投資者情緒與金融危機預警系統風險的相關性研究

(1.廣東財經大學 廣東 廣州 510320；2.萬聯證券股份有限公司 廣東 廣州 510623；3.南京烽火天地通訊科技有限公司 江蘇 南京 210019)

一、引言

考慮到金融危機帶來的嚴重性，當今世界上許多金融機構、各國政府以及學術領域的學者們加強了對金融危機預警系統風險的研究。隨著學術界行為金融學研究的不斷深入，使得學者們從投資行為的心理動機切入研究，通過研究投資者決策行為的心理動因來解釋各種金融異象的原因。由于在實際金融領域中完全信息假設學說是不存在的，尤其在證券市場中種種“內部消息”和內部交易人的暗中炒作使得市場信息不對稱。因此，結合我國實際情況，從投資者情緒角度出發，研究其與我國的金融危機預警系統風險的影響具有特殊的現實意義。與此同時，大量的文獻已經證實投資者情緒對股票市場具有顯著的相關性，但是目前還沒有學者研究投資者情緒與金融危機的相關性。股市是金融市場的一個晴雨表，投資者情緒的波動直接影響股市的波動。因此，本文預測投資者情緒對金融危機有直接的影響，該研究結果將為提高金融危機預警風險指標的預測性和對金融危機的防范提供有力的幫助，對經濟的發展具有深遠的意義。

二、文獻綜述

在經典的金融學理論中，大都假設投資者是理性經濟人。然而，越來越多的研究發現，實際情況并非如此，根據Shiller(2003)提出的理論，投資者的投資行為是不理性的。幾乎所有實驗現象表明，當投資者在金融市場中做決策時，其心理活動會隨著環境的變化而變化，尤其是在投資者面臨許多的不確定因素的時候，這種心理很可能極大限度地影響著投資者的行為。此后，關于投資者情緒的研究開始逐漸受到重視，這些文獻主要關于投資者情緒的衡量方法主要可以分為兩類，其一是單一指標測量法，Fisher和Statements(2000)研究認為，由于市場公開數據能夠反映投資者情緒的真實的行為，它能夠避開直接測量法中的弊端，而且數據包含的信息更大。其二是復合指標法，蔣玉梅和王明照[1](2009)采用封閉式基金折價率、消費者信心指數、新增開戶數和換手率四個代理變量的第一主成分來代表投資者情緒。易志高、茅寧[2](2009)以封閉式基金折價、數量及上市首日收益、交易量、消費者信心指數和新增投資者開戶數作為代理變量構建情緒指數。楊墨竹[3](2013)選擇封閉式基金折價率、市場換手率、好淡指數、新增股開戶數、消費者信心指數以及市場市盈率6個指標計算投資者情緒復合指數。

關于現有金融危機預警風險指標的研究，Graciela Kaminsky,Saul Lizondo和Carmen M.Reinhart于1998年在國際貨幣基金組織發表的《leading indicators of currency crisis》，簡單闡述了金融危機預警風險指標的研究的發展歷程，其中應用較為廣泛的預警指標包括：Blanco和Garber(1986)認為可以將國內信貸增長率(domestic credit growth)作為預警指標。隨后，Kaminsky,和Reinhart(1999)提出17個比較完善的指標，將股票價格因素首次列入金融危機的預警系統中。Kenneth E.Scott(2010)研究認為，2008年次貸金融危機中，房地產泡沫(housing bubble)是這次金融危機爆發的根本原因，將房價增長率(growth of housing price)做為預警系統中的一個重要指標。另外，我國對金融危機預警系統風險的研究中，陳守東、楊鈺瑩與馬輝[4](2006)在原先IMF列出的實際GDP增長率、負債率和股市波動率等14個指標的基礎上增加了工業增加值增長速度作為新的指標。吳成頌(2010)研究認為，數值高的股票市盈率伴隨著股市泡沫危機，并將股票市盈率列入建立我國金融風險預警系統的指標。

關于投資者情緒與股票收益相關關系的研究，大多數學者主要是以投資者情緒對股票預測作為切入點進行研究。比如Baker和Wurgler(2006)[5]構建了指數研究情緒對股票收益的橫截面的影響，研究結果顯示，投資者情緒對股票價格存在顯著的正相關關系，情緒對那些容易被主觀估值、高投機、難套利的股票影響更大。關于我國學者對于構建投資者情緒指標的研究中，易志高和茅寧[2](2009)改進了封閉式基金折價等計算方法，構建出封閉式基金折價、IPO數量以及首日收益、消費者信心指數和新增投資者開戶數的基礎上，構建了一個能較好預測中國證券市場投資者情緒綜合指數(CISI)。在國內最新文獻里，王熙繁和孫靜[6](2016)選取消費者信心指數、封閉式基金折價、換手率、新增開戶數和市盈率五個指標的月度數據進行主成分分析，得出投資者情緒綜合指標。研究結果表明，新建的投資者情緒指數對滬深300指數走勢具有一定的預測性。

