20210929-中国银河-海外文献-4通过量化维基百科的使用模式预测股市变动_13页_903kb

海外文献-4 通过量化维基百科的使用模式预测股市变动总结

核心内容

该文献探讨了是否可以通过分析维基百科上金融相关页面的浏览量和编辑量变化，预测股市（以道琼斯工业平均指数DJIA）的波动。研究基于2007年12月至2012年4月期间的Wikipedia数据，构建了基于用户活跃度的交易策略，并与随机策略进行对比，评估其预测能力。

主要观点

• 维基百科浏览量与股市波动相关：研究发现，基于维基百科金融相关页面浏览量变化的交易策略在收益上显著高于随机策略，表明投资者在决策前可能通过浏览维基百科获取信息。
• 编辑量与股市波动无关：与浏览量不同，维基百科编辑量的变化并未显示出与股市波动之间的显著关联。
• 非财经类内容无预测能力：当使用与演员和电影制作者相关的维基百科页面浏览数据时，所形成的交易策略与随机策略无显著差异，说明只有与财经相关的内容才可能反映投资者行为。
• 网络流量数据提供新视角：网络流量数据可作为投资者信息收集行为的代理变量，为理解金融市场中个体决策的早期阶段提供新的研究方法。
• 策略有效性与时间窗口有关：研究还发现，策略的平均收益随时间窗口 $\Delta t$ 的变化而变化，但即使在最短的时间窗口下，基于浏览量的策略仍具有显著的正收益。

关键信息

数据来源与处理

• 数据来源：Wikipedia英文界面的“查看”和“编辑”日志，分别从stats.grok.se下载和解析修订历史页面。
• 研究时间范围：2007年12月10日至2012年4月30日。
• 用户活跃度度量：采用页面浏览量和编辑量的变化，定义为 $\Delta n(t, \Delta t) = n(t) - N(t-1, \Delta t)$，其中 $N(t-1, \Delta t)$ 为前 $\Delta t$ 周的平均浏览或编辑量。
• 交易策略：若 $\Delta n(t, \Delta t) > 0$，则在 $t+1$ 周卖出DJIA，$t+2$ 周买入平仓；若 $\Delta n(t, \Delta t) \leq 0$，则在 $t+1$ 周买入，$t+2$ 周卖出平仓。
• 收益计算：使用累积收益 $R$，即 $\log(p(t+2)) - \log(p(t+1))$，并忽略交易费用以简化分析。

策略收益分析

• 基于浏览量的策略表现优异：在2007年12月至2012年4月期间，基于浏览量的交易策略平均收益为0.50，显著高于随机策略的平均收益0.02%。
• 基于编辑量的策略无显著差异：编辑量的策略收益与随机策略无显著差异，平均收益为-0.09，表明编辑行为可能不足以反映投资者决策。
• 年度差异显著：在2008年金融危机期间，基于浏览量的策略收益显著高于随机策略，说明其在市场动荡时更具预测能力。
• 时间窗口影响：随着 $\Delta t$ 的变化，策略收益呈现不同趋势，但所有 $\Delta t$ 值下基于浏览量的策略收益仍显著为正。

限制与风险提示

• 非财经内容无预测能力：演员和电影制作者相关页面的浏览量变化与DJIA走势无关，表明只有与财经相关的页面才可能反映投资者行为。
• 策略需谨慎使用：研究结论基于历史数据，不能保证未来预测准确性，投资者应审慎参考，不构成投资建议。
• 忽略交易费用：由于交易频率低，文献忽略交易成本，实际应用中需考虑费用对收益的影响。

结论

该文献提供了基于维基百科用户行为数据预测股市变动的实证支持，尤其是浏览量数据与股市走势存在显著相关性。这一研究为理解投资者在决策前的信息收集行为提供了新的视角，并展示了网络流量数据在金融市场分析中的潜在应用价值。然而，研究也指出，编辑行为和非财经类内容无法有效预测市场变化，因此需进一步区分信息类型和用户行为的性质。

相关研究

• 《海外文献-1基于谷歌趋势的量化交易》
• 《海外文献-2社交媒体胜过新闻吗》
• 《海外文献-3 Google 趋势搜索可否被用于分散风险？》

参考文献

1. Fehr, E. Behavioural science - The economics of impatience. Nature, 415, 269-272 (2002)
2. Lillo, F., Farmer, J. D. & Mantegna, R. N. Econophysics - Master curve for price-impact function. Nature, 421, 129-130 (2003)
3. Gabaix, X., Gopikrishnan, P., Plerou, V. & Stanley, H. E. A theory of power-law distributions in financial market fluctuations. Nature, 423, 267-270 (2003)
4. Preis, T., Kenett, D. Y., Stanley, H. E., Helbing, D. & Ben-Jacob, E. Quantifying the Behavior of Stock Correlations Under Market Stress. Sci. Rep., 2, 752 (2012)
5. Preis, T., Reith, D. & Stanley, H. E. Complex dynamics of our economic life on different scales: insights from search engine query data. Phil. Trans. R. Soc. A, 368, 5707-5719 (2010)
6. Preis, T., Moat, H. S. & Stanley, H. E. Quantifying Trading Behavior in Financial Markets Using Google Trends. Sci. Rep., 3, 1684 (2013)
7. Bollen, J., Mao, H. & Zeng, X. Twitter mood predicts the stock market. Journal of Computational Science, 2, 1-8 (2011)

风险提示

• 历史数据局限性：研究结论基于历史数据，无法保证未来市场预测准确性。
• 策略需结合实际情况：交易费用、市场环境变化等因素可能影响策略的实际效果。
• 非投资建议：文中观点仅作参考，不构成投资建议。

分析师信息

• 姓名：吴俊鹏
• 职位：金融工程分析师
• 联系方式：010-80927631 / wujunpeng@chinastock.com.cn
• 登记编码：S0130517090001
• 教育背景：中国人民大学理学硕士
• 工作年限：中国银河证券，6年

评级标准

• 行业评级：

  • 推荐：行业指数超越基准指数平均回报20%及以上
  • 谨慎推荐：行业指数超越基准指数平均回报
  • 中性：行业指数与基准指数平均回报相当
  • 回避：行业指数低于基准指数平均回报10%及以上

• 公司评级：

  • 推荐：公司股价超越分析师所覆盖股票平均回报20%及以上
  • 谨慎推荐：公司股价超越分析师所覆盖股票平均回报10%-20%
  • 中性：公司股价与分析师所覆盖股票平均回报相当
  • 回避：公司股价低于分析师所覆盖股票平均回报10%及以上

免责声明

本报告由中国银河证券股份有限公司提供，不构成投资建议，不担保内容的准确性或完整性。客户应自行判断，不应单纯依赖本报告进行投资决策。未经授权不得转载、传播或使用本报告内容。

联系方式

• 中国银河证券股份有限公司研究院
• 地址：
  • 深圳：深圳市福田区金田路3088号中洲大厦20层
  • 上海：上海浦东新区富城路99号震旦大厦31层
  • 北京：北京丰台区西营街8号院1号楼青海金融大厦15层
• 公司网址：www.chinastock.com.cn
• 联系方式：
  • 深广地区：崔香兰 0755-83471963 cuixianglan@chinastock.com.cn
  • 上海地区：何婷婷 021-20252612 hetingting@chinastock.com.cn
  • 北京地区：唐嫚羚 010-80927722 tangmanling_bj@chinastock.com.cn