智能選股App 對股票價格的影響分析

趙 昕，劉若晨，孔 征

一、 引言

股票市場上每天都會產生海量的信息，信息獲取和解讀能力能夠幫助投資者更好地進行投資決策。 過去，人們通過報紙、電視等媒體獲取股票市場的信息。 這些傳統的信息獲取方式讓投資者置身于信息的海洋。 然而，個人投資者的精力往往是有限的，他們無法搜集到市場中的全部信息，無法時刻關注所有股票的最新動態，更無法在有限的時間內對所有可供選擇的股票進行分析和比較。 但是，智能選股讓人工智能代替人腦對海量信息進行有序處理，讓投資者以直接、有效、快捷的方式了解到股票市場的最新熱點信息，提高了投資者的信息獲取和解讀能力。 越來越多的投資者參考智能選股，智能選股產生了一定的輿論影響力，加速了信息融入市場的過程。 智能選股會對所推薦股票的市場表現產生一定影響，甚至會給股票市場帶來影響。 在這種現實背景下，研究智能選股時代投資者關注對股票市場表現的影響具有重要的社會意義和經濟意義，為股票市場的研究提供一定的理論依據和支撐。

二、 文獻綜述

Kahneman(1973)在其專著《注意力和精力》中指出關注是一種稀缺資源。 投資者有限關注是指由于時間和精力的有限性，投資者不可能綜合考慮市場上所有的股票進行投資(Aboody et al.， 2008)。 Barber 和Odean(2008)的研究表明投資者傾向于購買吸引其注意力的股票，因此該股票的價格會有短暫的上漲趨勢。 國外學者對投資者有限關注的研究比較全面，觀察了關注之后完整的股票價格走勢(Seasholes and Wu，2007)。 相比而言，國內學者大多只研究投資者關注所引起的股票價格上升，而忽略了對后續價格發生反轉的分析(張雅慧等，2011)，這種反轉現象反映了有限注意的“過度關注弱勢”假說。 俞慶進和張兵(2012)、唐平(2017)分別在對創業板股票市場的研究中也發現，投資者的有限關注能給股票帶來正向的價格壓力，而這種壓力會在短期內發生反轉。 投資者關注可能帶來過度反應，關注轉移后會產生股票價格的回落。

綜上而言，現有文獻大多只研究股價對投資者關注的反應程度，本文主要基于信息的“兩級傳播理論”，重點探討二次傳播與首次傳播時間間隔的不同以及投資者有限關注對股票價格的影響。

三、 實證分析

(一)理論模型與研究假設

統一理論模型是Hong ＆ Stein(1999)提出的，簡稱為HS模型。 在HS 模型中，市場中僅存在消息關注者與動量交易者，他們都屬于有限理性投資者，且兩者之間具有相互作用。模型中假設消息關注者對私密信息的反應往往是不足的，因此動量交易者可以進行套利行為，導致股價升高。 酈金梁與何誠穎(2018)采用HS 模型的參數設置為標準，進行基于HS模型的仿真，發現時刻t＝9 時發生信息的二次傳播，傳播速率在此時刻發生上漲。 動量交易者若在此時刻開始套利，便會引起股票價格的上漲。 在數字仿真過程中還發現信息發生二次傳播后續一定時間里，HS 模型的結果均低于脈沖響應的結果。 模型的仿真結果與信息傳播對股價的影響的研究是一致的，表明股票市場對媒體信息報道有著迅速而有效的回饋。 根據上述模型理論和上文對已有研究的總結，提出本文的3 個假說。

