投資者凈持倉量與期貨市場穩定性
——基于分類賬戶數據的經驗研究

， ， ，

(1.西安交通大學 管理學院,陜西 西安 710049; 2.深圳證券交易所 衍生品業務部,廣東 深圳 518010)

1 引言

對比1995～2015年我國A股市場與美國市場的月度波動率，發現上證指數為1.604%，美國道瓊斯指數為0.995%，我國A股市場波動率幾乎是美國的1.6倍，而深證的1.756%也高出同期月度波動率為1.376%的納斯達克30%，說明較之成熟市場，我國金融市場波動風險一直過高。特別地，繼1995年“327國債事件”為我國金融市場帶來的災難性創傷后，2015年6月，上證指數連續17天暴跌32.11%引發的“股災”，再一次創造了我國金融市場價格異常波動的新紀錄。在金融市場高桿杠和“順周期”特性助推下，價格異常波動可能促發配資機構的強行平倉行為，并引發出新一輪的市場“踩踏”和連鎖反應，使中小投資者承擔遠超其承受能力，加劇市場恐慌，危害市場穩定、健康。因此，“防范市場過度波動”始終是我國金融市場監管當局的重要目標。

不同類型投資者在資金實力、認知能力、理性程度以及投資目的上存在很大差異，其交易行為對市場影響效果往往也不同。個人投資者因資金實力、認知能力較弱，非理性程度較高被認定為市場“噪音”，噪音交易行為與過度投機行為都會加劇市場價格波動。根據《中國金融期貨交易所交易規則》，個人或法人屬性投資者應據其交易需求申報投資賬戶，即投機、套利和套期保值。因此，投資者將同時擁有兩種身份屬性。考慮到機構和個人，套保、投機和套利的交易行為對市場波動潛在影響不同，但以往學者僅從機構和個人、或投機和套保的分類方式出發，并未將兩種分類方式統一整合，忽略了這兩種分類方式的重疊性與矛盾性；此外，以往的研究大多利用數學模型和思辨討論的方法，鮮少有利用市場數據，尤其在不同市場態勢下，對不同類型投資者如何影響我國金融期貨市場穩定性做出實證性檢驗。

本文的創新之處在于，結合投資者的雙重身份對其進行重新分類，并在不同勢態下進行研究。結果發現不同類型投資者非預期凈持倉量變動對市場波動的影響不同。本文結論為我國股指期貨市場的差異化監管機制設計提供了實證解釋和參考，并拓展了金融衍生品投資者行為策略經濟后果的研究領域，對金融市場監管層、交易者都具有一定的參考價值。

2 文獻綜述

金融市場波動率與投資者的交易行為顯著相關[1,2]。Wang[3]在此基礎上將時間維度引入“信息量”的概念中，其在6國外匯期貨市場的實證研究表明不同類型投資者因臨時信息引發的異質性信念對市場波動產生的沖擊效果不同。不同投資者對市場波動的影響存在爭議。

按客戶屬性分類可將投資者分成個人或機構。Barber和Odean[4,5]認為個人投資者非理性程度高，他們是加劇市場波動的“噪音”；Bohl等[6]發現個人投資者的非知情特性使其對價格的影響力降低、波動增加，隨著機構交易比例增加，期、現市場間的信息流動性提升；Basak和Pavlova[7]發現機構交易包含的信息量更高，對期貨市場穩定作用更強；余佩琨和鐘瑞軍[8]通過數理模型證明出機構的交易行為更理性；王鄖和華仁海[9]研究了投資者的交易策略，發現個人投資者采取慣性投資策略而機構投資者采取反轉交易策略，故個人加劇市場波動、機構緩解市場波動；黃運成等[10]發現機構促進期貨市場市場價格發現，并建議我國金融期貨市場逐步且有序引入各類機構投資者；姚興濤[11]通過研究國外成熟期貨市場的投資者發展歷程，建議將QFII引入我國期貨市場。

按交易目的劃分可將投資者分為投機和套保兩類。Chang等[12,13]研究表明投機交易量與市場波動正相關，進一步他們發現投機持倉量與非預期波動弱相關，而套保者在非預期波動的作用下將提高對預期波動的估計，進而增持并加劇波動；Adrangi和Chatruth[14]發現大型投機者增加市場波動；Wang等[15]發現HSI市場的投機行為異常活躍，且加劇市場波動；而Miffre和Brooks[16]卻認為大型的投機交易者不能引發市場過度波動；劉慶富等[17]發現空盤持倉量變動對市場波動率的影響更大；楊陽和萬迪昉[18]發現中國股指期貨市場的套期保值交易和做空機制能有效緩解市場波動。