綜上所述，在對投資者情緒進行文獻研究的過程中，不難發現大量關于投資者情緒與股票市場的相關性研究文獻，但是研究投資者情緒對金融危機直接的相關性的文獻還較少。本文認為股市危機是金融危機的一大類，且投資者情緒指標與股市波動存在顯著的相關關系，所以本文重點關注投資者情緒與金融危機是否存在直接關系。如果存在顯著的相關性，那將為下一步完善金融危機指標以及提高對金融融危機的預警能力，具有重要的現實意義。

三、數據與變量描述

在研究投資者情緒對金融危機預警風險風險的影響時，首先需要準確度量金融危機預警風險風險與投資者情緒，然而，這兩者的度量方法在學術上均存在一定的爭議，本文將參考現有文獻，構建合理的指標對金融危機預警風險風險與投資者情緒進行度量。

(一)金融危機預警風險指標的構建

金融危機預警風險指標的建立要結合金融危機的內涵，本文重點參考陳守東、楊瑩和馬輝在2012年發表的《中國金融風險預警研究》，把金融危機概括為宏觀經濟、金融系統、泡沫風險，并從這三個方面出發來構建出15個金融危機指標，其中宏觀經濟為主要因素。本文選取的金融危機指標如表3-1所示。

表3-1 金融危機預警風險指標體系

運用SAS軟件對15個指標進行主成分分析來構建一個綜合金融危機預警風險模型：

(1)首先導入數據，分別求出15個指標的均值與方差。

(2)調用PRINCOMP程序對15個指標進行主成分分析，先得到相關系數矩陣R，然后一一列出了相關系數矩陣的特征值、差分、比例、積累如表3-2所示。這里第一、第二、第三、第四和第五主成分累計比率為76.01%，大于70%，選擇第一、第二、第三、第四和第五為主成分。

表3-2 相關矩陣特征值

(3)根據特征值求出前5個特征值的特征向量后，第一、第二、第三、第四和第五主成分的表達式為每個指標的每段時期的標準化值和它的特征值的乘積之和，具體如下：

表3-3 相關矩陣特征向量

(4)以這五個主成分的方差貢獻率作為權數，組成一個綜合金融危機模型，即：

Y=0.2696×PRIN1+0.1559×PRIN2+0.1541×PRIN3+0.0881×PRIN4 +0.0693×PRIN5

再結合上式5主成分中每個指標所占權數后，得到：

Y=0.116406514×X1-0.008811687×X2-0.041545415×X3

+0.02986804×X4+0.143347112×X5+0.107300978×X6

-0.029023662×X7-0.050717668×X8+0.025394729×X9

-0.105642158×X10+0.120075685×X11+0.069147284×X12

+0.173780131×X13+0.144629241×X14-0.02443093×X15

(二)投資者情緒模型建立

本文以Baker和Wurgler[5]的投資者情緒BW構建法為參考方法，重點研究了易志高和茅寧(2009)構建的投資者情緒CISI綜合指數，選用了基金折價率、上月基金折價率、月交易量、上月交易量、上月IPO個數、IPO個數、上月IPO首日收益、IPO首日收益、新增投資者開戶數、上月新增投資者開戶數、上月消費者信心指數和消費者信心指數這十二個指標進行分析最后構建出一個綜合指標。

表3-4 投資者情緒指標

由于不同指標與投資者情緒可能存在“提前”與“滯后”的關系，可能會影響投資者的情緒，比如當IPO在前期出現高收益時，后期將會激發投資者的熱情吸引大量投資者。所以本文增加了6個指標，它們分別表示各個指標的表示前一期的數值。

運用SAS軟件對該12個指標進行主成分分析來構建一個綜合投資者情緒模型：

(1)首先導入原始數據，導入12個指標的數據(見表3-4)進行簡單統計之后，分別得到12個指標的均值與方差。

(2)調用PRINCOMP程序對12個指標進行主成分分析，先得到相關系數矩陣R，然后一一列出了相關系數矩陣的特征值、差分、比例和累積。這里第一、第二、第三、第四主成分累計比率為76.64%，大于70%，選擇第一、第二、第三、第四主成分，如下表所示：

