跳到主要內容

臺灣博碩士論文加值系統

(44.200.171.156) 您好!臺灣時間:2023/03/27 09:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:陳品傑
研究生(外文):CHEN,PIN-CHIECH
論文名稱:社會情緒對股市的影響-以台灣股市為例
論文名稱(外文):Social Emotions on the Stock Market-Taiwan Stock Market as an Example
指導教授:張子溥張子溥引用關係
指導教授(外文):CHANG,TZU-PU
口試委員:劉志良賴雅雯
口試委員(外文):LIU,CHIH-LIANGLAI,YA-WEN
口試日期:2018-06-22
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:財務金融系
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2018
畢業學年度:106
語文別:中文
論文頁數:84
中文關鍵詞:投資人情緒馬可夫轉換模式激發水準情緒向性google 趨勢
外文關鍵詞:Investor sentimentMarkov switching modelarousalvalencegoogle trend
相關次數:
  • 被引用被引用:3
  • 點閱點閱:550
  • 評分評分:
  • 下載下載:166
  • 收藏至我的研究室書目清單書目收藏:0
社會情緒有千百種的可能,本文想探討社會情緒對台灣股市的影響,建構投資人情緒指標,使用廣義知網知識本體架構2.0中精神狀態值好心情(壞心情),建構google trends(財經類別所有網站)情緒指標。情緒指標可以被分為直接和間接,本文使用間接情緒指標,使用馬可夫轉換模式分析大盤及個股,個股選自台灣50、中型100、富櫃50中的成分股。研究結果發現大盤對情緒變數有顯著的影響,波動性小的regime為多頭市場;而波動性大的regime為空頭市場。個股我們進一步作穩定性分析,發現科技類股族群有相同的狀態,在多頭市場好的情緒變數分數較高,而空頭市場壞的情緒變數分數較高。最後兩者間有一個共通之處,當大盤下跌時個股也會連動受影響。本文建構的兩個情緒變數較適合用於大盤分析,個股只有科技類股有相同的特性。 關
There are thousands of possible social emotions. This article wants to discuss the influence of social sentiment on Taiwan stock market. Using the E-HowNet 2.0 mental state value good mood (bad mood), constructs the Google Trends (all financial category website) sentiment pointer. Emotional pointers can be divided into direct and indirect. This article uses the indirect emotion pointer. The use of Markov switching model, test-ing the market and stocks. Stocks selected from TWSE 50, TWSE 100, and TPEx 50 In-dex. The results show that the market has a significant influence on emotion variables. The volatility of small regime for the bull market, while the volatility of big regime for the bear market. Further analysis for robustness test, founding that tech stocks have the same status. Good emotional variables score higher in Bulls market and Bad emotional variables score higher in Bear market. When the market falls, stocks will be affected by moving. This article constructs two mood vari-ables to be suitable for the market analysis, the stock only tech stocks have the same characteristic.
摘要 ..................................................................................................................................i
Abstract ......................................................................................................................... ii
目錄 ................................................................................................................................iii
表目錄 .............................................................................................................................iv
圖目錄 .............................................................................................................................vi
第一章 緒論 ......................................................................................................................1
1.1研究背景 ....................................................................................................................1
1.2 研究動機及目的 ........................................................................................................1
第二章 文獻探討 ...............................................................................................................3
2.1投資人情緒直接指標和股市預測相關文獻 ..................................................................3
2.2 投資人情緒間接指標和股市預測相關文獻 .................................................................3
2.3 Arousal and Valence 相關文獻 .................................................................................4
2.4 SVI相關文獻..............................................................................................................6
第三章 研究方法 ................................................................................................................8
3.1 資料樣本說明 ............................................................................................................8
3.2 迴歸分析探討 ..........................................................................................................11
第四章 實證結果...............................................................................................................14
4.1 敘述統計..................................................................................................................14
4.2 馬可夫轉換模型對市場分析 ....................................................................................15
4.3 馬可夫轉換模型對大、中小個股分析 ......................................................................19
4.4 大、中小型個股穩定性分析.......................................................................................24
第五章 結論.....................................................................................................................35
參考文獻......................................................................................................................... 36
附錄.................................................................................................................................40
一、 英文部分
【1】Aharoni, G., Grundy, B., & Zeng, Q. (2013). Stock returns and the Miller Modigliani valuation formula: Revisiting the Fama French analysis. Journal of Financial Economics,110(2), 347-357.
【2】Baker, M., & Stein, J. C. (2004). Market liquidity as a sentiment indicator. Journal of Financial Markets, 7(3), 271-299.
【3】Baker, M., & Wurgler, J. (2007). Investor sentiment in the stock market. Journal of economic perspectives, 21(2), 129-152.
【4】Bijl, L., Kringhaug, G., Molnár, P., & Sandvik, E. (2016). Google searches and stock returns.International Review of Financial Analysis,45, 150-156.
【5】Choi, H., & Varian, H. (2012). Predicting the present with Google Trends. Economic Record,88(s1), 2-9.
