处理 |
| 4.3.1 指标选取 |
| 4.3.2 数据处理 |
| 4.4 银行情绪影响因素的实证结果分析 |
| 4.4.1 多元回归模型结果分析 |
| 4.4.2 混频格兰杰因果检验结果分析 |
| 4.5 银行情绪影响因素的稳健性分析 |
| 4.5.1 相关性分析 |
| 4.5.2 低频格兰杰因果检验分析 |
| 4.6 本章小结 |
| 第5章 银行情绪影响信贷供给波动的实证检验 |
| 5.1 中国信贷供给内涵的变化 |
| 5.2 银行情绪影响信贷供给的假设提出 |
| 5.3 银行情绪影响信贷供给波动的实证方案设计 |
| 5.3.1 实证方案 |
| 5.3.2 实证方法概述 |
| 5.3.3 指标选取与处理 |
| 5.4 银行情绪影响信贷供给波动的实证结果分析 |
| 5.4.1 静态同步性结果分析 |
| 5.4.2 动态同步性结果分析 |
| 5.4.3 交叉谱结果分析 |
| 5.4.4 稳健性分析 |
| 5.5 本章小结 |
| 第6章 银行情绪影响经济周期的信贷供给传导机制的实证检验 |
| 6.1 银行情绪影响经济周期的信贷传递渠道分析 |
| 6.2 研究假设和实证方案 |
| 6.2.1 研究假设的提出 |
| 6.2.2 实证方案 |
| 6.2.3 指标选取与处理 |
| 6.3 实证结果分析 |
| 6.3.1 结构向量自回归模型结果分析 |
| 6.3.2 反事实结果分析 |
| 6.4 银行情绪影响经济周期的信贷供给传导机制的稳健性分析 |
| 6.5 本章小结 |
| 第7章 银行情绪异质性的经济周期波动效应检验 |
| 7.1 银行情绪异质性的经济周期波动效应检验的假设提出 |
| 7.2 银行情绪异质性的经济周期波动效应的实证方案 |
| 7.2.1 两区制TVAR模型 |
| 7.2.2 非线性检验 |
| 7.2.3 广义脉冲响应函数 |
| 7.3 指标选择与处理 |
| 7.4 实证结果分析 |
| 7.4.1 非线性检验结果 |
| 7.4.2 乐观-悲观情绪模型的脉冲响应结果分析 |
| 7.4.3 理性-有限理性情绪模型的脉冲响应结果分析 |
| 7.5 本章小结 |
| 第8章 结论与建议 |
| 8.1 主要结论 |
| 8.2 政策建议 |
| 8.3 研究展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
| 致谢 |
（7）基于双层网络的投资者情绪与股价波动交互及风险传播研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究目的与研究意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容 |
| 1.4 科学问题与创新点 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 文献综述 |
| 2.1 投资者情绪相关理论 |
| 2.1.1 投资者情绪的测度研究 |
| 2.1.2 投资者情绪的传染研究 |
| 2.2 股票市场联动性研究 |
| 2.3 投资者情绪对股价的影响研究 |
| 2.4 金融风险研究 |
| 2.5 基于复杂网络的传播及股票市场研究 |
| 2.5.1 复杂网络中信息传播研究 |
| 2.5.2 多层网络上的传播问题研究 |
| 2.5.3 基于复杂网络的投资者情绪及股票市场联动研究 |
| 2.6 文献评述 |
| 第3章 个股投资者情绪指数构建 |
| 3.1 情绪指数构建流程优化 |
| 3.2 情绪指标筛选与分析 |
| 3.2.1 指标筛选 |
| 3.2.2 指标合理性分析 |
| 3.3 投资者情绪指数构建 |
| 3.4 投资者情绪指数合理性分析 |
| 3.5 本章小结 |
| 第4章 投资者情绪-股价交互关联分析 |
| 4.1 单层情绪关联网络和股价关联网络的构建 |
