下载文档原格式
基于投资者情绪的股市预测模型投资股市，或许是人类最常见的投资方式之一。
股市变化巨大，但是，这却吸引着越来越多的人加入进来。
如何在市场波动中更好地投资，一直以来困扰着投资者。
随着信息技术的发展和人工智能技术的日益成熟，投资者采用更多的方法来研究和预测股市。
其中，基于投资者情绪的股市预测模型成为了一个研究的热点，成为了许多人投资股市的工具之一。
投资者情绪是什么？投资者情绪是指投资者在投资过程中的感觉、情绪状态和从市场中获得的信号等因素。
这些情绪可以直接或间接地影响投资者的消费行为、决策以及市场的整体变化。
例如，投资者情绪通常会在市场出现突发事件时发生变化，如金融危机、地缘政治紧张等。
理解和分析投资者情绪可以帮助投资者更好地识别股市中的机会和风险，并制定相应的投资策略。
基于投资者情绪的股市预测模型的原理投资者情绪的波动可以对股市的走势进行预测。
基于投资者情绪的股市预测模型是一种通过计算投资者情绪波动来分析市场变化和预测股市走势的模型。
一般来说，这种模型可以监控市场上的大量数据，包括各种社交媒体、新闻、微博、微信公众号等，通过分析投资者对这些信息的反应和情绪变化，以及市场情绪的波动等，来预测未来股市走势。
以微博情绪为例，该模型通过对微博上的内容、转发、评论等进行大量的数据挖掘和情感分析，并结合股市指数、证券等宏观私房，以及其他基本面等数据，可以进行更为全面的市场观察。
例如，如果在某一段时间内微博上的投资者情绪指数呈现明显的上升趋势，那么这就会被认为是股市将要出现反弹的信号。
反之，如果情绪指数呈现明显的下降趋势，则预示股市将有进一步下跌的趋势。
基于投资者情绪的股市预测模型的优势基于投资者情绪的股市预测模型具有以下优势：1. 数据来源广泛模型可以使用不同来源的数据完整地了解市场情绪，比如，社交媒体的数据、股票价格tick数据、各家研究机构预测结果等，可以将多个数据相结合，因此可以更全面和准确地预测市场走势。
证券投资实务中的投资者情绪指标解读在证券投资实务中，投资者情绪指标是一种重要的工具，用于评估和预测市场的情绪波动和投资者行为。
投资者情绪指标能够反映市场参与者的情绪状态，从而帮助投资者更准确地判断市场趋势和做出投资决策。
本文将解读几种常见的投资者情绪指标，并提供投资建议。
一、恐慌指数（Fear Index）恐慌指数是投资者对市场恐慌程度的衡量，常见的恐慌指数包括VIX指数和Panic/Euphoria Model。
VIX指数是衡量标普500指数选项价格的波动率，波动率越高，市场越恐慌。
Panic/Euphoria Model则是通过衡量投资者的热情和恐慌程度来预测市场的未来走势。
在投资者情绪指标中，恐慌指数通常被视为一种逆向指标，即当恐慌指数上升时，市场可能即将见底，投资者应该考虑抄底买入。
相反，当恐慌指数下降时，市场可能即将见顶，投资者应该警惕市场的风险。
二、乐观指数（Bullish/Bearish Index）乐观指数是投资者对市场看涨的信心程度的衡量，常见的乐观指数包括AAII Investor Sentiment Survey和NAAIM Exposure Index。
这些指数通过调查投资者的看涨和看跌预期来评估市场情绪。
在投资者情绪指标中，乐观指数通常被视为一种趋势指标，即当乐观指数上升时，市场可能会继续上涨，投资者可以考虑持有股票。
然而，当乐观指数过高时，市场可能会出现过度乐观的情绪，这时投资者应该警惕市场的风险。
三、交易量指标（Volume Indicator）交易量指标是投资者交易活跃度的衡量，常见的交易量指标包括成交量比率和资金流入流出指标。
成交量比率是指市场成交量与历史平均成交量的比较，能够反映市场交易的活跃程度。
资金流入流出指标则关注资金在市场中的流向情况，实时追踪买盘和卖盘的情况。
