【股民情绪对股票价格的影响实证分析报告9600字】

股民情绪对股票价格的影响实证分析报告目录TOC\o"1-2"\h\u2119引言 1272621股民情绪相关概念与理论 2275301.1股民情绪理论 2173431.2股民情绪的表现特征 2291201.3股民情绪与股票市场波动率的关系 3107002指标选取和相关性分析 4188632.1股民情绪指标构建 4100812.2股票价格指数 5219913股民情绪与股票价格关系的实证分析 6134273.1模型的检验和选择 6224393.2模型的分析结果 831220结论 1122015参考文献： 12引言在对金融市场的大量研究中，股市一直是其中的一个重点方向，并且由于我国股市成立时间较短，因此具有波动率大，容易受到外界干扰，股民以散户套利为主的特点，因此探究股民情绪与股票价格的关系是一件对于我国金融市场制订相应的政策面对疫情带来的冲击和金融市场的开放有着重要影响的事情。从1990年上交所开始投入使用到目前为止，我国金融市场刚刚有30年的历史。相较于欧美已经十分理性完善的股票市场，我国股市的主体多为良莠不齐的散户投资者，且不仅数量较多，其文化教育程度，信息收集程度，对股市的认知也良莠不齐，因此极有可能引发“羊群效应”影响我国股市的正常发展，导致股指剧烈的波动不平稳。从2007年1月开始，我国上证指数在9个月的时间内，持续上涨了5000点之后在几个月内又快速下降4000点，并不断波动；2015年，又出现了相似的情况，几个月内上证指数上升3000点后迅速滑回原始位置；疫情期间，2个月内我国股市再次下降500点，股市的不稳定性以及剧烈震荡不仅导致了我国投资者的巨大损失，也在总体上大大影响了我国股票市场的健康发展，给我国宏观经济的发展也带来了影响①。在股票市场中，传统金融理论的资产定价行为的某些特征不起作用，而行为金融学可以为解释这些情况提供新的方法，因此将我国股市的不成熟特点和行为金融学理论联合起来分析，发现我国股市中存在许多非理性情况。这些行为包括股民情绪，股民情绪的任何波动都有可能会导致股市出现不稳定的情况，反过来，股市变化也会影响我国股市股民对股市的判断和股市投资者自身对股市的后续反应。因此，探讨二者间的关系存在着很大的现实意义。因为上证指数可以代表我国金融市场的大体情况，因此本文选择上证指数来替代我国股市的发展状况。鉴于单个具体指标缺乏代表性这一特点，本文选择使用主成分分析的方法来构造这一指标，本文选择2007年1月至2020年12月间的168个月的数据，在传统文献的基础上，根据我国的具体国情，选择了消费者信心指数，IPO数量、新增开户数、换手率和市盈率这5个指标，对其进行主成分分析；并在此基础上考虑滞后期的影响，将10个指标进行主成分分析从而综合出股民情绪代表指标，并使用代表指标分别与10个源指标进行相关性分析，选择5个相关系数最大的指标分别对多个可以代表宏观经济情况的经济学指标进行回归，然后运用主成分分析将残差序列构建为去除宏观经济因素影响的股民情绪指标。其次，简单地对构造的两个股民情绪指标与股票价格指数等变量进行描述性统计分析。再次，选择VAR模型分别探究两个股民情绪与股票价格指数间的相互影响关系，在实证结果的基础上对比宏观经济因素对于二者关系的影响程度。最后，运用GARCH模型探究股市波动情况及与股民情绪变量间的关系。1股民情绪相关概念与理论1.1股民情绪理论情绪属于心理学的概念范畴，是人对所处环境的客观事物的态度与体验，包括人相应作出的行为反应。在金融领域，股民等广大投资者情绪渐渐成为学者研究的重要对象。股民情绪是对金融资产的部分错误定价及系统性偏差，这种系统性偏差往往取决于投资者的情感判断和对投资市场的专业认知程度，通常来说，具有专业投资技能的投资者和专业机构投资者在市场中非理性因素的影响作用会更小。股民情绪通常通过影响证券投资者对未来收益的预判以及投资决策从而使市场发生偏离。在现实的投资场景中，投资者获取的信息会决定其主观判断，使得资产价格的波动发生变化，使价格偏离其基本内在价值。1.2股民情绪的表现特征在现实中，股民在做出投资决策和策略抉择的过程会存在一定程度的主观偏好和认知偏差，市场中股民的投资行为并非完全独立的，而是相互影响甚至无限传染，下面介绍几种常见的股民情绪表现。1.2.1过度自信心理学研究表明，总体上人是过度自信的，特别是在其熟悉认知的范围，存在对信息准确性过度自信的倾向。