中國股票市場天氣效應的實證研究

陸 靜

(重慶大學 經濟與工商管理學院，重慶 400030)

一、引言

傳統金融理論認為，股票市場是理性的且只反映與資產定價有關的經濟信息［1］，投資者在做出決策時只注重結果，即把各種得失與成本賦予不同的權重，從中選擇最優的風險－收益組合。這也是組合投資理論與資本資產定價理論的基礎［2－3］。Lucey 和 Dowling［4］認為，這種結果導向的觀點(Consequentialist Perspective)與現實存在差距，因為它沒有考慮投資者心理作用如情緒對決策的影響。近年來，隨著行為金融的發展，學者們發現，心理因素對于人們在金融市場的交易決策和交易行為具有顯著影響。大量的心理研究證據表明，當人們心情較好時，他們往往對未來的評價更傾向于樂觀［5－7］，對風險的承受能力也有所加強。Saunders［8］較早直接研究了天氣與股票收益之間的關系。他發現，紐約股票交易所的股票收益與曼哈頓地區的云層覆蓋比率(CloudCover)呈負相關，也即是說當地的云層越多，股票收益率越低。Saunder的成果發表后，立即引起了華爾街的強烈反響，Stecklow［9］甚至在《華爾街日報》寫道:忘掉一月效應吧，Saunders教授已經找到了觀察股市漲跌的更好的指標，你只需要給氣象臺打個電話問一問華爾街的天氣就行了。Hirshleifer和Shumway［10］隨后用26個國家或地區股票交易所的數據也證明了云層覆蓋比率與股票收益之間的負向關系。Chang等［1］的研究還發現，天氣不僅影響股市收益，還影響投資者的交易行為，如云層覆蓋率對股價波動率和市場深度均具有負向作用。然而，已有的研究主要針對發達的資本市場，這些傳統的、歷史悠久的資本市場的交易機制與中國內地股票交易所的交易機制有較大的不同，主要體現在股票價格形成的方式上。如紐交所股票價格的形成以做市商報價為主，鑒于紐約曼哈頓地區集中了全球頂尖的金融機構和投資者，這些做市商的辦公場所也集中在下曼哈頓附近，因此，做市商的買賣報價行為受到曼哈頓天氣的影響是容易理解的。而針對另一種股票價格的形成機制——指令驅動交易系統，尚缺乏天氣與股票交易之間關系的研究。中國內地股票交易所的建立比較晚，從建立之初就全面采用了電子化的指令驅動交易系統，沒有做市商，所有買賣報價均由投資者通過經紀人(證券公司營業部)輸入到交易所的撮合系統里。以上海證券交易所(以下簡稱上交所)交易的股票為例，直觀上看，買賣訂單來自全國各地，如果天氣對股票交易具有影響的話，股票交易反映的應該是全國各地的天氣狀況。這顯然是一個復雜的、較難驗證的問題。但是，通過對上交所股票交易金額的統計，我們發現如果按證券營業部交易金額排名的話，由地處上海的證券營業部發起的交易占絕對多數。根據上交所2009年9月發布的《上交所統計月報》顯示，2009年1－8月，上交所股票交易總金額為227073億元，如果按證券營業部所處城市排名，前幾位分別是:上海36373億元，占 16.02%;北京 28827億元，占12.70%;深圳20899億元，占9.20%;廣州8121億元，占3.58%。顯然，上海的交易占絕大多數，這也為我們研究天氣對指令驅動的股票交易行為是否產生影響提供了基礎。

我們的研究表明，盡管上交所的交易指令并非都來自上海地區，但上海當地的天氣的確可以影響證券市場，不過與歐美發達證券市場不同的是，天氣對股票定價的作用不明顯，而對流動性和波動率等交易行為的影響十分顯著，在一定程度上豐富了行為金融特別是心理因素對投資決策影響的研究成果。論文以下結構的安排是:第二部分介紹與天氣和投資者情緒相關的文獻;第三部分說明數據來源及處理方式;第四部分設計研究方法和實證結果分析;最后是結論。

二、文獻回顧

(一)天氣與人類活動

天氣是人類賴以生存和活動的環境之一，它極大地制約著人類的各項活動。天氣的任何顯著變化都會給人類帶來重大影響，因此受到人們的廣泛關注［11］。Roll［12］在《新帕爾格雷夫辭典:貨幣與金融》中關于天氣詞條有這樣的描述:“天氣的確是一個外生于經濟體系的因素?！谠缙诘挠嬃拷洕鷮W文獻中，天氣被看作是很好的外生變量……，因為天氣既是外生的又是可以被直接觀察到的……，天氣對于評估金融市場的信息處理能力肯定是有用的。”

