一、引言1.1研究背景與動因在金融市場的復雜生態(tài)中，投資決策是投資者實現(xiàn)財富增長與風險管控的關(guān)鍵行為。傳統(tǒng)金融理論長期以來假設(shè)投資者是完全理性的，在投資決策過程中，能夠依據(jù)充分的信息，冷靜且精準地評估各種投資機會，遵循效用最大化原則進行資產(chǎn)配置。在現(xiàn)實的金融市場中，投資者并非完全理性，其決策行為往往受到多種心理因素的顯著影響，其中投資者情緒是最為關(guān)鍵的因素之一。投資者情緒是投資者對金融市場的一種主觀認知和情感體驗，涵蓋了樂觀、悲觀、恐懼、貪婪等多種復雜情緒。這些情緒在金融市場中廣泛傳播，如同漣漪般不斷擴散，深刻影響著投資者的決策過程和市場的運行態(tài)勢。當投資者普遍處于樂觀情緒時，往往會對市場前景充滿信心，高估投資收益，低估潛在風險，進而積極增加投資，推動資產(chǎn)價格上漲，形成市場的繁榮景象。2020年初，受新冠疫情爆發(fā)的影響，全球金融市場陷入恐慌，投資者普遍表現(xiàn)出極度的悲觀和恐懼情緒。這種情緒迅速蔓延，導致大量投資者紛紛拋售股票、債券等資產(chǎn)，使得股票市場大幅下跌，債券市場也出現(xiàn)了劇烈波動。眾多股票指數(shù)在短時間內(nèi)大幅下挫，許多企業(yè)的股價腰斬，投資者的資產(chǎn)遭受了巨大損失。傳統(tǒng)的投資組合模型，如馬科維茨的均值-方差模型，在投資領(lǐng)域具有重要的開創(chuàng)性意義，為投資組合理論奠定了基礎(chǔ)。該模型以資產(chǎn)收益率的均值來衡量預期收益，以方差來度量風險，通過構(gòu)建有效前沿，幫助投資者在風險和收益之間尋求最優(yōu)平衡。在實際應(yīng)用中，這些傳統(tǒng)模型存在諸多局限性。它們通常建立在投資者理性、市場有效等嚴格假設(shè)之上，難以充分考慮投資者情緒等非理性因素對投資決策的影響。在面對市場環(huán)境的動態(tài)變化時，傳統(tǒng)模型往往缺乏足夠的靈活性和適應(yīng)性，無法及時、準確地調(diào)整投資組合，以應(yīng)對市場的不確定性。隨著行為金融學的興起和發(fā)展，投資者情緒在投資決策中的重要作用逐漸受到學術(shù)界和實務(wù)界的廣泛關(guān)注。越來越多的研究表明，投資者情緒能夠顯著影響資產(chǎn)價格的波動、市場的流動性以及投資組合的績效。深入研究投資者情緒，構(gòu)建基于投資者情緒的動態(tài)投資組合選擇模型，具有重要的理論和現(xiàn)實意義。從理論層面來看，這有助于突破傳統(tǒng)投資組合理論的局限性，將投資者情緒等非理性因素納入模型框架，豐富和完善投資組合理論體系，為金融市場的研究提供新的視角和方法。在現(xiàn)實應(yīng)用中，該模型能夠幫助投資者更好地理解和應(yīng)對自身情緒對投資決策的影響，提高投資決策的科學性和合理性，實現(xiàn)更有效的資產(chǎn)配置和風險管理，從而在復雜多變的金融市場中獲取更穩(wěn)定的收益。1.2研究價值與實踐意義1.2.1理論價值本研究在理論層面具有重要意義，它豐富了行為金融理論中關(guān)于投資者情緒與投資組合的研究內(nèi)容。傳統(tǒng)投資組合理論多基于投資者理性假設(shè)展開，而現(xiàn)實中投資者的情緒因素對投資決策影響深遠。通過構(gòu)建基于投資者情緒的動態(tài)投資組合選擇模型，將投資者情緒這一非理性因素納入嚴謹?shù)睦碚摽蚣苤羞M行深入剖析，拓展了投資組合理論的邊界。在理論模型的構(gòu)建過程中，充分考慮投資者在不同情緒狀態(tài)下的風險偏好變化、投資決策行為差異，以及這些因素如何通過復雜的機制作用于投資組合的結(jié)構(gòu)和績效，有助于更全面、準確地理解金融市場中投資行為的內(nèi)在邏輯。這不僅為后續(xù)研究提供了新的理論基礎(chǔ)和研究思路，也促使學者們從更貼近現(xiàn)實的角度出發(fā)，重新審視和完善投資組合理論體系，推動行為金融理論在投資領(lǐng)域的深入發(fā)展。1.2.2實踐意義在實踐領(lǐng)域，本研究成果具有廣泛的應(yīng)用價值，能夠為投資者、金融機構(gòu)和監(jiān)管部門提供有力的支持和指導。對于投資者而言，該研究成果有助于他們更好地認識自身情緒對投資決策的影響，從而優(yōu)化投資決策過程。投資者可以借助本研究構(gòu)建的模型，實時監(jiān)測和分析自身的情緒狀態(tài)，結(jié)合市場情況，更科學地調(diào)整投資組合的資產(chǎn)配置比例，避免因情緒波動而導致的盲目投資和決策失誤。在市場處于牛市時，投資者容易受到樂觀情緒的影響，過度追逐高風險資產(chǎn)，而忽視潛在的風險。通過運用基于投資者情緒的動態(tài)投資組合選擇模型，投資者能夠及時察覺自己的情緒變化，理性評估風險與收益，合理控制高風險資產(chǎn)的投資比例，實現(xiàn)風險與收益的平衡，提高投資收益的穩(wěn)定性和可持續(xù)性。對于金融機構(gòu)來說，本研究為其產(chǎn)品設(shè)計和風險管理提供了重要的參考依據(jù)。金融機構(gòu)在開發(fā)金融產(chǎn)品時，可以充分考慮投資者情緒因素，設(shè)計出更符合投資者需求和風險偏好的產(chǎn)品。針對情緒波動較大的投資者群體，開發(fā)具有風險緩沖機制的投資產(chǎn)品，幫助他們在情緒不穩(wěn)定時更好地控制風險。在風險管理方面，金融機構(gòu)可以利用該模型對投資組合進行風險評估和預警，及時發(fā)現(xiàn)潛在的風險隱患，采取有效的風險控制措施，降低投資損失的可能性。當市場出現(xiàn)恐慌情緒時，金融機構(gòu)能夠依據(jù)模型的分析結(jié)果，提前調(diào)整投資組合的結(jié)構(gòu)，減少風險暴露，保障資產(chǎn)的安全。對于監(jiān)管部門而言，本研究有助于其更好地維護金融市場的穩(wěn)定。監(jiān)管部門可以通過監(jiān)測投資者情緒指標，及時掌握市場情緒的變化趨勢，提前制定相應(yīng)的政策措施，防范市場過度波動和系統(tǒng)性風險的發(fā)生。當市場出現(xiàn)過度樂觀情緒，可能引發(fā)資產(chǎn)泡沫時，監(jiān)管部門可以出臺相關(guān)政策，加強市場監(jiān)管，抑制過度投機行為，防止泡沫的進一步膨脹。在市場出現(xiàn)恐慌情緒，可能導致市場崩潰時，監(jiān)管部門可以采取措施穩(wěn)定市場信心，提供流動性支持，維護市場的正常秩序。1.3研究思路與方法1.3.1研究思路本研究遵循理論與實踐相結(jié)合、從抽象到具體的邏輯思路，旨在深入剖析投資者情緒對投資組合選擇的影響，并構(gòu)建具有實踐指導意義的動態(tài)投資組合模型。研究從梳理和總結(jié)相關(guān)理論與文獻入手，深入分析投資者情緒的內(nèi)涵、特征及其對投資決策的影響機制，為后續(xù)研究奠定堅實的理論基礎(chǔ)。在理論分析的基礎(chǔ)上，本研究將投資者情緒納入投資組合選擇的框架中，構(gòu)建基于投資者情緒的動態(tài)投資組合模型。該模型綜合考慮投資者情緒、風險偏好、資產(chǎn)收益與風險等因素，通過數(shù)學建模和優(yōu)化算法，求解出在不同情緒狀態(tài)下的最優(yōu)投資組合策略。為了驗證模型的有效性和實用性，本研究將運用實際市場數(shù)據(jù)進行實證檢驗。通過收集和整理金融市場的歷史數(shù)據(jù)，包括股票價格、成交量、宏觀經(jīng)濟指標等，結(jié)合投資者情緒指標，對模型進行回測和分析。對比傳統(tǒng)投資組合模型與基于投資者情緒的動態(tài)投資組合模型在不同市場環(huán)境下的績效表現(xiàn)，評估新模型在提高投資收益、降低風險等方面的優(yōu)勢和效果。在實證檢驗的基礎(chǔ)上，本研究將進一步探討基于投資者情緒的動態(tài)投資組合模型在實際投資中的應(yīng)用策略。根據(jù)不同投資者的風險偏好、投資目標和時間跨度，制定個性化的投資組合調(diào)整方案，為投資者提供具體的投資建議和操作指南。同時，分析模型應(yīng)用過程中可能面臨的風險和挑戰(zhàn)，并提出相應(yīng)的風險管理措施和應(yīng)對策略。1.3.2研究方法文獻研究法：系統(tǒng)梳理國內(nèi)外關(guān)于投資者情緒、投資組合理論、行為金融等領(lǐng)域的相關(guān)文獻，全面了解該領(lǐng)域的研究現(xiàn)狀、發(fā)展趨勢和主要研究成果。通過對經(jīng)典文獻和最新研究動態(tài)的分析，明確本研究的切入點和創(chuàng)新點，借鑒前人的研究方法和思路，為后續(xù)研究提供堅實的理論支撐。例如，深入研讀馬科維茨的均值-方差模型、資本資產(chǎn)定價模型等傳統(tǒng)投資組合理論的經(jīng)典文獻，以及行為金融學中關(guān)于投資者情緒對投資決策影響的相關(guān)研究，如Baker和Wurgler關(guān)于投資者情緒與股票市場橫截面收益關(guān)系的研究成果，為構(gòu)建基于投資者情緒的動態(tài)投資組合模型奠定理論基礎(chǔ)。數(shù)學建模法：運用數(shù)學工具和方法，構(gòu)建基于投資者情緒的動態(tài)投資組合模型。在模型構(gòu)建過程中，綜合考慮投資者情緒的量化指標、風險偏好函數(shù)、資產(chǎn)收益的概率分布以及市場約束條件等因素。采用效用最大化理論，將投資者情緒與投資組合的風險和收益進行有機結(jié)合，通過優(yōu)化算法求解出在不同情緒狀態(tài)下的最優(yōu)投資組合權(quán)重。