摘要：研究目标:构建反映行业股价走势的基于社交网络文本挖掘算法的行业投资者情绪指标，并改善嵌入行业投资者情绪指标的Black-Litterman模型对资产的配置结果。研究方法:基于社交网络文本挖掘算法度量投资者情绪，运用主成分分析法构建行业投资者情绪指标，并嵌入Black-Litterman模型中构建投资者观点矩阵，确定行业资产配置比。研究发现:基于行业投资者情绪的BL模型有效提高了资产配置的日均收益率和夏普比率。实证结果在样本外验证(除受新冠疫情影响阶段)、暴涨暴跌阶段以及经过允许卖空和交易成本调整后仍稳健，进而证实了投资者情绪对资产组合有显著影响。研究创新:基于社交网络文本挖掘算法构建投资者情绪指数，解决了仅依赖于预期收益或历史数据的预测模型无法直观揭示投资者心理认知和行为的局限性问题，从一个崭新的视角科学地解决Black-Litterman模型中投资者观点的生成问题。研究价值:扩展了Black-Litterman模型理论体系研究，并推动了行为金融理论在资产配置中的应用。
文章目录
引 言
一、行业投资者情绪指标构建
1.行业投资者情绪指标构建的研究设计
2.情绪代理变量的解释
(1)行业日度股票成交量CJL及日度股票成交额CJE。
(2)行业日度平均换手率HSL。
(3)行业日度涨跌幅ZDF。
(4)行业日度每股市净率PB。
(5)行业日度每股市盈率PE。
(6)文本情绪指标TSENT。
3.数据来源
4.合理性检验
(1)指标描述性分析。
(2)各行业投资者情绪代理变量的筛选及KMO检验和Bartlett's球形检验。
5.行业投资者情绪指标构建
6.各行业情绪指标与其收盘价的相关性分析
二、Black-Litterman 模型及观点矩阵的构建
1.Black-Litterman模型的基本假设及算法
2.观点矩阵的构建
3.实证研究
三、稳健性检验
1.允许卖空和考虑交易成本
2.样本外测试
(1)2019年6月24日～2019年9月29日。
(2)2019年10月8日～2019年12月31日。
(3)2020年1月2日～2020年3月27日。
(4)股市暴涨暴跌阶段。
①暴涨阶段(2015年3月16日～2015年6月19日)。
②暴跌阶段(2015年6月23日～2015年9月25日)。
(5)股市较快或较慢上涨/下跌阶段。
①较快上涨阶段(2015年3月16日～2015年4月30日)。
②较慢上涨阶段(2015年5月4日～2015年6月19日)。
③较快下跌阶段(2015年6月23日～2015年8月7日)。
④较慢下跌阶段(2015年8月10日～2015年9月25日)。
四、结论
