西安交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）摘要參考文獻(xiàn)ADDINEN.REFLISTBakerM，WurglerJ.Investorsentimentandthecross-sectionofstockreturn[J].JournalofFinance，2006，61（4）：1645-1680LongJBD,ShleiferAetal..Noisetraderriskinfinancialmarkets[J].JournalofPoliticalEconomy，1990，98（4）：703-738．LeeMCCharles,ShleiferA,RicharedH.InvestorSentimentandtheClose-EndFundPuzzle[J].JournalofFinance,1991,46(1):75-109陳沉，張軍波.投資者情緒的一個(gè)研究綜述[J].現(xiàn)代管理科學(xué)，2017，（8）：118-120.饒育蕾,劉達(dá)鋒.行為金融學(xué)[M].上海財(cái)經(jīng)大學(xué)出版社.2003,144-155.BROWNGW,CLIFFMT.Investorsentimentandthenear-termstockmarket［J］.JournalofEmpiricalFinance,2004,11（1）:1-27BakerM.Stein,J.C.Marketliquidityasasentimentindicator[J].JournalofFinancialMarkets,2004,7(3):271-299.PolkC.AndP.Sapienza.Thestockmarketandcorporateinvestment:atestofcateringthoery[J].TheReviewofFinancialStudies,2009,(22):187-215.許騫，花貴如.投資者情緒、現(xiàn)金持有與上市公司投資[J].中國會計(jì)評論，2015,（2):229-242.劉學(xué)文.中國股市投資者情緒測度指標(biāo)的優(yōu)選研究[J].中國管理科學(xué)，2019，（1）：22-33。李井林.股票市場錯(cuò)誤定價(jià):測度方法、形成機(jī)理與經(jīng)濟(jì)后果[J].金融評論，2018，（5）：114-126.FamaE，F(xiàn)renchK．Thecross-sectionofexpectedstockreturns［J］．TheJournalofFinance，1992（2）:427－465．ZviBodie.INVESTMENTS[M].機(jī)械工業(yè)出版社.2017,289-298.NicholasBarberisandRichardThaler.theEconomicsofFinance[M].Amsterdam:Elsevier.2003.黃德龍，文鳳華，楊曉光．投資者情緒指數(shù)及中國股市的實(shí)證［Ｊ］．系統(tǒng)科學(xué)與數(shù)學(xué)，2009,29（1）:1-13．易志高，茅寧．中國股市投資者情緒測量研究：CICSI的構(gòu)建［J］．金融研究，2009,(11):174-184.BondtWFMD，ThalerR.DoestheStockMarketOverreact?[J].JournalofFinance，1985，40（3）：793-805.JegadeeshN，TitmanS.ReturnstoBuyingWinnersandSellingLosers:ImplicationsforStockMarketEfficiency[J].JournalofFinance，1993，48（1）：65-91.ChanLKC，JegadeeshN，LakonishokL.MomentumStrategies[J].JournalofFinance，1996，51（5）：1681-1713.Bernile,G.andE.Lyandres(2011):“UnderstandingInvestorSentiment:TheCaseofSoccer”，F(xiàn)inancialManagement，2，357－380.SAYIMM,RAHMANH.Therelationshipbetweenindividualinvestorsentiment,stockreturnandvolatility［J］.InternationalJournalofEmergingMarkets,2015,10（3）:504-520.WangYH,KeswaniA,TaylorSJ.Therelationshipsbetweensentiment,returnsandvolatility[J].InternationalJournalofForecasting,2006,22(1):109-123.王美今，孫建軍.中國股市收益、收益波動與投資者情緒［J］.經(jīng)濟(jì)研究，2004（10）：75-83.陳彥斌．情緒波動和資產(chǎn)價(jià)格波動［J］．經(jīng)濟(jì)研究，2005(3):36-45．孫建軍，王美今．