| 4.1.1 网络模型关联规则 |
| 4.1.2 网络模型关联权重 |
| 4.2 双层情绪-股价交互关联网络模型的构建 |
| 4.3 动态演变关联网络模型的构建 |
| 4.4 实证研究数据准备 |
| 4.4.1 实证区间选择 |
| 4.4.2 实证对象选择 |
| 4.4.3 实证数据来源 |
| 4.4.4 实证数据清洗和预处理 |
| 4.5 投资者情绪-股价网络整体特征分析 |
| 4.6 投资者情绪-股价的交互路径 |
| 4.7 投资者情绪-股价的交互影响 |
| 4.8 本章小结 |
| 第5章 投资者情绪-股价网络风险动态传播 |
| 5.1 投资者情绪-股价网络风险动态传播模型构建 |
| 5.1.1 情绪-股价网络风险传播系数 |
| 5.1.2 情绪-股价网络风险步长传播模型构建 |
| 5.1.3 情绪-股价网络风险时变传播模型构建 |
| 5.2 模型变量及情境设置 |
| 5.2.1 控制变量的设置 |
| 5.2.2 模拟情境的设置 |
| 5.3 情绪-股价网络风险传播动态模拟分析 |
| 5.3.1 单层股价网络风险传播模拟 |
| 5.3.2 单层情绪网络风险传播模拟 |
| 5.3.3 双层情绪-股价网络风险传播模拟 |
| 5.4 模型验证 |
| 5.5 风险防控模拟结果分析 |
| 5.5.1 股价防控——涨跌停机制 |
| 5.5.2 情绪防控——理性投资 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读博士学位期间发表的论文及科研成果 |
| 博士研究生期间发表论文 |
| 博士研究生期间参与的科研项目 |
| 博士研究生期间参与学术活动 |
| 博士研究生期间参与撰写学术专着 |
（8）期权隐含波动率分析及预测 ——基于混频投资者情绪指数与机器学习算法（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 一、研究背景及意义 |
| 二、国内外文献综述 |
| 三、研究方法与内容 |
| 四、本文的创新点 |
| 第一章 混频情绪与机器学习的基础理论介绍 |
| 第一节 投资者情绪指数的理论 |
| 一、行为金融学中的投资者情绪 |
| 二、情绪指数的量化方式 |
| 第二节 混频数据的理论 |
| 一、混频数据抽样模型 |
| 二、MIDAS模型中的权重函数 |
| 第三节 本文使用的机器学习算法与理论 |
| 一、Logistics算法 |
| 二、SVM算法 |
| 三、随机森林算法 |
| 第二章 混频投资者情绪对期权隐含波动率的影响分析 |
| 第一节 基于传统指标的投资者情绪指数 |
| 一、构建方法 |
| 二、指标选取 |
| 三、基于传统指标的投资者情绪指数构造 |
| 第二节 基于百度指数搜索量的投资者情绪指数 |
| 一、基于股吧评论的关键词选取 |
| 二、基于百度指数的投资者情绪指数构造 |
| 第三节 混频情绪指数对期权隐含波动率的影响分析 |
| 一、MIDAS模型构建与数据处理 |
| 二、混频数据平稳性检验 |
| 三、MIDAS模型参数估计与结果分析 |
| 第三章 基于机器学习算法和投资者情绪的期权隐含波动率预测分析 |
| 第一节 期权隐含波动率的量化与特征选取 |
| 一、期权隐含波动率的量化 |
| 二、特征选取 |
| 第二节 基于机器学习算法的期权隐含波动率预测分析 |
| 一、Logistic、SVM、随机森林算法的构建 |
| 二、集成算法的构建与预测 |
| 三、与传统方法预测效果比较分析 |
| 结论与建议 |
| 一、主要研究结论 |
| 二、不足与展望 |
| 三、建议 |
| 参考文献 |
| 致谢 |
（9）我国投资者情绪指数构建及其对股市预测效果影响的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景及意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 研究内容与方法 |