交易量指标一般被视为市场趋势的确认指标，即当交易量与价格趋势一致时，市场趋势可能会延续。
当交易量异常高时，可能预示着市场情绪的变化，投资者应该谨慎对待。
基于投资者情绪的市场预测模型研究随着金融市场的不断发展和投资者对市场情绪的关注，基于投资者情绪的市场预测模型成为了金融研究领域的一个重要课题。
本文将对基于投资者情绪的市场预测模型进行研究，并探讨其在金融市场中的应用。
首先，我们需要了解什么是投资者情绪。
投资者情绪是指投资者对市场的情感和情绪状态，包括乐观、悲观、恐惧、贪婪等。
投资者情绪可以受到各种因素的影响，包括经济数据的发布、政治事件的发生、市场走势的变化等。
基于投资者情绪的市场预测模型的研究旨在利用投资者情绪的变化来预测市场的未来走势。
这种模型的核心思想是投资者情绪的变化会对市场产生一定的影响，通过分析和建模投资者情绪与市场变动之间的关系，可以提供对市场走势的预测。
目前，研究者们已经提出了多种基于投资者情绪的市场预测模型。
其中，最常用的一种是基于媒体情绪的市场预测模型。
这种模型通过分析媒体报道中的情绪信号来推测市场的未来走势。
研究表明，媒体情绪与市场变动之间存在一定的相关性，因此可以利用媒体情绪来预测市场的走势。
另外，还有一种基于社交媒体情绪的市场预测模型。
社交媒体已经成为了人们交流和获取信息的重要平台，投资者在社交媒体上的观点和情绪对市场有着较大的影响。
通过分析社交媒体上的投资者情绪，可以预测市场的未来走势。
然而，由于社交媒体数据的大规模和高维度，如何有效地提取其中的情绪信号仍然是一个挑战。
除了以上两种模型外，还有一些基于经济数据和市场指标的市场预测模型。
这些模型通过分析投资者对经济数据的反应和市场指标的变化，来预测市场的未来走势。
虽然这些指标往往无法直接反映投资者情绪，但它们可以作为预测市场情绪和市场变动的重要参考指标。
在金融市场中，基于投资者情绪的市场预测模型具有广泛的应用前景。
首先，投资者情绪可以帮助预测市场的波动性。
研究表明，当投资者情绪较为激动时，市场波动性往往较大；反之，当投资者情绪较为冷静时，市场波动性往往较小。
因此，通过分析投资者情绪可以帮助投资者更好地控制风险。
融合投资者情绪的S＿AM＿BiLSTM股价预测模型融合投资者情绪的S_AM_BiLSTM股价预测模型引言近年来，随着人工智能和大数据技术的应用，股票市场数据的分析和预测越来越受到投资者的关注。
传统的股价预测模型主要基于技术指标和基本面数据，但并不能全面反映市场情绪和投资者情绪的变化。
因此，本文将介绍一种新的股价预测模型——S_AM_BiLSTM模型，该模型能够融合投资者情绪的因素，并提高预测精度。
一、S_AM_BiLSTM模型的基本原理S_AM_BiLSTM模型是一种基于深度学习的股价预测模型，其主要思想是将投资者情绪因素融入到长短期记忆网络（Long Short-Term Memory, LSTM）中，通过BiLSTM网络的双向传播来进行股价预测。
具体而言，S_AM_BiLSTM模型可以分为以下几个步骤：1. 数据预处理：收集股票历史数据和与之相关的投资者情绪数据。
对这两类数据进行清洗和标准化处理，以便于后续的建模和预测。
2. 特征提取：通过技术指标和基本面数据提取出与股票价格相关的特征。
同时，从投资者情绪数据中提取情绪指标，如舆情指数、新闻情感分析等。
3. 构建S_AM_BiLSTM模型：将提取到的特征和情绪指标输入到S_AM_BiLSTM模型进行训练。
在训练过程中，通过反向传播算法不断优化模型参数，以提高模型的预测效果。
4. 股价预测：根据已经训练好的S_AM_BiLSTM模型，输入最新的技术指标和情绪指标，即可得到对未来股价的预测结果。