3 數據來源、變量與研究設計

3.1 數據來源

本文所用獨特數據為2010年10月11日至2013年8月29日在中國金融期貨交易所上市的滬深300股指期貨合約中，賬戶類型級別的日頻度交易數據，其中包括賬戶交易時間、賬戶客戶屬性、賬戶交易類型、各個賬戶的日成交量、多頭和空頭持倉量。其他數據還包括滬深300股指期貨市場中主力合約的日開盤價、收盤價、最高價、最低價、結算價，間隔為10分鐘的收盤價、市場單邊交易量和持倉量。本文研究的所有數據均來源于中國金融期貨交易所。

3.2 變量

3.2.1 投資者類型

中金所依據客戶屬性，將投資者分為機構投資者和個人投資者，再根據其交易目的，將其歸屬到投機賬戶、套期保值賬戶和套利賬戶中。借鑒CFTC的持倉報告，綜合投資者的雙重身份屬性，本研究進一步將投資者分為套期保值賬戶的機構投資者、投機套利賬戶的機構投資者和個人投資者。

3.2.2 市場波動率

波動率是市場穩定性的反向代理變量。該值越小，表示市場穩定性越高。為保證結果的穩健性，本研究采用兩種方法計算我國滬深300股指期貨市場的日內波動率。

第一，根據Garman-Klass[19]的研究，以開盤價、收盤價、最高價和最低價計算價格的日內波動率

(1)

第二，借鑒Andersen和Bollerslev[20]的估算辦法，利用日內較短時間間隔的收盤價計算所得回報率的離散程度來描述已實現的日內波動率

(2)

3.2.3 凈持倉量

本文以各類型投資者當日持有的多頭持倉量減去空頭持倉量得到的凈值衡量凈持倉量

(3)

進一步，參考Wang[3]的研究，利用ARIMA(p,k,q)模型將投資者的凈持倉量序列分解成預期和非預期兩個組成部分。預期部分為ARIMA(p,k,q)模型的擬合值，非預期部分為真實值與其對應的預期值之差，即ARIMA(p,k,q)模型的殘差。ARIMA(p,k,q)模型的滯后階數由AIC和SC準則確定。

3.2.4 市場總體交易行為

已有文獻表明市場交易行為與市場波動顯著相關。本文涉及的市場總體交易行為包括市場交易量和市場持倉量。為了保持一致，仍然利用ARIMA(p,k,q)模型將其分解為預期和非預期兩個部分。

本文涉及的變量名稱、標識及含義，如表1所示。

表1 本文涉及變量、符號及含義

注：j=TV,OI分別代表市場交易量和持倉量，k=SA,H,R分別代表投機套利的機構投資者、套保的機構投資者和個人投資者。

本文涉及的研究變量均為時間序列，經ADF檢驗，G-K波動率，A-B已實現波動率和市場交易量為平穩序列，市場持倉量和三類投資者凈持倉量的一階差分序列為平穩序列。依據單位根檢驗的結果，本文利用ARIMA(p,k,q)模型將市場交易量、持倉量以及三類投資者凈持倉量分解為預期和非預期兩個部分。從研究變量的相關性看，分解后的凈持倉量變動在投機套利的機構和套保機構之間同期正相關，在散戶與任何一類機構之間同期負相關，暗示出機構與個人投資者的行為差異。但分解后的市場總體交易行為之間、及其與不同類型投資者凈持倉量之間的同期相關性較低，反映出將市場總體交易行為作為控制變量的可行性與對不同投資者進行單獨回歸的必要性。

3.3 研究設計

為了檢驗不同類型投資者凈持倉量對市場波動的影響，我們在市場波動和滯后期波動、分解的總體交易行為、各類投資者分解的凈持倉量之間建立回歸模型

β2UAOI,t+γkENk,t+ρkUNk,t+θkDk×UNk,t+εt

(4)