在投资环境中，通常表现为认为自己掌握更丰富的投资信息，能作出比别人更准确的决策，发现其他投资者无法发现的投资机会，高估自身战胜市场的几率。另一方面，把盈利机会的获得只归结于自身拥有非凡的投资能力，而忽略其他客观因素和运气因素；把亏损机会归结于暂时的投资失误，而非能力不足。1.2.2反应过度反应过度是指资本市场上的投资者由于受到认知偏差的影响，自身会系统性地高估新出现的资讯所带来的效应，从而做出过度的投资反应，使得资产价格偏离其内在价值，使得资本市场产生泡沫。投资者对于亏损的资产会产生越来越悲观的情绪，造成了选择性认知偏差，而对于获利的资产则相反，投资情绪愈加乐观，加大投资热情，加强投资者的买入操作，从而形成了一种相互加强的顺周期效应。1.2.3损失厌恶损失厌恶是指投资者面对同样绝对数量的收益和损失时，会认为损失的痛苦比收益的满足感更强烈，两者是非对称的。所以，在损失厌恶的现实前提下，投资者在浮盈时会倾向于尽快交易获利，在浮亏时不愿交易以实现亏损，即使此时交易是最优决策。因此，在投资者损失厌恶的投资市场环境，投资者行为会扭曲资产价格，使得交易决策偏离资产内在价值所决定的最优决策。所以损失厌恶也是投资者情绪的重要表现和投资者情绪影响市场的实质证据。1.2.4羊群效应“羊群效应”是一种随波逐流的非理性行为，往往是由于人本性的盲目从众心理而放弃理性判断的行为，以至于在投资环境投资者作出与大多数人相同的行为。在资本市场里，由于存在信息不对称，且中国市场散户较多，中国资本市场存在较为严重的羊群效应，主要表现为恐慌情绪上升，大量散户朝同一方向作出同一行动选择，加大市场顺周期性，加大市场崩盘速度和风险。1.3股民情绪与股票市场波动率的关系股市波动率受多种因素的影响，通常来说，宏观经济因素和上市公司微观因素是导致股市波动的主要原因，也是市场发生理性调整，回归市场合理价值的重要途径，但是，股市波动率除了理性因素，还包含非理性因素，通常股指期货有价格发现功能，能一定程度上平抑非理性波动，期货价格常领先于现货价格，引导股民进行合理资产配置，一定程度上避免股民不能及时调整资产配置而出现的市场过度恐慌②。但是，非理性因素在我国股票市场中始终存在，我国股票市场并非完全有效市场，这种非理性因素往往表现为股民情绪。在经典的有效市场理论假设下，噪声交易者是中性的，在市场博弈的过程中，噪声交易被中和，所以市场是有效的。然而在现实条件下，噪声交易并不会完全消失，而且噪声在部分中和的过程中会导致资产价格的过度波动。中国资本市场依然存在大量散户，即市场存在大量噪声交易行为，当噪声交易与股民情绪同向发展并相互作用的时候，市场可能会产生单边剧烈波动，甚至产生崩盘风险。股民情绪对市场波动的影响还与股民投资期限长短有关，这种特征在短期市场中更为明显，短期市场交易操作更为频繁，股民情绪特征在短期交易中更易产生显著影响，加剧市场波动。投资期限越长，噪声交易越少，股民非理性情绪因素对市场波动的影响就越少。另一方面，当国家宏观经济向好，市场行情趋于上涨时，股民盈利期望不断增大，并经过各种传播渠道，导致更多的新股民加入市场，此时开户数会增加，股民会倾向于更频繁更大量买卖资产，市场融资融券活动增强，交易量和资产换手率增加，更多热钱金融资本市场，在非理性情绪的作用下，产生“羊群效应”。“羊群效应”最明显的作用就是放大市场涨跌，特别是市场下跌时，恐慌情绪叠加羊群效应使得市场大幅下跌，加剧市场波动。另外，股民情绪影响投资者行为是市场波动与股民情绪相互作用的又一途径，由此产生的认知偏差存在于个人和机构投资者的投资行为中。2指标选取和相关性分析2.1股民情绪指标构建2.1.1股民情绪源指标选取通过对国内外学者对股民情绪指标度量方式的总结，本文参考易志高和茅宁（2009）对情绪指标的构建，选择主成分分析的方法，并根据我国具体国情，去除某些由于政策与国情变化导致的已经失去代表性或者难以度量的指标，选取5个源指标来构造有代表性的股民情绪指标：（1）消费者信心指数（CCI）。消费者信心指数是用来直接度量股民情绪的指标，消费者信心指数越大，股民情绪越乐观。（2）IPO数量（IPON）。IPO的数量也是衡量股民情绪的正向指标，若当月不存在首次发行的股票，该指标数值取0。（3）新增开户数（NLA）。由于我国股市处于不成熟的状态，因此当股市情况良好时，股民情绪高涨，会有很多人愿意进入股市，开立账户，新增开户数将会增加。（4）换手率（TO0）。换手率体现了股民对于股市的信心程度，较低的换手率反映了当前股市处于低迷状态，因此也选择该指标作为股民情绪的源指标。