表3-5 投資者情緒指標相關矩陣特征值表

(3)根據特征值求出對應的前4個特征值的特征向量后，第一、第二、第三和第四主成分的表達式為每個指標的每段時期的標準化值和它的特征值的乘機之和，方法同上一節。

(4)以這四個主成分的方差貢獻率作為權數，組成一個綜合金融危機模型，即：

Z=0.3359×PRIN1+0.2331×PRIN2+0.1185×PRIN3+0.0789×PRIN4

再結合上式4主成分中每個指標所占權數后，得到：

Z=0.106244199×Y1+0.101654218×Y2+0.048198433×Y3

+0.043545814×Y4+0.137428391×Y5+0.144266991×Y6

+0.106721537×Y7+0.113923171×Y8+0.124461714×Y9

+0.123309287×Y10+0.165491908×Y11+0.176216177×Y12

Z的曲線與滬深300指數的對比圖如下圖所示：

圖3-1 投資者情緒Z值曲線圖

通過圖3-1的兩條曲線的可知，投資者情緒綜合指標與滬深指數呈現較強的相關性，此次驗證了投資者情緒對股票市場的影響。當投資者情緒高漲時，股市呈上升趨勢，當投資者情緒低落時，股市下跌。

(三)主要數據來源

本文所選取的數據來源于中經網統計數據庫、中國人民銀行官網、中華人民共和國財政部、東方財富網、中華人民外匯管理局以及國泰安數據庫，頻率為月度，時間區間為2008年1月至2016年12月的數據。此外，本文通過數據頻率將部分季度數據轉換為月度數據，包括實際GDP增長率和不良貸款率國家負債率。本文將使用均值插值法補充每年1月份房價增長率，股票市盈率和股票收益率選取滬深300指數的市盈率和波動率。

四、投資者情緒與金融危機預警風險相關性分析

本部分將通過普通最小二乘法對投資者情緒綜合指標與金融危機預警風險綜合指標相關程度進行擬合，并驗證其顯著性：

(1)首先假設Y與Z之間具有相關關系，稱Z為自變量，Y為因變量，Y與Z的擬合函數為：

(4-1)

(2)然后再次運用SAS軟件進行編程對擬合函數進行普通最小二乘法分析，先調用merge函數按日期合并Y值與Z值，調用reg函數，對兩個指標進行普通最小乘法(OLS)分析后求出它們之間的函數關系，得結果如下表所示：

表4-1 普通最小二乘法參數估計

由上表可知Y與Z的擬合函數關系為：

Y=0.0000000000118505+0.18283Z+μ

(3)下面將采用F檢驗對回歸方程進行顯著性分析：

表4-2 F檢驗分析

當原假設H0為真的時候，F～F(1,104)，在給定顯著水平α=0.05下，其拒絕域為：

F≥F1-α(1,104)≈3.92

由上表4-2可知，F=5.58，大于拒絕域3.92，顯然在顯著性水平0.05下拒絕原假設。

下面通過P值(臨界值)再判斷回歸方程的顯著性，根據表4-2：

P=(F≥5.58)=0.02

由于P值小于顯著水平0.05，故拒絕原假設。

下圖為兩個指標的對比圖：

圖4-1 金融危機綜合預警指標Y和投資者情緒Z曲線圖

通過上述分析可知，投資者情緒模型綜合指標Z與金融危機預警風險模型綜合指標Y存在顯著的正相關關系，當投資者情緒高漲時，它能帶動金融市場的飛速增長，隨著而來的是金融風險的升高，反之亦然。

五、研究結論

本文利用主成分分析法對2008年至2016年間我國金融危機綜合預警風險指標以及投資者情緒綜合指標進行構建并分析其相關性，考察了投資者情緒對金融危機預警風險的影響，主要得出一下結論：較高的投資者情緒伴隨著較高的金融危機預警風險，金融危機處于預警狀態。金融市場上的各個因素是相關聯的，當投資者情緒高漲時會大量買進股票基金，這樣導致了股市的升值，提高了上市股份公司的收益，當這些公司取得高收益后，用使用大量資金擴大投資力度，各種因素的相互作用效果造成了經濟過熱狀態；這時如果不采取宏觀調控，當股市、樓市高到一定數額后，接踵而來的是泡沫危機的產生，就像前幾次金融危機事件一樣。因此，該結論為金融危機預警系統風險的進一步完善和對金融危機預測準確性的提高邁出了重要一步。