運用隨機過程理論來描述資產(chǎn)價格的動態(tài)變化，使用線性規(guī)劃或非線性規(guī)劃方法來求解投資組合的優(yōu)化問題，確保模型能夠準確反映投資者情緒對投資決策的影響，并為投資者提供科學合理的投資組合選擇方案。實證研究法：收集和整理金融市場的實際數(shù)據(jù)，包括股票、債券、基金等各類資產(chǎn)的價格數(shù)據(jù)、交易數(shù)據(jù)以及宏觀經(jīng)濟數(shù)據(jù)等，同時獲取投資者情緒的相關(guān)指標數(shù)據(jù)，如投資者信心指數(shù)、市場換手率、封閉式基金折價率等。運用統(tǒng)計分析方法和計量經(jīng)濟學模型，對基于投資者情緒的動態(tài)投資組合模型進行實證檢驗。通過構(gòu)建時間序列模型、面板數(shù)據(jù)模型等，分析投資者情緒與資產(chǎn)價格波動、投資組合收益之間的關(guān)系，驗證模型的有效性和準確性。對比不同投資組合模型在實際市場數(shù)據(jù)中的表現(xiàn)，評估基于投資者情緒的動態(tài)投資組合模型在提高投資績效、降低風險方面的優(yōu)勢和效果。案例分析法：選取具有代表性的投資案例，深入分析基于投資者情緒的動態(tài)投資組合模型在實際投資中的應(yīng)用效果。通過對具體投資案例的詳細剖析，包括投資目標的設(shè)定、投資組合的構(gòu)建、投資者情緒的監(jiān)測與分析以及投資組合的動態(tài)調(diào)整等環(huán)節(jié)，展示模型在實際投資決策中的操作流程和應(yīng)用價值。分析案例中投資者在不同情緒狀態(tài)下的決策行為及其對投資結(jié)果的影響，總結(jié)經(jīng)驗教訓，為投資者在實際投資中運用該模型提供具體的參考和借鑒。以某大型投資機構(gòu)在特定時間段內(nèi)的投資組合管理為例，詳細分析其如何運用基于投資者情緒的動態(tài)投資組合模型進行資產(chǎn)配置和風險管理，以及該模型在應(yīng)對市場波動和投資者情緒變化時所發(fā)揮的作用。二、核心概念與理論基礎(chǔ)2.1投資者情緒的內(nèi)涵與特征2.1.1定義與范疇投資者情緒是投資者在投資決策過程中所表現(xiàn)出的心理狀態(tài)和情感反應(yīng)，是一種對市場的主觀認知和預期偏差。它涵蓋了多種復雜的情緒類型，其中樂觀情緒和悲觀情緒是最為常見且具有代表性的兩種。樂觀情緒下，投資者對市場前景充滿信心，積極預期資產(chǎn)價格上漲，愿意承擔較高的風險，增加投資組合中風險資產(chǎn)的比例，期望獲取更高的收益。在股票市場牛市行情初期，投資者普遍看好經(jīng)濟發(fā)展前景，企業(yè)盈利預期上升，投資者樂觀情緒高漲，紛紛買入股票，推動股票價格持續(xù)攀升。與之相反，處于悲觀情緒中的投資者對市場前景持謹慎或消極態(tài)度，他們傾向于認為資產(chǎn)價格將下跌，風險增加，從而選擇減少風險資產(chǎn)的持有，甚至可能大量拋售資產(chǎn)，轉(zhuǎn)而持有現(xiàn)金或低風險資產(chǎn)，以規(guī)避潛在的損失。在經(jīng)濟衰退預期增強時，投資者悲觀情緒蔓延，對企業(yè)未來盈利擔憂加劇，紛紛賣出股票，導致股票市場價格大幅下跌。除了樂觀和悲觀情緒外，投資者情緒還包括恐懼、貪婪等情緒?？謶智榫w常常在市場出現(xiàn)大幅波動或不確定性增加時占據(jù)主導，投資者因害怕資產(chǎn)價值大幅縮水而匆忙拋售資產(chǎn)，以避免損失。2008年全球金融危機爆發(fā)時，市場恐慌情緒迅速蔓延，投資者出于恐懼大量拋售股票、債券等資產(chǎn)，導致金融市場陷入深度衰退，股票指數(shù)大幅下跌，許多金融機構(gòu)面臨巨大的經(jīng)營壓力。貪婪情緒則使投資者過度追求高收益，忽視潛在風險，盲目跟風投資，甚至過度借貸進行投資，推動資產(chǎn)價格脫離其內(nèi)在價值，形成資產(chǎn)泡沫。在房地產(chǎn)市場過熱時期，部分投資者受貪婪情緒驅(qū)使，大量借貸購買房產(chǎn)，期望通過房價上漲獲取巨額利潤，導致房地產(chǎn)市場泡沫不斷膨脹，一旦市場形勢逆轉(zhuǎn)，將面臨巨大的經(jīng)濟損失。這些情緒在投資決策過程中有著具體的體現(xiàn)。投資者情緒會影響投資者對信息的處理和判斷。在樂觀情緒下，投資者可能會對利好信息過度關(guān)注和放大，而對利空信息則選擇性忽視或低估其影響；在悲觀情緒下，投資者則會對利空信息過度反應(yīng)，對利好信息視而不見。投資者情緒還會影響投資者的風險偏好和決策行為。樂觀情緒使投資者風險偏好上升，更愿意冒險投資；悲觀情緒則使投資者風險偏好下降，變得過度保守。投資者情緒還會導致投資者出現(xiàn)羊群行為，即投資者在情緒的驅(qū)使下，盲目跟隨其他投資者的決策，而忽視自身的理性判斷，進一步加劇市場的波動。2.1.2特征剖析波動性：投資者情緒具有顯著的波動性，這是其重要特征之一。投資者情緒極易受到市場信息、宏觀經(jīng)濟環(huán)境、政策變動以及突發(fā)事件等多種因素的影響，從而表現(xiàn)出頻繁且劇烈的波動。當市場發(fā)布積極的經(jīng)濟數(shù)據(jù)，如GDP增長超預期、企業(yè)盈利大幅提升等，投資者情緒往往會迅速轉(zhuǎn)向樂觀，對市場前景充滿信心，積極增加投資，推動資產(chǎn)價格上漲。相反，一旦市場出現(xiàn)負面消息，如利率大幅上升、貿(mào)易摩擦加劇、重大自然災害等，投資者情緒會瞬間轉(zhuǎn)為悲觀，對市場前景感到擔憂，紛紛拋售資產(chǎn)，導致資產(chǎn)價格下跌。2020年初新冠疫情突然爆發(fā)，這一突發(fā)事件給全球經(jīng)濟和金融市場帶來了巨大沖擊。投資者對疫情的不確定性感到極度恐慌，悲觀情緒迅速蔓延，金融市場在短時間內(nèi)出現(xiàn)了劇烈波動。股票市場大幅下跌，許多股票指數(shù)在數(shù)周內(nèi)跌幅超過30%，原油市場也出現(xiàn)了暴跌，價格一度跌至歷史低點。隨著疫情防控措施的逐步實施和經(jīng)濟刺激政策的出臺，投資者情緒逐漸趨于穩(wěn)定，市場也開始逐步回暖。傳染性：投資者情緒在市場中具有很強的傳染性，這種傳染性使得個別投資者的情緒能夠迅速在群體中擴散，引發(fā)市場整體情緒的變化。在金融市場中，投資者之間存在著廣泛的信息交流和互動，一個投資者的情緒和行為往往會影響到其他投資者的判斷和決策。當部分投資者因獲得某些利好信息而表現(xiàn)出樂觀情緒并積極買入資產(chǎn)時，其他投資者可能會受到這種情緒的感染，認為市場存在投資機會，也紛紛跟進買入，從而推動市場情緒進一步樂觀化，資產(chǎn)價格持續(xù)上漲。這種情緒的傳染不僅通過直接的信息交流實現(xiàn)，還通過市場價格的波動、成交量的變化等間接信號傳遞。當市場價格持續(xù)上漲、成交量不斷放大時，會進一步強化投資者的樂觀情緒，吸引更多投資者加入，形成一種正反饋機制。反之，當市場出現(xiàn)負面消息，部分投資者開始恐慌拋售資產(chǎn)時，這種恐慌情緒也會迅速傳播，導致更多投資者跟風拋售，引發(fā)市場的恐慌性下跌。在社交媒體和網(wǎng)絡(luò)信息快速傳播的時代，投資者情緒的傳染性進一步增強，一條未經(jīng)證實的消息或一篇情緒化的評論都可能在短時間內(nèi)引發(fā)市場情緒的大幅波動。自我強化性：投資者情緒具有自我強化的特點，即情緒一旦形成，會在市場中不斷傳播和放大，進而進一步強化自身。在樂觀情緒主導的市場中，資產(chǎn)價格上漲會使投資者的財富增加，這進一步增強了他們的樂觀情緒，促使他們更加積極地投資，推動資產(chǎn)價格繼續(xù)上漲，形成一個良性循環(huán)。這種自我強化過程會導致市場過度樂觀，資產(chǎn)價格可能被高估，形成資產(chǎn)泡沫。在20世紀90年代末的美國互聯(lián)網(wǎng)泡沫時期，投資者對互聯(lián)網(wǎng)行業(yè)的發(fā)展前景充滿樂觀，大量資金涌入互聯(lián)網(wǎng)相關(guān)股票，推動股價持續(xù)飆升。隨著股價的不斷上漲，投資者的樂觀情緒愈發(fā)強烈，更多的人加入到投資互聯(lián)網(wǎng)股票的行列中，進一步推高股價，使得資產(chǎn)價格嚴重脫離其內(nèi)在價值。最終，當市場意識到泡沫的存在，樂觀情緒迅速逆轉(zhuǎn)，引發(fā)了股價的暴跌，許多投資者遭受了巨大損失。相反，在悲觀情緒主導的市場中，資產(chǎn)價格下跌會使投資者的財富縮水，加劇他們的悲觀情緒，導致他們進一步拋售資產(chǎn)，資產(chǎn)價格進一步下跌，形成惡性循環(huán)。這種自我強化過程會導致市場過度悲觀，資產(chǎn)價格可能被低估，市場出現(xiàn)過度恐慌和非理性拋售。2015年中國股市的股災中，市場在前期的快速上漲后積累了大量的獲利盤，當市場出現(xiàn)調(diào)整跡象時，投資者的悲觀情緒開始蔓延。股價的下跌引發(fā)了投資者的恐慌拋售，導致股價進一步下跌，更多的投資者陷入恐慌，紛紛跟風賣出，市場陷入了極度悲觀的情緒中，股價大幅下跌，許多股票的市值大幅縮水。2.2動態(tài)投資組合選擇模型的理論根基2.2.1現(xiàn)代投資組合理論現(xiàn)代投資組合理論起源于20世紀50年代，以馬科維茨（HarryMarkowitz）于1952年發(fā)表的《證券組合選擇》一文為標志，該理論的核心是均值-方差模型，它為投資組合理論奠定了堅實的基礎(chǔ)。馬科維茨在構(gòu)建均值-方差模型時，做出了一系列重要假設(shè)。