（5）市盈率（PE）。市盈率体现了股市的整体估值，市盈率越高，股市的整体估值越高，股市发展情况越好③。2.1.2股民情绪指标构建2.1.2.1样本选取由于2007年开始我国股市进入牛市状态，股票指数快速上涨，涨到峰值后，指数快速下跌并且一直处于震荡阶段，2015年又迎来了一波剧烈波动，因此本文选择的样本区间为2007年1月到2020年12月，共计168个样本量。IPO数量，换手率，市盈率数据来自wind数据库。消费者信心指数来自国家统计局，月新增开户数来自证券登记结算官网。表2-1源指标的描述性统计分析指标样本量最小值最大值平均值标准差初次发行企业数量1680.0040.005.877.64消费者信心指数16897.00126.60109.378.07新增开户数16827.581294.73160.55197.88换手率1680.246.741.011.01市盈率1689.1671.6318.7811.222.1.2.2股民情绪指标构建由于不同指标对于股民情绪的反应可能体现在不同时期上，因此首先对5个源指标的提前及滞后变量标准化后进行主成分分析，构造一个包含10个变量的股民情绪指标（CICSIt），该指数累计方差解释率达到89.72%。再对股民情绪指标（CICSIt）与5个源指标的提前与滞后一期进行相关性分析，选取其中显著性最高的5个源指标构造投资者情绪指数（cicsit），5个源指标分别为换手率（TOR），新增开户数（NLA)，IPO数量（IPON），消费者信心指数的滞后一期（CCIt-1）和市盈率的滞后一期（PEt-1）。表2-2股民情绪变量与各个源指标的相关性分析市盈率换手率新增开户数消费者信心指数初次发行企业数量股民情绪变量0.61**0.51**0.61**0.56**0.57**市盈率滞后一期换手率滞后一期新增开户数滞后一期消费者信息指数滞后一期初次发行企业数量滞后一期股民情绪变量0.63**0.48**0.61**0.57**0.56**注：*，**分别表示5%和1%显著性水平（双侧），下同。表2-3股民情绪变量实证结果描述统计因子负载相关系数均值标准差股民情绪初次发行企业数量0.041.020.230.42**消费者信心指数滞后一期-0.011.040.080.49**新增开户数0.031.030.280.81**换手率-0.130.870.150.71**市盈率滞后一期-0.070.990.110.67**注：*，**分别表示5%和1%显著性水平（双侧），下同。考虑到严格遵守累计方差解释率的要求，本文选择三个主成分，三个主成分的累计解释率达到87.7%，调整各个变量的系数后，得到股民情绪指标公式如下：cicsir=0.29CCIt-1+0.44NLA+0.41TOR-0.19IPON+0.40PEt-12.2股票价格指数股票价格指数为度量和反映股票市场总体价格水平及其变动趋势而编制的股价统计相对数。通常是报告期的股票平均价格或股票市值与选定的股票平均价格或股票市值相比，并将两者的比值乘以基期的指数值，即为该报告期的股票价格指数④。由于上证指数的代表性，因此本文从RESSET数据库选择和股民情绪指标时间匹配的上证指数，该指数不存在缺失值。由图2-1可以看出，去除宏观经济影响的股民情绪指标与未去除宏观经济影响的与上证指数的走势大体相同，但也存在着部分区别，2007年与2015年上证指数变化幅度较大的时候，股民情绪与股市收益率的变化幅度也较大，其余时间二者都在不断震荡，二者间存在相关性。图2-1投资者情绪与股市指数走势图3股民情绪与股票价格关系的实证分析对两个股民情绪指标与股票价格指数进行单位根检验后，分别建立VAR模型找到其最佳滞后期，可以看出股民情绪与股票价格指数间相互影响，宏观经济变量对于二者间的关系存在影响，且股市波动率不仅受到股民情绪变量的影响也会受到其自身的影响。3.1模型的检验和选择3.1.1单位根检验在建立VAR模型前，为了避免“伪回归”现象的出现，对两个股民情绪指标与股票价格指数这三个指标进行单位根检验，两个股民情绪变量都是平稳的，上证指数不平稳，因此对上证指数进行一阶差分，一阶差分后上证指数变成平稳时间序列。