(二)情緒與決策

學者們很早就發現，人的情緒和感覺等心理因素在決策判斷中扮演了重要角色［13］。如Isen［14］發現，當人們心情較好的時候，他們會簡化認知過程以幫助決策。Hirshleifer和 Shumway［10］認為，這種認知過程要么反映了與好心情相關的認知缺失，要么更加有效地簡化了復雜信息。情緒的信息傳導假說(Mood－as－information Hypothesis)認為，即使導致情緒變化的原因與決策目標毫無關聯，情緒也會影響決策。Johnson和 Tversky［15］的實驗證明了這個論斷。他們把被觀察者分為兩組，第一組事先閱讀了一些導致情緒低落的負面消息，第二組則什么也沒做，然后這兩組分別對18種可能導致死亡的風險因素排序，結果發現第一組對所有風險度的評判都高于第二組。在證券市場上，早在一百多年前，Nelson［16］就指出，證券經紀人觀察到心理因素對于股票交易非常重要，以至于投機者在悶熱和雷雨天氣中難以像在干燥和陽光明媚的天氣里那樣自信地和自由地交易，因為天氣狀況越好，人們越傾向于樂觀和高興。

股票投資依賴于人的主觀判斷，所以人體生物節奏的紊亂將會對股票定價造成一定的影響。Kamstra等［17］研究了由于夏時制(DaylightSaving-Time)的時間調整所產生的睡眠異相(SleepDesynchronosis)對股票收益的影響。他們發現，即使很小的睡眠紊亂也會導致投資者判斷失誤、焦慮、不耐煩、缺乏注意力，甚至信息處理的失效等不良后果。他們考察了美國紐約股票交易所市場指數、納斯達克指數和美國股票交易所市場指數，多倫多股票交易所TSE300指數，英國股票市場指數和德國DAX100指數等市場指數的收益率，發現在每年春秋兩次夏時制轉換過程中，轉換該周周末收益率在統計上明顯低于正常周末的收益率，說明睡眠異相的確影響了金融市場的運行。他們的研究表明，僅僅在美國股票市場，每年夏時制轉換導致的上市公司市值損失高達310億美元!因此，他們建議政策制定者重新審視夏時制的合理性，并建議對股票市場的日內交易行為作更詳細的分析，這也正是本研究的出發點之一。

(三)云層覆蓋率與股市收益

迄今為止，有關天氣與股票市場關系中研究得最多的是云層覆蓋率(CloudCover)或日照(Sunlight)的影響。如 Hirshleifer和 Shumway［10］所言，人們在陽光明媚的時候會變得更加樂觀，他們很可能增加投資股票的傾向。盡管此時他們可能錯誤地把好心情歸因于積極的經濟因素而不是好天氣，但這也暗示陽光明媚與股市收益是正相關的。Saunders［8］采用從日出到日落紐約市中心中央公園附近(該位置最接近于華爾街和紐約股票交易所)觀測到的平均云層覆蓋率作為天氣的代理變量，研究了1927－1989年道瓊斯工業指數的等權及加權日收益率，他發現云層覆蓋率對于市場收益率具有負面效應。盡管Saunders［8］承認紐約股票交易所(NYSE)的交易訂單來自全美國，訂單提交者的情緒不可能都受到紐約天氣的影響，但他認為，由于紐約當地的做市商和經紀人可能影響股票定價，所以紐約當地的天氣可以作為主要市場參與者情緒的代理變量。對于Saunders［8］的研究，有些學者提出了一些質疑或改進。如Loughran和Schultz［18］認為，NYSE的交易訂單實際上來自全美國乃至全球，如果這些投資者都以最優價格提交訂單且投資者的情緒受到云層覆蓋率的影響，那么紐約當地的天氣不一定是市場情緒較好的代理變量。為此，他們以上市公司注冊所在地(以25個美國大中城市為代表)的天氣研究了NASDAQ上市公司日內收益率的變化情況。其原因在于，一方面，與NYSE的上市公司相比，NASDAQ的上市公司規模較小，且主要受到公司注冊地的投資者關注，而全美國被人為分成多個時區，當NYSE早上9:30開盤時，夏威夷是凌晨3:30，夏威夷的投資者還在睡夢中，所以紐交所開盤時，總部設在夏威夷的上市公司的股票交易量非常稀少。另一方面，極端惡劣的天氣如暴風雪也會影響股市的收益。如果暴風雪發生在早上，投資者不得不鏟開積雪、挖出汽車，花費更多的時間上下班，這些投資者就沒有充裕的時間從事股票交易了。事實上，Loughran 和 Schultz［18］發現，暴風雪當天，該注冊地上市公司的股票交易量減少了17%，接下來的第二天，股票交易量繼續減少了15%!這一方面說明天氣的確對股票市場產生影響，另一方面也說明天氣的影響具有持續性。

