在中國,研究股票收益率的方向?qū)τ诠墒型顿Y者具有重要的參考意義,尤其對于散戶投資者而言。方向預(yù)測實際上是一個二元選擇問題,通常采用Logistic二元選擇模型進行預(yù)測,但是傳統(tǒng)的參數(shù)模型在預(yù)測時需要對模型做出預(yù)先假設(shè),而非參數(shù)模型則很好地解決了這一問題,而且能夠較好地捕捉金融市場這種復(fù)雜系統(tǒng)的特性。因此本文基于非參數(shù)方法對股票收益率方向的預(yù)測進行研究。在經(jīng)濟發(fā)展的同時,互聯(lián)網(wǎng)也在快速成長,對于信息的挖掘不再局限于原有的結(jié)構(gòu)化數(shù)據(jù),利用網(wǎng)絡(luò)異構(gòu)數(shù)據(jù)進行大數(shù)據(jù)分析被廣泛應(yīng)用于各個領(lǐng)域。近年來,“金融大數(shù)據(jù)”、“互聯(lián)網(wǎng)金融”等詞匯層出不窮,網(wǎng)絡(luò)平臺成了一個信息交換、表達情感之所,然而互聯(lián)網(wǎng)信息大多以文本形式存在。在金融領(lǐng)域,文本化的財經(jīng)新聞涵蓋了許多股票市場的重要信息,因此從財經(jīng)新聞角度出發(fā)研究股票收益方向,具有重要意義。Harvey&Oryshchenko(2012)提出了時變密度函數(shù)估計理論,并將此理論應(yīng)用于NASDAQ指數(shù)密度的估計,結(jié)果發(fā)現(xiàn)該方法可以充分地反映出金融資產(chǎn)的特性。Gu等(2018)基于此提出了一個時變因子加權(quán)非參數(shù)密度函數(shù)模型(F-TVF)。本文將財經(jīng)新聞作為研究...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１論文結(jié)構(gòu)框架??

第五章：結(jié)論及展望。本章對全文進行總結(jié)，得出結(jié)論，并給出目前文章中??尚存的不足之處以及改進方向。??本文的研究框架如圖１－１所示。??４??

圖3-2財經(jīng)新聞情感詞典構(gòu)建流程圖

例如：??句子１：我熱愛北京天安門??句子２：我喜歡北京天安門??那么，在詞向量表示中，由于“熱愛”和“喜歡”出現(xiàn)在上下文的一致性很??高，所以判斷這兩個詞的相似度應(yīng)該很高。??綜上，構(gòu)建財經(jīng)新聞情感詞典主要基于Ｈｏｗｎｅｔ詞典、Ｌｏｕｇｈｒａｎ－ＭｃＤｏｎａｌｄ??ｄｉｃｔｉｏ....

圖３－６情感指數(shù)與股票收益率??２０??

持續(xù)下滑優(yōu)質(zhì)內(nèi)容供給不足導(dǎo)致票房增長不及預(yù)期政策執(zhí)行力度??不及預(yù)期??圖３－５文本分詞結(jié)果??根據(jù)財經(jīng)新聞情感詞典，判別出情感詞匯。計算得到情感指數(shù)如下所示。??積極詞匯組＝［＇明確Ｖ支持有望Ｖ實現(xiàn)Ｖ增長Ｖ達到Ｖ增長??＇增強Ｖ共同Ｖ有望＇，’支持Ｖ繁榮Ｖ優(yōu)質(zhì)Ｖ增長’］??消極....

圖４－１上證指數(shù)收益率序列直方圖與趨勢圖??為說明情感指數(shù)與股票收益序列的相關(guān)性，建立模型如下??

為全面衡量模型的樣本外預(yù)測情況，本文采用滾動時間窗口預(yù)測策略，??將數(shù)據(jù)分為測試集與訓(xùn)練集，測試集樣本量Ｔ＝６０。首先對轉(zhuǎn)化為收益率的上證??指數(shù)進行描述性統(tǒng)計和正態(tài)性檢驗，并繪制直方圖與趨勢圖，如表４－１、圖４－１??所示。上證指數(shù)收益率（Ｒｅｔｕｒｎｓ）均值為０．０３％，方差....

本文編號：3996330