由表3-1可以看出，经过数据处理后三个时间序列都是平稳的：表3-1变量的ADF检验结果检验统计量1%临界值5%临界值10%临界值P值上证指数-12.16-2.57-1.94-1.610.0000未剔除宏观因素影响投资者情绪变量-3.74-2.57-1.94-1.610.0002剔除宏观因素影响投资者情绪变量-3.60-2.57-1.94-1.610.00043.1.2滞后阶数的选择对两个股民情绪指标与上证指数分别建立VAR模型前都需要对滞后阶数进行判断，cicsit与上证指数建立的VAR模型的信息准则显示二者间滞后阶数为7，因此二者间建立VAR模型时，选择7阶滞后。表3-2cicsit与上证指数的滞后阶数（一）LagLogLLRFPEAICSCHQ6-1076.483.883614.2913.8614.3614.077-1062.2525.76*3179.20*13.73*14.3113.978-1060.822.553285.4313.7714.4214.03注：*，**分别表示5%和1%显著性水平（双侧），下同。cicsir与上证指数建立的VAR模型的信息准则建议选择2阶滞后，因此二者间建立VAR模型时，滞后阶数确定为2阶。表3-3cicsit与上证指数的滞后阶数（二）LagLogLLRFPEAICSCHQ0-1197.81NA12286.1515.0915.1315.101-1081.87227.503005.5513.6813.7913.732-1070.6821.682745.67*13.59*13.78*13.67*3-1069.582.092848.0613.6313.9013.73注：*，**分别表示5%和1%显著性水平（双侧），下同。3.1.3VAR模型稳定性检验由于被估计的VAR模型所有根的模的倒数小于1，即如图2所示位于单位圆内，则VAR模型是稳定的，因此可以对该模型中的变量进行脉冲响应分析与方差分解，若存在根的模不位于单位圆内，则VAR模型不稳定，针对该模型的脉冲响应分析与方差分解无意义。图3-1cicsit与cicsir分别上证指数VAR模型稳定性的特征根分布3.1.4Granger因果检验Granger因果检验通常用来判断一个变量的滞后项是否可以影响另一个变量，如果该变量受到另一个变量的滞后影响，则称它们具有Granger因果关系，因此由表3-4可以看出不论是否去除宏观经济条件的影响，股民情绪指标与上证指数均互为Granger原因。表3-4传统格兰杰因果检验原假设：ObsF-StatisticProb.cicsit不是上证指数的格兰杰原因16717.310.0155上证指数不是cicsit的格兰杰原因16738.140.0000cicsir不是上证指数的格兰杰原因16717.490.0002上证指数不是cicsir的格兰杰原因1676.040.04883.2模型的分析结果3.2.1脉冲响应函数脉冲响应函数能反映每个内生变量的变动或冲击对它自己及所有其他内生变量产生的影响⑤，通过对脉冲响应图形的观察可以看出变量在标准冲击下，当前和未来变动的趋势，横轴选择10期作为滞后期。从图3-2可以看出，对于未去除宏观经济变量的股民情绪指标来看，股民情绪指标对于来自于自身的扰动或者冲击在期初达到最大值，而后逐步下降，这表明未去除宏观经济变量影响的股民情绪变量对于其自身的扰动或者冲击响应较大。股民情绪变量对于来自上证指数的冲击或者扰动在第1期和第2期不断上升，后逐渐缓慢下降，在第8期左右趋于0。从图3-3可以看出，上证指数对于来自自身的冲击或者扰动在期初达到了最大值，不过在第2期就变为负向，而后开始波动幅度逐渐减少并趋近于0。上证指数对于来自未去除宏观经济因素影响的股民情绪变量的冲击也是波动性的，第1期为正，而后在第2期变为负向，之后不断反向增加，在第5期又变为正向，方向不断改变。图3-2cicsit脉冲响应分析图3-3上证指数脉冲响应分析对于去除了宏观经济因素影响的股民情绪变量cicsir进行脉冲响应分析发现，cicsir对于自身的冲击，在第1期同样达到最大而后逐步收敛并逐渐缓慢趋于平稳。cicsir对于上证指数的冲击在第一期快速上升，之后随着时间的变化逐渐减少，一直保持正向。去除了宏观经济因素后，上证指数对于cicsir的冲击变化变得平缓，不再存在正负向的波动，而是逐渐缓慢趋于0。上证指数对于自身带来的冲击依旧保持着波动性，波动幅度逐渐变小，并在第六期趋于平稳。图3-4cicsir脉冲响应分析图3-5上证指数脉冲响应分析因此由脉冲响应结果的差距可以看出，股民情绪中的宏观经济因素对于分析股民情绪与上证指数间的关系十分重要，宏观经济因素将会加剧二者间的冲击与相互影响的剧烈程度。