他假設(shè)投資者是理性的，在投資決策過程中，始終追求效用最大化，并且能夠根據(jù)資產(chǎn)的預期收益率和風險來客觀地評估投資組合的優(yōu)劣。他還假設(shè)投資者能夠獲得充分的信息，對資產(chǎn)的未來收益和風險有準確的預期。馬科維茨認為市場是有效的，資產(chǎn)價格能夠及時、準確地反映所有相關(guān)信息。在均值-方差模型中，預期收益率是衡量投資組合預期收益的關(guān)鍵指標，它通過對資產(chǎn)在不同市場狀態(tài)下的收益率進行加權(quán)平均計算得出。方差則用于度量投資組合收益率的波動程度，反映了投資組合的風險水平。方差越大，說明投資組合的收益率波動越大，風險也就越高；反之，方差越小，風險越低。協(xié)方差用于衡量不同資產(chǎn)收益率之間的相互關(guān)系，當協(xié)方差為正時，表明兩種資產(chǎn)的收益率呈同向變動；當協(xié)方差為負時，表明兩種資產(chǎn)的收益率呈反向變動。通過合理配置不同資產(chǎn)，利用資產(chǎn)之間的協(xié)方差關(guān)系，可以實現(xiàn)風險的分散，降低投資組合的整體風險。在資產(chǎn)配置中，均值-方差模型發(fā)揮著重要作用。投資者可以通過該模型構(gòu)建有效前沿，有效前沿是在給定風險水平下，能夠提供最高預期收益率的投資組合的集合。在有效前沿上的投資組合，都是在同等風險條件下，收益最優(yōu)的選擇。投資者可以根據(jù)自己的風險偏好，在有效前沿上選擇適合自己的投資組合。風險偏好較低的投資者可能會選擇靠近有效前沿左端的投資組合，該組合風險較低，但預期收益率也相對較低；而風險偏好較高的投資者可能會選擇靠近有效前沿右端的投資組合，該組合風險較高，但預期收益率也較高。盡管均值-方差模型在投資組合理論中具有重要地位，但在實際應(yīng)用中，它也存在一些局限性。該模型對輸入?yún)?shù)的估計非常敏感，預期收益率、方差和協(xié)方差等參數(shù)的微小變化，都可能導致最優(yōu)投資組合權(quán)重的大幅變動，使得投資組合的穩(wěn)定性較差。在現(xiàn)實市場中，投資者很難準確地估計這些參數(shù)，市場環(huán)境的復雜性和不確定性使得參數(shù)的預測難度加大，這就增加了投資決策的風險。均值-方差模型假設(shè)投資者是完全理性的，能夠準確地評估風險和收益，并且在投資決策過程中始終保持冷靜和客觀。但在實際情況中，投資者往往受到各種心理因素的影響，如恐懼、貪婪、過度自信等，這些心理因素會導致投資者的決策行為偏離理性，使得均值-方差模型的假設(shè)條件難以滿足。該模型還假設(shè)市場是完美的，不存在交易成本、稅收、信息不對稱等問題，但在現(xiàn)實市場中，這些因素都是客觀存在的，它們會對投資組合的績效產(chǎn)生重要影響，而均值-方差模型卻無法充分考慮這些因素。2.2.2行為金融學理論行為金融學作為一門新興的學科，打破了傳統(tǒng)金融理論中投資者完全理性的假設(shè)，將心理學、社會學等學科的研究成果引入金融領(lǐng)域，為解釋金融市場中的各種現(xiàn)象提供了新的視角和方法。在行為金融學理論體系中，前景理論和心理賬戶理論是兩個重要的理論，它們對投資者的決策行為有著深刻的影響。前景理論由丹尼爾?卡尼曼（DanielKahneman）和阿莫斯?特沃斯基（AmosTversky）于1979年提出，該理論認為投資者在面對收益和損失時，其風險偏好是不同的。在面對收益時，投資者表現(xiàn)出風險厭惡的特征，即更傾向于選擇確定性的收益，而不愿意冒險追求更高的收益。當投資者面臨兩個投資選擇，一個是確定性地獲得100元收益，另一個是有50%的概率獲得200元收益，50%的概率獲得0元收益時，大多數(shù)投資者會選擇確定性地獲得100元收益。在面對損失時，投資者則表現(xiàn)出風險尋求的特征，即更愿意冒險以避免損失，而不愿意接受確定性的損失。當投資者面臨兩個投資選擇，一個是確定性地損失100元，另一個是有50%的概率損失200元，50%的概率不損失時，大多數(shù)投資者會選擇后者，即冒險嘗試避免損失。前景理論還指出，投資者對損失的敏感度要高于對收益的敏感度，即損失帶來的痛苦要大于同等收益帶來的快樂。這就導致投資者在投資決策中，往往會過度關(guān)注損失，而忽視潛在的收益，從而做出非理性的決策。心理賬戶理論由理查德?塞勒（RichardThaler）提出，該理論認為投資者會根據(jù)資金的來源、用途等因素，將資金劃分到不同的心理賬戶中，每個心理賬戶都有不同的風險偏好和決策規(guī)則。投資者會將日常工資收入視為較為穩(wěn)定的資金來源，通常會將其用于滿足日常生活需求或進行低風險的投資，如儲蓄、債券等；而將股票投資獲得的收益視為意外之財，可能會更愿意將其用于高風險的投資，如購買高風險的股票或進行投機性交易。心理賬戶理論還表明，投資者在不同心理賬戶之間的資金分配往往缺乏理性，容易受到情緒、認知偏差等因素的影響。當投資者在股票市場獲得一筆意外收益時，可能會因為興奮和貪婪情緒的影響，將過多的資金投入到高風險的投資中，而忽視了潛在的風險，導致投資決策失誤。這些行為金融學理論為后續(xù)研究提供了重要的理論支持。它們揭示了投資者在實際投資決策中存在的非理性行為及其背后的心理機制，使得我們能夠更加深入地理解投資者的行為模式和決策過程。在構(gòu)建基于投資者情緒的動態(tài)投資組合選擇模型時，這些理論為我們考慮投資者的非理性因素提供了理論依據(jù)，幫助我們更好地將投資者情緒納入模型框架中，從而使模型更加貼近現(xiàn)實，提高模型的準確性和實用性。通過引入前景理論和心理賬戶理論，我們可以更加準確地描述投資者在不同情緒狀態(tài)下的風險偏好和決策行為，為投資者提供更符合其實際需求的投資組合建議。2.3投資者情緒與動態(tài)投資組合的關(guān)聯(lián)機制2.3.1情緒對投資決策的直接作用投資者情緒對投資決策具有直接且顯著的影響，這種影響在不同的情緒狀態(tài)下表現(xiàn)出不同的決策傾向。當投資者處于樂觀情緒時，他們往往對市場前景充滿信心，積極預期資產(chǎn)價格上漲，從而促使他們增加風險資產(chǎn)的投資。在樂觀情緒的驅(qū)動下，投資者會對市場中的利好信息過度關(guān)注和放大，而對潛在的風險和利空信息則選擇性忽視或低估其影響。他們會認為經(jīng)濟形勢將持續(xù)向好，企業(yè)盈利將不斷增長，股票等風險資產(chǎn)的價格將持續(xù)上升，因此愿意承擔較高的風險，增加投資組合中風險資產(chǎn)的比例，期望獲取更高的收益。在股票市場牛市行情中，投資者普遍樂觀，紛紛買入股票，推動股票價格不斷上漲，市場成交量也大幅增加。許多投資者會大量買入熱門股票，甚至不惜追高，期望在股價的持續(xù)上漲中獲得豐厚的收益。相反，當投資者處于悲觀情緒時，他們對市場前景持謹慎或消極態(tài)度，傾向于認為資產(chǎn)價格將下跌，風險增加，進而導致他們減少風險資產(chǎn)的投資。在悲觀情緒的影響下，投資者會對市場中的利空信息過度反應(yīng)，對利好信息視而不見，過度擔憂資產(chǎn)價值的縮水，從而選擇減少風險資產(chǎn)的持有，甚至可能大量拋售資產(chǎn)，轉(zhuǎn)而持有現(xiàn)金或低風險資產(chǎn)，以規(guī)避潛在的損失。在經(jīng)濟衰退預期增強或市場出現(xiàn)重大負面消息時，投資者悲觀情緒蔓延，對企業(yè)未來盈利擔憂加劇，紛紛賣出股票，導致股票市場價格大幅下跌。許多投資者會迅速拋售手中的股票，將資金轉(zhuǎn)移到債券、貨幣基金等低風險資產(chǎn)中，以尋求資產(chǎn)的安全。除了樂觀和悲觀情緒外，恐懼和貪婪等情緒也會對投資決策產(chǎn)生重要影響?？謶智榫w常常在市場出現(xiàn)大幅波動或不確定性增加時占據(jù)主導，投資者因害怕資產(chǎn)價值大幅縮水而匆忙拋售資產(chǎn)，以避免損失。在2020年初新冠疫情爆發(fā)時，市場恐慌情緒迅速蔓延，投資者出于恐懼大量拋售股票、債券等資產(chǎn)，導致金融市場陷入深度衰退，股票指數(shù)大幅下跌，許多金融機構(gòu)面臨巨大的經(jīng)營壓力。貪婪情緒則使投資者過度追求高收益，忽視潛在風險，盲目跟風投資，甚至過度借貸進行投資，推動資產(chǎn)價格脫離其內(nèi)在價值，形成資產(chǎn)泡沫。在房地產(chǎn)市場過熱時期，部分投資者受貪婪情緒驅(qū)使，大量借貸購買房產(chǎn)，期望通過房價上漲獲取巨額利潤，導致房地產(chǎn)市場泡沫不斷膨脹，一旦市場形勢逆轉(zhuǎn)，將面臨巨大的經(jīng)濟損失。2.3.2情緒在投資組合動態(tài)調(diào)整中的傳導路徑投資者情緒通過影響投資決策，進而對投資組合的資產(chǎn)配置和動態(tài)調(diào)整產(chǎn)生重要影響，其傳導路徑呈現(xiàn)出復雜而有序的過程。投資者情緒的變化會直接影響其對資產(chǎn)收益和風險的認知。在樂觀情緒下，投資者會高估資產(chǎn)的預期收益，低估風險，認為市場將持續(xù)向好，資產(chǎn)價格將不斷上漲，從而對投資組合中的風險資產(chǎn)充滿信心。他們會積極尋找投資機會，增加對股票、期貨等高風險資產(chǎn)的配置比例，期望在市場的上漲中獲取更高的收益。而在悲觀情緒下，投資者會低估資產(chǎn)的預期收益，高估風險，對市場前景感到擔憂，認為資產(chǎn)價格將下跌，風險增加，從而對風險資產(chǎn)持謹慎態(tài)度。他們會減少對風險資產(chǎn)的配置，甚至可能完全撤離，轉(zhuǎn)而增加對債券、現(xiàn)金等低風險資產(chǎn)的持有，以降低投資組合的風險。投資者情緒對投資決策的影響會進一步導致投資組合中資產(chǎn)配置的調(diào)整。