二、 S_AM_BiLSTM模型的优势相较于传统的股价预测模型，S_AM_BiLSTM模型具有以下几个优势：1. 融合情绪因素：传统的股价预测模型主要关注技术指标和基本面数据，忽视了市场和投资者情绪的重要性。
而S_AM_BiLSTM模型通过融合投资者情绪因素，能够更准确地预测股价的波动，提高预测精度。
2. 避免过拟合：S_AM_BiLSTM模型采用LSTM网络结构，能够有效避免过拟合问题。
投资者情绪指数的建立投资者情绪指数的建立一、引言投资者情绪在金融市场中扮演着至关重要的角色。
投资者情绪的变化常常会对市场产生显著的影响，甚至能够引起市场的极端波动。
因此，了解投资者情绪并进行有效的监测和预测对于市场参与者来说是至关重要的。
而投资者情绪指数就是一种可以帮助我们了解投资者情绪变化的指标，本文将探讨投资者情绪指数的建立。
二、投资者情绪的意义投资者情绪是指投资者在进行投资决策过程中产生的情绪变化。
人们常常会有贪婪、恐惧、乐观或悲观等情绪，而这些情绪往往会影响人们的投资决策。
当投资者情绪乐观时，他们往往更容易冒险并投资于股票等高风险资产，反之，当投资者情绪悲观时，他们往往会选择避险资产，如债券或黄金。
投资者情绪的变化对市场走势有着重要的影响。
当市场投资者普遍持有乐观情绪时，他们更倾向于购买股票或其他风险资产，市场上的需求增加，股票价格上涨，市场呈现出明显的上升趋势。
然而，当市场投资者普遍持有悲观情绪时，他们更倾向于出售股票或转投避险资产，市场上的供应增加，股票价格下跌，市场呈现出明显的下降趋势。
了解和预测投资者情绪对于投资者来说尤为重要。
通过了解投资者情绪，我们可以更好地把握市场的走势，从而作出更准确的投资决策。
然而，投资者情绪本身是一种主观感受，难以直接观测和测量。
因此，建立一种有效的投资者情绪指数对于帮助投资者了解市场情绪变化十分关键。
三、投资者情绪指数的建立方法1.数据收集建立投资者情绪指数的第一步是收集相关的数据。
投资者情绪的数据可以通过调查问卷、互联网搜索指数、媒体报道等方式获取。
调查问卷是一种常用的收集投资者情绪数据的方法。
研究者可以通过在市场参与者中进行问卷调查，获取他们在特定时间点的情绪变化。
这些情绪数据可以通过统计分析进行整理和归纳，形成一个较为客观的投资者情绪指数。
另外，互联网搜索指数也可以作为一种收集投资者情绪数据的来源。
例如，通过分析人们在搜索引擎上关于股票市场的搜索量和搜索关键词，我们可以得出人们对于股票市场的情绪变化趋势。
投资者情绪分析投资者情绪是指投资者对市场、经济和特定资产的情感和心态。
它是投资决策的重要因素之一，对市场波动和资产价格产生重要影响。
了解投资者情绪的波动和变化对投资者来说至关重要，因为它可以帮助他们做出更明智的投资决策。
在金融市场中，投资者情绪通常被描述为“贪婪”和“恐惧”的两个极端。
当市场看涨时，投资者情绪通常是贪婪的，他们对获利的期望很高，愿意承担更多的风险。
相反，当市场看跌时，投资者情绪会变得恐惧，他们可能会采取保守的投资策略或者选择退出市场。
为了更好地了解投资者情绪，分析师和研究人员开发了各种情绪指标和工具。
其中一种常用的指标是“投资者情绪指数”，它通过调查和分析投资者参与市场的意愿和态度来测量整体投资者情绪。
这些指数通常基于市场参与者的交易活动、调查数据和媒体报道等。
除了情绪指标，投资者情绪也可以通过其他途径进行分析。
例如，社交媒体平台上的讨论和观点可以提供有关投资者的情绪和看法的线索。
通过对关键词、情感分析和网络舆情的监测，可以了解投资者对特定市场、行业或公司的情绪。
在投资者情绪分析中，技术分析和基本分析也起到重要作用。
技术分析通过研究图表模式和价格趋势，可以揭示投资者情绪的变化和趋势。
基本分析则通过对公司基本面和市场经济数据的分析，可以更好地了解投资者情绪的根源。
投资者情绪分析的结果可以用于预测市场的走势和资产价格的变动。