中國投資者市場情緒生成模式經(jīng)驗(yàn)研究:基于情緒指數(shù)的證據(jù)［J］．海南大學(xué)學(xué)報(bào)(人文社會科學(xué)版)，2007，25(5):537-542．黃森榮．從文化層面認(rèn)識中國證券市場的“不成熟”［J］．湖南工業(yè)大學(xué)學(xué)報(bào)(社會科學(xué)版)，2010，15(4):29－33．李合龍，馮春娥．基于EEMD的投資者情緒與股指波動的關(guān)系研究［J］．系統(tǒng)工程理論與實(shí)踐，2014，34(10):2495-2503．魯訓(xùn)法，黎建強(qiáng).中國股市指數(shù)與投資者情緒指數(shù)的相互關(guān)系［J］.系統(tǒng)工程理論與實(shí)踐，2012，32（3）：621-629.李林.第四輪新股發(fā)行改革對中小板IPO抑價(jià)影響的實(shí)證研究［D］．株洲:湖南工業(yè)大學(xué)，2015．鄒輝文，孫磊，陳圳斌等．投資者情緒對證券價(jià)格波動的影響:建模與模擬分析［J］．金融教學(xué)與研究，2015，164(6):43-52．王國臣，傅斌，曹偉，等．投資者情緒、新股申購資金凍結(jié)與股價(jià)波動［J］．中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2017(11):38-49．郁晨．散戶投資者情緒對小盤股價(jià)格波動的影響［D］．南京:南京航空航天大學(xué)，2017．張強(qiáng)，楊淑娥.噪音交易、投資者情緒波動與股票收益［J］．系統(tǒng)工程理論與實(shí)踐，2009（3）.伍燕然，韓立巖.不完全理性、投資者情緒與封閉式基金之謎［J］.經(jīng)濟(jì)研究，2007（3）：117-129.蔣玉梅，王明照．投資者情緒與股票收益:總體效應(yīng)與橫截面效應(yīng)的實(shí)證研究［J］．南開管理評論，2010(3)．山立威.心里還是實(shí)質(zhì)：汶川地震對中國資本市場的影響［J］.經(jīng)濟(jì)研究，2011（4）:121-133.張婷，于瑾，呂東鍇．新興市場投資者情緒與價(jià)值溢價(jià)異象———基于中國內(nèi)地、香港和臺灣地區(qū)的比較分析［Ｊ］．國際金融研究，2013，(1)：87-95．張宗新,王海亮.投資者情緒、主觀信念調(diào)整與市場波動[J].金融研究,20139（4）:142-155.文鳳華.投資者情緒特征對股票價(jià)格行為的影響研究[J]..管理科學(xué)學(xué)報(bào)，2014（3）：62-69.陸靜，周媛.投資者情緒對股價(jià)的影響——基于AH股交叉上市股票的實(shí)證分析[J].中國管理科學(xué)，2015，23（11）：21-28.劉睿智，韓京芳.大股東交易對市場定價(jià)效率的促進(jìn)——基于錯(cuò)誤定價(jià)與成長性驅(qū)動交易的視角[J].系統(tǒng)工程，2010，28（10）：15-22.李遠(yuǎn)鵬，牛建軍.退市監(jiān)管與應(yīng)計(jì)異象[J].管理世界，2007，（5）：125-132.宋云玲，李志文.A股公司的應(yīng)計(jì)異象[J].管理世界，2009，（8）：17-24.王博.投資者情緒與股票市場定價(jià)效率實(shí)證研究[J].貴州財(cái)經(jīng)大學(xué)報(bào)，2014，32（4）：39-47.馬若微，張娜.我國股票市場投資者情緒SENT指數(shù)的構(gòu)建——基于上證A股公司的面板數(shù)據(jù)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2015，（7）：42～49.周俊杰，徐丹妮.投資者情緒與股票誤定價(jià)的實(shí)證研究[J].江蘇商論，2015，（14）：138-140.饒?zhí)m蘭.我國機(jī)構(gòu)投資者情緒對股票誤定價(jià)影響的實(shí)證研究[J].商業(yè)經(jīng)濟(jì)，2018(5）：135-154.劉維奇,劉新新.個(gè)人和機(jī)構(gòu)投資者情緒與股票收益——基于上證A股市場的研究[J].管理科學(xué)學(xué)報(bào),2014,17(3):70-87.附錄附錄A相關(guān)程序代碼portxlrdimportxlwtimportmatplotlib.pyplotaspltfromscipyimportstatsfromdatetimeimportdate,datetimeimportnumpyasnpimportmathimportstatsmodels.apiassmfrommatplotlib.patchesimportRectanglefromstatsmodels.stats.outliers_influenceimportsummary_tabledefset_style(name,height,bold=False):style=xlwt.XFStyle()#初始化樣式font=xlwt.Font()#為樣式創(chuàng)建字體=name#'TimesNewRoman'font.bold=boldfont.color_index