其中Dk為虛擬變量，當UNk,t>0，即k類投資者的非預期凈持倉量對市場產生正沖擊時，Dk=1；否則，Dk=0，因此，UNk,t的系數ρk和UNk,t與Dk×UNk,t的系數之和(ρk+θk)分別表示k類投資者非預期凈持倉量變動的負沖擊與正沖擊對市場波動的影響。

4 實證結果與分析

4.1 不同類型投資者凈持倉量對市場日內波動的影響

利用ARIMA(p,1,q)模型，本文將投資者凈持倉量變動分解成預期和非預期兩個部分。試圖在方程(4)表示的OLS回歸模型中，研究不同類型投資者分解后的凈持倉變動對市場日內波動率的影響。

青島中山路歷史街區(以下簡稱中山路街區)位于青島市南區中西部，西鄰青島火車站，南接棧橋公園.創始于1897年的德國占領時期，在改革開放以后逐漸蕭條[1].天主教堂位于中山路的東側山坡臺地之上，塔身高56 m，是整個中山路街區的重要節點，構成中山路歷史街區輪廓線的控制高度[2] (圖1).

表2 不同類型投資者凈持倉量對市場波動的影響：G-K波動率

注：為清晰起見，已將除截距項和滯后期波動項外的其他變量系數擴大了106倍；*p<0.1,**p<0.05,***p<0.01。下同。

Bessembinder和Seguin[2]通過研究市場交易行為和波動率之間的關系，發現波動率與交易量正相關，與持倉量負相關，且非預期交易量對波動的作用是預期的數倍。本文在我國股指期貨市場中檢驗總體交易行為與波動之間關系的結論與前人基本一致，如表2中模型1。

控制了市場總體交易行為后，模型2～4分別刻畫了投機套利機構投資者、套保機構投資者和個人投資者預期和非預期的凈持倉量變動對日內波動率的影響。可以看出：預期和非預期交易量均與市場日內波動率顯著正相關，非預期持倉量與日內波動率顯著負相關。與模型1相比，模型2～4的調整R2均顯著提高。說明加入投資者預期和非預期凈持倉量變動這兩個關鍵變量后，方程對市場日內波動率的解釋能力更強，模型的擬合效果更優。

本文的回歸結果顯示：所有投資者非預期凈持倉量變動項UN和交乘項D×UN的系數均與日內波動率顯著相關，說明對任何一類投資者來說，其非預期凈持倉量變動的沖擊都是不對稱的，且不同類型投資者凈持倉量變動沖擊的非對稱效應不同。具體地，套保機構的非預期凈持倉量變動項系數為-0.068，非預期凈持倉量變動與代表市場沖擊方向的虛擬變量構成的交乘項系數為0.013，但兩者系數之和為-0.055，表明非預期凈持倉量變動的正、負沖擊對市場日內波動率的作用均顯著為負，且負沖擊對市場波動的抑制作用更強，即該類投資者非預期的持倉量變動能夠穩定市場，且利空消息下套保機構非預期多頭減持或空頭增持穩定市場效果更強。個人的非預期凈持倉量變動項系數和交乘項系數分別為0.416和0.493，均在1%統計水平上顯著為正，這兩項系數之和為0.909，說明個人非預期凈持倉量變動的正、負沖擊對市場波動作用顯著為正，且正沖擊對市場波動的影響效果更強。也就是說，該類投資者非預期的凈持倉量變動會加劇市場波動，且利好消息下，非預期的多頭增持或空頭減持對市場波動加劇的幅度更大。然而，有趣的是，本文發現，投機套利機構的非預期凈持倉量變動項系數為-0.042，交乘項系數為0.130，兩者之和為0.088，表明該類投資者非預期凈持倉量變動的負沖擊對市場波動率的作用為負，正沖擊對市場波動率的作用為正，即利空消息下的空頭增持或多頭減持抑制市場波動，而利好消息下的多頭增持或空頭減持加劇市場波動。