例如，当投资者情绪达到极端值时，市场可能会出现反转信号，投资者可以相应地调整他们的投资组合。
此外，投资者情绪分析也可以用于市场情绪指数的构建和市场情绪交易策略的设计。
然而，需要注意的是，投资者情绪分析并非完全准确，因为情绪具有主观性和不确定性。
投资者情绪的变化受到多种因素的影响，包括经济数据的发布、政治和地缘政治风险以及市场媒体报道等。
因此，在进行投资者情绪分析时，需要综合考虑各种因素，并采取合适的风险控制措施。
总结而言，投资者情绪分析对于投资者来说是一个重要的工具。
行为金融学的理论与模型行为金融学是一门研究投资者行为决策与市场效果的学科，主要关注投资者在金融市场中的非理性行为、情绪因素对决策的影响以及市场波动的原因和后果。
该学科的研究对象主要涉及投资者的认知偏差、情绪决策、市场反应等方面。
行为金融学的理论主要包括以下几个方面：1. 认知偏差理论：该理论认为投资者的决策往往受到认知偏差的影响。
投资者往往会对信息进行过度或不足的反应，从而导致投资决策的失误。
过度自信导致投资者高估自己的能力；过度关注短期利益导致投资者忽视风险等。
2. 情绪因素理论：该理论认为投资者的情绪和情绪变化会对决策产生重要影响。
投资者在市场中往往易受到恐惧、贪婪等情绪的驱使，导致投资决策出现偏差。
恐惧情绪会使投资者过度卖出股票，而贪婪情绪则会导致投资者过度买入。
3. 市场效应理论：该理论主要研究市场中的各种异常现象，如过度反应、反转效应等。
该理论认为市场的行为受到群体行为和信息传递的影响，投资者往往会对市场中的信息进行过度或不足的反应，导致市场出现非理性波动。
1. 投资者情绪模型：该模型用于研究投资者情绪对市场的影响。
通过分析投资者情绪的变化和市场反应的关系，可以预测市场的行为和波动。
2. 公司财务模型：该模型主要研究公司的财务因素对股票价格的影响。
通过分析公司的财务报表和财务数据，可以评估公司的价值和潜在风险，从而指导投资决策。
3. 市场效应模型：该模型主要研究市场中的异常现象和效应。
通过分析市场的历史数据和市场因素，可以了解市场的行为规律和趋势，从而指导投资决策。
行为金融学的理论和模型主要研究投资者的非理性行为和市场的异常现象，旨在帮助投资者更好地理解市场和做出更准确的投资决策。
基于主成分分析的投资者情绪指标构建【摘要】本文介绍了基于主成分分析的投资者情绪指标构建方法。
首先探讨了投资者情绪指标的概念和分类，其次讨论了主成分分析在情绪指标构建中的应用，引入了基于主成分分析的投资者情绪指标构建模型。
通过对模型的验证与实证分析，我们得出了该模型的优势和局限性，并提出了未来研究方向。
结论部分总结了基于主成分分析的投资者情绪指标构建的优势，强调了该方法在投资决策中的重要性。
本研究为投资者提供了一种新的情绪指标构建方法，有望提高投资决策的准确性和效果。
【关键词】。
1. 引言1.1 研究背景投资者情绪是影响金融市场波动的重要因素之一。
随着投资者情绪指标的引入，研究者越来越关注投资者情绪对市场的影响。
传统的投资者情绪指标存在一些局限性，如只能反映某一方面的情绪、样本选择的随意性及指标间的高度相关性等问题。
为了克服这些问题，需要构建一种综合性的投资者情绪指标。
基于主成分分析的投资者情绪指标构建方法应运而生。
主成分分析是一种多元统计分析方法，可以将原始变量转化为一组互相无关的新变量，即主成分。
通过主成分分析，可以提取出影响投资者情绪的关键因素，从而构建出更加客观、全面的投资者情绪指标。
这种基于主成分分析的投资者情绪指标构建方法有助于揭示金融市场中隐藏的情绪因素，提高投资者的决策效率和市场预测能力。
在当前金融市场高度复杂、信息泛滥的情况下，基于主成分分析的投资者情绪指标构建具有重要的理论和实践意义。