=4font.height=heightstyle.font=fontreturnstyle#打開文件workbook=xlrd.open_workbook(r'yaya.xlsx')#讀取數(shù)據(jù)sheet1=workbook.sheet_by_index(0)t=['\t','\t\t','\t\t\t']#sheet的名稱，行數(shù)，列數(shù)print('表格名稱，行數(shù)，列數(shù)：'++''+str(sheet1.nrows)+''+str(sheet1.ncols))ename=sheet1.row_values(0,2,24)cname=sheet1.row_values(1,2,24)data=[]forcolinrange(2,24):values=[]forrowinrange(2,146):ifsheet1.cell(row,col).value=='':values.append(values[-1])else:values.append(sheet1.cell(row,col).value)data.append(values)data=np.array(data)#數(shù)據(jù)矩陣列數(shù)行數(shù)print('數(shù)據(jù)矩陣行列數(shù):'+t[0]+str(data.shape[1])+t[0]+str(data.shape[0]))foriinrange(data.shape[0]):forjinrange(data.shape[1]):data[i][j]=float(data[i][j])#數(shù)據(jù)標(biāo)準(zhǔn)化print('\n數(shù)據(jù)統(tǒng)計(jì)：')foriinrange(data.shape[0]):min_data=np.min(data[i])max_data=np.max(data[i])print(str(i),ename[i],str(np.mean(data[i])),str(np.std(data[i])),str(min_data),str(max_data))forjinrange(data.shape[1]):data[i][j]=(data[i][j]-min_data)/(max_data-min_data)#與上證綜指相關(guān)性+篩選1corrcoef=np.corrcoef(data)corsort1=corrcoef[0].argsort()corsort2=corrcoef[1].argsort()data1=np.zeros_like(data)#篩選后的數(shù)據(jù)ename1=[]cname1=[]flag=0print('\n與上證綜指的相關(guān)性：')forjinrange(corrcoef[0].shape[0]):i=corsort1[-j-1]print(str(round(corrcoef[0][i],4))+t[0]+ename[i]+t[1-math.floor(len(ename[i])/4)]+cname[i])ifcorrcoef[0][i]>0.25:data1[flag]=data[i]ename1.append(ename[i])cname1.append(cname[i])flag=flag+1print('\n與上證綜指收益率的相關(guān)性：')forjinrange(corrcoef[1].shape[0]):i=corsort2[-j-1]print(str(round(corrcoef[1][i],4))+t[0]+ename[i]+t[1-math.floor(len(ename[i])/4)]+cname[i])ifcorrcoef[1][i]>0.25>=corrcoef[0][i]:data1[flag]=data[i]ename1.append(ename[i])cname1.append(cname[i])flag=flag+1data1=data1[0:flag]print("\n篩選后的數(shù)據(jù)為:")print(cname1)data11=np.zeros_like(data)ename11=[]cname11=[]l=[18,1,20,11,16,14,13,12]foriinrange(8):j=l[i]data11[i]=data[j]ename11.append(ename[j])cname11.append(cname[j])data11=data11[0:8]print('\n***********')print(ename11)corrcoef=np.corrcoef(data11)print(corrcoef)print('***********')#p-value篩選#corrcoef=np.corrcoef(data1)#parray=np.zeros_like(corrcoef)#delete=[]#foriinrange(corrcoef.shape[0]):#forjinrange(corrcoef.shape[1]):#r,p=stats.pearsonr(data1[i],data1[j])#ifp<0.05andi>j:#delete.append([i,j])#parray[i][j]