不過，已有的大部分研究主要集中在每日天氣變化的平均值與股票市場日收益率之間的關系，而市場微觀結構理論認為，股票市場的日內交易也呈現出一定的特征［19－21］。因此，我們希望分析日內的天氣狀況是否影響到日內的股票市場交易行為。事實上，Chang等［1］對紐交所1994－2004年每個交易日的(每分鐘)高頻數據分析表明，天氣通過影響投資者情緒從而對股市形成一定的影響，在多云的天氣里，股市收益較低，但日內的云層覆蓋率對股市的負面影響主要出現在開盤后的前15分鐘，隨著更多信息的到達和交易的持續進行，這種影響很快消失了，說明心理因素對股市的影響是短暫的。顯然，該結論與Loughran和Schultz［18］關于天氣影響持續性的觀點相矛盾。本研究希望通過對中國股市日內數據的分析為天氣對金融市場的影響提供進一步的經驗證據。

(四)其他天氣指標與情緒

Howarth和Hoffman［22］發現，除了日照指標外，相對濕度和溫度也對人們的情緒特別是注意力產生明顯影響。濕度增加時，人們的注意力變得不太集中了。溫度與人體的各項生理功能密切相關，為了保持恒定的體溫與外界氣溫的平衡，人體的產熱與散熱必須與外界環境相協調，機體通過不斷地產熱提高體溫和維持新陳代謝，通過持續地散熱降低體溫，得到體內熱平衡狀態。如果溫度低至－8℃到－28℃，人們的攻擊性情緒將會大大增加。Allen和Fischer［23］，以及 Wyndham［24］都發現，當暴露在極端高溫或極端低溫環境時，人們完成任務的執行力降低了。而在高溫條件下，人們可能變得歇斯底里或異常冷漠。Cunningham［25］也指出在過冷或過熱的天氣中，人們變得不愿意幫助別人。攻擊情緒增加將導致更多的冒險性，而冷漠則意味著不愿意承擔風險，所以，Cao和 Wei［13］認為，氣溫與股票收益的關系將取決于兩種力量的對比。

風速可以影響人體的代謝速度，對體溫和情緒產生作用［26］。Green［27］通過實證研究指出，風可以影響駕車者違章停車的比率。Keef和Roush［28］根據新西蘭首都惠靈頓靠海的特點，直接研究了風速和風向與股票市場收益率的關系，他們發現風速和來自南方的風對股市收益具有明顯的負面作用，風速越高，股票市場收益率越低，反之亦然。這與當地的地理位置、海洋性生活習慣和對風的觀念是一致的。在新西蘭，如果刮起颶風，意味著悲觀，如果風平浪靜則意味著樂觀和向上;如果刮起的風是南風，由于南風來自南極大陸，在南極與新西蘭之間沒有陸地提升這些南風的溫度，所以南風常常是冰冷刺骨的，導致投資者情緒低落。

三、研究數據

(一)天氣變量

本研究的天氣數據是2003年1月1日至2008年12月31日每一天8:00－15:00每小時所觀察到的數據，數據來源于地面氣象公司(http://www.wunderground.com/，以下簡稱WU)。該公司提供了全球主要城市每小時的地面天氣觀測值。WU公司提供的有關上海的地面天氣數據來自兩個觀測點:上海虹橋機場和上海浦東國際機場。上海證券交易所地處浦東新區上海證券大廈，距虹橋機場直線距離約15公里，距浦東國際機場直線距離約30公里。考慮到浦東新區集中了眾多金融機構特別是證券公司和基金公司等機構投資者，我們選取了上海浦東國際機場的觀測數據。為了與股票市場的交易時間相匹配，我們將8:00－15:00分成了7個時段，也就是每小時一個時段，記錄一套天氣觀測數據。從2003年1月1日至2008年12月31日，共2192個自然天數，每天7個時段，累計應有15344個觀測時段，但由于部分日期的關鍵天氣數據(如云層覆蓋率等)缺失，我們最終獲得了14561個觀測時段。需要說明的是，這里包括了部分非交易時段(8:00－9:00和11:30－13:00)的數據，這兩個非交易時段的天氣對于我們分析早盤和午盤的開盤交易有用，所以也統計進來了。

本研究選取的天氣變量包括:云層覆蓋率(CC);溫度(TEMP，單位:攝氏度);相對濕度(HUM);露點溫度(DP，單位:攝氏度);氣壓(PRE，單位:hPa);能見度(VIS，單位:公里);風速(WSP，單位:公里/小時);風向(WDIR)。