通过对投资者情绪的深入分析和挖掘，可以更好地理解金融市场波动的内在机理，为投资者提供更准确的市场情绪指导。
1.2 研究意义投资者情绪在影响金融市场表现方面扮演着至关重要的角色。
随着金融市场的复杂化和波动性的增加，投资者情绪指标成为了衡量市场情绪的重要工具之一。
投资者情绪的波动不仅影响着市场交易的决策，还会引发市场价格的波动。
通过构建有效的投资者情绪指标，可以更准确地捕捉市场热情和恐慌情绪，帮助投资者更好地制定投资策略和风险管理。
货币政策、投资者情绪与票据利率波动———基于TVP-SV-VAR 模型朱茜月王绪刚（珠海华润银行股份有限公司资金运营中心广东深圳518000）一、引言2021年以来，中国经济复苏进程表现为“前高后低、动力不足”[1]，国内疫情反复致使经济复苏进程延续放缓。
在“稳增长”的压力下，国内政策利率频频下调，但银行信贷投放仍面临着内需不足、结构性失衡，转而利用票据信贷属性“以票充贷”[2]，导致票据利率多次出现“零利率”现象，创下了票据利率历史新低。
截至2022年5月底，票据利率累计4次触达“零利率”位置，开启了“零利率”时期。
第一次出现在2021年12月，1M 期限的国股银票转贴现利率月内最低点0.006%，3M 期限的国股银票转贴现利率月内最低点0.007%；第二次出现在2022年2月，1M 期限的国股银票转贴现利率月内最低点0.01%，3M 期限的国股银票月内最低点0.35%；第三次出现在2022年4月，1M 期限的国股银票转贴现利率月内最低点0.04%，3M 期限的国股银票月内最低点0.35%；第四次出现在2022年5月，1M 期限的国股银票转贴现利率月内最低点0.01%，3M 期限的国股银票月内最低点0.06%。
票据资产多次触达“零利率”，反映出票据市场的供求失衡。
货币政策是影响票据利率最直接的宏观经济政策，宏观经济环境的变化决定了货币政策的扩张与收缩，从而对票据利率走势形成影响。
而票据“零利率”时期的价格大幅波动是投资者情绪性踩踏的结果，呈现出典型的时变特征。
本文基于此背景，从量化分析视角将TVP-SV-VAR 模型运用到票据利率分析当中，探索货币政策、投资者情绪对票据利率波动的时变影响，对维持票据利率稳定、促进票据市场健康发展具有重要的现实意义。
二、相关文献综述国内票据市场是一个相对独立的市场，与国外相差甚大。
因此在票据相关的研究文献上面，本文主作者简介：朱茜月（1991—），女，安徽滁州人，硕士，投资经理，供职于珠海华润银行股份有限公司资金运营中心票据中心。
投资者情绪分析投资者的情绪是影响市场波动的重要因素之一。
随着投资市场的不断发展，越来越多的人关注投资者情绪对市场波动的影响。
在进行投资时，了解市场情绪可以帮助投资者更好地了解市场趋势和市场风险，从而做出更明智的投资决策。
本文将讨论投资者情绪分析的相关内容。
一、投资者情绪类型投资者情绪主要分为乐观情绪和悲观情绪两种类型。
乐观情绪主要表现为市场上买方力量增强，投资者对市场的前景持乐观态度，投资者偏向于买入投资品种。
相反，悲观情绪主要表现为市场上卖方力量增强，投资者对市场前景持悲观态度，投资者偏向于卖出投资品种。
二、情绪分析工具1.舆情分析舆情分析是通过网络对市场中相关信息进行跟踪和分析，了解投资者在网络社区中对市场的情绪态度。
目前，在投资市场中经常运用的舆情分析工具包括：微博、微信、新浪财经、雪球、异动股票、千股千评、同花顺、东方财富等。
这些平台可以为投资者提供市场情绪态势分析，综合大数据、自然语言处理、计算机语言智能技术，了解市场趋势和市场剖面，帮助投资者了解市场现状和市场风险，从而制定更为科学的投资策略。
2.技术分析技术分析主要是通过股票走势图来预测市场的走势，从而分析投资者情绪。
技术分析主要包括技术指标、图表形态等，可以帮助投资者更好地了解市场走势和市场方向，从而制定更为准确的投资策略。
