本文利用汤森路透市场心理指数(Thomson Reuters MarketPsych Indices) 中个股层面的情绪数据和美国股票市场2010至2019年期间的交易数据, 比较分析了新闻情绪和社交媒体情绪在日度和月度两个不同时间维度下对股票定价能力的差异. 实证结果表明, 社交媒体情绪在日度层面的表现要优于新闻情绪, 而新闻情绪在月度层面对股票收益率的解释能力要强于社交媒体情绪. 具体来说, 在日度层面, 本文构建了新闻情绪因子和社交媒体情绪因子, 发现在Fama-French五因子模型下, 社交媒体情绪因子有显著的超额收益, 而新闻情绪因子不存在超额收益, 并且社交媒体情绪因子能够解释大部分日度层面的市场异象, 而新闻情绪因子无法解释日度层面的异象. 格兰杰因果检验的结果表明社交媒体情绪因子的反应速度比新闻情绪因子快3至4个交易日, 说明了社交媒体情绪因子领先于新闻情绪因子. 在月度层面, 本文发现新闻情绪因子对异象的解释能力有所改善, 而社交媒体情绪因子对异象的解释能力大幅下降. 此外, 对于波动率异象和特质波动率异象来说, 月度新闻情绪因子有较为显著的解释能力, 而月度社交媒体情绪因子的解释能力不显著.
本文基于2017年和2019年中国家庭金融调查数据(CHFS), 针对我国通勤对居民主观幸福感的影响与作用机制, 从城乡异质性、人口特征异质性角度开展了系统性研究. 研究发现: 第一, 通勤的三个方面通勤时间、通勤距离、通勤方式对于居民主观幸福感具有显著影响, 通勤时间对居民主观幸福感具有显著负向作用, 而较长的通勤距离通过提升其他方面的效用来弥补长距离通勤对居民主观幸福感的负向作用, 通勤方式中, 现阶段公共交通对于居民主观幸福感提升的抑制作用最为明显. 第二, 作用机制分析表明, 通勤时间、通勤距离、通勤方式因区域位置、个体特征的差异对居民主观幸福感影响表现出较强异质性, 在城镇地区、东部地区、高房价地区、男性居民、已婚居民、有孩子居民的分组中影响作用更强. 第三, 在进一步探讨通勤提升居民主观幸福感的外部条件中, 过度建设大桥、立交桥等并不利于提升通勤质量, 反而可能损害居民的主观幸福感.
增强机构投资者的价值投资引导力有助于资本市场充分发挥价值发现和资源配置的功能. 本文从主动管理类公募基金的持仓网络中识别基金团体, 探究基金抱团行为对股价信息融入的影响. 结果表明, 基金抱团阻碍了股价信息融入, 且该结论在经过一系列稳健性检验后依旧成立. 本文在机制检验中发现: 在投资者交易行为层面, 基金抱团一方面通过减少团体内部成员之间的竞争性交易、增加基金团体与外部其他投资者之间的信息不对称引发股票流动性恶化; 另一方面, 基金抱团吸引了大量机构和散户投资者集体性交易, 从而阻碍了股价信息融入. 在公司治理参与层面, 基金抱团削弱了“退出威胁''机制对公司管理层的市场化监督作用, 造成公司信息披露质量下降, 从而损害股票市场定价效率. 进一步地, 本文发现基金抱团引发的股价信息融入延迟在经济下行时期、基金承受较大业绩压力以及个股受关注程度较低的情况下会显著加剧. 而且, 基金抱团会诱发股价估值泡沫和崩盘风险, 为资本市场的平稳运行埋下隐患. 本文从基金团体内部的利益捆绑和共进退特性入手, 揭示了这一强网络关系限制如何通过影响投资者交易行为和公司治理参与导致股价信息融入延迟, 深化了对机构投资者网络结构复杂性及其市场后果的认知, 对于推进公募基金行业和资本市场的高质量发展具有重要启示意义.
本文检验了因子动量策略在中国市场上的盈利能力, 并对因子动量策略的超额收益来源给出了合理解释. 研究发现因子动量策略在A股市场可以获得显著的超额收益, 且多头端贡献了策略的大部分收益. 在考虑控制多个横截面指标, 不同的经济状态下以及使用不同的因子数量作为因子样本后, 因子动量策略的收益仍然显著. 本文进一步从行为金融学角度发现投资者情绪越低, 因子动量策略的收益会越高. 且在极端市场行情下, 因子动量策略的收益高于平稳市场. 本文为中国机构投资者根据因子动量进行市场择时的可行性提供了有力证据, 对丰富机构投资者的价值投资策略也有一定的启示.