WU數據庫沒有直接提供云層覆蓋率，而是披露了與云層覆蓋率直接相關的天氣狀況如晴、晴間多云和多云等描述性事件，因此按照與［18］類似的方法，我們分別賦值1－5將其轉換為云層覆蓋率:1－晴;2－晴間多云(或有云);3－多云;4－陰(或小雨);5－中雨(或霧或雪)。也即是說，1表示云層覆蓋率為0－10%;2表示云層覆蓋率為10－30%;3表示云層覆蓋率為30－50%;4表示云層覆蓋率為50－80%;5表示云層覆蓋率為80－100%。由于極端的天氣狀況也會對市場、通訊或其他商業活動造成損害，所以我們對雨或雪的天氣也進行了檢驗。雨或雪采用與Loughran和Schultz［18］類似的方法，用虛擬變量表示，1代表下雨或下雪，0代表無雨或無雪。

相對濕度指空氣中水汽的氣壓除以平衡水汽氣壓的百分比率，即水蒸氣的飽和度有多高。從生理學的角度看，空氣濕度與人們呼吸之間的關系非常緊密。在一定的濕度下氧氣比較容易通過肺泡進入血液。人們在0.45－0.55的相對濕度下感覺最舒適。濕度過高會影響人體調節體溫的排汗功能，感到悶熱。一般而言，人們在高溫但低濕度的情況下(比如沙漠)比在溫度不太高但濕度很高的情況下(比如雨林)的感覺要好。

露點溫度是指空氣在水汽含量和氣壓都不改變的條件下，冷卻到飽和時的溫度，也即是空氣中水蒸氣變為露珠時的溫度。在氣象分析中，露點溫度一般暗示空氣的舒適程度，當露點溫度在10到16攝氏度范圍內時，空氣感覺十分舒適。當露點溫度上升時，空氣中的水汽含量增高，一旦超過21攝氏度，人們會抱怨空氣濕熱。露點溫度雖然以溫度表示，但它與相對濕度表示的含義非常接近。根據樣本的相關性分析，露點溫度與溫度之間的相關系數達0.91，與濕度的相關系數也有0.63，因此，為了避免解釋變量之間的多重共線性，實證分析中只保留了相對濕度，而剔除了露點溫度。

氣壓指氣體對某一點施加的流體靜力壓強，來源于大氣層中空氣的重力，即單位面積上的大氣壓力，1個標準大氣壓等于1013百帕(hPa)。在低氣壓環境中，由于吸入氣中氧分壓較在常壓下低，使肺泡氣中氧分壓下降，從而使肺泡中氧分壓與血液中氧分壓之間壓力差下降，單位時間內肺泡彌散到毛細管的氧減少，結果使動脈中氧分壓下降，血氧飽和度下降，最終影響人們思考和決策。

能見度指觀察者離物體多遠時仍然可以清楚看見該物體。氣象學中，能見度被定義為大氣的透明度。低能見度多出現于雨天、大霧時及有煙霞的日子。當低能見度的陰霾天氣出現時，由于光線不足，很容易使人的心情憂郁和情緒低落，甚至會誘發抑郁癥。

風向的定義如下:0－無風;1－北;2－東北北;3－東北;4－東北東;5－東;6－東南東;7－東南;8－東南南;9－南;10－西南南;11－西南;12－西南西;13－西;14－西北西;15－西北;16－西北北;17－不定。

(二)天氣指標的季節性因素剔除

顯然，天氣數據表現出高度的季節性，因此，需要對天氣數據的季節性加以控制。參照Chang等［1］，以及 Hirshleifer和 Shumway［10］的方法，本研究采用減去周平均值的方法:首先用各年份年初開始每一個自然周的原始數據計算該周各天氣指標的平均值;再用該周原始數據減去平均值，即可得消除季節性因素的天氣值，用天氣變量加上標d表示。

(三)天氣變量的描述性統計

我們以上證指數index收益率、換手率和上證指數波動率來描述股票市場的交易行為。所有股票市場的數據均來自國泰安公司CSMAR數據庫。

上證指數的收益率RET采用對數收益率，即RETt=Inindext－ Inindext－1，其中 indext是上證指數時刻的收盤值。除當天開盤收益率外，我們用每一時段的開盤指數和收盤指數計算RET(即小時收益率)。由于9:30－10:00和11:00－11:30兩個時段的交易時間都只有半小時，為了使這兩個時段的收益率與對應的天氣指標相匹配，我們采用［1］的方法，把9:30－10:00和11:00－11:30期間的收益率乘以2換算為小時收益率。每一個交易日的開盤收益率用開盤指數與上一交易日的收盤指數來計算。

換手率TUR用每一時段的市場總成交量除以當日上交所上市公司流通股總量，開盤換手率則用開盤前9:15－9:25之間集合競價的成交量除以流通股總量。9:30－10:00和11:00－11:30兩個時段換手率的處理與上證指數收益率類似。

