“深港通”背景下投资者情绪传染性研究

发布时间：2020-10-08 16:32

　　 “深港通”政策实施以来,中国市场的波动程度并没有减弱,在2016年下半年和2018年下半年,沪深股市和香港股市仍然经历了多次熊市。金融市场是一个复杂的系统,仅从传统金融理论无法完全解释近几年来中国市场剧烈波动的原因;另外,中国香港金融市场作为国际资本进入中国内地金融市场的重要通道,近年来与沪深股市的联系日趋紧密,不可忽略近年来两地股市投资者情绪的传染效应。因此本文拟从行为金融学的角度分析“深港通”政策背景下深圳、香港股市投资者情绪的传染效应,对深入了解中国内地、香港股市投资者情绪之间的风险传染机制具有重要意义。本文首先将具备高性能的盲分离移位阻断法(SHIBBS)引入到投资者情绪指标的构建之中,并与主成分分析法等传统投资者情绪构造方法比较,证明SHIBBS具有更具优秀的特征提取能力,其构造的情绪指标能够更准确地反映股票市场的变化和市场投资者情绪的波动情况。其次,为了研究情绪指标在重大事件影响下的传染效应,将构造出的情绪序列经过集成经验模态分解(EEMD),得到一系列独立、不同时间尺度的本征模态函数(IMFs),将IMFs按照高低频率重组出中期波动项(重大事件影响项);通过分析,中期波动项能极大减少噪音干扰,有效刻画深港市场投资者情绪在重大事件影响下的波动情况,有利于深入研究沪深港通开通前后的传染性效应。最后,在“深港通”等重大事件影响下,香港市场投资者情绪对深圳市场投资者情绪存在单向传导,且香港投资者情绪对深圳投资者传染的冲击程度更大;香港市场投资者情绪对深圳市场投资者情绪的传染性在沪、深港通开通期间均迅速上升,两市联动性加强的同时风险传染的概率也随之增大。
【学位单位】：华南理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.51
【部分图文】：

技术路线图,时变,因果检验,传染效应

第一章绪论事件影响下，研究投资者情绪传染方向、沪深港通开通前后传染效应、以及两市之间传染的强度和持续程度。结合学者们的经验，首先，使用 Granger 因果检验，判断传染方向；第二，借助在金融领域得到普遍运用的时变 Copula 模型，在时变中细致地刻画不同市场之间非正态、非线性的关联机制，可靠、稳健而又灵活地剖析变量间关联结构，清晰明了的观察重要时期传染系数的变化；最后，借鉴 VAR 模型的脉冲响应图，来研究两个中期波动序列彼此之间的冲击程度。

系统原理图,优化步骤,未知源,信号

分析（Independent ComponentAnalysis, ICA），这种方法现已普遍运用于据挖掘等科学技术领域。 ICA 随着盲信源分离（Blind Source Separatio来，它可以未知若干独立信号源的前提下，将多个接收器获取的经过源的混合信号，分解成若干个相互独立的分量（ICs）[24]。的基本模型为：x (t) = A s (t )T1 2( ) = [ ( ), ( ), , ( )]mx t x t x t x t 是 m 道观测信号构成的 m ×T阵，A 是 m n 个未知源信号构成的 n T阵。A 基本思路是为计算出矩阵 A 的逆矩阵 B，再计算未知源信号 s(t)的估ICA 主要步骤：先将观测信号 x(t)白化（Whitening），之后将已白化信，使度量独立性的判据达到最优。白化处理可以排除原始观测信号间的二测信号间的相互独立性，ICA 优化步骤示意图如图 2-1 所示。

投资者情绪,自相关,深圳,截尾

iSENT （ i SZ ,HK ）进行检验，检验输出结果见图4-5及图4-6。从图4-5和图4-6可以发现：自相关系数图呈现拖尾，偏自相关系数则呈现截尾，因此初步认为深圳、香港投资者情绪中期重大事件影响项均存在一定程度上的自相关。根据自相关系数图呈现拖尾，偏自相关系数则呈现截尾的现象，可以通过AR模型来消除自回归。图4-5 深圳投资者情绪中期波动项自相关及偏自相关图

【参考文献】