=p#print('\n相關(guān)性不顯著的指標(biāo)對:')#print(delete)##print('\n考慮到指標(biāo)6（'+cname1[6]+'),9('+cname1[9]+'),11('+cname1[11]+'),14('+cname1[14]+'),15('+cname1[15]+'),16('##+cname1[16]+')與許多其他指標(biāo)相關(guān)性顯著值較低，因此刪去這些數(shù)據(jù)')#主成分分析corrcoef=np.corrcoef(data1)eigValue,eigVec=np.linalg.eig(corrcoef)#求解協(xié)方差矩陣的特征值和特征向量sumeig=np.sum(eigValue)acceig=0index=np.argsort(-eigValue)#依照featValue進(jìn)行從大到小排print("\n主成分對應(yīng)特征值：")foriinrange(len(index)):j=index[i]acceig=acceig+eigValue[j]print(str(i)+t[0]+str(round(eigValue[j],4))+'\t累計(jì)：'+str(round(acceig/sumeig,2)))eigVec[:,j]=eigVec[:,j]/np.linalg.norm(eigVec[:,j])print(str(eigVec[:,j]))flag=0temp=abs(eigVec[0,j])forkinrange(len(eigVec[j])):ifabs(eigVec[k][j])>temp:temp=abs(eigVec[k][j])flag=kprint(str(round(temp,4))+t[0]+ename1[flag]+t[1-math.floor(len(ename1[flag])/4)]+cname1[flag])print('\n')print('\n前6個(gè)主成分累計(jì)系數(shù)：')eigVecs=abs(eigVec[:,0])+abs(eigVec[:,1])+abs(eigVec[:,2])+abs(eigVec[:,3])+abs(eigVec[:,4])\+abs(eigVec[:,5])foriinrange(len(eigVecs)):print(str(round(eigVecs[i],4))+t[0]+ename1[i]+t[1-math.floor(len(ename1[i])/4)]+cname1[i])#變異系數(shù)print('\n各指標(biāo)變異系數(shù)為：')foriinrange(data1.shape[0]):print(str(i)+t[0]+str(round(np.std(data1[i])/np.mean(data1[i]),4))+t[0]+ename1[i]+t[1-math.floor(len(ename1[i])/4)]+cname1[i])#輸出相關(guān)系數(shù)矩陣filer=xlwt.Workbook()sheet2=filer.add_sheet(u'sheet1',cell_overwrite_ok=True)foriinrange(corrcoef.shape[0]):forjinrange(corrcoef.shape[1]):sheet2.write(i+1,j+1,str(round(corrcoef[i][j],4)),set_style('TimesNewRoman',220,True))foriinrange(corrcoef.shape[0]):sheet2.write(0,i+1,[cname1[i],ename1[i]],set_style('TimesNewRoman',220,True))sheet2.write(i+1,0,[cname1[i],ename1[i]],set_style('TimesNewRoman',220,True))filer.save('demo1.xls')#選出6個(gè)指標(biāo)ClOZECCIVOLDCLOZEDTURNCICSIprint("\n篩選后的數(shù)據(jù)為:")ename2=[]cname2=[]data2=data1#篩選后的數(shù)據(jù)h=[9,14,15,6,4,5]#h=[12,1,0,13,13,1]#h=[1,1,1,1,1,1]#h=[9,8,15,6,4,7]m=6#篩選后的指標(biāo)數(shù)data2[0]=data1[h[0]]ename2.append(ename1[h[0]])cname2.append(cname1[h[0]])data2[1]=data1[h[1]]ename2.append(ename1[h[1]])cname2.append(cname1[h[1]])data2[2]=data1[h[2]]ename2.append(ename1[h[2]])cname2.append(cname1[h[2]])data2[3]=data1[h[3]]ename2.append(ename1[h[3]])cname2.append(cname1[h[3]])data2[4]=data1[h[4]]ename2.append