上證指數波動率VOLT的計算公式為:(indexhi－ indexlo)/((indexhi+indexlo)/2)，其中 indexhi是每一時段上證指數的最高值，indexlo是每一時段的最低值。9:30－10:00和11:00－11:30時段波動率的處理與指數收益率類似。由于9:30開盤時，不披露9:15－9:25集合競價中的最高值和最低值，因此，開盤時不計算波動率。

四、研究方法與實證結果

(一)市場交易與天氣指標的多變量回歸

按照與文獻［1］和［10］類似的方法，我們建立了如下三個檢驗模型:

(1)－(3)式中，所有帶d的變量均為剔除季節性因素后的天氣指標。表1歸納了市場收益率與天氣變量之間的日內分時段回歸結果。各回歸系數的方差膨脹因子都小于10，說明解釋變量之間不存在多重共線性［29］，此外，我們還通過異方差－穩健標準誤控制了回歸中異方差的影響［30－31］，使回歸方程的統計推斷更加穩健(表2－5采用了同樣的方法，以下不再贅述)。無論是整個交易時段(9:30－15:00)還是各個分時段，市場收益率與云層覆蓋率之間的聯系不太明顯，盡管11:00－11:30和13:00－14:00兩個時段的回歸系數在統計上是顯著的，但它們的符號是相反的，一個為正、一個為負。這與文獻［1］和文獻［8］的研究結果差異較大。文獻［8］采用日平均天氣數據發現云層覆蓋率與股市收益率負相關，而 Chang等［1］采用日內以小時為時間間隔的天氣數據發現，市場收益率與云層覆蓋率的負相關關系主要體現在開盤后的15分鐘內，隨著交易的持續進行和新信息的到達，云層對投資者情緒的作用很快消失。不過，文獻［1］的研究樣本來自以做市商為主的紐約股票交易所，市場開盤時，各做市商必須報出買賣價格，而且這些做市商需要在市場開盤前到達辦公場所，因此，開盤前以及開盤時的天氣可能影響做市商的交易行為。上海股票交易所不存在做市商，交易的完成主要依靠投資者提交的市價訂單或限價訂單(當日有效)，交易者不必在開盤前到達辦公場所，這樣，天氣對開盤交易的影響不明顯，因為投資者及其訂單是陸續到達市場的。關于這一點，從13:00－14:00云層覆蓋率的影響也能夠得到部分印證。根據上交所交易規則，上海股票交易所的交易時間分為早盤(9:30－11:30)和午盤(13:00－15:00)兩個分開的交易時段，早午盤之間市場停牌1.5小時(11:30－13:00)。早盤結束后，正好是午餐時間，當天正在參與交易或準備參與交易的投資者紛紛走出戶外用餐，觀察到中午的天氣實況，其情緒受到一定的影響，所以，當他們回到市場從事午盤交易時，天氣可能對午后的交易形成影響，導致13:00－14:00之間CCd的系數在5%水平上顯著。這與NYSE的交易也不一致，因為美國本土存在時差，各時區的午餐時間不完全一樣，盡管投資者走出戶外用餐時觀察到的天氣可能影響股票交易，但分散的用餐時間抵消掉了這種作用，所以，在 Chang等［1］對 NYSE13:00－13:00日內數據的分析中，天氣對午餐后的交易沒有影響。與 Saunders［8］和 Hirshleifer和 Shumway［10］關于云層覆蓋率對股市日收益率影響的研究相比，我們的研究進一步證實了Chang［1］的推斷，即天氣對股市收益的影響在交易日內是不均衡的，而且這種影響很可能只作用于某一時段，而不是全天。

至于其它天氣指標，在整個交易日內(9:30－15:00)，溫度、濕度和風速等對收益率的影響均不顯著，如能見度VIS在早盤和午盤后半段(11:00－11:30和14:00－15:00)對收益率的作用是相反的。極端天氣中，下雪對收益的影響是負面的，所有回歸系數均為負，尤其在早盤的9:30－10:00和11:00－11:30兩個時間段統計顯著，下雨的影響不明顯。至于風速，其他交易市場的研究并沒有得出一致的結論。Dowling 和 Lucey［32］發現，風速只對英國證券市場的小盤股有負面影響，對大盤

