论文部分内容阅读
本文从国际资本市场波动、国内宏观经济、公司财务状况和投资者情绪四个角度对我国沪深300指数收益率进行实证研究,研究结果可以帮助政策制定者准确把握国外内宏观和投资者情绪波动对股票市场的影响。本文选取沪深300指数作为研究样本同时选取24个预测变量,将数据转化为平稳后通过逐步回归法筛选变量,得到美国股票市场波动性指数(EMV)、通货膨胀率(CPI)和投资者情绪综合指数变化量(SENT)三个显著因子;同时把股票时间窗口(2006-2018)月度数据分割为训练期和验证期两部分进行样本外滚动预测,同时将方向准确率、均方根误差(RMSE)、平均绝对误差(MAE)与历史移动平均预测法进行比较;其次,运用三因子分别建立logistic、混频模型、神经网络模型进行比较;最后分别对上证50指数、上证综指、深证成指、中证指数,加入沪深300波动率及变化数据样本至2019年6月进行稳健性检验。通过以上实证研究最终得出如下结论:第一,基于新闻报纸挖掘的当期美国股票市场波动性指数与下期沪深300指数收益率负相关;当期通货膨胀率与下期沪深300指数收益率负相关,当期通货膨胀的上升,投资者会有加息预期或紧缩政策的担忧,导致下期收益率下降;投资者情绪变化量对沪深300指数收益率有正向的预测影响,即投资者情绪越高涨时会推动下一期收益率升高。第二,利用美国股票市场波动性指数(EMV)、通货膨胀率(CPI)和投资者情绪综合指数变化量(SENT)三个显著因子预测沪深300收益率方向准确率高于50%,且均方根误差和平均绝对误差小于历史移动平均法。第三,在实际应用上,根据交易策略模拟结果显示模型夏普比率优于历史移动平均法。第四,运用logistic进行预测的方向正确率下降,同时混频模型并没有明显提升拟合优度和预测效果,利用非线性的BP神经网络也没有明显改善预测效果。第五,上证50、上证综指、深证成指、中证指数通过了稳健性检验;将验证窗口期扩大至2019年6月进行预测同样通过了稳健性检验;加入沪深300波动率进行滚动预测发现样本内外的拟合优度有所提升,但是方向的正确率下降,但预测效果优于历史平均法;交易策略模拟结果显示三因子在实际应用中效果更好,也通过了稳健性检验。