根據Black[21]異質性信念模型和De Long等[22]噪音交易理論的解釋，不同類型投資者凈持倉變動的正、負沖擊對市場波動影響的大小和符號均不同，原因在于不同類型投資者持有的信息量不同。一方面，個人投資者自身知識、能力受限，非理性程度較高，被視為“噪音交易者”，他們認為所有的價格變化或交易量變動均反映了市場的內部信息，據此相應地調整交易行為，其追漲殺跌的交易理念觸發了該類投資者的高買低賣效應，逐步增大期貨價格的偏離程度，故其凈持倉量變動的正、負沖擊都加劇了市場波動。受價格壓力效應的影響，與情緒低落時相比，該類投資者在情緒樂觀時，傾向增持資產，進一步加劇市場波動。蔣玉梅和王明照[23]研究了投資者情緒下盈余公告對市場的沖擊，發現投資者情緒系統性地影響市場盈余公告效應，說明市場對消息的反應由投資者情緒驅動產生，且情緒導致投資者對意外盈余公告的反應不對稱；進一步，王磊和孔東民[24]在此問題的研究中發現，個人投資者傾向于關注好消息。與以上研究相一致，本文也發現個人投資者對利好消息的敏感性更強。另一方面，機構理性程度較高，他們持有私人信息，更靈敏地洞悉市場走向、辨別消息真偽，對資產的基本面價值判定更精準，因而其在一定程度上幫助穩定市場。然而，具體到交易目的不同的機構中時，其交易策略又存在明顯差異。根據套期保值壓力假說，當資產價格偏離真實價值時，套保交易者進行反向操作，以鎖定市場價格，回避現貨價格風險。因此，無論消息利好還是利空，該類投資者的交易行為都能使期貨價格回穩，即其非預期凈持倉量變動的正、負沖擊均抑制了市場波動。而對投機和套利交易者來說，他們分別通過抓住市場機會賺取風險利潤和通過“低買高賣”獲得穩定價差來獲利。當市場價格較低時，他們利用利好消息低價做多，這種機構樂觀買入的行為可能引發同樣對利好消息敏感的散戶持續大量買入的羊群行為發生，致使期貨價格進一步抬高而加劇市場波動；當期貨的瞬時價格被噪音交易者哄抬超過其基本面價值過高時，噪音交易者仍然盲目樂觀做多，但相對理性的投機套利交易者采取做空策略打壓價格，其與個人之間的反向操作實現了期貨價格單向大幅變化，降低了市場日內波動率。這也解釋了投機套利機構面對不同的即時市場消息時，其交易行為對市場日內波動率所產生的不對稱效果，即該類投資者非預期凈持倉量變動的負沖擊抑制市場波動，正沖擊加劇市場波動。以上結論暗示了我國滬深300股指期貨市場中，個人非預期多頭增持對市場日內波動的沖擊高于其空頭增持對波動的沖擊。最可能的解釋是個人投資者對利好消息過度反應；相應地，面對利空消息時，機構的交易行為可以穩定市場，表明當期貨價格過高時，機構投資者對私有信息的利用更加自信。

4.2 分樣本回歸

已有文獻表明，不同市場態勢下的收益波動存在異化現象[18]。因此，本文進一步探究不同市態下各類投資者對市場波動的作用。參考滬深300指數的60日K線圖，依據該指數的漲跌態勢，本文將上文研究的全樣本分為四個子樣本區間，并利用方程(4)對投資者分解的凈持倉量進行分樣本回歸。

四個子樣本區間段分別為：①2010/10/11～2011/4/15；②2011/4/18～2012/12/31；③2013/1/4～2013/5/31；④2013/6/3～2013/8/29。其中子樣本①和③為漲勢，日均漲幅分別為0.055%和0.021%，②和④為跌勢，日均跌幅分別為0.080%和0.217%。不同類型投資者分解的凈持倉量變動對市場日內波動影響的分樣本回歸結果如表3所示。

表3 不同態勢下各類投資者分解的市場凈持倉量對市場波動的影響

注：受限于篇幅，只匯報了變量EN、UN和D×UN的系數。

第一，子樣本①區間內，投機套利機構凈持倉量變動的正、負沖擊對市場波動的影響系數分別為1.240和-1.380，子樣本③區間內，該影響系數分別為0.059和-0.028，表明當市場表現出增長態勢時，該類投資者凈持倉量變動的正沖擊加劇市場波動，負沖擊抑制市場波動，與全樣本研究結果一致。但在子樣本②和④區間內，即市場下跌時，該影響作用不顯著。

第二，子樣本②區間內，套保機構凈持倉量變動的正、負沖擊對市場波動的影響系數分別為-0.072和-0.077，該影響系數在子樣本④區間內分別為-0.125和-0.240，表明市場下跌時，該類投資者凈持倉量的正、負沖擊均抑制市場波動，且從絕對值看，該系數在下跌的樣本區間值高于全樣本區間，表明市場下跌時，套保機構對市場波動的抑制作用更強，且市場下跌程度越高，其對市場的穩定能力越強。在子樣本①區間內，該類投資者對市場波動的穩定程度較小。而在子樣本③區間內，這種影響關系不成立。

