天氣對我國股票市場的影響

高堯

摘要：本文以行為金融學基本研究方法為基礎，結合國外對天氣與股票收益率之間關系的研究，對我國股票市場與天氣之間的關系進行實證研究。實證分析通過采用最小一乘線性回歸（LAD）方法建模，同時通過協整檢驗與異方差檢驗證明不存在偽回歸問題，實證表明我國滬市收益率的變化的確會受到天氣變化的影響。

關鍵詞：行為金融；天氣；股票；LAD

對股票市場的研究可謂由來已久，各種因素，各種模型層出不窮。但是，從行為金融學的視角，對股票市場與投資者心理之間關系的研究則寥寥無幾。行為金融這一方興未艾的學科，正在金融研究領域扮演著一個越來越重要的地位。

在國外，對天氣與股市收益率之間關系的研究，早在10年前就已出現。通過對這些文獻的研讀，我們發現天氣確實對股市的波動造成了不同程度的影響。不同的論文雖研究模型，研究視角不同，但是都認可這一基本邏輯——天氣的變化可以通過影響人的情緒，進而影響人的決策，最后導致股市的波動。

本文同樣遵循上述邏輯，從實證出發，檢驗在中國，不測的風云是否真的會帶來股市的變動。

一、引論

1. 相關研究簡介

關于天氣和股市收益率之間關系的研究，早在2002年就已經出現。如Michael， D. 與 B.M.Lucey（2002）根據對愛爾蘭股票市場和由天氣、生物規律而引起的情緒變化的關系的研究，得出了天氣、生物規律會通過影響人的情緒進而影響股票市場的結論。Hirshleifer， D. 與 T. Shumway（2003）檢驗了從1982年至1997年國際上26個證券交易所其所在地天氣是否為晴天（sunny）和股票市場收益的關系，結論為陽光和股市日收益率高度相關。

2. 天氣與股票收益率的關系

天氣對股票收益率的影響分兩步進行：首先，天氣的變化會帶來人的情緒的變化；然后，由于情緒的變化造成了決策的偏誤，從而對投資收益造成影響，即帶來了股票收益率的變化。

（1）天氣與情緒

基于天氣與人體自然生物規律的變量可以在傳統資本定價模型中被描述成非經濟變量。然而，從哲學的視角分析，天氣與生物規律并非中性變量。這些變量的變化被證明對人類情緒有重大影響。例如，Howarth與Hoffman（1984）發現濕度、溫度與日照時間對情緒有巨大影響高水平的濕度會帶來注意力下降與疲憊增加，氣溫升高會降低焦慮與懷疑情緒。Hirshleifer與Shumway（2003）研究發現人們在陽光普照時會表現的比較積極，他們可能會更傾向于購買股票。特別的是，他們可能會錯誤地歸咎于他們的好心情而做出積極的經濟前景預期。這表明，陽光與股票收益率呈正相關。此外，預測明天將是一個晴朗的天氣會直接造成正股價反應。更確切的說，是天氣本身造成股價的上漲。

（2）情緒與決策

心理學家Damasio （1994）的研究顯示情緒在決策上起至關重要的作用。人們在壞情緒纏繞時傾向于做出非最優的決策。通常地，數據統計結果顯示誘發人產生積極情緒的因素通常使人做出比中性情緒時更為樂觀的決策，而誘發人產生消極情緒的因素通常會使人做出更為悲觀的決策。情緒可以作為信息的假設成立的一個關鍵因素是情緒傾向于暗示決策，甚至當情緒產生的原因和決策制定的過程無關。Mehra與Sah （2000）通過分析發現小的情緒的波動會帶來資本價格的顯著波動。Schwarz 與Clore（1983）發現甚至是不相關的暫時性情緒狀態在決策制定時也會對長期風險收益的權衡帶來影響。Loewenstein（2000）發現在不同時期的感受會造成制定的決策往往促進與通過權衡長期花費和不同行為的收益的決策背道而馳。

因此，我們可以通過以上論述得出結論：人們在天氣變化時下會產生情緒的變化，進而在估值上表現得更為樂觀或悲觀，帶來在股票交易決策上的過度反應與反應不足，從而引發股票收益率的變化。

3. 本文的基本研究方法

由以上分析，本文分別從兩個數據庫選取數據：一是上證指數的數據，選取區間為2012年1月1日至2012年12月31日，從信達證券交易軟件中下載，僅采用一年數據的原因如下：2012年初，證監會開始對證券市場進行整改，使得股市制度結構等更具市場活力，即與以前股市有內在差別；2012年上證指數波動較?。徊捎玫腖AD分析模型可以很好的克服數據量較小這一問題。二是天氣數據，本文選取了我國華北、東北、華南、華東、中原、西南、西北地區代表地：北京、沈陽、深圳、上海、長沙、重慶、蘭州的2012年的天氣數據，包括日平均溫度、日平均濕度。原因為：七大地區基本上將我國氣候分成七大部分，即各個區域的氣候基本相同，可以僅從其中選取代表地即可；從上海證券交易所（http：//www.sse.com.cn）上查詢的交易所會員規模按地區分布2012年12月的數據中，我們發現，上述七個城市在上交所A股有形+無形席位與B股席位之和約占總席位數的67%，對股市的影響性較大，即即使上述七個城市對本地區氣候的代表性不強，通過對這七個城市的天氣進行分析亦可以獲得相對準確的結論。

文章如下部分安排如下：第二部分，對數據的說明；第三部分，模型構建，同時通過檢驗發現模型是（1，1）階協整的且無異方差性，因此不存在“偽回歸”問題；第四部分，結論。