| 一、研究内容与技术路线 |
| 二、研究方法 |
| 第三节 本文可能的创新之处 |
| 第二章 文献综述及理论基础 |
| 第一节 文献综述 |
| 一、国外研究动态 |
| 二、国内研究动态 |
| 三、文献评述 |
| 第二节 理论基础概述 |
| 一、股市预测的难点 |
| 二、基于百度指数构建投资者情绪指数预测股市的合理性分析 |
| 三、偏最小二乘法概述 |
| 四、神经网络预测的优势 |
| 第三章 投资者情绪指数的构建及分析 |
| 第一节 基于偏最小二乘法构建投资者情绪指数 |
| 一、投资者情绪指标的选取 |
| 二、数据的标准化处理 |
| 三、投资者情绪指数的构建 |
| 第二节 基于百度指数构建投资者情绪指数 |
| 一、数据来源 |
| 二、百度情绪数据的描述性统计 |
| 三、百度情绪指数的构建 |
| 第三节 投资者情绪指数的相关性分析 |
| 第四章 股市预测的实证分析 |
| 第一节 神经网络模型的设计 |
| 一、网络结构的确定 |
| 二、神经网络主要参数的确定 |
| 第二节 基于神经网络的股市预测 |
| 一、无情绪指数时神经网络的预测结果 |
| 二、神经网络模型的可预测性分析 |
| 三、添加情绪指数时神经网络的预测结果 |
| 第三节 不同模型预测准确性比较 |
| 一、模型预测评价指标 |
| 二、各模型预测评价指标比较分析 |
| 第四节 稳健性检验 |
| 一、无情绪指数时模型的预测效果 |
| 二、加入情绪指数时模型的预测效果 |
| 三、各模型预测效果评价 |
| 第五章 结论与展望 |
| 第一节 结论 |
| 第二节 展望 |
| 参考文献 |
| 致谢 |
| 在读期间的研究成果 |
（10）投资者情绪对不同股票市场收益率相关性的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 文献述评 |
| 1.4 主要研究内容及结构安排 |
| 2 不同股票情绪期下的A、B、H股市相关性研究 |
| 2.1 投资者综合情绪指数的构建 |
| 2.2 股票市场收益率在不同情绪期的相关性分析 |
| 3 投资者情绪指数与价格波动的相关性分析 |
| 3.1 已实现波动率 |
| 3.2 情绪指数价格波动模型建立 |
| 3.3 实证分析 |
| 4 结论与建议 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
四、情绪指数与心理健康（论文参考文献）
- [1]投资者情绪对股票市场收益率的不对称性影响[D]. 李林. 河北大学, 2021(02)
- [2]投资者情绪对股票市场和企业创新的影响[D]. 郑欣桐. 浙江大学, 2020(02)
- [3]异地就医行为对患者负向情绪的影响及医务社工介入研究[D]. 徐飞. 江西财经大学, 2020(01)
- [4]我国股市投资者情绪指数的构建及及实证研究[D]. 于晓媛. 河南财经政法大学, 2020(07)
- [5]投资者情绪对P2P网贷平台融资效率影响研究[D]. 杨洲镕. 哈尔滨工业大学, 2020(02)
- [6]银行情绪、信贷供给与经济周期[D]. 丁尚宇. 吉林大学, 2020(08)
- [7]基于双层网络的投资者情绪与股价波动交互及风险传播研究[D]. 刘乃榕. 中国地质大学(北京), 2020(08)
- [8]期权隐含波动率分析及预测 ——基于混频投资者情绪指数与机器学习算法[D]. 仵思融. 中南财经政法大学, 2020(07)
- [9]我国投资者情绪指数构建及其对股市预测效果影响的研究[D]. 黎衍国. 云南财经大学, 2020(07)
- [10]投资者情绪对不同股票市场收益率相关性的影响研究[D]. 段雪萍. 山东科技大学, 2020(06)