基于投资者关注资产定价的研究

《基于投资者关注资产定价的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献已在论文中作了明确的说明。本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数

2、据库》，并通过网络向社会公众提供信息服务。作者签名：臌名：缢嗍必坠月爹日凋明l"瀚怕权口，，I弘授飙堋日使权么了龟．又k▲“纠0论孙位签学名怍摘要通过对现代资产定价领域中信息不对称理论和行为金融理论进行了探析和比较，本文发现投资的注意被信息经济学抽象掉了，同时也被注重心理分析的行为金融学给忽略掉了。而在现实金融市场中，投资者的注意力又在信息吸收和价格形成中扮演极其重要的角色。因此，基于投资者关注的资产定价研究无论是在金融经济理论上，还是投资实践上都具有重要意义。在综述相关定价模型的基础上，通过借鉴有限注意建模文献中“理性忽视”和“异质性注意”的相关思路，本文在一个带噪声信息结构的两期

3、单资产定价模型中，推导出关注者比例与风险资产期望收益之间的关系，并在此基础上引入噪声交易者和理性疏忽者，求解噪声条件下的理性预期均衡，从而提出了本文最重要的分类关注假说。根据模型推导出来的股票关注度与期望收益的一般关系，本文利用网络新闻条数来衡量股票关注度，分析了网络新闻关注对股票交易的影响，检验股票关注度与股票期望收益的横截面关系。实证发现在控制其他股票特征后，高关注股票具有较高的股票成交量和换手率；高(低)关注度的股票在下一个月收益较低(高)，通过买入低关注度股票、卖出高关注股票的套利策略可以获得1．98％的月度超额收益，经风险因子调整后仍然显著。在此基础上根据股票关注度在时间序

4、列上的自相关特征，我们将股票关注进一步分解成预期关注度与未预期关注度，发现未预期关注度可以显著地负向预测股票收益，而预期关注度与股票期望收益的一次关系并不显著。一方面，本文发现分解前股票关注度与期望收益负向关系是主要来源于随时间波动的未预期关注度，而不是与理论模型含义一致的预期关注度。这一证据表明，本文的实证基本上不支持为考虑噪声交易条件下的股票关注度与期望收益的一般关系。另一方面，预期关注度与股票期望在横截面上存在显著的二次关系，表明随着预期关注度的提高，股票期望收益存在先减后增的U形变化。而且预期关注度在不同的噪声水平下存在着方向相反的定价效应。这些实证证据基本上与本文模型中所提

5、出的“分类关注假说”的预测一致。未预期关注度与投资者的异质信念同步变化，当控制了投资者异质信念之后，未预期关注所带来的超额收益大幅下降甚至消失，这一结果支持了Miller(1977)“基于卖空约束的异质信念假说”。关键词：投资者关注资产定价股票收益分类关注假说网络新闻ABSTRACTBycomparinginformationasymmetrytheoryandbehavioralfinancetheoryintheareaofassetpricing，wefindinvestorattentionisoverlookedbyboththeories．Inrealfinancialm

6、arkets，however，investorattentionplaysvitalroleininformationabsorbingandpriceformation．Therefore，attentionbasedassetpricingisworthystudyingbothonfinancialeconomictheoreticalworkandinvestmentpratice．Totestthegeneralrelationshipbetweenattentionandexpectedretmaa，weultilizeInternetmediacoverageasthe

7、stockattentionproxyandexaminetheeffectofstockattentiononitstradingandpricebehavior．Wefindevidencethathighattentionstocksaretradedheavily，withgreatertradingvolumeandhigherturnvoerthanlowattnetionstocks．Lowattentionstocksoutperformh