第三，個人非預期凈持倉量變動的正、負沖擊增加市場波動的結論在子樣本①、②和③區間內均成立。從絕對值看，影響效果最強的是子樣本①區間，正、負沖擊分別為1.041和0.595，其次為子樣本③區間的1.000和0.583，最后是子樣本②區間的0.876和0.415。與全樣本的0.909和0.416相比，該類投資者在市場上漲時加劇市場波動的效果更強，在市場下跌時加劇市場波動的程度較弱，且市場漲勢越強，該類投資者加劇市場波動的程度越高。

行為金融理論對上述結果的最可能解釋是：當牛市出現時，投機機構尋求風險收益和套利機構獲得穩定利差的做多行為將引發個人投資者的羊群做多，導致期貨價格持續上升，個人投資者敏感捕獲到的“好消息”激勵其通過積極做多追求風險收益。結合我國股指期貨市場個人投資者比例過高的現實背景，投機套利機構以及個人投資者同向做多交易將使市場波動增加，且市場越牛，其獲得的市場機會越大，市場波動加劇程度越高；直至市場價格過高時，投機和套利機構利用其機構“專業性”獲得的私有信息，逐步開始做空，而個人作為“噪音”仍受非理性的過度自信情緒主導持續做多，在期貨緩速上升直至下跌出現的過程中，個人受其對“做多”偏好及非理性的過度樂觀情緒影響，以為下跌只是市場的正常震蕩，依舊做多或持觀望態度，直到機構開始大量拋售，市場價格連續大幅“跳水”，熊市明顯出現，個人“跟空”的羊群行為才逐漸開始。此時，面對壞消息時，個人持續做空的交易行為與市場價格變化方向一致，將導致市場波動進一步加劇，然而他們面對好消息的利多交易卻更好地配合了其對手方——投機和套利機構更自信的做空行為，從而導致價格進一步下跌，市場波動進一步加強；而無論牛市還是熊市，套保機構始終是穩定市場的主要力量。

在未列示的表格中，本文借鑒Adndersen和Bollerslev[20]經典已實現波動率的度量方法，對方程(4)表示的OLS回歸進行了穩健性檢驗，結果發現投機和套利機構凈持倉量變動的正沖擊加劇市場波動，負沖擊抑制市場波動；套保機構凈持倉變動的正、負沖擊均抑制市場波動，且負沖擊對市場的影響強于正沖擊；個人投資者的正、負沖擊均加劇市場波動，正沖擊對市場波動的加劇效果大于等量負沖擊對市場的影響。前文結論再次得到印證。

5 結論與啟示

本文利用滬深300股指期貨分類賬戶日度交易數據和間隔10分鐘的價格分時數據，并依據滬深300指數的60日移動平均線對樣本區間進行分段，分別在全樣本與分段樣本區間上研究不同類型投資者凈持倉量變動對市場日內波動率的影響。結果發現個人投資者非預期凈持倉量變動的正、負沖擊均增加了市場波動，且利好消息比等量的利空消息對市場波動的沖擊更大；套期保值機構投資者非預期凈持倉量變動的正、負沖擊均降低了市場波動，且利空消息比等量的利好消息對市場波動的抑制作用更強；而投機和套利機構投資者在緩解市場日內波動上具有“選擇性”。市場上漲時，非預期凈持倉量變動的正沖擊增加市場波動，負沖擊降低市場波動，市場下跌時以上關系不成立。

以上研究成果揭示了投資者結構對我國滬深300股指期貨市場穩定性的重要意義及不同類型投資者在該市場中所扮演的重要角色。本文結果表明投機和套利的機構投資者可以在一定程度上緩解市場波動，套期保值機構投資者已成為維護我國滬深300股指期貨市場穩定的重要力量。監管當局應當通過大力培育國內機構投資者和合理引入合格境外機構投資者的方式吸引機構參與我國股指期貨交易，并通過設置動態差異化的交易機制鼓勵套期保值行為。但是，投機和套利的機構投資者在牛市環境中，可能利用信息優勢與大量場外配資“操縱”大盤，引發個人投資者羊群跟投，積聚股指價格泡沫，引發更大的指數波動與新一輪的崩盤風險。因此，監管當局同時還應當設立實時監控的“懲罰”機制，有效約束市場操縱行為。個人投資者對“好消息”過度反應，有嚴重的過度投機與羊群行為，建議監管當局考慮在提高個人準入門檻與交易限制的同時，加強信息披露，降低個人非理性程度的可能性以及非理性行為給市場造成的不良影響。

