金融学论文哪里有？本文从微观层面探讨了互联网平台形成的投资者情绪对于上市公司的股票市场预期收益率产生一定程度的影响，同时研究了基于传统金融理论下的资产定价模型对于预测股市收益率的精准度，进一步基于行为金融学的框架，将本文所构建的情绪指标纳入到传统的资产定价模型当中，得到了新的四因子模型，该模型能够更好的解释股市收益率的预测。
1.绪论
本文研究的创新点：
本文的研究创新点在于：第一,在行为金融学理论和统计指标理论的基础上,构造了网络舆论下的网络文本情感指数。把封闭式基金折价率 DCEF、交易额AMOUNT、换手率 TURN、市场成交 VOL、IPO 首日发行数量 IPON、消费者信心指数CCI、中国投资者信心指数 ICI 这 7 个指标与网络本文情感指数结合起来进行因子分析,得到了最终得投资者情感变量，在指数合成思路上有所创新。第二,结合统计评价方法和文本数据挖掘技术,研究了在文本信息量巨大的情况下,测量投资者情感的办法。采用网络爬虫、去除干扰信息、汉语分词、情感分析等技术手段,构造了在非标准化数据中获取网络舆论下的投资者情感指标的技术分析架构。在详细的分析中,在处理大量数据方面提出了一个有用简单的方法:把所有文本信息首先去除无效的文本,再对本文进行中文分词处理,再者,按词汇出现的次数进行排序,把出现次数在 300 次以上的词进行人工情感分类,随后,把人工分类后的词语加入已有的情感分类词典,最后,计算出每日的消极词汇和积极词汇数量,找出了合适的金融文本情感分析方法,计算出情感值。本文所运用的数据处理方法有高效、相对简便以及可重复利用的特点。
3.相关理论
3.1 有效市场假说
有效市场理论,也称之为有效市场假说,为现代金融学理论体系较为重要的部分。该假说认为,在一个拥有健全的法律制度,完善的市场机制,信息完全公开且竞争充分的证券市场,人们可以从该市场的证券价格走势中及时获得想要的全部信息,换句话说,该市场可以体现所有有价值的信息,包括企业当前的和未来的。在这种市场中,只有通过市场操纵,才能得到超越市场一般水平的利润。该假说主要可以归纳为下面几点:第一,对交易者的设定。
该假说认为,市场中的人都是"理性的人",都会获取有效信息并在未来做出合理的决策。在此背景下,理性的人会在对市场动向一清二楚,每天对公司的经营状况及股票的行情进行分析,小心谨慎地选择符合自身利益的股票投资,而公司在严密监控下只能发布正确的信息；第二,决定市场透明度。标的价格能完全反应出该资产的全部可提取的信息。即价格已经能够反应这个市场所有可以反应的信息,信息不对称这一现象不会出现,仅依靠现有信息完全可做出合理决策；第三,在交易者是"理性人"且市场信息公开透明的背景下,交易者能够对市场做出十分迅速的反应,即无论是高估还是低估证券标的,如果存在套利机会,发现这一机会的交易者们会做出迅速的反应,使价格迅速回归其价值。
目前为止,该假说一般分为三个层次:第一层次为弱式有效市场假说，其主要特点如下:如以往历史的价格信息已经被充分反应出来,如成交量、成交价等。在此假设下,能推出:若弱式有效市场存在,所以仅仅技术分析是完全没用的,但若投资者想要获取超额利润,对市场进行基本面分析也许能有帮助；第二个层次为半强有效市场假说，即认为上市公司透明公布的所有信息,包括成交量、成交价、盈利预期、管理状况等,已经被证券标的价格展示出来。
5 实证研究
5.1 资产定价模型的选取
资本资产定价一直以来都是现代金融领域的热点话题，由此出现了很多相关理论和不同的定价模型，本文研究涉及到三个模型，如下所示：
5.1.1 Fama-French 三因子模型（FF3 模型）
Fama 和 French 在 1992 年研究中发现,公司规模因子和账面价值比因子对投资组合超额收益的解释力有显著的影响,构建了著名的 FF3 模型,此模型的创新点是在 CAPM 中加入了公司规模以及账面市值比因子。
5.1.2 CH 三因子模型
目前许多关于国内股市的研究都使用了 FF3 模型，但是该模型是根据 Fama和 French(1993)的方法对美国市场建立的，中国的政治和经济环境也与美国以及其他发达国家大不相同，仅仅把适用于美国的模型用于中国市场是有问题的，然而，考虑到中国的经济和金融体系的许多差异，我们在中国探索因子模型，用其特有的环境决定它的方法。规模和价值是中国股市的重要因素。然而，如果能很好地把握这些因素，人们就不会简单地重复使用使用于美国的 FF 三因子模型了。而在本文中使用的是 Jianan Liu 等人（2019）提出的 CH-3 模型，它包含了规模、价值和市场因素。首先，由于与美国小型上市公司不同，中国严格的 IPO限制，导致中国小型股票的回报率会受到反向收购中成为空壳的公司的严重影响。为了避免这种影响，在构建因子之前，我们删除了末尾 30%的股票，以避免他们受到壳价的影响，然后利用剩余的股票来构建因子。其次，将基于 EP 构建价值因子。具体来说，本文将剩下的 70%的上市公司分为两组，小规模(S)和大规模(B)，按照市场价值的中位数进行分割。再将这些股票分成两个 EP（earnings-priceratio）组:top 50%(value,V)和 bottom50%(growth,G)。