當投資者情緒樂觀時，他們會加大對風險資產(chǎn)的投資，使得投資組合中風險資產(chǎn)的比例上升。這可能會導致投資組合的風險水平提高，但同時也增加了獲取高收益的潛力。在股票市場牛市中，投資者大量買入股票，使得股票在投資組合中的占比大幅增加，投資組合的整體風險也相應(yīng)提高。相反，當投資者情緒悲觀時，他們會減少對風險資產(chǎn)的投資，增加對低風險資產(chǎn)的配置，使得投資組合中風險資產(chǎn)的比例下降，投資組合的風險水平降低，但收益預期也相應(yīng)降低。在市場下跌時，投資者紛紛賣出股票，買入債券，使得投資組合中債券的占比增加，股票的占比減少，投資組合的風險得到了控制，但收益也受到了一定的影響。投資組合資產(chǎn)配置的調(diào)整會引發(fā)投資組合的動態(tài)調(diào)整。隨著投資者情緒的變化和資產(chǎn)配置的調(diào)整，投資組合的風險收益特征也會發(fā)生變化。為了實現(xiàn)投資目標，投資者需要根據(jù)市場情況和自身情緒的變化，不斷對投資組合進行動態(tài)調(diào)整。當投資者情緒發(fā)生轉(zhuǎn)變，從樂觀轉(zhuǎn)為悲觀時，他們會及時調(diào)整投資組合，減少風險資產(chǎn)的持有，增加低風險資產(chǎn)的配置，以適應(yīng)市場的變化，降低投資風險。投資者還會根據(jù)市場的變化和自身的投資目標，對投資組合中的具體資產(chǎn)進行調(diào)整，如更換股票、調(diào)整債券的品種和期限等，以優(yōu)化投資組合的結(jié)構(gòu)，提高投資組合的績效。投資者情緒在投資組合動態(tài)調(diào)整中的傳導路徑還受到其他因素的影響，如市場信息、投資者的風險偏好和投資經(jīng)驗等。市場信息的變化會影響投資者的情緒，進而影響投資決策和投資組合的調(diào)整。當市場出現(xiàn)利好信息時，投資者情緒會變得樂觀，投資決策會更加積極，投資組合會向風險資產(chǎn)傾斜；當市場出現(xiàn)利空信息時，投資者情緒會變得悲觀，投資決策會更加謹慎，投資組合會向低風險資產(chǎn)調(diào)整。投資者的風險偏好和投資經(jīng)驗也會對情緒的傳導路徑產(chǎn)生影響。風險偏好較高的投資者在樂觀情緒下可能會更加激進地增加風險資產(chǎn)的投資，而風險偏好較低的投資者則會相對謹慎。投資經(jīng)驗豐富的投資者能夠更好地控制情緒，理性地進行投資決策和投資組合的調(diào)整，而投資經(jīng)驗不足的投資者則更容易受到情緒的影響，做出非理性的決策。三、投資者情緒的度量與分析3.1度量指標體系的構(gòu)建準確度量投資者情緒是構(gòu)建基于投資者情緒的動態(tài)投資組合選擇模型的關(guān)鍵前提。投資者情緒作為一種復雜的心理狀態(tài)，難以直接進行精確測量，因此需要借助一系列相關(guān)指標來間接反映其變化。這些指標可分為直接指標和間接指標，它們從不同角度反映了投資者的情緒狀態(tài)，為深入研究投資者情緒提供了豐富的數(shù)據(jù)支持和分析視角。通過綜合運用多種度量指標，能夠更全面、準確地把握投資者情緒的變化趨勢，從而為投資決策提供更可靠的依據(jù)。3.1.1直接指標投資者信心指數(shù)：投資者信心指數(shù)是一種直接反映投資者對市場未來走勢預期和信心程度的重要指標，通常通過問卷調(diào)查的方式收集數(shù)據(jù)編制而成。以“耶魯-CCER中國投資者信心指數(shù)”為例，該指數(shù)由耶魯大學經(jīng)濟學教授羅伯特?希勒博士發(fā)起，自2005年起，由耶魯大學、CCER（北京大學中國經(jīng)濟研究中心）和色諾芬公司合作開展調(diào)查。每月第一周向機構(gòu)和個人投資者發(fā)放問卷，涵蓋券商、基金、銀行、保險、專業(yè)財經(jīng)媒體等金融機構(gòu)以及個人投資者，以確保調(diào)查數(shù)據(jù)的客觀普遍性。問卷內(nèi)容圍繞投資者對市場未來走勢的看法、對經(jīng)濟前景的預期等方面展開，通過對這些問題的回答進行量化分析，得出投資者信心指數(shù)。該指數(shù)主要包括信心指數(shù)、牛市指數(shù)和熊市指數(shù)三大指數(shù)體系，其中信心指數(shù)反映整個市場未來的波動性，當信心指數(shù)低于50時，表明市場信心不足，指數(shù)波動性可能加大；當信心指數(shù)高于50時，則認為市場信心較為充足，市場有企穩(wěn)上行的趨勢。投資者信心指數(shù)的優(yōu)點在于能夠直接獲取投資者的主觀感受和預期，具有較強的針對性和直觀性。它可以及時反映投資者對市場的看法和信心變化，為市場參與者提供重要的參考信息。在市場處于上升階段時，投資者信心指數(shù)的上升往往預示著市場的樂觀情緒在增強，投資者對未來市場走勢充滿信心，這可能會進一步推動市場的上漲。投資者信心指數(shù)也存在一定的局限性。問卷調(diào)查的結(jié)果可能受到投資者主觀因素的影響，如投資者的情緒波動、認知偏差等，導致調(diào)查結(jié)果的準確性受到一定程度的干擾。問卷的設(shè)計和樣本的選取也可能對指數(shù)的準確性產(chǎn)生影響，如果問卷問題設(shè)計不合理或樣本代表性不足，可能會導致指數(shù)無法真實反映投資者的整體情緒。2.消費者信心指數(shù)：消費者信心指數(shù)是綜合反映消費者對當前及未來一段時期經(jīng)濟狀況、就業(yè)狀況、收入水平和耐用消費品購買時機等方面主觀判斷和心理感受的指標，通過對城市消費者進行問卷調(diào)查，以數(shù)學方法對其量化編制而成。該指數(shù)由消費者滿意指數(shù)和消費者預期指數(shù)構(gòu)成，其中消費者滿意指數(shù)反映了消費者對當前經(jīng)濟生活的評價，消費者預期指數(shù)反映了消費者對未來一段時期經(jīng)濟前景發(fā)展變化的預期。指數(shù)取值介于0和200之間，100為指數(shù)強弱臨界點，當指數(shù)超過100時，表明消費者信心處于強信心區(qū)，數(shù)值由100趨近200，表明消費者信心逐漸增強；當指數(shù)小于100時，表示消費者信心處于弱信心區(qū)，數(shù)值由100趨近0，表明消費者信心逐漸減弱。消費者信心指數(shù)與投資者情緒密切相關(guān)，因為消費者的消費決策在一定程度上會影響企業(yè)的盈利狀況，進而影響投資者對股票等資產(chǎn)的投資決策。當消費者信心指數(shù)上升時，表明消費者對經(jīng)濟前景較為樂觀，消費意愿增強，這可能會帶動企業(yè)銷售額和利潤的增長，從而吸引投資者增加對相關(guān)企業(yè)股票的投資，推動股票價格上漲。消費者信心指數(shù)還可以作為宏觀經(jīng)濟形勢的一個重要參考指標，為投資者判斷市場趨勢提供依據(jù)。消費者信心指數(shù)的調(diào)查范圍較廣，能夠反映社會大眾對經(jīng)濟的整體看法，具有較高的代表性。它的調(diào)查頻率相對較高，能夠及時反映消費者情緒的變化，為投資者提供及時的市場信息。消費者信心指數(shù)也存在一些缺點，如調(diào)查結(jié)果可能受到消費者個人因素的影響，不同消費者對同一問題的理解和回答可能存在差異，導致指數(shù)的準確性受到一定影響。消費者信心指數(shù)主要側(cè)重于消費領(lǐng)域，對于金融市場中一些特殊因素對投資者情緒的影響反映不夠全面。3.1.2間接指標封閉式基金折價率：封閉式基金折價率是衡量封閉式基金市場價格與基金凈值之間差異的指標，其計算公式為：折價率=（單位份額凈值-單位市價）/單位份額凈值×100%。當封閉式基金的市場價格低于其單位份額凈值時，折價率為正，表明基金處于折價狀態(tài)；當市場價格高于單位份額凈值時，折價率為負，表明基金處于溢價狀態(tài)。例如，某封閉式基金的單位份額凈值為1.5元，單位市價為1.2元，那么該基金的折價率=（1.5-1.2）/1.5×100%=20%。封閉式基金折價率能夠在一定程度上反映投資者情緒。當投資者情緒樂觀時，對封閉式基金的需求增加，可能會導致基金價格上漲，折價率縮小甚至出現(xiàn)溢價；當投資者情緒悲觀時，對封閉式基金的需求減少，基金價格可能下跌，折價率擴大。在市場行情較好時，投資者對封閉式基金的未來收益預期較高，愿意以較高的價格購買基金，使得基金的折價率降低。封閉式基金折價率還可以作為評估封閉式基金投資價值的重要參考指標。一般來說，折價率較高的封閉式基金，在市場行情好轉(zhuǎn)時，其價格向凈值回歸的可能性較大，從而為投資者帶來超額收益。但需要注意的是，封閉式基金折價率的變化還受到多種因素的影響，如基金的投資策略、管理團隊、市場流動性等，因此在使用該指標時，需要綜合考慮這些因素。2.新增開戶數(shù)：新增開戶數(shù)是指在一定時期內(nèi)新開立證券賬戶的投資者數(shù)量，它反映了市場的吸引力和投資者參與市場的積極性。當市場處于上升階段，投資者情緒樂觀，對市場前景充滿信心時，往往會吸引更多的投資者進入市場，新增開戶數(shù)會相應(yīng)增加。在股票市場牛市行情中，股價持續(xù)上漲，投資者紛紛涌入市場，希望分享市場上漲的紅利，導致新增開戶數(shù)大幅增加。相反，當市場處于下跌階段，投資者情緒悲觀，對市場前景擔憂時，新增開戶數(shù)會減少。新增開戶數(shù)能夠直觀地反映投資者對市場的熱情和參與程度，是衡量投資者情緒的重要間接指標之一。它的變化能夠及時反映市場情緒的變化，為投資者提供市場熱度的信息。新增開戶數(shù)的統(tǒng)計數(shù)據(jù)相對容易獲取，具有較高的及時性和可靠性。