3.2.2方差分解方差分解是将系统中各个内生变量的波动分解成与各信息冲击相关的组成部分，从而了解各冲击对内生变量的贡献度。从表3-5可以看出，两个股民情绪变量都可以解释上证指数且随着时间的增加，解释程度不断上升逐渐趋于稳定，其中去除了宏观经济因素影响的股民情绪对于上证指数的解释程度将会略有下降。对于两个股民情绪指标来说，随着时间的增加，上证指数对于二者的解释程度与解释力度都在不断上升且上升的速度不断减慢，在第七期逐渐趋于稳定，上证指数对于未去除宏观经济因素影响的股民情绪变量的解释程度更强表3-5方差分解结果Period上证指数的方差分解cicsit方差分解cicsir方差分解cicsitcicsir上证指数上证指数119.9016.440.000.00221.1419.325.474.37320.5818.936.544.25420.6418.917.854.77520.7618.938.444.86620.9018.968.864.99721.0018.999.085.04821.0719.019.215.09921.1119.039.285.121021.146019.04549.32865.1390由此可以看出，当去除了宏观经济因素影响后，股民情绪与上证指数间的关系相对减弱，可以看出股民情绪本身与上证指数存在相互影响的关系，宏观经济因素会加强二者间的联系，因为宏观经济因素将会影响投资者对于市场的判断继而影响其投资行为，该实证结论与经济学理论相符，因此在分析股民情绪与股市间的关系时，可以保留宏观经济因素对于股民情绪的影响。在此结论的基础上，继续深入探究未去除宏观经济因素的股民情绪变量与股票价格间的关系3.2.3GARCH（1,1）模型在对股票价格指数的研究过程中，股市波动率是个十分重要的研究因素，它是标的资产收益率的条件标准差，本文选择上证指数的对数收益率，对其建立GARCH模型。基于上证指数的收盘价计算其对数收益率，首先画出对上证指数对数收益率的时间序列图，结果如图7所示：图3-6上证收益率时间序列图从上证指数的对数收益率序列中可以观察到对数收益率的“集群”现象。在此基础上，对该对数收益率进行单位根检验与自相关检验，检验结果证明上证指数的对数收益率是平稳时间序列，其自相关检验结果如表3-6所示：表3-6上证收益率自相关检验期数ACPACQ-统计量P值10.050.050.440.5120.120.122.750.2530.020.012.780.4340.170.167.970.0950.040.028.200.156-0.11-0.1610.650.1070.070.0811.450.128-0.12-0.1314.000.089-0.08-0.1015.360.08从表中可以看出，序列的自相关和偏自相关系数均落入两倍的估计标准差之内，且Q-统计量的对应p值均大于置信度0.05，故序列在5%的显著性水平下不存在显著的相关性。因此将均值方程设定为白噪声，在此基础上对残差的平方再次进行自相关检验，发现序列存在自相关性，如表3-7所示：表3-7残差自相关检验期数ACPACQ-统计量P值1-0.02-0.020.090.7620.200.196.920.0330.130.149.680.0240.210.1816.960.0050.180.1622.830.006-0.01-0.0722.840.0070.290.2038.120.0080.03-0.0138.220.0090.190.0845.240.00在此基础上建立GARCH（1，1）模型，并引入股民情绪变量，ARCH项的估计系数表示，当期对于上一期波动的敏感程度，GARCH项系数表示序列受自身上一期的影响程度。表3-8GARCH模型结果VariableCoefficienStd.Errorz-StatisticProb.C0.00020.00011.92180.0546RESID(-2)^20.220.09912.22160.0263GARCH(-1)0.74110.84088.81370.0000CICSIT(-2)-0.00040.0002-1.68990.0910由表13可以看出，上证指数收益率的两个参数均在5%的显著性水平下为正且可以满足收敛条件，从ARCH项系数可以看出，下一期波动对当期波动的敏感程度较弱，从GARCH项系数可以看出，股市收益率受自身影响的程度较大。从情绪变量系数可以看出，股民情绪对于股市波动率存在较小负相关，该系数在10%的显著性水平下显著。