Select your cookie preferences

We use essential cookies and similar tools that are necessary to provide our site and services. We use performance cookies to collect anonymous statistics, so we can understand how customers use our site and make improvements. Essential cookies cannot be deactivated, but you can choose “Customize” or “Decline” to decline performance cookies.

If you agree, AWS and approved third parties will also use cookies to provide useful site features, remember your preferences, and display relevant content, including relevant advertising. To accept or decline all non-essential cookies, choose “Accept” or “Decline.” To make more detailed choices, choose “Customize.”

情绪因子 | 全A情绪指数:市场对大事件的情绪反应

0
0
**全A情绪指数:** **市场对大事件的情绪反应** ![飞书20220719-174906.jpg](https://dev-media.amazoncloud.cn/5bc3a51cc8994f0c98f7c3d4404ca618_%E9%A3%9E%E4%B9%A620220719-174906.jpg "飞书20220719-174906.jpg") ****全A情绪指数**——在目前已有的情绪指数库上构建出一种能反映市场整体情绪的指标,本文展示了在其构建过程中发现的一些潜在价值以及全A情绪指数是否能对一些重要社会性事件做出反应的研究。** ## **一、构建过程** ### 数据样本:雪球 ### ##### 1. 算术 or 加权 个股的情绪指数如何加总成一个情绪指数,主要思路有两种:算数平均和加权平均,采用哪种主要取决于我们想得到的效果,即更精细化的情绪波动,所以用算术和加权分别尝试并查看效果。 * 完整分布:基本重合,密度过大,可比性不足 ![image.png](https://dev-media.amazoncloud.cn/14cc8d17f9914d2fab808a4ecf79d521_image.png "image.png") * 采取10天一累计提高可比性 ![image.png](https://dev-media.amazoncloud.cn/12a47846a33b453cb82f20822ba46626_image.png "image.png") 为了和大事件及市场更具比较性,我们需要的是更为细致的情绪波动数据。如上,加权和算术也基本吻合,但加权在一些波动上显得更为细致,所以相比之下,我们确认了加权是一种更好的方法。 ##### 2. 累计周期 采取10天累计式情绪的方法的确可以提高情绪指数的可比性,但10日的间隔周期太长,易忽略重要波动,且我们的目标是在具有可比性的情况下获取颗粒度尽可能细致的情绪曲线。 * 三日累计颗粒度过细 ![image.png](https://dev-media.amazoncloud.cn/8e265f12858b465b84a246f3f3f35dfc_image.png "image.png") * 五日累计颗粒度合适,最后选取五日作为累计周期 ![image.png](https://dev-media.amazoncloud.cn/ffb37a2a95ac4921bcb821bb27097f05_image.png "image.png") ## 二、雪球全A情绪指数 ### 1. **领先指标** ![image.png](https://dev-media.amazoncloud.cn/aca43d44dc584ca28b984ceaa378eefe_image.png "image.png") 我们发现11-12年数据波动过大,模型处在调整阶段,所以将该段情绪数据去除后与沪深300的累计收益线比较,可以明显看到情绪指数走向和大盘走势图有明显的映射关系并具有一定领先性,且领先程度前后段也不尽相同,前段领先时间明显较长,后段明显较短。 为了在领先性上得到更明确的验证,于是将情绪指数线分段,12-15年向后平移一年,15-20年平移15日,20-21平移20日,数据衔接处做密集化处理。可以看到,两线基本处于吻合状态,那么就意味着情绪指数释放的信号到市场做出反应之间,至少有半个月的领先期。 ![image.png](https://dev-media.amazoncloud.cn/344e0708bec24bdd9094daafe7e7327d_image.png "image.png") 但就如上文所提及的,领先周期并不完全统一,放在实际运用中,如之前的回测策略便是最简单的通过前一日情绪选股,为此我们想检验全A情绪指数周期为一日的领先能力。于是我们简单计算情绪变化与沪深300涨跌幅匹配率,最终得出匹配率为50.39%,同样我们对之后股吧的数据也做了同样统计,匹配率为49.19%,都接近中性,也就意味着前一日情绪升降和今日市场涨跌类似于随机匹配,一日的选股周期是无效的。一定程度上也解释了之前策略胜率不够高的原因——选股时间和领先周期不匹配很有可能导致无法充分发挥情绪指数价值,为后续改进策略提供了进一步思路。 ### 2.**大事年表** 因为某段时间的情绪值和市场整体位置有关,可能对一些重要社会性事件不能做出充分反应,所以我们截取出一些大事件时间轴,并将其情绪值标准化(x-min/max-min)以增加其波动性和可比性。 * 13年 ![image.png](https://dev-media.amazoncloud.cn/1c3d6b26e18448cbb13313a157bbd09e_image.png "image.png") * 14年 ![image.png](https://dev-media.amazoncloud.cn/c086f9db71284558be27aac0ee773eb6_image.png "image.png") * 15年 ![image.png](https://dev-media.amazoncloud.cn/036c9115fdd2412fb8a3418ae0672a56_image.png "image.png") * 16年 ![image.png](https://dev-media.amazoncloud.cn/0c6707298ec743558b7ce33b064e92b3_image.png "image.png") * 18年 ![image.png](https://dev-media.amazoncloud.cn/bb4aad71c8e74e96bf8029ac2107a05d_image.png "image.png") * 19年 ![image.png](https://dev-media.amazoncloud.cn/2881259aaac54f77ac2bfc922b709086_image.png "image.png") * 20年 ![image.png](https://dev-media.amazoncloud.cn/e711ffdd9a3d4c4e891678091ee71faf_image.png "image.png") 情绪因子在12.31达到高点,市场在1.13到达高点,情绪领先20日左右。 ![image.png](https://dev-media.amazoncloud.cn/67b053a540f64c588accba32ce5b61b1_image.png "image.png") 情绪3.18开始回转,市场3.23触底反弹,领先5日。 ![image.png](https://dev-media.amazoncloud.cn/7f41be3e8a7d4f13aa34900d9d49fc6e_image.png "image.png") * 21年 ![image.png](https://dev-media.amazoncloud.cn/829caa9dc7174ff9a22718128f2ad7b5_image.png "image.png") ## **三、股吧全A情绪指数** ## ![image.png](https://dev-media.amazoncloud.cn/ab7b38f884804737b041b78dcd224205_image.png "image.png") 以股吧情绪指数为样本聚合出的全A情绪指数并不像雪球全A情绪指数那样和大盘有较大的关联性,但如图还是在早期对大盘出现了一些预示性,并在2020年后逐渐趋同。尤其是情绪在14年长期稳定后开始下降尽管市场整体在上涨,并经过一年的累积在15年一并爆发,在市场整体热情高涨时实际潜藏的投资情绪下降是很难被发现的,而全A指数恰恰能提前预告这一点。为什么市场情绪指数的整体走势是逐渐下降的,为了解释这一问题,我们回到数据源主体,股吧的情绪指数来源于股吧的使用客户群体,也就是市场中的个体投资者。首先,相比于雪球投资者,股吧的投资者们没有那么复杂的分析工具,所以也没法做出像雪球一样精准的判断。 ![image.png](https://dev-media.amazoncloud.cn/a942a23ec58e45e3b15bdc6cbae403d3_image.png "image.png") 其次,个体投资者也是和宏观经济中居民关联性最大的主体,而我们可以看到自2010年起,居民储蓄率是在逐年下降的,也正是在16年降速放缓的时候情绪略有回归。储蓄率下降相对的投资率上升,应该使得市场变得更活跃,但在我国市场发生了与此相反的情况。 ![image.png](https://dev-media.amazoncloud.cn/a00ee0ac095744ddbf417d14a4fd3d4c_image.png "image.png") 具体分析居民的资产构成中除了储蓄以外,有百分之多少用于购买股票或其他投资。但我们发现在近来的10年中,居民家庭杠杆率是在不断上升的,结合中国楼市情况,所以中国居民资产配置构成的实际情况是在储蓄之外的很大一部分是用于偿还房贷等贷款,而储蓄在通过银行及影子银行的多倍扩张中,才是真正在为市场提供资金的主要动力。而楼市的火爆,房价的上涨,致使储蓄率下降,以股吧为代表的个体投资者情绪指数下降,其背后反映的更是居民生活压力增加,投资意愿下降等深层次问题。 ![image.png](https://dev-media.amazoncloud.cn/bfb5c466c75b4f51bdfce3558579a871_image.png "image.png") 最后,个体投资者情绪指数和市场关联性不大还跟普遍居民选择的投资方式有关,我们可以看到也恰恰是从13年情绪下降开始,中国公募基金出现了迅猛的增长势头,越来越的个体投资者在转为由专业投资机构代理的形式进入市场,专业投资人在逐渐成为影响市场的主力军,所以我们即将推出的研报情绪指数产品值得期待! ## **四、全A情绪指数使用建议** * 因为样本量大的原因,全A情绪指数的数值范围有所缩小:雪球全A情绪指数在0.15-0.45之间,股吧全A情绪指数在0.3-0.6之间,建议通过(x-min)/(max-min)的标准化方法来增加可比性。 * 建议以全A 情绪指数为提前大盘1-2周左右领先指标,因为情绪到量价表现需要一定的传导时间。 * 全A情绪的绝对值具有一定参考意义,但并不能完全代表市场整体价格水平,关注市场的情绪波动变化更具有参考意义。 * 在重大事件发生的时刻,可以用全A指数来确认对事件的经济判断以及预测舆论导向。 
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