IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于对称三角模糊集的股票投资者情绪传播模型

已有 224 次阅读 2020-7-29 18:38 |系统分类:博客资讯

投资者情绪是股票市场中普遍存在的一种引起非理性投资行为从而导致股票价格波动的重要因素。本文采用模糊集合理论,为股票投资者情绪的传播过程构建了数学模型,从而帮助大家更深刻地理解资产定价问题。已有文献认为投资者情绪是对未来收益的预期,其最终会反映到金融资产的价格中,故本文在建模过程中同样从投资者预期(比如股票价格会“大幅上涨”)的角度定义股票投资者情绪。


股票市场中,投资者们经常会在财经社区(比如股吧、雪球网等)中交流各自的投资观点(如下图)。以股票A的两位投资者张三和李四为例展开分析。比如,张三预期股票A的价格会“大幅上涨”;而李四则预期股票价格会“小幅下跌”。此处的语言词“大幅上涨”、“小幅下跌”即分别为张三和李四的投资预期。如何对“语言词”表示的投资者预期进行建模?


image002.png


一直以来,投资者情绪是业界和学界共同关注的话题。特别是近些年,随着机器学习、神经网络、生物医学等领域的发展,以金融市场中人的情绪为情景开展的研究有了井喷式增长。已有研究中,王立新教授提出的模糊舆情网络模型实现了“语言词”的建模问题。该模型可以视作数学上较易处理的基于代理人模型,其克服了参数和自由度过多所带来的模型输出结果无法解释的问题。在该模型中,模糊集合的隶属度函数采用高斯函数形式,高斯函数的中心值表示投资者观点的中心值,高斯函数的不确定性表示投资者观点中心值所对应的不确定性。


然而,由于高斯函数是连续函数,非0隶属度值变量的取值范围是从负无穷大到正无穷大. 使用该函数刻画人类思维的模糊性包括了一个隐含的假定前提:即投资者的观点值是在无穷大的区间内变动的。而现实中,人的观点值往往是在一个有限区间内进行取值的。因此,本文在构建股票投资者情绪传播模型时, 模型集合的隶属度函数选用对称三角模糊集合。对称三角隶属度函数保留了高斯函数的均值和方差信息,且具有分段函数的性质。通过使用分段函数, 我们可以将非0隶属度函数值限定在一个有限的区间内,其余区间的隶属度函数值为0, 从而更准确地刻画股票投资者情绪的模糊性。另一方面, 与高斯函数相比, 对称三角隶属度函数形式简单, 在模型计算过程中,计算复杂度更小,在金融量化投资过程中可以显著提高计算速度。


具体地,本文首先基于对称三角模糊集构建了三种基本的投资者情绪传播模型,分别为模糊股价预期中心传播(图1)、模糊股价预期不确定性传播(图2)、模糊股价预期中心及不确定性传播(图3)。

image003.png

图1 模糊股价预期中心传播   

image004.png

    图2 模糊股价预期不确定性传播

 

image005.png

图3 模糊股价预期中心及不确定性传播  


基于以上三种基本的投资者情绪传播模型,我们将投资者情绪传播过程模型化(见(图4和图5),以验证所提出的股票投资者情绪传播模型的有效性。

 

image006.png

图4 闭环投资者情绪传播示意图

image007.png

图5 投资者情绪传播结构图


本文的结论主要如下:

1)当投资者情绪的传播方式为模糊股价预期中心传播时,表示投资者情绪的无条件模糊集合中心值为中心提供者的投资者情绪中心值。

2)当投资者情绪的传播方式为模糊股价预期不确定性传播时,投资者情绪的中心值保持不变,但其隶属度函数形式发生了变化。通过分析最终的无条件隶属度函数发现,我们发现非0隶属度函数对应的取值区间增大,表示投资者情绪的模糊集合包含了更多元素,变得更“模糊”了。

3)当投资者情绪的传播方式为模糊股价预期中心及不确定性传播时,投资者情绪的中心值为中心提供者的投资者情绪中心值,投资者情绪的隶属度函数形式发生了改变。


股票投资者情绪的不确定性严格上讲是一个非对称不确定性问题,但在模型构建过程中,基于非对称隶属度函数的推导过程异常复杂。对称三角函数作为非对称三角函数的一种特殊形式,其非0隶属度函数值取值区间的确定可为非对称三角函数相应取值区间的确定提供有益的参考,从而为非对称不确定性环境下的股票投资者情绪传播模型研究奠定良好的基础。


引用格式:王会东, 李兆东, 姚金丽, 余德淦. 基于对称三角模糊集的股票投资者情绪传播模型. 自动化学报, 2020, 46(5): 1031−1043.


链接:http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190437


作者简介


王会东, 山东财经大学管理科学与工程学院副教授. 2010年获中国科学院自动化研究所博士学位. 主要研究方向为计算智能理论与应用、二型模糊、模糊决策. 本文通信作者. 

E-mail: huidong.wang@ia.ac.cn


李兆东, 山东财经大学管理科学与工程学院硕士研究生. 主要研究方向为模糊舆情网络与投资者情绪. 

E-mail: lzd190663182@163.com


姚金丽, 山东财经大学管理科学与工程学院硕士研究生. 主要研究方向为模糊逻辑理论与应用, 模糊多属性决策. 

E-mail: yjl2mm@126.com


余德淦, 中山大学管理学院和中山大学现代会计与财务研究中心副研究员. 2017年获得美国罗德岛大学博士学位. 目前主要研究方向为公司金融、行为金融和供应链/金融交叉话题. 

E-mail: yudegan@mail.sysu.edu.cn




http://blog.sciencenet.cn/blog-3291369-1244160.html

上一篇:一种学习稀疏BN最优结构的改进K均值分块学习算法
下一篇:欧洲科学院院士Alessandro Astolfi教授:非线性微分代数系统的稳定性

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-9-24 19:12

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部