假說1：投資者關注對股票價格具有顯著影響，與股票后續收益正相關。

假說2：經“百度股市通”App 推薦股票會發生短期價格動量，隨后發生反轉。

假說3：“股票推薦”二次傳播與首次傳播的時間間隔越短，被推薦股票的市場反應越大。

(二)變量選取

我們運用事件研究法研究智能選股App 推薦的熱點信息和上市公司股票如何影響股票的價格，選用統計學方法中的市場模型來推算股票預期收益率，從而進一步計算股票累積超額收益率。 在市場模型中，個股股票報酬率與市場報酬率之間存在線性關系，以市場報酬率為自變量建立股價報酬率的一元回歸模型。 我們把智能選股App 推薦熱點的發布日定為事件日。 若事件日處于股市休市狀態，取股票休市后的第一個交易日作為事件日。 令事件日的時間為0 時刻，事件日前10 個交易日至后10 個交易日作為事件窗口，事件日前120 個交易日至前11 個交易日作為估計窗口。 首先計算每個股票在事件期的收益率，計算每個樣本股票各期的累積超額收益率CARi[t1，t2]和樣本總體各期的平均累積超額收益率ACAR[t1，t2]。 市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風格因子(CMA)、財務杠桿(LEV)、波動率(Volatility)、流通股規模(Size)、前十大股東持股比例(Big＿Ten)、市場類型(Market)和行業類型(IND)作為控制變量。 依據以上指標，建立的多元回歸模型如下：

(三)數據來源

本文研究數據來源于“百度股市通”熱點搜索板塊和國泰安數據庫。 首先，運用Python3.6 語言抓取了“百度股市通”App 中“熱點搜索”板塊2018 年1 月4 日至2019 年3 月10 日期間發布的所有按照大數據技術鎖定的熱點事件以及該事件對應的推薦股票的信息。 在本文的整個統計區間，“百度股市通”App 共發布216 個熱點概念，推薦了1654 只股票，剔除無效樣本后剩1354 只股票。 其次，通過國泰安數據庫獲得所有有效樣本股票的事件日前120 天至后10 天的收盤價、交易量等數據和上市公司的市值、賬面市值比、營業利潤等多項指標。

(四)模型構建

1. 市場反應T 檢驗

為了進一步研究投資者關注對股票超額收益率的影響，我們利用SPSS 軟件對事件窗口的CAR 值進行獨立樣本T檢驗，檢驗CAR 值是否存在顯著差異。 結果顯示CAR 顯著異于零，說明上述事件具有一定的信息含量，引起了股票價格的顯著變化。

2. 動因分析

我們根據時間階段的不同依次將CAR[-10，-1]、CAR[-5，-1]、CAR[0，0]、CAR[1，5]、CAR[1，10]作為因變量，熱搜指數(HSI)作為自變量。 另外，市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風格因子(CMA)、財務杠桿(LEV)、波動率(Volatility)、流通股規模(Size)、前十大股東持股比例(Big＿Ten)、市場類型(Market)和行業類型(IND)作為控制變量，進行多元線性回歸分析。其中市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風格因子(CMA)和財務杠桿(LEV)分別從市值、賬面市值比、盈利能力和投資風格四個角度控制上市公司的經營特性，波動率(Volatility)和流通股規模(Size)控制二級市場特性，前十大股東持股比例(Big＿Ten)控制上市公司的所有權集中度，市場類型(Market)和行業類型(IND)分別對上市公司股票所屬的市場模塊和上市公司的所在行業進行控制。 回歸主要考察HSI 和IND 的系數符號和顯著性。

熱搜指數(HSI)是事件發布日(t＝0)熱點以及推薦股票的搜索指數，代表投資者對熱點概念及推薦股票的關注程度。 熱搜指數的回歸系數為正且顯著，表明投資者關注度對“百度股市通”推薦的股票后續累積超額收益率具有顯著影響。 投資者的關注程度越高，對應股票在二次傳播后續一定時間內會引起更大的價格波動，帶來更高的收益率。 這一結論恰巧證實了假說1。 投資者關注度對于不同階段的超額收益率具有不同的影響。 而在熱點發布之后，投資者關注度僅對當日的超額收益率產生了一定的影響，后期影響不斷減弱，所推薦股票在推薦一天之后的價格也趨于平穩。