5.2 模型中的变量选取
5.2.1 周收益率
本文选择了 2018 年 10 月至 2019 年 10 月上交所 A 股中市值占前 70%公司的周收益数据展开进行实证检验。本文选取的样本范围为 1 年,即从 2018 年第 34周到 2019 年第 35 周。所选数据相对较新,实证结果更有指导意义。因此,选择这一时期的周收益率数据是最合理的。在此处需要说明的是，为了避免可能出现的投资者情感与股票收益率两者之间的内生性问题，本文在后续的研究中对于样本公司的股票收益率数据做了滞后一期的技术处理，鉴于投资者情感对收益率的影响可能是短时间的、快速发生的。滞后的周期固定为一个工作周。
本文的样本市值(ME)是由在样本期内的周收盘价乘周个股总市值计算得出的，用来作为规模因子的代理变量。FF3 模型采用账面市值比作为价值因子的代理变量，CH-3 模型采用 EP(earning-price ratio)作为价值因子的代理变量。
6 结论与展望
6.1 结论
我国的资本市场仍然处在极速发展的过程中，对于发展中的资本市场而言，投资者如何做好投资组合的选择，从而最大程度地回避风险并且获得预期收益，一直以来都是他们最为关心的问题。以股市为例，传统金融学表明市场是有效的，人们可以了解到有助于决策的所有信息。但现实情况确是，大量的个人投资者由于有限的精力和信息不对称等情况，无法对公司的所有信息判断准确，自然也就无法作出更加准确的投资决策。这个问题在互联网时代变得更加严峻，因为投资者之间的情绪传递变得更快，由此形成的舆论风波更容易导致投资者之间出现羊群效应，传导至市场便会导致公司的股价收益率频繁无预期的波动，这既会对公司的正常经营产生干扰，也不利于保护投资者的收益。因此，如何能够更加准确有效地预测股票收益的波动情况，同时找出不同因素对其的影响程度，为企业和投资人找到解决问题的方法，便就成为了金融学研究亟待解决的问题。
本文从如何准确预测股票收益率变化的角度出发，在传统金融学理论的基础之上，结合互联网发展对市场参与主体产生的影响，试图去解决两个问题：其一是基于互联网平台所形成的投资者情绪指标，是否会对股票的预期收益率造成影响，具体会对哪类公司产生影响。其二是对比传统金融学的资产定价 FF3 模型与CH-3 模型对于股票收益率预测的准确度，进一步纳入投资者情绪变量 sent 对三因子模型进行优化。全文采用提出-分析-解决问题的思路，进行了一系列的研究，并得到如下的结论：
（1）我们探讨了投资者情绪与股票收益率之间的关系，发现投资者情绪对于股票市场收益率存在显著的正向影响关系。具体地：当投资者的正面倾向越强烈时，企业的预期股票收益率就越高，此时合理的解释是，投资者的情绪是投资行为的驱动力，当投资者对于企业或市场抱有乐观的态度，便更有可能对所持资产组合进行追加投资。而当投资者对股票的市场表现以及公司行为持负面态度时，股票的预期收益会出现下降趋势，而这种负面影响在互联网背景下有扩大的趋势，原因在于每个投资者都是风险厌恶的，尤其在有限关注的情况下，容易因为某个负面消息做出巨大的反应，例如集中性抛售公司股票，从而给股票带来贬值压力，股票的预期收益也随之下降。在本文的 CH-4 模型中，我们发现投资者情绪因子只对小规模的上市公司的收益率造成影响，这里可能的解释是，小规模上市公司由于其本身的规模较小，对市场风险的反应能力更弱，所以在投资者情绪发生变动时，股票预期收益率的变动也会随之变得越来越大。
（2）相较于 FF3 模型，CH-3 模型在研究规模因子、价值因子与股票市场收益率之间的关系时拥有更高的精准度，相较于 CH-3 模型，优化后的 CH-4 模型在预测投资者情绪与股票市场收益率的关系时拥有更高的精准度；我们对传统的 FF3 模型和 CH-3 模型针对股票市场收益的影响预测精准度进行研究，这两个模型的区别在于 CH-3 模型中对价值因子指标由账面价值替换成市盈率的倒数，同时 CH-3 中的规模因子剔除了市值最小的 30%的公司，我们发现 CH-3 模型相较于 FF 模型在预测中有更高的可决系数，说明 CH-3 模型在预测国内市场的股票收益率时，比 FF 模型具有更高的解释性。在验证了 CH-3 模型的解释性后，本文将构造出的 Sent 变量作为新的情绪因子纳入到模型中，回归结果显示情绪因子对于股票市场收益率同样具有影响作用，此时已有的 CH-3 模型得到了优化,我们得到了新的资产定价模型 CH-4 模型，模型中包含市场、规模、价值和情绪四个影响因子。
参考文献（略）
