“投资范围包括CSMAR数据库中的中国股票，并要求在东方财富股吧上有数据。股吧数据通过支持向量机分析情绪。首先计算期望（正面帖子减去负面帖子），然后进行横截面排名。构建非线性回归模型解释排名，考虑与特定周相关的四个周期，估算参数并计算均方预测误差（MSFE）。最终参数为加权平均，每周使用这些参数预测股票的外推预期和残差预期。基于预测和残差将股票双排序为三分位组，做多预测最低且残差最高的股票，做空预测最高且残差最低的股票，策略为市值加权并每周重新平衡。”
资产类别：股票 | 地区：中国 | 频率：每周 | 市场：股票 | 关键词：外推，中国
策略概述
投资范围包括中国股票市场与会计研究（CSMAR）数据库中的股票，并且这些股票在东方财富股吧上有数据。股吧数据来自中国研究数据服务（CNRDS），后者使用支持向量机分析帖子中的文本信息，并将情绪分为正面、负面或中性。首先，期望定义为正面帖子减去负面帖子的数量，再除以正面和负面帖子的总和。其次，计算投资者预期的横截面排名，这是本文的主要变量。接下来，构建非线性回归模型，该模型解释了横截面排名，由两个参数和过去从t到t-11（t表示周）的收益加权和构成——详见文章中的公式3。然后，考虑与特定周m相关的四个周期：一个验证期m-6到m-1，三个估算期m-18到m-7；m-22到m-7；以及m-26到m-7。估算参数的步骤为：首先，在三个估算期上估计回归。然后，针对每个估算期，使用估计值计算验证期的均方预测误差（MSFE）。最终的参数估算值是每个估算期参数的加权平均，权重为MSFE的倒数，并归一化为1。每周针对每只股票使用这些参数估算预测的外推预期（拟合值）和残差预期。基于预测预期和残差预期将股票双排序为三分位组（30-40-30）以获得3×3的投资组合。做多预测最低且残差最高的股票，做空预测最高且残差最低的股票。该策略为市值加权并每周重新平衡。
策略合理性
首先，使用社交媒体上的投资者情绪并非新颖之举，许多研究使用了StockTwits数据。在这一点上，研究与其他文献一致，表明有必要审查和理解社交媒体中提供的信息。其次，作者从经济（投资组合排序）和统计（含多种控制变量的线性模型）上检验了原始预期、预测预期和残差预期的预测能力。两种方法均显示基于情绪形成的预期可以用来预测未来回报，并且这些预测可以形成显著的投资策略。最后但同样重要的是，该策略的统计显著性非常高，并且是市值加权的，这在中国市场众多小盘股的背景下是一个积极信号。
论文来源
Extrapolation in China’s Stock Market: Returns, Price Crash Risk and Price Informativeness [点击浏览原文]
杨思源，李思扬，清华大学五道口金融学院
<摘要>
利用中国股吧论坛的新数据，我们全面分析了横截面的回报外推，并将其与回报可预测性和市场质量联系起来。我们发现，投资者从过去的回报中进行外推以形成他们的信念，并且外推信念会负向预测未来回报，而残差预期则具有正向预测能力。我们基于投资者情绪构建了一项多空增强交易策略，获得了显著的每周收益0.7%（年化收益率为43%，其中多头收益为23%）。投资者在换手率高、波动性低、基本面健康且信息透明的股票上倾向于更多外推，而较高的外推度（DOX）会导致更高的股票价格崩盘风险和较低的价格信息效率。最后，我们强调了提升投资者金融素养的必要性。
回测表现
年化收益率43.72%波动率17.37%BetaN/A夏普比率2.52索提诺比率N/A最大回撤N/A胜率N/A
Related