3. 信息傳播、有限關注和超額收益率

將全樣本細分為“Sameday”“1 day”“＞1 day”三組，分別對這三組樣本建立多元回歸模型。 這三組模型結構同上文模型結構一致。 表1 給出了三個模型的回歸結果。 表1 中全樣本模型結果和原模型一致。 “＞1 day”組的模型結果中，搜索指數(HIS)的系數為正且顯著，說明二次傳播中的信息關注度對股票價格產生影響。 此外，搜索指數的回歸系數在“1 day” 組為2.272，遠大于“＞1 day” 組模型下搜索指數的系數。 由此可以得知，二次傳播時間間隔越短，投資者關注度的提高所引發的價格變動越大。 假說3 的結論得到了證實?！癝ameday”組的模型結果顯示該組搜索指數(HIS)的回歸系數不顯著，這個可能是由于“二次傳播”與“首次傳播”的日期重疊，造成投資者關注度的作用難以識別。

表1 投資者關注度在首次傳播和二次傳播中的作用

4. 不同行業間的有限關注和超額收益率

根據國泰安數據庫的行業分類數據，將樣本分為“房地產”“工業”“金融”“商業”“公共事業”和“綜合”這六組，對每組進行回歸。 模型的被解釋變量都為CAR[0，1]，控制變量與前述模型保持一致。 表7 展示了六大行業模型結果。

表2 投資者關注度在不同行業間的作用

在“工業”子樣本的回歸結果中，搜索指數(HSI)前的系數顯著為正，表明投資者關注度對所屬工業的上市公司的股票收益具有正向的影響。 其余5 組行業子樣本的回歸結果體現，搜索指數(HSI)對股票后續價格沒有顯著影響。 這可能是由于在一定影響因素下，投資者關注度對推薦股票的超額收益率的影響難以識別。 比如，在“房地產”子樣本回歸模型中搜索指數(HSI)前的系數不顯著。 這可能是由于近幾年各地出臺了一系列的房地產調控政策，樓市調控政策不斷加強，防范城市出現房價快速上漲、樓市泡沫過大等現象。 這使得在房地產市場的發展以及房地產上市公司股票價格變動中市場不占主導地位，而是那只“看得見的手”在控制。 另外，在“工業”子樣本中大多是一些比較傳統的制造業公司和私營企業，例如秦川機床、華中數控等。 而其他行業子樣本中大多是一些體量較大，市場難以撼動的企業。

(五)穩健性檢驗

在上文的研究中，我們對“百度股市通”2018 年1 月4 號后推薦的1354 只股票進行了深入研究，證實了我們的研究假設。 但是，在現實生活中，往往可能存在信息的提前泄露。考慮到這種情況，我們將時間窗口調整到[-1，+N]，令CAR[-1，1]作為被解釋變量，模型結果如表3。

表3 不同時間間隔穩健性分析

由上表結果顯示，全樣本下投資者關注對股票價格具有顯著影響。 在信息首次傳播和二次傳播的時間間隔越短，投資者關注對股票價格的影響越大。 同時，在不同行業情況下，投資者關注對工業企業的影響顯著，對于其他行業的企業的影響難以識別。 由此可見，穩健性檢驗的結果與上文的分析結論是一致的。

四、 結論與建議

根據本文的研究數據結果表明，智能選股發布日前后10天存在著顯著的平均超額收益率序列。 在股票推薦日發布的近幾天內，股票累積超額收益率受到投資者關注的影響，發生小幅度的波動，但隨后股票價格又發生了反轉效應。 因此，在這快速變化的股票波動中，投資者很難抓住這“轉瞬即逝”的機遇。 投資者若是按照百度股市通App 的熱點信息購買推薦的股票，也很難實現投資價值收益。

隨著大數據技術的不斷發展，越來越多的“互聯網財經媒體”將推出智能選股服務來吸引投資者的關注。 他們借助平臺的優勢大量推送股市信息，提升投資者的關注度，進一步可能影響股票市場的價格波動。 以“百度股市通”為例，其所推薦的大部分股票在推薦發布日后價格就發生一定程度的上漲，隨后出現反轉。 因此，為了維護股票市場的公平，防止有人為了謀取私利而擾亂股票市場的秩序，必須對網絡上魚龍混雜的“財經媒體”的信息發布傳播做好監管。