股指数据受到多重因素的影响, 呈现出非线性、非平稳、高复杂度、高波动的特点, 因此单一模型很难完整刻画其数据特征. 本文提出了一个基于分解-重构-集成框架的股指收益率复合预测模型, 利用变分模态分解(VMD) 将原始的高复杂度股指时间序列进行分解, 以复合多尺度熵(CMSE) 作为重构指标, 将股指数据分量重构为长期趋势项、中期影响项、短期扰动项, 根据其数据特征分别利用ARIMA、BPNN、LSTM模型进行预测, 最后将各频率项预测进行集成得到最终预测结果. 本文将提出的方法应用于八个重要行业股指预测, 并与以Fine to Coarse (FTC)、样本熵(SE)、模糊熵(FE)、多尺度排列熵(MSPE) 作为重构方法的模型进行比较. 随后, 本文提出了两种行业轮动策略——等权投资与动态权重投资, 从保守和激进两种角度验证所提出模型在实际交易中的性能. 实证结果表明了在股指预测中, 以复合多尺度熵作为重构指标优于其余重构指标. 相较于基准模型, 本文提出的复合模型能获得较低的预测误差及较高的方向精度, 并且我们提出的行业轮动策略在风险及收益方面表现优异.
良好的财务状况是企业可持续发展的基础, 但由于制度不完善、市场结构缺陷、管理水平较低等原因, 我国上市公司财务欺诈屡禁不止, 本文旨在使用新闻媒体对上市公司财务欺诈的报道等文本数据识别欺诈行为, 并创新性地引入涉诉相关、监管问询、内部控制与风险管理等观测指标, 探讨中国上市公司财务欺诈识别问题. 研究表明, 企业涉诉次数和监管问询频次与财务欺诈行为呈正相关; 当企业内部控制有效并采取较好的风险应对时, 其财务欺诈行为减少. 本研究创新性地分析了年度净利润指标在欺诈分析中的临界值, 当年度净利润小于1500万元时, 欺诈的可能性大幅提高. 最后, 本文使用抽样技术开发不平衡的机器学习模型继续检验上述指标, 基于Cluster Centroid抽样技术的随机森林模型能够准确识别出98%的财务欺诈样本. 本文结合计量分析和机器学习模型, 为上市公司财务欺诈识别提供了大量新的实证证据, 扩充了指标体系, 创新了研究视角.
在推动全国各地区梯次有序碳达峰的新形势下, 评估绿色信贷的空间减碳效果对进一步改进和发挥其减碳作用具有重要意义.本文基于2010–2019年中国30个省的面板数据, 采用Moran、Geary等指数检验了各地绿色信贷发展规模与区域碳排放的空间相关性, 刻画了其时空演变趋势, 构建空间杜宾模型(SDM)分析了绿色信贷对区域碳减排影响的空间效应, 并结合Bootstrap检验法揭示了其作用机理.研究发现: 1)从时空演变趋势上看, 绿色信贷在全国呈现"先东部、后内陆" 的发展趋势, 且东部地区规模最大, 西部地区规模增长最快; 2)绿色信贷的发展能够显著促进碳减排, 且空间溢出效应显著; 3)绿色信贷对本地及邻地的减碳效果存在显著空间异质性.西部地区绿色信贷在资源和技术交流下带动了邻地的碳减排, 而在东部地区严格绿色信贷规制造成了污染转移和技术研发资源流失, 加剧了邻地碳排放; 4)绿色技术创新在绿色信贷对区域碳减排的影响中起到重要中介作用.以上结论可为绿色信贷区域协同合作、发挥减碳溢出效应和促进各地因地制宜减碳等政策制定提供实证依据.
当前, 以ChatGPT (chat generative pre-trained transformer) 为代表的大语言模型迅速发展, 被广泛用于股市投资算法交易、风险管理等多个领域. 这为金融投资者提供了新的决策工具和投资途径. 本文基于BERT (bidirectional encoder representation from transformers) 模型和ChatGPT构建了适用于中国股票市场的投资交易模型, 实现从财经新闻文本数据以及传统金融数据中获取交易信号. 对于文本数据, 首先抓取每日的财经新闻将其与对应的股票代码相匹配. 其次将新闻文本数据输入至训练好的FTBERT (fine-tuning BERT) 模型中, 得到每条新闻的情感倾向, 选择积极情感的财经新闻作为正的投资交易信号. 对于传统金融数据, 借助ChatGPT的高级解析能力, 对中国股票市场的历史数据进行深入分析. 通过调整prompt读取数据, 从而构造出用于股票投资的关键因子, 输出每日各股票的得分. 最终根据不同数据类型得到每日各股票的投资交易信号, 并将其作为构建投资组合的依据, 构建有效的投资策略. 实证结果表明, ChatGPT能有效判断文本情感倾向, 且经过微调后的大语言模型能有效助力量化投资, 为投资者带来超额收益. 本研究尝试将大语言模型运用于金融投资领域, 展现了其在生成股票投资信号方面的潜在价值. 随着技术的不断发展和市场环境的变化, 这种基于人工智能的投资策略将不断演进, 为投资者创造更多价值.