结论股民情绪与股票价格的关系一直是研究的热点，本文选择VAR模型与GARCH模型对于二者间的相互影响进行研究，得出如下几点结论：（1）不论是否去除宏观经济因素对于股民情绪指标的影响，股民情绪与各品牌价格指数间都互相满足Granger因果检验，二者间可以通过滞后期进行预测。（2）通过建立VAR模型可知，股民情绪与股票价格指数的变化主要受到自身的影响，未去除宏观经济因素的股民情绪变量对于股票价格指数的影响波动较大，去除宏观经济因素后，股民情绪变量对于股票价格指数的影响变得较为平稳，但是是否去除宏观经济因素对于上证指数对股民情绪的影响改变程度较小，宏观经济因素对于研究股民情绪与股票价格指数间的关系存在较大的影响。（3）投股民情绪与股票价格波动间的相互影响程度较小，股市自身的冲击将会更大程度上影响股票价格波动率的变化，股民情绪对于股票价格的影响存在较明显的滞后性，但二者的变化也会受到其他因素的影响，因此为了使股民情绪与股票价格波动率保持稳定，还应探究其他因素与这两个变量的关系。基于本文实证结论的基础上，从情绪这一角度出发探究影响我国股市的重要因素。从市场的交易人员和市场监管部门这两个方面出发提出相应的建议。（1）由于我国学者已经提出多个股民情绪指标度量标准，因此可以选择多个情绪指标同时对我国股民情绪进行监督与预警，当我国股民情绪存在不稳定的趋势时，政策可以采取相应的宏观政策来影响我国的投资者情绪，稳定股民情绪，间接维持我国股票市场的稳定。（2）近年来由于我国经济的快速发展，我国投资者人数增多，但投资者能力良莠不齐，因此政府应该重视投资者投资技能的培养，增加对投资者的培训，增加金融知识课程教学，增加广大投资者的投资能力，减少其投机心理与非理性行为的存在，逐渐改善我国金融市场的投资环境。（3）监管部门应该回顾股市以往的相关重大事件，总结经验，提前对股市运行过程中可能存在风险的事件进行预防，根据潜在的风险准备相对应的解决预案与宏观经济政策。与此同时，明确破坏市场秩序的行为边界，对于破坏市场秩序的投资者，我们可以根据其危害的程度进行处罚。注释：①陈国进，丁杰.“坏”跳跃、“好”跳跃与高频波动率预测.[J]管理科学，2018(31):3-16②迟骏,杨春鹏.投资者情绪、投资者交易行为与ETF折溢价[J].武汉金融,2020(01):49-56.③易志高,茅宁.中国股市投资者情绪测量研究:CICSI的构建[J].金融研究,2009(11):174-184.④陆沁晔,陈昊.媒体报道、投资者情绪与股价波动[J].财经问题研究,2021,(3)⑤马锋,魏宇,黄登仕,张鹏云.基于跳跃和符号跳跃变差的HAR-RV预测模型及其MCS检验[J].系统管理学报,2015,24(05):700-710.参考文献：[1]LeeCMC,ThalerSRH.Investorsentimentandtheclosed-endfundpuzzle[J].JournalofFinance,1991,46(1):75-109.[2]BrownGW,CliffMT.Investorsentimentandassetvaluation[J].TheJournalofBusiness,2005,78(2):405-440.[3]文凤华,肖金利,黄创霞,等.投资者情绪特征对股票价格行为的影响研究[J].管理科学学报,2014,17(3):60-69.[4]Pontiff,Jeffrey.Closed-endfundpremiaandreturnsimplicationsforfinancialmarketequilibrium[J].JournalofFinancialEconomics,1995,37(3):341-370.[5]BrownGW.Volatility,sentiment,andnoisetraders[J].FinancialAnalystsJournal,1999,55(2):82-90.[6]王美今,孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究,2004(10):75-83.[7]韩立岩,伍燕然.投资者情绪与IPOs之谜——抑价或者溢价[J].管理世界,2007(3):51-61.[8]刘维奇,刘新新.个人和机构投资者情绪与股票收益——基于上证A股市场的研究[J].管理科学学报,2014,17(3):70-87.[9]