【6】Cohen-Charash, Y., Scherbaum, C. A., Kammeyer-Mueller, J. D., & Staw, B. M. (2013). Mood and the market: can press reports of investors' mood predict stock prices? PloSone,8(8), e72031.
【7】Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance,66(5), 1461-1499.
【8】Da, Z., Engelberg, J., & Gao, P. (2014). The sum of all FEARS investor sentiment and asset prices.The Review of Financial Studies,28(1), 1-32.
【9】Fisher, K. L. and M. Statman (2000). Investor Sentiment and Stock Returns. Journal of financial analysis, 56(2),16-23.
【10】Forgas, J. P. (1995). Mood and judgment: the affect infusion model (AIM).Psychological bulletin,117(1), 39.
37
【11】Han, Y., Yang, K., & Zhou, G. (2013). A new anomaly: The cross-sectional profitability of technical analysis. Journal of Financial and Quantitative Analysis,48(5), 1433-1461.
【12】Kostopoulos, D., & Meyer, S. (2017). Disentangling Investor Sentiment: Mood and Economic Expectations. Working paper.
【13】Lemmon, M., & Portniaguina, E. (2006). Consumer confidence and asset prices: Some empirical evidence. The Review of Financial Studies,19(4), 1499-1529.
【14】Loughlin, C., & Harnisch, E. (2014). The viability of StockTwits and Google Trends to predict the stock market. Working paper.
【15】Mano, H. (1992). Judgments under distress: Assessing the role of unpleasantness and arousal in judgment formation. Organizational Behavior and Human Decision Processes,52(2), 216-245.
【16】Mao, H., Counts, S., & Bollen, J. (2011). Predicting financial markets: Comparing survey, news, twitter and search engine data. Cornell University.
【17】Nofsinger, J. R. (2005). Social mood and financial economics. The Journal of Behavioral Finance,6(3), 144-160.
【18】Olson, K. R. (2006). A literature review of social mood. The Journal of Behavioral Finance,7(4), 193-203.
【19】Ritter, J. R. (1991). The long‐run performance of initial public offerings. The journal of finance,46(1), 3-27.
【20】Ruan, Y., Durresi, A., & Alfantoukh, L. (2018). Using Twitter trust network for stock market nalysis. Knowledge-Based Systems,145, 207-218.
【21】Sheu, H. J., & Wei, Y. C. (2011). Effective options trading strategies based on volatility forecasting recruiting investor sentiment. Expert Systems with Applications,38(1), 585-596.
【22】Takeda, F., & Wakao, T. (2014). Google search intensity and its relationship with returns and trading volume of Japanese stocks. Pacific-Basin Finance Journal, 27, 1-18.
【23】Vlastakis, N., & Markellos, R. N. (2012). Information demand and stock market volatility. Journal of Banking & Finance, 36(6), 1808-1821.
二、 中文部分
【1】王虹雯 . (2015). 公司治理 , 投資人情緒與股票報酬關聯性之研究 —採用 Ohlson 模型 . 中正大學經濟系國際研究所位論文 , 1-53.
【2】吳貞慧 , & 劉維琪 劉維琪 . (2006). 台灣上市公司績效與投資人行為偏誤之研究 台灣上市公司績效與投資人行為偏誤之研究 . 財務金融學刊 , 14(2), 1-39.
【3】吳靖東 . (2014). 投資人情緒對股票報酬之影響 ─ 馬可夫狀態轉換模式之應 用. 創新與管理 , 10(4), 67-94
【4】李永隆 , 杜玉振 , & 王瑋瑄 . (2017). Google 搜尋量指數對臺灣股票報酬與成 交量之影響 . 管理與系統 , 24(4), 565-590.
【5】李訓強 (2011),「市場與行為因素對股票報酬之影響 ,「市場與行為因素對股票報酬之影響 ,「市場與行為因素對股票報酬之影響 -馬可夫轉換模型之應 用」, 國立中山大學財務管理系碩士論文 .
【6】周賓凰 , 張宇志 , & 林美珍 . (2007). 投資人情緒與股票報酬互動關係 投資人情緒與股票報酬互動關係 . 證券 市場發展季刊 , 第十九卷二期 , 153-190.
【7】邱臙珍 . (2014). 流動性共變影響因子之研究 : 資金流動性與機構投人交易 行為觀點 . 經濟研究 (Taipei Economic Inquiry), 50(2), 211-289. 【8】黃浚紘 (2013)。Google是否能預測台灣股票報酬率? 是否能預測台灣股票報酬率? 國立臺灣大學財務金融 學研究 所學位論文。
【9】劉清標 , 林筱鳳 , & 陳宏榮 . (2017). 股價報酬與投資人情緒之預測 股價報酬與投資人情緒之預測 . 財金論 文叢刊 , (26), 1-18.
【10】歐瓊鎂 . (2013). 台灣非預期貨幣政策對股票報酬率之不稱影響 -馬可夫轉 換模型之應用 . 臺北大學經濟系位論文 , 1-66.
【11】蔡瞿聿 (2009 )。投資人情緒指標與台灣加權股價報酬關聯性之探討。國立 中正大學財務金融研究 所碩士學位論文 。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