技术分析可以精准地把握市场趋势，从而帮助投资者在市场走势变化较大时及时做出调整。
3.基本面分析基本面分析通过分析企业的财务数据、供需信息、政策法规等方面，来把握投资品种的内在价值。
基本面分析可以帮助投资者更好地了解企业的基本情况，从而制定更为合理的投资策略。
基本面分析可以较好地避免因市场情绪波动引起的投资风险。
三、投资者情绪分析在投资中的应用1.把握市场走势了解市场情绪可以帮助投资者更好地把握市场的走势。
当投资市场上买方力量增强时，投资者可以通过分析市场乐观情况，买入投资品种，从而实现短期内的获利。
相反，当市场上卖方力量增强时，投资者可以通过分析市场悲观情况，选择卖出持仓，从而减少投资风险。
一个简约的投资者情绪模型摘要：最近的金融实证揭示了两个普遍的规律：股票价格对财务报表等信息的反应不足和股票价格对一系列好坏消息的反应过度。
本文结合实证建立了投资者情绪模型，用以解释投资者如何形成信念。
本文基于心理学依据，提出了一些描述反应不足和反应过度的参数值。
关键词：投资者情绪；反应不足；反应过度一、引言最近金融实证研究证实了两种普遍的规律：反应不足和反应过度。
反应不足的证据显示在一年范围以内，证券价格对消息的反应不足。
结果是消息的影响缓慢的进入这些价格，使得价格在这些时间范围内呈现正相关。
证明这个规律的另一种说法是：当前好的消息可以用来预测未来的正回报。
反应过度显示在3-5年里，证券价格会对指向相同方向的，具有一致性的，具有某种模式的消息反应过度。
那就是说，有长期消息影响的证券趋向于过度定价并且有较低的平均收益。
这个证据对有效市场理论提出了挑战。
因为这些证据意味着，在众多市场中，假设投资者不用承担额外风险的情形下可以通过利用过度反应和反应不足获得超额收益。
最为著名的试图从有效市场理论的角度解释这个证据的文献来自于Fama and French (1996)，他们认为三因素模型能解释过度反应，但是不能解释短期的反应不足。
这个证据也对行为金融理论提出了挑战，因为早期的模型没有成功的解释这个事实。
这个挑战就是需要去解释投资者是如何形成信念，信念又是如何导致反应不足和反应过度的。
本文提出了基于统计经验的关于投资者如何形成信念简约的投资者情绪模型。
这个模型在投资者决策失误和投资者根据经验交易情形下与实验的证据一致。
在股票市场中，投资者会因为一些股票历史上持续性的上涨而把这些股票看成是成长股，忽略了几乎没有一只股票是只涨不跌的。
我们的模型和另一个心理学现象有关，称为守旧性或保守性（定义为在面对新情况下模型的缓慢更新：爱德华兹，1968）。
对于消息的反应不足尤其和守旧性相关。
我们的模型中只有一个投资者和一种资产。
这个投资者反应了所有投资者对于未来市场预期的一致性看法（即使不同的投资者持有不同的预期）。
这个代表性投资者的信念影响价格和收益。
我们不解释为什么套利交易不能消除错误定价。
这篇文章的目的是解释为什么有效价格的偏差可以持续。
通过这篇论文，我们可以知道套利受限的一个原因是投资者情绪只能部分被预测（至少在短期内），因此如果投资者情绪极端变化会导致价格更加偏离它的基础价值，使得套利交易者在错误定价中的赌博冒着较大的风险。
在下面的模型中，投资者情绪一部分是不可预测的，所以如果套利者被引入模型时，套利将会受到限制。
早些的文献讨论过度定价能持续，它们很少谈论可能观测到的错误定价的性质。
我们需要一个模型描述人们是如何形成预期的。
本文提供了一个这样的模型。
在我们的模型中，资产收益服从随机游走。
然而，投资者不知道这些。
相反，他们认为给定公司的收益在两个状态间运动。
在第一个状态中，收益是均值回复的。
在第二个状态中，它们趋向于在一次上涨后更加偏离均值水平。
这两种状态的转移概率固定在投资者的意识中。
