pp电子Oxylabs 经验之谈：从投资者情绪中得出相关性

发布时间：2022-12-27 21:00:33 丨 浏览次数：

　　pp电子情绪分析(Sentiment Analysis)以其能够提供有关特定人群对特定现象的情绪、感受和观点的描述性信息的能力而闻名。不过,分析情绪是否具备预测潜力,则广受质疑。

　　投资者情绪数据也面临同样的问题。即使它被认为能够指导短期决策,但也常常被视为对于长期预测不可靠的工具。然而,最近的研究可能表明事实并非如此。pp电子

　　一直以来,投资者情绪被认为有助于确定短期策略。最显著的是,John Templeton 爵士等逆向投资者认为情绪可以用于指导决策。邓普顿曲线(Templeton Curve)表明,牛市在悲观阶段启动,而在f投资者对市场前景普遍高度乐观时终结。

　　首先,该曲线可视为一款弄清楚市场目前在哪个阶段的工具。pp电子然后,如果我们认同逆向投资的原则,就可以与投资者情绪进行对赌,在悲观期买入,而在投资者信心高亢时卖出。

　　但是,市场显然比这样一个简单的规律要复杂得多。因此,这只能是一个基本模型,我们必须以此作为起点,进一步考察潜在的市场相关性。

　　也许最近研究揭示的最清晰规律是美国市场上股票债券相关性中出现的投资者情绪影响的长期稳定性。股票-债券相关性是指这两类资产的回报率走势的彼此相关程度,无论是相同或相反方向。虽然经济危机会导致债券和股市相关性发生变化,但投资者情绪影响即使在长期仍会体现出来。

　　传统知识会表达不同观点,即股票与债券的相关性应该比投资者情绪对市场的影响更稳定。pp电子如果投资者情绪对这种基础相关性有持久的影响,则其预测能力可能远比之前想象的更广泛。

　　在地球另一端,关于中国股市的研究表明,情绪可能在其他意想不到的关系中起着重要作用。分析师在文中表明,投资者过高信心与羊群行为可能是相关的。

　　这种发现结果让人感到意外,因为一般认为信心和羊群行为是不相关甚至是互斥的。直观来说,投资者对自己的能力越有信心,就应该越能在决策中抗拒羊群行为的冲动。

　　对于研究人员和政策制定者来说,对不同类型非理性行为相关性的这些新洞察带来了许多深远影响。不过,最重要的经验教训适用于投资者本身,即情绪会在意想不到的许多方面对市场产生影响。

　　情绪并不是能够直接衡量的指标。对于当下投资者情绪及其影响的任何结论将取决于情绪的预定义可衡量代理指标。

　　人们提出了各种指数来代表投资者情绪。将情绪指数化的经典方法会采用最近股票表现数据来评估活动规律。这样就可以确定看涨或看跌趋势,但除此之外,基本上无助于预测。

　　另一种备用策略是对投资者进行调查,直接询问他们对特定市场或股票的未来看法。然而,这仅仅是情绪分析的第一步。接下来需要了解他们的情绪可能如何影响其决策,进而如何影响市场。

　　还可以了解媒体中的市场情绪。该方法的潜在优势是,相较于仅查看最近交易,还能够看到别的东西。财经新闻媒体长期以来一直被用作市场情绪的来源。但是,如今媒体种类繁多、接触方便,这就为数据采集提供了新的阵地。

　　不过,采取这种方法的劣势在于,定义要寻找的指标可能更加棘手。尤其是媒体中的财经话题五花八门,而它们对于确定市场情绪的影响力并不均等。将情绪的重要指标与所有干扰信息区分开,就需要严格的方法。

　　关于市场的悲观或乐观情形可以在文本的词汇和语气中表达出来。但也可以在随附的图像中体现出来。研究表明,传达投资者情绪时,视觉和文本数据可以彼此代替,而不是成为彼此的组成部分。因此,利用相同来源的一种数据类型可能就足够了。

　　在最近的不同研究中,有一个共同点就是,投资者情绪的重要性远超传统市场回报数据所表明的程度。为了根据情绪来预测投资者行为,我们需要至少三大类数据。一类数据涉及哪些因素会影响投资者情绪,一类数据涉及情绪本身,一类数据涉及情绪对市场的影响。

　　这些类别中的信息很分散,范围十分广泛,因为许多因素都可能影响投资者的情绪。从快速发展的城市环境到天气,各种各样的变化都可能与投资者情绪变化产生关联。因此,需要采取大数据挖掘的最新方法来高效收集信息。pp电子

　　互联网上公开可访问的来源提供了在合理的时间范围内获取所有必要数据以进行充分分析的最佳机会。网络抓取广泛用于获取所需的数据。机器学习技术会用于情绪分析,例如,分析抓取的文本的词汇。

　　由于大量此类数据类型,除了几乎是获取替代数据所必需的之外,网络抓取还可以帮助处理传统信息。pp电子有关股票和债券市场表现的历史数据在网上存档中可用时,也可以进行抓取。

　　彼此比较时,这种传统市场数据和各种替代数据类型可以揭示之前从未注意到的历史相关性。这样我们可以更好地理解投资者情绪的内涵和外延。但更重要的是,这表明我们远未充分利用其全部潜力。