新增開戶數(shù)只能反映投資者進入市場的意愿，不能完全反映投資者的情緒狀態(tài)，因為有些投資者可能只是開戶，但并沒有實際進行投資操作。新增開戶數(shù)還受到市場宣傳、政策等因素的影響，在分析時需要綜合考慮這些因素。3.換手率：換手率是指在一定時間內(nèi)市場中股票轉(zhuǎn)手買賣的頻率，計算公式為：換手率=某一段時期內(nèi)的成交量/發(fā)行總股數(shù)×100%。換手率反映了股票交易的活躍程度，高換手率意味著股票在市場上的買賣頻繁，投資者對該股票的關(guān)注度較高。當投資者情緒樂觀時，對股票的交易意愿增強，市場交易活躍，換手率通常會升高。在市場熱點板塊出現(xiàn)時，投資者對該板塊股票的熱情高漲，頻繁買賣，導致該板塊股票的換手率大幅提高。當投資者情緒悲觀時，對股票的交易意愿降低，市場交易清淡，換手率通常會下降。換手率可以作為衡量投資者情緒的一個重要指標，它能夠反映市場的活躍程度和投資者的交易熱情。通過分析換手率的變化，投資者可以了解市場情緒的波動情況，判斷市場的熱度和趨勢。換手率還可以幫助投資者發(fā)現(xiàn)市場中的熱門股票和潛在的投資機會。高換手率的股票往往意味著市場關(guān)注度高，可能存在較大的投資機會。但需要注意的是，換手率過高也可能意味著市場存在過度投機的情況，風險較大。換手率還受到股票流通盤大小、市場行情等因素的影響，在分析時需要結(jié)合其他因素進行綜合判斷。3.2度量方法的比較與選擇3.2.1調(diào)查法調(diào)查法是獲取投資者情緒數(shù)據(jù)的一種常用方法，主要包括問卷調(diào)查和訪談兩種形式。問卷調(diào)查通過設(shè)計一系列與投資者情緒相關(guān)的問題，向投資者發(fā)放問卷，收集他們的回答，以此來了解投資者的情緒狀態(tài)。這種方法的優(yōu)點在于能夠直接獲取投資者的主觀感受和看法，問題的設(shè)計可以具有針對性，涵蓋投資者對市場走勢的預期、風險偏好、投資決策的影響因素等多個方面，從而全面地了解投資者情緒的各個維度。通過問卷調(diào)查，可以詢問投資者對未來一個月股票市場走勢的看法，是樂觀、悲觀還是保持中立，以及他們對不同資產(chǎn)類別（如股票、債券、基金）的投資意愿和風險承受能力。問卷調(diào)查具有較高的靈活性，可以根據(jù)研究目的和需求，調(diào)整問卷的內(nèi)容、結(jié)構(gòu)和發(fā)放方式?？梢圆捎镁€上問卷的形式，通過電子郵件、社交媒體平臺等渠道向廣大投資者發(fā)放，提高調(diào)查的效率和覆蓋面；也可以采用線下問卷的形式，在金融機構(gòu)、投資講座等場所進行現(xiàn)場發(fā)放和回收，確保問卷的回收率和真實性。問卷調(diào)查還可以定期進行，形成時間序列數(shù)據(jù)，便于觀察投資者情緒的變化趨勢，為市場分析和預測提供數(shù)據(jù)支持。訪談則是通過與投資者進行面對面或電話交流，深入了解他們的投資決策過程、情緒變化以及對市場的看法。訪談可以采用結(jié)構(gòu)化訪談的方式，按照預先制定的訪談提綱進行提問，確保訪談內(nèi)容的一致性和可比性；也可以采用非結(jié)構(gòu)化訪談的方式，讓投資者自由表達自己的觀點和想法，獲取更豐富、深入的信息。訪談的優(yōu)點在于能夠與投資者進行互動，進一步追問和澄清問題，獲取更準確、詳細的信息。在訪談過程中，如果投資者提到對某一事件的擔憂影響了他們的投資決策，訪談?wù)呖梢赃M一步詢問具體的擔憂因素、對投資決策的具體影響以及他們的應(yīng)對策略等。盡管調(diào)查法具有上述優(yōu)點，但也存在一些局限性。調(diào)查結(jié)果容易受到投資者主觀因素的影響，存在一定的偏差。投資者在回答問題時，可能會受到自身情緒、認知偏差、社會期望等因素的干擾，導致回答不真實或不準確。一些投資者可能會因為過度自信而高估自己的投資能力和對市場的判斷，從而在問卷中給出過于樂觀的回答；一些投資者可能會受到社會期望的影響，為了表現(xiàn)出自己的理性和專業(yè)，而給出與實際情況不符的回答。問卷調(diào)查的樣本選擇也可能存在問題，如果樣本不具有代表性，無法涵蓋不同類型、不同背景的投資者，那么調(diào)查結(jié)果就不能準確反映整個投資者群體的情緒狀態(tài)。問卷設(shè)計的合理性也會影響調(diào)查結(jié)果，如果問卷問題表述不清、選項設(shè)置不合理，可能會導致投資者誤解問題，從而給出錯誤的回答。3.2.2數(shù)據(jù)分析法數(shù)據(jù)分析法是通過分析金融市場交易數(shù)據(jù)、社交媒體數(shù)據(jù)等，來度量投資者情緒的一種方法。在金融市場交易數(shù)據(jù)方面，常用的指標包括成交量、換手率、波動率等。成交量反映了市場的活躍程度，當市場成交量大幅增加時，往往意味著投資者情緒高漲，交易熱情旺盛；反之，成交量低迷則可能表示投資者情緒低落，市場交易清淡。換手率是衡量股票交易頻繁程度的指標，高換手率通常與投資者情緒的劇烈波動相關(guān)，表明投資者對股票的關(guān)注度較高，買賣意愿強烈。波動率則反映了資產(chǎn)價格的波動程度，當市場波動率增大時，說明市場不確定性增加，投資者情緒可能更加緊張和不穩(wěn)定。社交媒體數(shù)據(jù)也是度量投資者情緒的重要來源。隨著互聯(lián)網(wǎng)和社交媒體的迅速發(fā)展，大量的投資者通過社交媒體平臺（如微博、股吧、金融論壇等）表達自己對市場的看法、情緒和投資決策。通過自然語言處理技術(shù)和機器學習算法，可以對這些社交媒體數(shù)據(jù)進行情感分析，提取其中的投資者情緒信息?？梢酝ㄟ^對微博上與股票相關(guān)的帖子進行情感分析，判斷投資者對某只股票或整個市場的情緒是積極、消極還是中性。社交媒體數(shù)據(jù)具有及時性和廣泛性的特點，能夠?qū)崟r反映投資者的情緒變化，并且涵蓋了大量的投資者群體，為投資者情緒的研究提供了豐富的數(shù)據(jù)資源。不同的數(shù)據(jù)分析法在準確性和適用性方面存在差異?；诮鹑谑袌鼋灰讛?shù)據(jù)的方法，能夠直接反映市場的實際交易情況，數(shù)據(jù)的準確性和可靠性較高。這些數(shù)據(jù)往往受到多種因素的影響，除了投資者情緒外，還包括宏觀經(jīng)濟因素、公司基本面因素、政策因素等，因此在分離投資者情緒的影響時存在一定的難度。社交媒體數(shù)據(jù)雖然能夠反映投資者的主觀情緒，但數(shù)據(jù)的質(zhì)量和可靠性存在一定的問題。社交媒體上的信息往往存在噪聲、虛假信息和情緒夸大的情況，需要進行有效的數(shù)據(jù)清洗和篩選，以提高數(shù)據(jù)的準確性和可用性。社交媒體數(shù)據(jù)的情感分析算法也存在一定的局限性，對于一些復雜的語言表達和語義理解，可能會出現(xiàn)誤判的情況。在實際應(yīng)用中，需要根據(jù)研究目的和數(shù)據(jù)的可獲取性，選擇合適的數(shù)據(jù)分析法。如果研究目的是分析市場短期的情緒波動對交易行為的影響，那么基于金融市場交易數(shù)據(jù)的方法可能更為適用，因為這些數(shù)據(jù)能夠直接反映市場的交易動態(tài)。如果研究目的是了解投資者對某一特定事件或話題的情緒反應(yīng)，那么社交媒體數(shù)據(jù)可能更具有優(yōu)勢，能夠獲取更豐富的投資者主觀情緒信息。也可以將多種數(shù)據(jù)分析法結(jié)合起來，綜合利用金融市場交易數(shù)據(jù)和社交媒體數(shù)據(jù)的優(yōu)勢，更全面、準確地度量投資者情緒。3.3投資者情緒的實證分析3.3.1數(shù)據(jù)收集與預處理本研究的數(shù)據(jù)來源廣泛，涵蓋金融數(shù)據(jù)庫和社交媒體平臺，以確保全面準確地反映投資者情緒。從知名金融數(shù)據(jù)庫（如Wind數(shù)據(jù)庫、同花順iFind金融數(shù)據(jù)終端）獲取股票市場的交易數(shù)據(jù)，包括股票價格、成交量、換手率等，這些數(shù)據(jù)能夠直觀地反映市場的交易活躍度和投資者的交易行為，為分析投資者情緒提供了重要的市場層面信息。通過網(wǎng)絡(luò)爬蟲技術(shù)從主流社交媒體平臺（如微博、股吧、雪球等）收集與金融投資相關(guān)的文本數(shù)據(jù)，這些文本數(shù)據(jù)包含了投資者對市場的看法、情緒表達以及投資決策討論等豐富信息，為深入了解投資者的情緒狀態(tài)提供了第一手資料。在數(shù)據(jù)收集完成后，需要進行一系列的數(shù)據(jù)清洗和預處理工作，以確保數(shù)據(jù)的質(zhì)量和可用性。數(shù)據(jù)清洗主要是識別和處理數(shù)據(jù)中的錯誤值、重復值和異常值。對于股票價格和成交量數(shù)據(jù)，檢查是否存在明顯錯誤的數(shù)據(jù)記錄，如價格為負數(shù)或成交量異常巨大的數(shù)據(jù)點，若發(fā)現(xiàn)則進行修正或刪除。對于社交媒體文本數(shù)據(jù)，去除重復發(fā)布的內(nèi)容，避免重復數(shù)據(jù)對分析結(jié)果的干擾。針對數(shù)據(jù)中可能存在的缺失值，采用合適的方法進行處理。對于金融交易數(shù)據(jù)，若某只股票某一天的收盤價缺失，可根據(jù)前后交易日的價格數(shù)據(jù)，采用線性插值法進行填補；對于社交媒體文本數(shù)據(jù)，若某條評論缺失關(guān)鍵信息，無法進行有效分析，則將其刪除。