二、數據的處理

1.股價指數的處理

本文研究所采用的數據是2012年上海證券交易所所有交易日，共243天的交易數據。通過比較分析相關論文的處理方法，與本文需要，即反應指數的變化，本文處理方式為：首先依據每日開盤價與收盤價計算當日收益率，然后取一階差分，即對數形式來表示收益率的變化。

2.天氣數據的處理

由于我國對天氣數據有嚴格封鎖，所以無法從官方取得數據。本文數據來源為http：//www.wunderground.com，該網站數據來源于Best Forecast？系統搜集到的世界各地22000多個私人氣象站的數據，數據準確性較高。通過相關資料，我們發現人體最適溫度、適度濕度分別為：27*0.618、45%，因此，對天氣數據處理方式為：

對濕度的處理數據方式為：

同時，本別對處理后的天氣數據取對數，保持與收益率的形式一致。

3.數據的檢驗

（1）單位根檢驗

由于文章采用的數據為時間序列數據，為避免出現“偽回歸”現象，首先對數據進行單位根檢驗。檢驗結果表明，通過采用ADF檢驗發現自變量與因變量均滿足在一階差分下，在ADF第3個模型中是平穩的。因此，只要模型的殘差序列滿足0階單整，那么模型就是（1，1）階協整的，即不存在“偽回歸”。

（2）Pearson相關性檢驗

本文對這14個變量與上證指數收益率數據進行Pearson相關性檢驗，本文采納了Michael， D. 與 B.M.Lucey的數據處理方法，即對數據重新進行最小一乘線性回歸（Least Absolute Deviation ，LAD）分析，數據結果如下：

表1：相關性分析

*.表示在5%水平上系數顯著，**.表示在1%的水平上系數顯著

三、最小一乘線性回歸模型構建

1. 模型簡介

由于所采用的天氣數據僅有一年，且天氣時常會有異常波動，因此對含有異常值的數據進行建模和參數估計時，應盡量減少異常數據對模型的影響。如果使用標準的最小二乘法進行預測，由于異常點有較大的偏差，其平方值相對更大。為了壓低平方和，會虛增加了殘差大的數據對回歸線施加的影響，從而異常點會使回歸線偏離真實情況，導致回歸線準確性較差，最小一乘準則恰好可以克服最小二乘的上述缺點。

設觀測數據為X∈Rn× p （n > p） 即樣本個數大于變量個數，y ∈Rn×1，線性模型為：

y = [1，X]β + ε…（1）

其中1∈Rn為元素全為1的n維列向量，β∈R p+1為回歸系數向量，ε～ N（0，σ2I）。最小一乘線性回歸系數β 的估計，需要求解下面的無約束不可微最優化問題：

即要求超定矛盾線性方程組

[1，X]β = y …（3）

的范數極小解。令A = [1，X]，b = y ，β 可以看作兩個非負的p +1維列向量u， v之差，令β = u - v，又設ξ，η為非負的n 維列向量，則（3）可以變成一個相容的線性方程組

A（u-v）+（ξ-η） = b …（4）

問題（2） 變為求||ξ-η||1最小的問題，再設0 p +1 ，1 n 分別表示含有p +1個0，n個1的列向量，于是問題轉化為求解如下的線性規劃問題模型

其中，

使用求解線性規劃的算法，求出問題（5）的最優解后，即可得到問題（1）的最優解 β = u* -v*。同時我們也可以發現，對于應用LAD進行估計來講，擬合優度檢驗與OLS方法是一致的。

2.LAD模型構建

本文構建的模型為：ln=c+betat×ln（？temp）+betah×ln（？humid）+ε，？表示地區，估計結果為：

表2：系數估計與t檢驗結果

對模型整體估計性能進行檢驗。F=0.896384056 P-value=0.0000 R2=0.940397，因此模型估計效果良好。

然后，通過對殘差序列進行ADF檢驗，發現符合模型3，即殘差序列為0階單整序列，模型為（1，1）階協整，因此不存在偽回歸問題。

同時，由于殘差序列中包涵著其他影響收益率的因素，可能有異方差性存在，采用Park Test，即模型進行估計，結果表明在統計上非顯著，因此不存在異方差性。

因此，從實證角度來看，我國滬市收益率的確與天氣情況有關。

四、結論

通過上述分析我們可以得出結論：從心理學、行為金融視角來講，通過對文獻的綜述我們發現天氣的變化的確會帶來情緒的變化，而情緒的變化又會帶來決策上的偏差，如過度反應與反應不足，進而造成投資收益率的變化；從實證角度看，我國滬市每日收益率的變化確實會受到天氣變化的影響。

參考文獻：

[1]Hirshleifer，D.，T.Shumway，.Good Day Sunshine： Stock Returns and the Weather[J].The Journal Of Finance，2003，（3）：`1009-1032.

[2]Howarth，E.，M.S.Hoffman.A Multidimensional Approach to the Relationship between Mood and Weather. British Journal of Psychology 1984，（February）： 15-23.

[3]Krmer，W.，R.Runde. Stocks and the weather： An exercise in data mining or yet another capital market anomaly？[J].Empirical Economics，1997，（4）：637-641.

[4]Michael，D.，B.M.Lucey.Weather，Biorhythms and Stock Returns： Some Preliminary Irish Evidence[R]，2002.

[5]Mehra，Rajnish，Raaj Sah.Mood， projection bias and equity market volatility， Journal of Economic Dynamics and Control，2000（26）： 869-887.

[6]饒育蕾，盛虎.行為金融學[M].北京：機械工業出版社，2011.

[7] 王福昌，胡順田，張艷芳. 最小一乘回歸系數估計及其MATLAB 實現[J]. 防災科技學院學報，2007，（4）：85-89.