(ename1[h[4]])cname2.append(cname1[h[4]])data2[5]=data1[h[5]]ename2.append(ename1[h[5]])cname2.append(cname1[h[5]])data2=data2[0:m]print(cname2)print(ename2)#主成分分析corrcoef=np.corrcoef(data2)print(corrcoef)eigValue,eigVec=np.linalg.eig(corrcoef)#求解協(xié)方差矩陣的特征值和特征向量#print('\n********')#print(corrcoef.dot(eigVec[:,0]))#print(corrcoef.dot(eigVec[:,1]))#print(corrcoef.dot(eigVec[:,2]))#print(corrcoef.dot(eigVec[:,3]))#print(corrcoef.dot(eigVec[:,4]))#print(corrcoef.dot(eigVec[:,5]))#print(eigValue[0]*eigVec[:,0])#print(eigValue[1]*eigVec[:,1])#print(eigValue[2]*eigVec[:,2])#print(eigValue[3]*eigVec[:,3])#print(eigValue[4]*eigVec[:,4])#print(eigValue[5]*eigVec[:,5])sumeig=np.sum(eigValue)acceig=0index=np.argsort(-eigValue)#依照featValue進(jìn)行從大到小排print("\n主成分對應(yīng)特征值：")foriinrange(len(index)):j=index[i]acceig=acceig+eigValue[j]print(str(round(eigValue[j],4))+'\t累計(jì)：'+str(round(acceig/sumeig,2)))eigVec[:,j]=eigVec[:,j]/np.linalg.norm(eigVec[:,j])print(str(eigVec[:,j]))data3=-eigValue[index[0]]*np.array(eigVec[:,index[0]]).reshape(1,m).dot(data2)#+\#eigValue[index[1]]*np.array(eigVec[:,index[1]]).reshape(1,m).dot(data2)print('\n情緒指數(shù)的均值，方差：')print(np.mean(data3),np.std(data3),np.max(data3),np.min(data3))#print('\nSENT：')#print(data3)sent1=[]sent2=[]sent_mean=np.mean(data3)sent=data3[::-1]corrcoef=np.corrcoef(data3,data1[0])print("\n與上證綜指相關(guān)性："+str(corrcoef[0][1]))#####三因子模型#######打開文件workbook=xlrd.open_workbook(r'ff.xlsx')#讀取數(shù)據(jù)sheet1=workbook.sheet_by_index(0)#sheet的名稱，行數(shù)，列數(shù)print('\n表格名稱，行數(shù)，列數(shù)：'++''+str(sheet1.nrows)+''+str(sheet1.ncols))ename=sheet1.row_values(0,1,6)print('變量名稱：'+str(ename))data=[]forcolinrange(1,6):values=[]forrowinrange(1,157):values.append(sheet1.cell(row,col).value)data.append(values)data=np.array(data)#原始數(shù)據(jù)#數(shù)據(jù)矩陣列數(shù)行數(shù)print('數(shù)據(jù)矩陣行列數(shù):'+t[0]+str(data.shape[1])+t[0]+str(data.shape[0]))foriinrange(data.shape[0]):forjinrange(data.shape[1]):data[i][j]=float(data[i][j])data_3=np.ones((5,156),float)#三因子模型數(shù)據(jù)data_3[0]=data[4]-data[3]/100#Rit-Rftdata_3[2]=data[0]#Rmt-Rftdata_3[3]=data[1]#SMBdata_3[4]=data[2]#HMLcorrcoef=np.corrcoef(data_3[2:])print('\n三因子相關(guān)系數(shù)：\n'+str(corrcoef))print('\n三因子模型結(jié)果：')x=data_3[2:]y=data_3[0]x=x.Ty=y.TX=sm.add_constant(x)regr=sm.