為了從社交媒體文本數(shù)據(jù)中提取投資者情緒信息，采用自然語言處理技術(shù)進行文本預處理。使用中文分詞工具（如結(jié)巴分詞）將文本分割成一個個詞語，便于后續(xù)的分析和處理。去除停用詞，如“的”“了”“在”等無實際意義的虛詞，減少數(shù)據(jù)量，提高分析效率。對文本進行詞干提取和詞性標注，以便更好地理解詞語的含義和在句子中的作用。通過情感分析算法，對文本進行情感傾向判斷，將其分為正面、負面和中性三類，從而量化投資者的情緒。利用基于機器學習的情感分析模型，如支持向量機（SVM）模型，對社交媒體文本進行情感分類，訓練模型時使用大量已標注情感傾向的文本數(shù)據(jù)進行學習，以提高模型的準確性和泛化能力。3.3.2結(jié)果分析與討論通過對收集和預處理后的數(shù)據(jù)進行深入分析，我們發(fā)現(xiàn)投資者情緒呈現(xiàn)出明顯的變化趨勢。在不同的時間段內(nèi)，投資者情緒表現(xiàn)出較大的波動，且與市場的重大事件密切相關(guān)。在市場上漲階段，投資者信心增強，樂觀情緒占據(jù)主導，表現(xiàn)為投資者信心指數(shù)上升，社交媒體上的正面評論增多，新增開戶數(shù)也隨之增加。2019年初至2020年初，中國股票市場經(jīng)歷了一輪上漲行情，期間投資者信心指數(shù)從較低水平穩(wěn)步上升，反映出投資者對市場前景的樂觀預期。在社交媒體平臺上，關(guān)于股票投資的正面討論頻繁出現(xiàn)，投資者紛紛分享自己的投資收益和看好的股票，進一步推動了市場的樂觀情緒。新增開戶數(shù)也呈現(xiàn)出增長趨勢，越來越多的投資者受到市場樂觀氛圍的吸引，加入到股票投資的行列中。相反，在市場下跌階段，投資者情緒轉(zhuǎn)為悲觀，恐懼情緒蔓延，投資者信心指數(shù)下降，社交媒體上負面評論增多，新增開戶數(shù)減少。2020年2月，受新冠疫情爆發(fā)的影響，全球金融市場大幅下跌，中國股票市場也未能幸免。在這一時期，投資者信心指數(shù)急劇下降，投資者對市場前景感到擔憂，恐慌情緒在市場中迅速蔓延。社交媒體上充斥著大量負面評論，投資者對股票市場的未來表現(xiàn)持悲觀態(tài)度，紛紛表示要減少投資或退出市場。新增開戶數(shù)也大幅減少，潛在投資者因市場的不確定性而選擇觀望，不再輕易進入市場。投資者情緒與市場波動之間存在著顯著的相關(guān)性。當投資者情緒高漲時，市場交易活躍，成交量增加，股票價格波動也相應(yīng)增大，市場波動性增強。在牛市行情中，投資者樂觀情緒推動股價不斷上漲，市場成交量持續(xù)放大，同時股價的波動也較為劇烈，指數(shù)的漲跌幅度較大。當投資者情緒低落時，市場交易清淡，成交量減少，股票價格波動相對較小，市場波動性減弱。在熊市行情中，投資者悲觀情緒導致市場交易活躍度降低，成交量萎縮，股價波動相對平穩(wěn)，但整體呈下跌趨勢。投資者情緒與宏觀經(jīng)濟指標之間也存在著密切的聯(lián)系。經(jīng)濟增長數(shù)據(jù)、通貨膨脹率、利率等宏觀經(jīng)濟指標的變化會影響投資者對市場的預期，進而影響投資者情緒。當經(jīng)濟增長數(shù)據(jù)表現(xiàn)良好，如GDP增長率較高、失業(yè)率較低時，投資者對市場前景充滿信心，情緒較為樂觀。宏觀經(jīng)濟形勢的穩(wěn)定和向好為企業(yè)的發(fā)展提供了良好的環(huán)境，投資者預期企業(yè)盈利將增加，股票價格有望上漲，從而積極參與投資。相反，當通貨膨脹率上升、利率上調(diào)等不利宏觀經(jīng)濟因素出現(xiàn)時，投資者可能會對市場前景感到擔憂，情緒轉(zhuǎn)為悲觀。通貨膨脹率上升可能導致企業(yè)成本增加，利潤下降，利率上調(diào)則會增加企業(yè)的融資成本，抑制投資和消費，這些因素都會對股票市場產(chǎn)生負面影響，使投資者對市場的預期變得謹慎，情緒趨于悲觀。四、基于投資者情緒的動態(tài)投資組合模型構(gòu)建4.1模型假設(shè)與前提條件4.1.1投資者行為假設(shè)在金融市場的投資決策中，投資者行為是影響投資組合選擇的關(guān)鍵因素。本研究假設(shè)投資者具有有限理性，這一假設(shè)更貼近現(xiàn)實市場中的投資者行為。有限理性意味著投資者在決策過程中，并非像傳統(tǒng)金融理論所假設(shè)的那樣完全理性，能夠獲取并處理所有信息，從而做出最優(yōu)決策。相反，投資者會受到自身認知能力、信息獲取渠道以及情緒等多種因素的限制，導致其決策行為存在一定的偏差。投資者的風險厭惡程度受情緒影響是本研究的重要假設(shè)之一。當投資者處于樂觀情緒時，他們往往對市場前景充滿信心，積極預期資產(chǎn)價格上漲，從而對風險的感知降低，風險厭惡程度減弱。在這種情況下，投資者更愿意承擔較高的風險，增加投資組合中風險資產(chǎn)的比例，期望獲取更高的收益。在股票市場牛市行情中，投資者普遍樂觀，對股票的投資熱情高漲，愿意將更多的資金投入到股票市場，即使股票價格已經(jīng)處于較高水平，他們也愿意承擔可能的風險，追求更高的收益。當投資者處于悲觀情緒時，他們對市場前景持謹慎或消極態(tài)度，傾向于認為資產(chǎn)價格將下跌，風險增加，從而對風險的感知增強，風險厭惡程度提高。此時，投資者更傾向于規(guī)避風險，減少投資組合中風險資產(chǎn)的比例，增加低風險資產(chǎn)的持有，以保障資產(chǎn)的安全。在經(jīng)濟衰退預期增強或市場出現(xiàn)重大負面消息時，投資者悲觀情緒蔓延，紛紛拋售股票等風險資產(chǎn)，轉(zhuǎn)而持有債券、現(xiàn)金等低風險資產(chǎn)，即使這些資產(chǎn)的收益率較低，他們也更注重資產(chǎn)的安全性。情緒波動會導致投資決策的變化。投資者的情緒并非一成不變，而是會隨著市場信息、宏觀經(jīng)濟環(huán)境、政策變動以及突發(fā)事件等因素的變化而波動。當市場發(fā)布積極的經(jīng)濟數(shù)據(jù)，如GDP增長超預期、企業(yè)盈利大幅提升等，投資者情緒往往會迅速轉(zhuǎn)向樂觀，對市場前景充滿信心，積極增加投資，推動資產(chǎn)價格上漲。相反，一旦市場出現(xiàn)負面消息，如利率大幅上升、貿(mào)易摩擦加劇、重大自然災害等，投資者情緒會瞬間轉(zhuǎn)為悲觀，對市場前景感到擔憂，紛紛拋售資產(chǎn)，導致資產(chǎn)價格下跌。這些情緒波動會直接影響投資者的決策行為，使他們在不同的情緒狀態(tài)下做出截然不同的投資決策。4.1.2市場環(huán)境假設(shè)本研究假設(shè)市場存在無風險資產(chǎn)和風險資產(chǎn)，這是金融市場的基本構(gòu)成要素。無風險資產(chǎn)通常具有穩(wěn)定的收益和較低的風險，如國債、銀行存款等，其收益率相對固定，幾乎不存在違約風險，為投資者提供了一種安全的投資選擇。風險資產(chǎn)則具有較高的收益潛力，但同時也伴隨著較高的風險，如股票、期貨、外匯等，其價格波動較大，受市場供求關(guān)系、宏觀經(jīng)濟環(huán)境、公司基本面等多種因素的影響，投資者在投資風險資產(chǎn)時需要承擔一定的風險，但也有可能獲得較高的收益。資產(chǎn)價格服從一定的隨機過程，這是金融市場的一個重要特征。在現(xiàn)實市場中，資產(chǎn)價格受到眾多復雜因素的影響，包括宏觀經(jīng)濟數(shù)據(jù)的變化、企業(yè)業(yè)績的波動、政策的調(diào)整、投資者情緒的變化以及國際政治經(jīng)濟形勢的不確定性等，這些因素相互交織，使得資產(chǎn)價格的變動呈現(xiàn)出隨機性和不確定性。股票價格的波動不僅受到公司自身業(yè)績的影響，還受到宏觀經(jīng)濟形勢、行業(yè)競爭格局、市場流動性以及投資者情緒等多種因素的綜合作用，難以準確預測。市場信息不完全對稱也是本研究的重要假設(shè)之一。在金融市場中，不同投資者獲取信息的能力、渠道和成本存在差異，導致市場信息在投資者之間的分布不均衡。一些大型金融機構(gòu)和專業(yè)投資者擁有更豐富的信息資源和更先進的信息分析技術(shù)，能夠及時、準確地獲取和分析市場信息，從而在投資決策中占據(jù)優(yōu)勢。而普通投資者則可能由于信息獲取渠道有限、信息分析能力不足等原因，難以獲取全面、準確的市場信息，在投資決策中處于劣勢。這種信息不對稱會影響投資者的決策行為和市場的有效性，導致市場價格可能偏離其內(nèi)在價值，為投資者帶來額外的風險和投資機會。4.2模型構(gòu)建的思路與方法4.2.1目標函數(shù)的確定本研究以投資者效用最大化為核心目標，構(gòu)建基于投資者情緒的動態(tài)投資組合選擇模型。投資者效用是一個綜合考量投資組合預期收益、風險以及投資者情緒對風險厭惡程度影響的函數(shù)。在傳統(tǒng)投資組合理論中，通常以投資組合的預期收益率來衡量預期收益，預期收益率是投資組合中各資產(chǎn)預期收益率的加權(quán)平均值，權(quán)重為各資產(chǎn)在投資組合中的比例。預期收益率反映了投資者對投資組合未來收益的期望水平，是投資決策中重要的考量因素之一。風險的度量在投資組合理論中至關(guān)重要，常用的風險度量指標是方差或標準差。方差衡量的是投資組合收益率圍繞其預期收益率的波動程度，方差越大，說明投資組合的收益率波動越大，風險也就越高；反之，方差越小，風險越低。標準差是方差的平方根，與方差具有相同的經(jīng)濟含義，也是衡量投資組合風險的常用指標。投資者情緒對風險厭惡程度的影響是本研究的關(guān)鍵因素之一。