特别的，在任何给定的时期，公司的回报倾向于停留在一个给定的状态而不是变化。
在每一个时期里，投资者观测回报，用这些信息去更新他的信念，弄清楚他自己属于哪个状态。
在更新状态的过程中，投资者是贝叶斯属性的，尽管回报过程的模型是不确定的。
具体来看，当一个积极的消息接着是一个积极的消息，投资者可能处在第二种状态；当一个积极的消息接着是一个消极的消息，投资者可能处在第一种状态。
我们解出这个模型证明：在一系列可信参数值的印证下，在被观测的数据中产生了经验性预测。
丹尼尔（1998）也建立了一个投资者情绪模型，目的是为了调和过度反应和反应不足的实证结果。
他们也运用了心理学中的概念去支持他们的理论框架，他们模型的基础是过度自信和自我归因，这和我们所用的心理学概念不同。
很有可能他们在模型中描述的和驱动我们模型的因素共同影响产生了实验证据。
文章的第二部分总结了我们尝试解释的实证结果。
第三部分讨论了启示本文方法的心理学证据。
第四部分展示了模型。
第五部分解出模型并且勾勒了数据的内涵。
第六部分是结论。
二、证据这个部分，我们总结了在证券回报中反应不足和过度反应的统计依据。
我们不太关注总体股票市场和债券的收益，因为这些数据通常不会提供足够的信息用以拒绝有效市场的假设。
我们模型中试图去解释的大多数不规则的证据来自于股票收益的截面数据。
大多数证据来源于美国市场，尽管一些最近的研究在其它市场中发现了类似的结果。
（一）反应不足的统计证据我们假设在时期听到的消息是t Z ，消息可以是好的也可以是坏的，即t t Z =G or Z =B 。
反应不足就是指一只公司的股票上期消息是好的情况下股票当期平均回报大于上期是坏消息的情况股票当期的平均回报：即。
聚合时间序列的实证分析提供了反应不足的证据。
Cutler(1991)在检验了不同指数不同时间段间的超额收益存在正的相关系数。
他们检验了1960-1988年间不同市场的股票、债券和外汇市场超额收益的相关性，尽管不一致，但都或多或少在1个月到1年间显示了正相关性。
例如，世界股票市场平均一个月的超额收益的自相关系数为0.1（美国市场恰好是0.1），债券市场大约是0.2（美国市场是0）。
这个证据和反应不足的假设一致。
更令人信服的证据来自于美国市场股票收益的截面数据研究，它们考察实际事件和收益的可预测性。
Bernard(1992)进行了一系列这样的研究。
假设我们把公司会计盈余究竟包含多少意外收益当成股票的分类标准。
一个测度意外收益的自然方法是算SUE （标准的不可预期收益），定义为公司给定季度收益和前一个季度收益的差。
另一个度量意外收益的方法是看股票价格对盈利公告的反应。
正常的结论是有正的意外收益的股票在前一期也会有相对较高的收益。
更奇怪的结论是有更高意外收益的股票在进行投资组合后依然获得更高的收益。
市场在修正公司股票价格的过程中表现出对盈利报告的反应不足。
例如，投资组合形成后超过60个交易日，有最高SUE 的股票积累的风险调整收益是4.2%，高于有较低SUE 的股票。
（二）过度反应的统计证据与反应不足的定义类似，我们定义反应过度为一只公司的股票在一系列前期好消息的情况下的平均收益低于一只公司的股票在一系列前期坏消息的情况下的平均收益。
运用与上述相同的符号：过度反应可以表示为，j 至少为1，可能更大。
在长期里，关于整体指数收益的可预测性研究非常多。
早些的研究包括Fama and French(1988)；Poterba and Summers (1988)；Cutler et al.(1991)等等。
他们研究的结果是在3-5年的时间里，很多市场的股票收益间有轻微的负的自相关。
此外，有类似的研究视角，一些股票估价的度量，例如股息率，在相似的方向上有预测力：底的股息率趋向于预测到一个未来低的收益。