OLS(y,X)res=regr.fit()print(res.summary())#print('\n二因子模型結(jié)果：')#x=data1[2:4]#x=x.T#X=sm.add_constant(x)#regr=sm.OLS(y,X)#res=regr.fit()#print(res.summary())#print('\n新三因子模型結(jié)果：')#data3=data3[::-1]#x=data1[2:4]#x=x.T#x=x[0:144]#data3=data3.T#x=np.append(x,data3,axis=1)#X=sm.add_constant(x)##print(x)##print(data3)#y=y[0:144]#regr=sm.OLS(y,X)#res=regr.fit()#print(res.summary())coef=res.paramsprint('三因子回歸參數(shù)'+str(coef))start=0end=144error=y-np.dot(X,coef)error1=error/y#print(error1*y-error)error=error*100print('誤定價(jià)程度：')print(error)data3=data3[::-1]#反向data3=data3[0]#print(len(data3))data3=data3.Terror=error[0:144]error1=error1[0:144]data3=data3[start:end]error=error[start:end]error1=error1[start:end]X=sm.add_constant(data3)regr=sm.OLS(error,X)res=regr.fit()print(res.summary())data3=np.array(data3)nipo=data1[11]dcef=data1[13]nipo=nipo[::-1]dcef=dcef[::-1]x2=np.array(nipo)x3=np.array(dcef)x2=x2[0:144]x3=x3[0:144]x2=x2[start:end]x3=x3[start:end]data4=np.ones((end-start,3))data4[:,0]=data3data4[:,1]=x2data4[:,2]=x3#print(data4.shape)X=sm.add_constant(data4)regr=sm.OLS(error,X)res=regr.fit()print(res.summary())nipo1=[]nipo2=[]dcef1=[]dcef2=[]error1=[]error2=[]print(sent[0][0])print(error[0])foriinrange(sent.shape[1]):ifsent[0][i]>sent_mean:sent1.append(sent[0][i])error1.append(error[i])nipo1.append(nipo[i])dcef1.append(dcef[i])else:sent2.append(sent[0][i])error2.append(error[i])nipo2.append(nipo[i])dcef2.append(dcef[i])sent1=np.array(sent1)sent2=np.array(sent2)error1=np.array(error1)error2=np.array(error2)nipo1=np.array(nipo1)nipo2=np.array(nipo2)dcef1=np.array(dcef1)dcef2=np.array(dcef2)print('\nsent+:')print(len(sent1),np.mean(sent1),np.std(sent1),np.max(sent1),np.min(sent1))print('\nsent-:')print(len(sent2),np.mean(sent2),np.std(sent2),np.max(sent2),np.min(sent2))print('\nerror:')print(len(error),np.mean(error),np.std(error),np.max(error),np.min(error))print('\nerror1:')print(len(error1),np.mean(error1),np.std(error1),np.max(error1),np.min(error1))print('\nerror2:')print(len(error2),np.mean(error2),np.std(error2),np.max(error2),np.min(error2))nipo1=nipo1.Tdecf1=dcef1.Terror1=error1.Tsent1=sent1.Tdata4=np.ones((sent1.shape[0],3))data4[:,0]=sent1data4[:,1]=nipo1data4[:,2]=decf1X=sm.add_constant(data4)regr=sm.OLS(error1,X)res=regr.fit()print(res.summary())nipo2