在實際投資中，投資者的風險厭惡程度并非固定不變，而是會受到情緒的顯著影響。當投資者處于樂觀情緒時，他們對風險的感知相對較低，風險厭惡程度減弱，更愿意承擔風險以追求更高的收益。在股票市場牛市行情中，投資者普遍樂觀，對股票投資的熱情高漲，愿意承擔較高的風險，增加股票在投資組合中的比例。相反，當投資者處于悲觀情緒時，他們對風險的感知增強，風險厭惡程度提高，更傾向于規(guī)避風險，減少風險資產(chǎn)的投資。在經(jīng)濟衰退預期增強或市場出現(xiàn)重大負面消息時，投資者悲觀情緒蔓延，紛紛拋售股票等風險資產(chǎn)，轉(zhuǎn)而持有債券、現(xiàn)金等低風險資產(chǎn)。為了準確刻畫投資者情緒對風險厭惡程度的影響，我們引入風險厭惡系數(shù)這一變量。風險厭惡系數(shù)反映了投資者對風險的厭惡程度，系數(shù)越大，表明投資者越厭惡風險；系數(shù)越小，表明投資者對風險的接受程度越高。在本模型中，風險厭惡系數(shù)是投資者情緒的函數(shù)，隨著投資者情緒的變化而動態(tài)調(diào)整。當投資者情緒樂觀時，風險厭惡系數(shù)降低，意味著投資者愿意承擔更多的風險；當投資者情緒悲觀時，風險厭惡系數(shù)升高，投資者更加謹慎，減少風險承擔。通過將投資組合的預期收益、風險以及投資者情緒對風險厭惡程度的影響進行有機整合，我們構(gòu)建了如下的目標函數(shù)：U=E(R_p)-\frac{1}{2}\lambda(\theta)\sigma_p^2其中，U表示投資者效用，E(R_p)表示投資組合的預期收益率，\lambda(\theta)表示風險厭惡系數(shù)，是投資者情緒\theta的函數(shù)，\sigma_p^2表示投資組合收益率的方差。該目標函數(shù)綜合考慮了投資者對收益的追求和對風險的規(guī)避，同時體現(xiàn)了投資者情緒對風險偏好的影響，能夠更準確地反映投資者在不同情緒狀態(tài)下的投資決策目標。4.2.2約束條件的設(shè)定投資組合權(quán)重的非負約束：為了確保投資組合的合理性和可行性，我們設(shè)定投資組合中各資產(chǎn)的權(quán)重非負，即對于投資組合中的每一項資產(chǎn)i，其權(quán)重w_i滿足w_i\geq0。這一約束條件反映了現(xiàn)實投資中的基本情況，在實際投資中，投資者通常不會持有負權(quán)重的資產(chǎn)，即不會進行賣空操作（除非市場允許賣空且投資者有賣空的需求和能力，但在一般情況下，賣空操作存在諸多限制和風險，因此我們先考慮非賣空的基本情況）。非負權(quán)重約束保證了投資組合的構(gòu)建符合實際投資行為，避免出現(xiàn)不合理的投資組合結(jié)構(gòu)?？偼顿Y金額約束：投資組合中各資產(chǎn)權(quán)重之和等于1，即\sum_{i=1}^{n}w_i=1，其中n表示投資組合中資產(chǎn)的種類數(shù)。這一約束條件體現(xiàn)了投資者將全部資金進行投資的假設(shè)，即投資者的總投資金額是固定的，并且會將這筆資金全部分配到不同的資產(chǎn)中，以構(gòu)建投資組合?？偼顿Y金額約束確保了投資組合的完整性和資金的充分利用，使得投資組合的權(quán)重分配在合理的范圍內(nèi)，符合投資實踐中的資金分配原則。其他可能的約束條件：在實際投資中，還可能存在其他約束條件，如流動性約束、交易成本約束、投資比例限制等。流動性約束是指投資者在構(gòu)建投資組合時，需要考慮資產(chǎn)的流動性，確保能夠在需要時及時、低成本地買賣資產(chǎn)。對于一些流動性較差的資產(chǎn)，如某些小盤股或非標準化金融產(chǎn)品，投資者可能會限制其在投資組合中的比例，以避免在需要資金時無法及時變現(xiàn)。交易成本約束則考慮了投資過程中產(chǎn)生的各種費用，如手續(xù)費、印花稅等。這些交易成本會直接影響投資組合的實際收益，因此在構(gòu)建投資組合時需要將其納入考慮范圍。投資者可能會設(shè)定一個交易成本上限，在滿足其他條件的前提下，盡量選擇交易成本較低的投資組合方案。投資比例限制是指對某些特定資產(chǎn)或資產(chǎn)類別設(shè)定投資比例上限或下限，以控制投資組合的風險和收益特征。為了分散風險，投資者可能會限制單一股票在投資組合中的比例，避免過度集中投資于某一只股票。監(jiān)管機構(gòu)也可能對某些投資產(chǎn)品或行業(yè)的投資比例進行限制，以維護金融市場的穩(wěn)定和安全。在本研究中，我們可以根據(jù)實際情況，將這些約束條件納入模型中，以進一步完善模型的構(gòu)建，使其更符合實際投資場景。這些約束條件的設(shè)定不僅保證了模型的合理性和可行性，還能夠更準確地反映投資者在現(xiàn)實投資中的決策過程和限制因素，為投資者提供更具實際指導意義的投資組合選擇方案。4.3模型的數(shù)學表達與求解4.3.1數(shù)學模型的建立基于前文的假設(shè)和目標函數(shù)，我們構(gòu)建如下基于投資者情緒的動態(tài)投資組合選擇模型。假設(shè)市場中有n種風險資產(chǎn)和1種無風險資產(chǎn)，用R_i表示第i種風險資產(chǎn)的收益率，R_f表示無風險資產(chǎn)的收益率，w_i表示投資于第i種風險資產(chǎn)的權(quán)重，w_0表示投資于無風險資產(chǎn)的權(quán)重，且\sum_{i=1}^{n}w_i+w_0=1。投資組合的預期收益率E(R_p)為：E(R_p)=w_0R_f+\sum_{i=1}^{n}w_iE(R_i)投資組合收益率的方差\sigma_p^2為：\sigma_p^2=\sum_{i=1}^{n}\sum_{j=1}^{n}w_iw_j\text{Cov}(R_i,R_j)其中，\text{Cov}(R_i,R_j)表示第i種風險資產(chǎn)和第j種風險資產(chǎn)收益率的協(xié)方差，反映了兩種資產(chǎn)收益率之間的相互關(guān)系。風險厭惡系數(shù)\lambda(\theta)是投資者情緒\theta的函數(shù)，假設(shè)其具體形式為\lambda(\theta)=\lambda_0+\lambda_1\theta，其中\(zhòng)lambda_0為基礎(chǔ)風險厭惡系數(shù)，反映了投資者在理性狀態(tài)下的風險厭惡程度；\lambda_1為情緒對風險厭惡系數(shù)的影響系數(shù)，\theta為投資者情緒指標，其取值范圍根據(jù)具體的情緒度量方法確定，例如通過主成分分析等方法構(gòu)建的綜合情緒指數(shù)，取值可能在一定區(qū)間內(nèi)波動。當\theta增大時，表示投資者情緒更加樂觀，\lambda(\theta)減小，投資者對風險的容忍度增加；當\theta減小時，表示投資者情緒更加悲觀，\lambda(\theta)增大，投資者對風險的規(guī)避傾向增強。則投資者效用函數(shù)U為：U=E(R_p)-\frac{1}{2}\lambda(\theta)\sigma_p^2結(jié)合投資組合權(quán)重的非負約束w_i\geq0（i=0,1,\cdots,n）和總投資金額約束\sum_{i=1}^{n}w_i+w_0=1，我們得到完整的基于投資者情緒的動態(tài)投資組合選擇模型：\begin{align*}\max_{w_0,w_1,\cdots,w_n}&\U=w_0R_f+\sum_{i=1}^{n}w_iE(R_i)-\frac{1}{2}(\lambda_0+\lambda_1\theta)\sum_{i=1}^{n}\sum_{j=1}^{n}w_iw_j\text{Cov}(R_i,R_j)\\\text{s.t.}&\\sum_{i=1}^{n}w_i+w_0=1\\&w_i\geq0,\i=0,1,\cdots,n\end{align*}這個模型全面地考慮了投資者情緒對投資組合選擇的影響，通過投資者情緒指標\theta動態(tài)調(diào)整風險厭惡系數(shù)，進而影響投資組合中風險資產(chǎn)和無風險資產(chǎn)的配置比例，以實現(xiàn)投資者效用最大化。4.3.2求解方法與算法實現(xiàn)為求解上述基于投資者情緒的動態(tài)投資組合選擇模型，我們采用拉格朗日乘數(shù)法將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題。引入拉格朗日乘數(shù)\mu和\nu_i（i=0,1,\cdots,n），構(gòu)建拉格朗日函數(shù)L：\begin{align*}L(w_0,w_1,\cdots,w_n,\mu,\nu_0,\nu_1,\cdots,\nu_n)&=w_0R_f+\sum_{i=1}^{n}w_iE(R_i)-\frac{1}{2}(\lambda_0+\lambda_1\theta)\sum_{i=1}^{n}\sum_{j=1}^{n}w_iw_j\text{Cov}(R_i,R_j)\\&+\mu\left(1-\sum_{i=1}^{n}w_i-w_0\right)-\sum_{i=0}^{n}\nu_iw_i\end{align*}對拉格朗日函數(shù)L分別關(guān)于w_0,w_1,\cdots,w_n,\mu,\nu_0,\nu_1,\cdots,\nu_n求偏導數(shù)，并令偏導數(shù)等于0，得到以下方程組：\begin{cases}\frac{\partialL}{\partialw_0}=R_f-\mu-\nu_0=0\\\frac{\partialL}{\partialw_i}=E(R_i)-(\lambda_0+\lambda_1\theta)\sum_{j=1}^{n}w_j\text{Cov}(R_i,R_j)-\mu-\nu_i=0,\i=1,\cdots,n\\\frac{\partialL}{\partial\mu}=1-\sum_{i=1}^{n}w_i-w_0=0\\\frac{\partialL}{\partial\nu_i}=-w_i=0,\i=0,1,\cdots,n\end{cases}通過求解上述方程組，可以得到投資組合中各資產(chǎn)的權(quán)重w_0,w_1,\cdots,w_n。