本文利用一项具有全国代表性的初中生教育追踪面板数据, 在一个准随机实验的研究场景下, 考察子女考试胜败经历会如何影响父母的学业目标设定. 研究发现, 当子女在一场考试中获得胜利时, 其后续的学业表现和父母教育期望会提高, 从而对父母设定高学业目标有显著的正向影响. 父母越看重子女的考试成绩, 这一现象越明显. 进一步研究发现, 在给定子女考试胜败经历的情况下, 父母设定高学业目标会对子女的心理健康造成负向影响. 本文不仅丰富了胜败经历影响目标设定的文献, 对家庭教育的实践也有一定的启示意义.
在后疫情时代逆全球化思潮抬头的背景下, 如何扩大居民消费规模和畅通经济内循环成为当下亟待解决的重要问题. 数字经济与传统产业的深度融合能够创造可观的“数字红利”, 是扩大内需以及实现高质量发展的关键驱动力. 本文利用中国家庭追踪调查数据库(CFPS) 与宏观数据相匹配, 构建面板固定效应模型进行估计. 研究发现: ①数字经济发展能够显著提升居民家庭消费水平和居民人均消费水平, 且具有稳健性. ②数字经济发展主要通过改善居民收入质量对居民消费水平产生积极影响. 而消费环境的优化不是数字经济提升居民家庭消费的主要原因. ③异质性分析表明, 数字经济发展对低失业率地区和以及低人力资本家庭的消费提升作用更为明显. ④从家庭消费结构来看, 数字经济发展显著提高了各类收入群体的发展型消费支出, 仅对高收入家庭的享受型支出有显著的正向作用. 本文的研究结论为进一步利用数字经济发展来释放消费潜力提供了决策依据.
本文结合MODWT方法和时变三变量vine-分位数回归模型系统地分析了新能源、中国金融市场和国际原油市场之间的动态相关性和风险传染. 结果表明: 1) 在原始收益中, 中国金融市场的影响强化了中国新能源市场和国际原油市场之间的依赖性. 2) 在去除协变量的风险影响后, 国际原油对中国新能源和金融市场的风险传染要小于它们对国际原油的极端风险传染, 国际原油是风险传染的接收者. 3) 不同的投资时间尺度有不同的风险传染情况: 例如, 国际原油对新能源市场的风险传染效应主要在于短期时间尺度, 而对中国金融市场的风险传染效应主要来源于中期时间尺度. 4) 不对称效应在下行和上行的风险传染面非常普遍, 中国新能源市场和金融市场之间的风险传染更敏感.
由于全球新冠疫情的暴发, 各国经济和金融市场受到了严重的冲击, 而中国有色金属期货市场也不例外. 因此, 对于新冠疫情如何影响中国有色金属期货市场的研究, 在我国期货市场的发展进程中具有重要的理论和实践意义. 本文采用了MF-DFA和多重分形谱分析方法, 通过对沪铜、沪铝、沪锌、沪铅四种有色金属期货价格数据进行分析, 探讨了新冠疫情对这些市场效率的影响, 并进一步分析了市场风险的变化情况. 实证结果显示, 除了沪铜期货外, 沪铝、沪锌、沪铅三种有色金属期货受到新冠疫情冲击后, 市场效率下降、市场风险加大. 具体而言, 沪铝期货市场效率下降最为明显, 而沪铅期货价格波动最为剧烈, 市场风险增加最多. 此外, 本文对新冠疫情前后原始时间序列进行重排和替代处理后发现, 在疫情前, 时间序列的长程相关性对四种金属期货市场低效性的贡献程度更大; 而在疫情之后, 时间序列的厚尾分布对沪铜期货市场出现低效性的作用程度更大. 而对其他三种有色金属期货来说, 时间序列的长程相关性依然是其造成市场低效性更加重要的原因. 以上结论阐述了较大冲击因素对市场造成的影响特征, 有助于我国有色金属期货市场的成熟稳定发展.
官方微信公众号：计量经济学报
