金融大数据背景下多重信息源对证券市场微观行为及资产价格的影响

In this project, the concept of “multi-sources of information” refers to the information carriers conveying information which could alter the financial decision-making of both individual and institutional investors. There are mainly two different sources of information in the era of financial big data: traditional information source (e.g., newspaper, TV and radio broadcasting) based on the mass media and the non-traditional information source (e.g., stock message boards, Weibo, Wechat and Twitter) with the characteristics of published in real-time and available to everybody. The project will address the problems in the following three issues: (1) the scientific measurement of the interaction behavior of the information conveyed by the multi-sources of information and its impact on the micro-behaviors of the security market; (2) the dynamic correlations between the information reporting behavior of the multi-sources of information and asset prices; (3) the impacts of interaction mechanisms of the information conveyed by multi-sources of information based on the agent-based computational modelling. .. This project will definitely extend our understanding of traits of the interaction behavior of the information conveyed by the multi-sources of information, deepen the scientific reflections on the influences of the information reporting behavior on asset prices as well as provide some technical supports to the concrete measurements on effectively monitoring mechanisms on the informational manipulation in the era of financial big data.

在本申请中，金融大数据背景下的“多重信息源”是指可以传递影响证券市场中个体金融决策分析的信息的载体，主要包括：以大众传播媒介（例如：报纸、电视、广播）为主要载体的传统信息源和具有自媒体特点的非传统信息源（例如：股吧论坛、微博、微信、Twitter）。研究内容包括：（1）多重信息源信息交互行为的测度及其与市场微观行为的动态关联研究；（2）多重信息源发布信息行为与资产价格的动态关系；（3）基于计算实验建模的多重信息源间信息交互机制对市场质量的影响。..本研究将扩展和深化证券市场中多重信息源信息交互行为特征、发布信息行为影响资产价格的科学认识，为证券市场提供在金融大数据背景下有效防范市场信息操纵的监管机制的关键技术支持。

本项目按照计划书执行，采用实证分析和计算实验建模的方法，研究了金融大数据背景下多重信息源对证券市场微观行为及资产价格的影响。主要包括如下3个方面的研究进展：.（1）投资者决策行为与情绪的预测和异象解释。亮点包括：将百度指数作为投资者关注度代理变量、基于市场数据的代理变量以及其他技术指标纳入LSTM的机器学习模型中，实证发现百度指数能够显著的提高对股票收益的预测能力；从投资者结构的角度构建了包含不同比例的知情交易者（表征机构投资者）和非知情交易者（表征个体投资者）的计算实验模型，从理论上证明了投资者结构能够影响市场的崩盘风险和量价关系。相关的研究成果涵盖研究内容1和3。.（2）互联网媒体信息影响资产价格的机制。亮点包括：将媒体信息区分大众媒体信息和新媒体信息并与股票市场的收益和成交量建立联系，证明了新媒体信息和大众媒体信息在传递股票市场信息时具有“共生与替代效应”共存的关系；使用双重差分的方法，进一步证明了东方财富股吧的开通可以促进公司层面信息的传递，且同时降低了市场的不对称性。相关的研究成果涵盖研究内容2和3。.（3）加密货币市场的探索性研究。亮点包括：在国际上首次使用Twitter上讨论的比特币话题的数量作为投资者关注度的代理变量，通过线性和非线性的因果检验实证发现Twitter上的讨论能够预测下个交易日的成交量和已实现波动率；基于高频数据提出了一个包括跳跃和结构突变的HAR（Heterogeneous Autoregressive）模型，并对比已有文献中使用的17种HAR-type模型，样本内和样本外的检验都证明了申请人提出模型能够更好的预测比特币的已实现波动率。相关的研究成果涵盖研究内容1和2。.项目负责人在《系统工程理论与实践》、《管理评论》和《系统科学与数学》发表FMS中文T1/T2级期刊论文3篇、在《European Financial Management,》、《Economics Letters》和《International Review of Financial Analysis》等国际主流英文期刊发表学术论文33篇（全部为第一或通讯作者、其中包括ESI高被引论文3篇）。.项目负责人2018年入选首届“天津市青年人才托举工程”计划和获中国系统工程学会首届“系统科学与系统工程优秀博士学位论文奖”。

内容获取失败，请点击重试