[1] Karpoff J M. The relation between price changes and trading volume: a survey[J]. Journal of Financial and Quantitative Analysis, 1987, 22: 109-126.

[2] Bessembinder H, Seguin P J. Price volatility, trading volume, and market depth: evidence from futures markets[J]. Journal of Financial and Quantitative Analysis, 1993, 28: 21-39.

[3] Wang C Y. The effect of net positions by type of trader on volatility in foreign currency futures markets[J]. Journal of Futures Markets, 2002, 22(5): 427- 450.

[4] Barber B M, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors[J]. Review of Financial Studies, 2008, 21(2): 785- 818.

[5] Barber B M, Odean T. Handbook of the economics of finance: the behavior of individual investors[M]. Holland, Elsevier B.V., 2011. 1533-1570.

[6] Bohl M T, Salm C A, Schuppli M. Price discovery and investor structure in stock index futures[J]. Journal of Futures Markets, 2011, 31(3): 282-306.

[7] Basak S, Pavlova A. Asset prices and institutional investors[J]. The American Economic Review, 2013, 103(5): 1728-1758.

[8] 余佩琨,鐘瑞軍.個人投資者情緒能預測市場收益率嗎[J].南開管理評論，2009，12(1)：96-101.

[9] 王鄖,華仁海.投資者行為與期貨市場波動：基于OLG模型和高頻數據的理論與實證[J].中國管理科學，2012，20(1)：91-101.

[10] 黃運成,王愛華,鄒惠.國際期貨市場機構投資者的發展及借鑒[J].證券市場導報，2007，(5)：72-77.

[11] 姚興濤.論中國股指期貨市場發展的主體[J].金融研究，2000，(5)：85- 89.

[12] Chang E C, Pinegar J M, Schachter B. Interday variations in volume, variance and participation of large speculators[J]. Journal of Banking & Finance, 1997, 21(6): 797- 810.

[13] Chang E, Chou R Y, Nelling E F. Market volatility and the demand for hedging in stock index futures[J]. Journal of Futures Markets, 2000, 20(2): 105-125.

[14] Adrangi B, Chatruth A. Futures commitments and exchange rate volatility[J]. Journal of Business Finance & Accounting, 1998, 25(3- 4): 501-520.

[15] Wang Y M, Li C A, Lin C F. The impact of investor sentiment on the futures market: evidence from the Taiwan futures exchange[J]. International Research Journal of Finance and Economics, 2009, 28: 134-151.

[16] Miffre J, Brooks C. Do long-short speculators destabilize commodity futures markets[J]. International Review of Financial Analysis, 2013, 30: 230-240.

[17] 劉慶富,仲偉俊,梅姝娥.空盤量變動對我國期貨市場期貨價格收益波動性的影響[J].系統管理學報,2005,14(1):28-32.

[18] 楊陽,萬迪昉.股指期貨真的能穩定市場嗎[J].金融研究,2010,(12):146-158.

[19] Garman M B, Klass M J. On the estimation of security price volatilities from historical data[J]. Journal of Business, 1980, 53(1): 67-78.

[20] Andersen T G, Bollerslev T. Answering the critics: yes, ARCH models do provide good volatility forecasts[R]. National Bureau of Economic Research, Nber Working Papers, 1997.

[21] Black F. Noise[J]. The Journal of Finance, 1986, 41(3): 528-543.

[22] De Long J B, Shleifer A, Summers L H, et al.. Noise trader risk in financial markets[J]. Journal of Political Economy, 1990, 98(4): 703-738.

[23] 蔣玉梅,王明照.投資者情緒與股票收益:總體效應與橫截面效應的實證研究[J].南開管理評論,2010,13(3):150-160.

[24] 王磊,孔東民.盈余信息,個人投資者關注與股票價格[J].財經研究，2014，40(11)：82-96.