股沒有作用，因此他們認為風速與英國股票收益之間的關系較難判定。而Keef和Roush［33］有關新西蘭證券市場收益的研究發現，無論對成份股指數還是全樣本的指數，風速都具有負面影響。不過，新西蘭四周環海，屬于典型的海洋性氣候，特別是在股票交易所所處的惠靈頓地區，平均風速竟達26.3公里/小時，比上海6－8公里/小時的風速高出3倍多，所以，我們看到上海地區的風速對股市收益的影響并不明顯。Cao和Wei［13］對美國、加拿大和日本等8個國家和地區氣溫的研究發現，溫度對股票收益的負面影響是顯著的。但在表1中，溫度與市場收益率的關系并不明顯，僅僅在13:00－14:00時間段內統計顯著，而且還是正的。說明在上海證券市場，氣溫對股票定價的影響比較模糊，需要進一步分析，在一定程度上驗證了Cao和Wei［13］所做的論斷，不同緯度地區的投資者對溫度的反應不同。

表1 市場收益率與天氣指標的日內分時段回歸

表2顯示了天氣指標對市場換手率的影響。換手率代表了市場的流動性［34］，換手率越高表示流動性越好、交易越活躍，交易成本越低。與Chang等［1］的研究相比，我們的實證結果顯示多項天氣指標對換手率具有顯著作用。例如，云層覆蓋率和下雪與否對換手率具有明顯的負面影響，云層覆蓋率在每一個交易時段的回歸系數都是負的，且有一半的系數在統計上顯著，多個時段下雪指標的虛擬變量也是統計顯著的，說明當陰云密布甚至下雪的時候，人們的心情受到影響，減少了股票的交易量。另一方面，溫度、濕度和風速等指標與換手率呈顯著的正相關。就溫度指標而言，所有系數都在5%及以上水平顯著。Kaplanski等［35］認為，溫度對情緒的影響遠非單調的關系，而是非常復雜的，它取決于人們暴露在室外的時間長短和所處的季節。為此，我們對溫度與換手率的關系進行了逐月的分時段回歸，但研究顯示，在天氣炎熱的夏季，溫度與換手率的關系并不明顯，而在寒冷的冬季如12月－2月偏高的氣溫還會導致換手率較高。因此我們懷疑表2中溫度與換手率的關系并非來自季節的變化而是投資者的季節性情緒紊亂(SeasonalAffectiveDisorder，SAD)因素。Rosenthal［36］把由于地球圍繞太陽公轉帶來的日照時間長短變化所導致的人體生理機能的紊亂或失調叫做季節性情緒紊亂，這主要是因為日光攝取量的增減引起人體體內荷爾蒙分泌變化而產生的生理反應，導致生物節律紊亂。Kamstra［37］認為當日照時間逐漸變短時，將會引起投資者的消沉，減少交易活動，反之則會增加交易活動。因此，我們在(1)式的解釋變量基礎上增加了代表季節性情緒紊亂指標的虛擬變量SAD，并定義在每年12月21日(冬至)到次年6月20(夏至前一日)期間，日照時間逐漸變長，SAD=1，其余時間SAD=0。從表3可以看到，除SAD外，其余解釋變量符號的顯著性水平與表2基本一致，而SAD在各個時段的回歸系數均為正且在1%水平上顯著，說明日照時間的確能夠影響市場流動性或交易量。

波動率反映了投資者的意見分歧程度。表4顯示，市場波動率與云層覆蓋率呈反向關系，與Symeonidis等［38］的研究基本一致。Symeonidis等［38］調查了全球26個股票交易所所在地的云層情況對市場指數期權隱含波動率的影響，結果發現其中有17個市場的關系是顯著負相關的，云層覆蓋率回歸系數也是顯著異于零的。天氣指標對市場波動率的影響類似于對換手率的影響。天空云層越多、天氣狀況越差(如下雪或下雨等)，人們情緒低落，變得不那么愿意交易，導致市場波動率變小;相反，濕度和風速對波動率的影響是正向的。

表2 市場換手率與天氣指標的日內分時段回歸

注:被解釋變量是上證指數在各個時段的換手率;方括號(SquareBrackets)內是方差膨脹因子;圓括號(Parentheses)內是異方差－穩健標準誤(Heteroskedasticity－robustStandardError);9:30－15:00的回歸是將所有各時段數據混合(Pooled)后的回歸，并非9:30－15:00各變量平均值的回歸;*表示顯著性水平10%;＊＊表示顯著性水平5%;＊＊＊表示顯著性水平1%。

表3 市場換手率與季節性情緒紊亂的關系

表4 市場波動率與天氣指標的日內分時段回歸

表5 上證指數收益率與天氣指標的日內分時段Logit回歸

(二)市場收益與天氣指標的Logit回歸

為了驗證收益率與天氣指標之間的符號關系，我們構造了如下Logit回歸:

從表5的回歸結果看，CCd的系數都不顯著。而溫度指標TEMPd與收益率表現出一定的正相關性。因為在7個回歸系數中，只有一個為負，其余均為正。從Logit回歸的特征判斷，如果TEMPd系數的符號服從獨立二項分布(P=0.5)，則出現一個為負、七個為正的概率為·0.51·0.57－1=5.5%，在統計上，這是個小概率事件。因此，可以推斷溫度與收益率的確存在正向關系，其余變量的符號與表3基本一致，但顯著性不高。

(三)基于云層的股票交易策略

為進一步檢驗云層對股票收益率的影響，參照 Hirshleifer和 Shumway［10］的方法，我們構造了基于天氣的交易策略，以考察是否可以根據天氣狀況構造具有盈利能力的交易策略。為簡化起見，我們先不考慮交易成本，并假定可以賣空股票，具體步驟如下:首先計算每個交易日每天早上8:00－10:00期間上海地區云層覆蓋率的平均值，云層覆蓋率的平均值在1－5之間;然后將云層覆蓋率小于等于3的交易日定義為好天氣，大于3的交易日定義為壞天氣;投資者根據觀察到的天氣，可以選擇三個交易策略:

ⅰ)好天氣買入策略:如果當天是好天氣，則以開盤價買入股票，并以收盤價賣出股票;如果當天是壞天氣，則不交易;

ⅱ)壞天氣賣出策略:如果當天是壞天氣，則以開盤價賣空股票，并以收盤價買入股票平倉;如果當天是好天氣，則不交易;

ⅲ)好壞天氣均買賣策略:如果當天是好天氣，則以開盤價買入股票，并以收盤價賣出股票;如果當天是壞天氣，則以開盤價賣空股票，并以收盤價買入股票平倉。

最后將各交易日的收益率以連續復利方式連乘，得出在樣本期間的累計收益率。

計算表明，好天氣買入戰略的累計收益率為131.978%，壞天氣賣出戰略的累計收益率 －17.536%，而根據天氣狀況好壞分別進行買空或賣空，累計收益率為91.320%。說明只有當天氣狀況較好時，基于天氣的交易策略才能給投資者帶來正的收益，壞天氣的策略并不奏效。一旦加入交易成本，如以1.5‰(交易所規定不超過3‰)的交易傭金計算，則所有策略的累計收益率均為負值。

五、結論

人類的活動離不開大氣環境，因此，天氣對于人們的情緒和決策乃至投資行為都具有影響，但已有的關于天氣與股票市場關系的研究大多集中于做市商市場，且交易數據來自日間數據。本文選取指令驅動的上海股票市場日內交易數據對天氣與股票市場的短期影響進行了研究。我們發現，天氣對于股票定價的作用并不明顯，除溫度和極端天氣(如下雨或下雪)等外，包括云層覆蓋率在內的其他天氣指標對股票收益沒有影響。因此，我們認為天氣因素對指令驅動交易市場股票定價的影響要小于對做市商市場的影響。其原因可能來自兩個方面:做市商市場的買賣報價由幾乎處于同一地區的做市商提供，因此，當地天氣通過對這些參與人情緒的影響而間接影響到股票價格，而指令驅動的連續交易市場中，潛在的交易訂單由分散在各地的投資者直接提交，盡管上海地區的交易金額占有優勢，但尚不足以顯著影響到市場價格的形成;天氣對于股票定價的影響是短暫的，導致日內交易數據與日間交易數據如Saunders［8］的分析可能存在差異。不過，天氣對于其他交易行為如換手率和波動率具有明顯的影響。當云層覆蓋率較高以及遇到惡劣天氣(如下雨或下雪等)時，人們的交易活動減少了，市場流動性和波動率都比較低，由地球公轉所帶來的日照時間變化引起的季節性情緒紊亂也會影響到投資者的交易活動，日照時間越長，投資者越愿意從事股票交易。我們的研究表明，投資者關于資產合理定價的判斷不易受到天氣影響，但他們的交易行為比較容易受天氣影響。

［1］Chang S，Chen S，Chou R，et al.Weather and intraday patterns in stock returns and trading activity［J］.Journal of banking and finance，2008(32):1754 －1766.

［2］Markowitz，H.Portfolio selection［J］.Journal of Finance，1952:77 －91.

［3］Sharpe W.Capital asset prices:A theory of market equilibrium under conditions of risk［J］.Journal of Finance，1964:425－442.

［4］Lucey B，Dowling M.The role of feelings in investor decision － making［J］.Journal of Economic Surveys，2005(19):211－237.

［5］Wright，W，Bower G.Mood effects on subjective probability assessment［J］.Organizational Behavior and Human Decision Processes，1992(52):276 －291.

［6］Daniel K，Hirshleifer D，Subrahmanyam A.Investor psychology and security market under － and overreactions［J］.Journal of finance，1998:1839 －1885.