像之前，更多令人信服的证据来自于股票收益的截面数据。
在一篇早期重要的文献中，De Bondt and Thaler (1985)考察了美国追溯到1933年的数据，在前5年表现极其糟糕的股票投资组合戏剧性的表现得优于当前市场有极高收益的股票组合，甚至经过标准的风险调整之后。
De Bondt and Thaler的结论后来被(e.g., Chopra et al.,1992)的结果证实了。
在收益的情形下，Zarowin (1989)发现实现了一系列坏收益的公司随后表现优于实现了一系列好收益的公司。
三、心理学依据我们下面建立的模型的动机来源于心理学家研究的两个重要的现象：保守性和代表性启示。
这部分，我们简要描述心理学证据，也尝试着整合它们。
第一个心理学依据：Edwards (1968)证实了守旧性（保守性）。
守旧性是指个体在面临新的证据面前很难改变他们的初始信念。
守旧性特别暗示了反应不足。
这也反应为他们对先前的信息过度自信。
当个体服从守旧性时，他们通常会忽略盈利报告的全部信息，依然部分参照原来的对于收益的估计。
因此，他们只能根据新进信息部分调整自己的投资策略和份额，导致对股价的反应不足。
第二个心理学依据：(Tversky and Kahneman, 1974)提出了代表性启示。
第一种代表性启发Representativeness Heuristic说的是，人们往往会依据所描述的特征去给被观察事物进行分类，而忽视了样本容量的大小和先验概率的大小。
著名的例子就是Kahneman做的一次实验里，在两组人中，第一组的构成是"70个工程师和30个律师" 第二组是"70个律师和30个工程师"，从中任取一位，他叫Tow-W，他已婚无小孩、有很强的工作能力和自我驱动力，在专业领域很有潜力，和同事关系融洽。
要求被测试人判断他是工程师的概率是多少？结果表明两组结果判断的差异很小，几乎接近0.5的概率。
大家倾向更看重描述性的信息，而忽视大前提，样本结构的构成。
同样的例子还有，Jane上周末参加了反对妇女歧视的游行，请问Jane更有可能是，1，一名护士，2，一名具有强烈女权主义者精神的护士。
答案很明显，选项二是选项一的一个子集，可是实验的结果是大家都更倾向于选择答案二。
代表性启发暗示了反应过度。
当一个公司在过去几年中有一致性的收益增长，，那么这只股票伴随的必然都是关于公司发展显著的、好的描述。
投资者根据描述会形成结论：过去公司的良好表现是当期股票盈利的潜在证明。
此时，投资者忽略了公司高收益的历史是很难复制的，也忽视了样本的当前信息。
这就造成了他们对股票价值的过度估计，也就是过度反应。
四、一个投资者情绪模型（一）非正式的模型描述这节我们给出的模型试图用第三部分描述的心理学概念捕捉第二部分总结的实证结果。
我们考虑一个有代表性的，风险中性的，折现率为 。
我们可以认为这个投资者的信念反应了“共识”，尽管不同的投资者持有不同的信念。
只有一种证券，其收益支付100%的股息。
在这篇文章中，证券的均衡价格等于未来收益的净现值，可以看成是代表性投资者的预期。
与这个模型相对的是异质代理人，价格中所包含的信息已经全部反应在收益里。
Samuelson (1965)认为，给定了风险中性的假设和一个恒定的折现率，如果投资者知道收益流服从的过程，那么收益将是不可预测的。
如果我们的模型要去产生关于收益的预测力，投资者必定是用错误的模型形成了预期。
我们假设收益流服从随机过程。
这个假设不完全准确，因为我们上面曾经讨论过，从第一季度到第三季度的收益增长率是正自相关的(Bernard and Thomas,1990)。
我们的假设更具体，它不是我们得出结果所必须的。
必须注意的是投资者有时候认为收益比实际中更稳定。
我们模型中的投资者米有意识到收益服从一个随机过程。