在實際計算中，由于方程組的求解可能較為復雜，尤其是當資產(chǎn)種類較多時，直接求解可能存在困難。因此，我們可以采用優(yōu)化算法來實現(xiàn)求解過程，如遺傳算法、粒子群優(yōu)化算法、序列二次規(guī)劃算法等。以遺傳算法為例，其實現(xiàn)步驟如下：初始化種群：隨機生成一定數(shù)量的初始投資組合權(quán)重向量，每個向量代表一個個體，組成初始種群。每個個體中的權(quán)重滿足投資組合權(quán)重的非負約束和總投資金額約束，即w_i\geq0（i=0,1,\cdots,n）且\sum_{i=1}^{n}w_i+w_0=1。例如，對于一個包含3種風險資產(chǎn)和1種無風險資產(chǎn)的投資組合，初始種群中的一個個體可能表示為[w_0,w_1,w_2,w_3]=[0.2,0.3,0.3,0.2]。計算適應(yīng)度：根據(jù)目標函數(shù)（即投資者效用函數(shù)）計算每個個體的適應(yīng)度值，適應(yīng)度值越高，表示該個體對應(yīng)的投資組合越優(yōu)。在計算過程中，需要根據(jù)給定的投資者情緒指標\theta確定風險厭惡系數(shù)\lambda(\theta)，進而計算投資組合的預期收益率和方差，得到適應(yīng)度值。選擇操作：根據(jù)個體的適應(yīng)度值，采用輪盤賭選擇、錦標賽選擇等方法，從當前種群中選擇若干個體，作為下一代種群的父代。適應(yīng)度值越高的個體，被選中的概率越大，這體現(xiàn)了“適者生存”的原則，使得優(yōu)秀的投資組合有更大的機會遺傳到下一代。交叉操作：對選中的父代個體進行交叉操作，生成新的個體。例如采用單點交叉方法，隨機選擇一個交叉點，將兩個父代個體在交叉點后的部分進行交換，生成兩個新的子代個體。假設(shè)兩個父代個體分別為[0.2,0.3,0.3,0.2]和[0.1,0.4,0.2,0.3]，交叉點為第2個位置，則交叉后生成的兩個子代個體可能為[0.2,0.4,0.2,0.2]和[0.1,0.3,0.3,0.3]。變異操作：以一定的概率對新生成的個體進行變異操作，隨機改變個體中某些權(quán)重的值，以增加種群的多樣性，避免算法陷入局部最優(yōu)解。例如，對于個體[0.2,0.3,0.3,0.2]，以0.05的變異概率對第3個權(quán)重進行變異，可能將其從0.3變?yōu)?.35。終止條件判斷：判斷是否滿足終止條件，如達到最大迭代次數(shù)、適應(yīng)度值收斂等。如果滿足終止條件，則輸出當前種群中適應(yīng)度值最高的個體，即最優(yōu)投資組合權(quán)重；否則，返回步驟2，繼續(xù)進行下一代的進化。通過上述遺傳算法的迭代優(yōu)化，逐步尋找出在給定投資者情緒狀態(tài)下，使投資者效用最大化的最優(yōu)投資組合權(quán)重。在實際應(yīng)用中，可以根據(jù)具體問題的特點和需求，對遺傳算法的參數(shù)（如種群大小、交叉概率、變異概率等）進行調(diào)整，以提高算法的性能和求解效果。五、模型的實證檢驗與結(jié)果分析5.1實證數(shù)據(jù)的選取與處理5.1.1樣本數(shù)據(jù)的來源與范圍本研究選取了股票市場和債券市場的歷史數(shù)據(jù)，以全面分析基于投資者情緒的動態(tài)投資組合選擇模型的有效性。股票市場數(shù)據(jù)來源于知名金融數(shù)據(jù)提供商Wind數(shù)據(jù)庫，涵蓋了滬深300指數(shù)成分股的每日收盤價、開盤價、最高價、最低價、成交量和成交額等信息。這些數(shù)據(jù)能夠準確反映股票市場的交易情況和價格波動，為模型的實證分析提供了豐富的市場信息。債券市場數(shù)據(jù)則來自中債金融估值中心，包括國債、企業(yè)債等不同類型債券的收益率、發(fā)行量、期限等數(shù)據(jù)，為研究債券市場的投資組合提供了可靠依據(jù)。數(shù)據(jù)的時間范圍設(shè)定為2015年1月1日至2023年12月31日，共計9年的時間。選擇這一時間段主要基于以下考慮：該時間段經(jīng)歷了多個完整的市場周期，包括牛市、熊市和震蕩市，能夠充分反映市場的不同狀態(tài)和投資者情緒的變化。在2015年上半年，中國股票市場經(jīng)歷了一輪快速上漲的牛市行情，投資者情緒高漲，市場交易活躍；隨后在2015年下半年至2016年初，市場出現(xiàn)了大幅下跌，投資者情緒轉(zhuǎn)為悲觀，市場恐慌情緒蔓延。在2018年，受宏觀經(jīng)濟環(huán)境和貿(mào)易摩擦等因素的影響，股票市場持續(xù)下跌，投資者情緒低迷。而在2019年至2021年，市場又呈現(xiàn)出震蕩上漲的態(tài)勢，投資者情緒逐漸恢復。這一時間段內(nèi)，債券市場也受到宏觀經(jīng)濟政策、利率波動等因素的影響，經(jīng)歷了不同的市場階段。通過選取這一時間段的數(shù)據(jù)，可以更全面地檢驗模型在不同市場環(huán)境下的表現(xiàn)。樣本數(shù)量方面，對于股票市場，滬深300指數(shù)成分股在不同時間點可能會有所調(diào)整，但總體保持在300只左右，因此在整個時間范圍內(nèi)，股票樣本數(shù)量充足，能夠滿足實證分析的需求。對于債券市場，選取了不同期限、不同信用等級的債券樣本，共計500只左右，以確保債券市場數(shù)據(jù)的多樣性和代表性。這些樣本債券涵蓋了國債、政策性金融債、企業(yè)債等多種類型，不同期限從短期到長期均有涉及，信用等級也包括了高等級、中等等級和低等級，能夠全面反映債券市場的特征和投資者的投資選擇。5.1.2數(shù)據(jù)的清洗與預處理在獲取原始數(shù)據(jù)后，首先進行數(shù)據(jù)清洗，以確保數(shù)據(jù)的準確性和可靠性。通過設(shè)定合理的價格范圍和成交量閾值，識別并去除異常值。對于股票價格，若某只股票的收盤價在一天內(nèi)出現(xiàn)異常大幅波動，超出了正常價格波動范圍的3倍標準差，則將該數(shù)據(jù)點視為異常值進行剔除。對于成交量，若某只股票的成交量突然出現(xiàn)異常高或低的情況，超出了歷史成交量均值的3倍標準差，也將該數(shù)據(jù)點進行檢查和處理，可能是由于數(shù)據(jù)錄入錯誤或其他原因?qū)е?，需進行修正或刪除。針對數(shù)據(jù)中的缺失值，采用了多種方法進行處理。對于股票價格和成交量的缺失值，若缺失天數(shù)較少，采用前向填充或后向填充的方法，即使用前一天或后一天的數(shù)據(jù)進行填充；若缺失天數(shù)較多，則采用線性插值法，根據(jù)前后數(shù)據(jù)的變化趨勢進行插值計算，以填補缺失值。對于債券收益率的缺失值，若缺失數(shù)據(jù)點較少，可采用均值填充法，即使用該債券在其他時間點的收益率均值進行填充；若缺失數(shù)據(jù)點較多，則考慮使用時間序列模型進行預測填充，如ARIMA模型，通過對歷史收益率數(shù)據(jù)的建模和預測，得到缺失值的估計值。為了使不同數(shù)據(jù)具有可比性，對數(shù)據(jù)進行了標準化和歸一化處理。對于股票價格和成交量數(shù)據(jù)，采用Z-score標準化方法，將數(shù)據(jù)轉(zhuǎn)化為均值為0，標準差為1的標準正態(tài)分布。具體計算公式為：z=\frac{x-\mu}{\sigma}，其中x為原始數(shù)據(jù)，\mu為數(shù)據(jù)的均值，\sigma為數(shù)據(jù)的標準差。對于債券收益率數(shù)據(jù)，采用歸一化方法將其映射到[0,1]區(qū)間，計算公式為：y=\frac{x-x_{min}}{x_{max}-x_{min}}，其中x為原始數(shù)據(jù)，x_{min}和x_{max}分別為數(shù)據(jù)的最小值和最大值。通過這些標準化和歸一化處理，能夠消除數(shù)據(jù)量綱和數(shù)量級的影響，使不同資產(chǎn)的數(shù)據(jù)在同一尺度上進行比較和分析，提高模型的準確性和穩(wěn)定性。五、模型的實證檢驗與結(jié)果分析5.2模型的檢驗與評估5.2.1檢驗方法的選擇為了全面、準確地檢驗基于投資者情緒的動態(tài)投資組合選擇模型的有效性，本研究采用了回測分析和模擬交易兩種方法?；販y分析是一種廣泛應(yīng)用于金融領(lǐng)域的檢驗方法，它通過使用歷史數(shù)據(jù)來模擬投資組合的實際運作過程，以評估模型在過去市場環(huán)境下的表現(xiàn)。在回測過程中，我們將歷史數(shù)據(jù)按照時間順序劃分為多個時間段，在每個時間段內(nèi)，根據(jù)模型計算出的最優(yōu)投資組合權(quán)重進行資產(chǎn)配置，并記錄投資組合的收益率、風險等指標。通過對這些指標的分析，可以了解模型在不同市場條件下的盈利能力和風險控制能力。例如，我們可以選擇過去10年的股票市場數(shù)據(jù)，將其劃分為月度數(shù)據(jù)進行回測分析。在每個月的月初，根據(jù)模型計算出