［7］Hirshleifer D.Investor Psychology and Asset Pricing［J］.Journal of finance，2001:1533 －1597.

［8］Saunders，E.Stock Prices and Wall Street weather［J］.The American Economic Review，1993:1337－1345.

［9］Stecklow，S.For Stock Market Advice，Just Call the Meteorologist for Manhattan［J］.Wall Street Journal，1993(December 28).

［10］Hirshleifer D，Shumway T.Good Day Sunshine:Stock Returns and the Weather［J］.Journal of finance，2003:1009 －1032.

［11］周后福.氣候變化對人體健康影響的綜合指標探討［J］.氣候與環境研究，1999(1):121－126.

［12］Roll R W，Weather，in New Palgrave dictionary of money and finance［M］.B.Malkiel，et al.，Eds.，ed:Macmillan London，1992.

［13］Cao M，Wei J.Stock Market Returns:A Note on Temperature Anomaly［J］.Journal of banking and finance，2005(29):1559－1573.

［14］Isen A.Positive Affect and Decision Making［J］.Handbook of emotions，1993(1):261 －277.

［15］Johnson E，Tversky A.Affect，Generalization，and the Perception of Risk［J］.Journal of Personality and Social Psychology，1983(45):20 －31.

［16］Nelson S.The ABC of Stock Market Speculation［M］.Fraser Publishing，1903.

［17］Kamstra M，Kramer L，Levi M.Losing Sleep at the Market:The Daylight Saving Anomaly［J］.American Economic Review，2000:1005－1011.

［18］Loughran T，Schultz P.Weather，Stock Returns，and the Impact of Localized Trading Behavior［J］.Journal of Financial and Quantitative Analysis，2004:343 －364.

［19］Harris L.A Transaction Data Study of Weekly and Intradaily Patterns in Stock Returns［J］.Journal of Financial Economics，1986(16):99 －117.

［20］Stoll H，Whaley R.Stock Market Structure and Volatility［J］.Review of Financial Studies，1990:37 －71.

［21］Fabozzi F，Ma C，Chittenden W，et al.Predicting Intraday Price Reversals［J］.The Journal of Portfolio Management，1995(21):42－53.

［22］Howarth E，Hoffman M.A Multidimensional Approach to the Relationship between Mood and Weather［J］.British journal of psychology(1953)，1984(75):15－23.

［23］Allen M，Fischer G.Ambient Temperature Effects on Paired Associate Learning［J］.Ergonomics，1978(21):95 －101.

［24］Wyndham C.Adaptation to Heat and Cold［M］.Environmental Research，1969(2):442－469.

［25］Cunningham M.Weather，Mood，and Helping Behavior:Quasi Experiments with the Sunshine Samaritan［J］.Journal of Personality and Social Psychology，1979(37):1947 －1956.

［26］Charuvisit S，Kimura K，Fujino Y.Experimental and Semi－analytical Studies on the Aerodynamic Forces Acting on a Vehicle Passing through the Wake of a Bridge Tower in Cross Wind［J］.Journal of Wind Engineering and Industrial Aerodynamics，2004(92):749 －780.

［27］Green C.Wind Gusts and Receipt of Parking Tickets［Z］.unpubilished manuscript，University of Lethbridge，1994.

［28］Keef S，Roush M.The Weather and Stock Returns in New Zealand［J］.Quarterly Journal of Business and Economics，2002(41):61 －80.

［29］Wooldridge J.Introductory econometrics:a modern approach［M］.South－Western Pub，2008.

［30］White，H.A Heteroskedasticity－Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity［J］.Econometrica:Journal of the Econometric Society，1980:817－838.

［31］Greene W.Econometric analysis［M］.Prentice Hall Upper Saddle River，NJ，2003.

［32］Dowling M，Lucey B.Mood and UK equity pricing［J］.Applied Financial Economics Letters，2008(4):233 －240.

［33］Keef S，Roush M，Zealand W.Influence of Weather on New Zealand Financial Securities［J］.Accounting and Finance，2005(45):415－437.

［34］Chordia T，Roll R，Subrahmanyam A.Market liquidity and trading activity［J］.Journal of finance，2001:501 － 530.

［35］Kaplanski G，Levy H，Scopus M.Mispricing of Options:Perceived and Actual Market Risk Sentiment Effect［R］.Working Paper，2009.

［36］Rosenthal N.Winter blues:seasonal affective disorder:what it is and how to overcome it［M.The Guilford Press，1998.

［37］Kamstra M，Kramer L A，Levi M D.Winter Blues:A SAD Stock Market Cycle［J］.The American Economic Review，2003(93):324－343.

［38］Symeonidis L，Daskalakis G，Markellos R.Does the Weather Affect Stock Market Volatility［R］.Working Paper，2008.