两种情绪量表的对比：解耦多元情绪动态中的短期与长期成分
综合金融
2020-09-08 v4 统计金融
应用统计
摘要
我们提出了一种针对资产组合的情绪数据过滤新方法。在我们的框架中，一个动态因子模型驱动着观测情绪的变化，并能够识别出两个不同的成分：一个被建模为随机游走的长期成分，以及一个由平稳 VAR(1) 过程驱动的短期成分。我们的模型涵盖了文献中已有的替代方法，并且可以通过卡尔曼滤波和期望最大化算法方便地进行估计。这一特性使其在投资组合的横截面维度增加时非常便利。通过将该模型应用于一个道琼斯股票组合，我们发现长期成分与市场主因子存在协整关系，而短期成分则捕捉了与特质成分相关的市场瞬时波动，并捕获了收益的相关结构。利用分位数回归，我们评估了情绪对收益的同期和滞后解释能力的显著性，发现在考虑极端收益（尤其是负收益）时，存在强有力的统计证据。最后，这种滞后关系被应用于一项投资组合配置练习中。
引用
@article{arxiv.1910.01407,
title = {A tale of two sentiment scales: Disentangling short-run and long-run components in multivariate sentiment dynamics},
author = {Danilo Vassallo and Giacomo Bormetti and Fabrizio Lillo},
journal= {arXiv preprint arXiv:1910.01407},
year = {2020}
}
备注
37 pages, 8 figures. The authors thank Thomson Reuters for kindly providing Thomson Reuters MarketPsych Indices time series. We benefited from discussion with Giuseppe Buccheri, Fulvio Corsi, Luca Trapin, as well as with conference participants to the Quantitative Finance Workshop 2019 at ETH in Zurich and the AMASES XLIII Conference in Perugia