經濟政策不確定性、投資者情緒與股價同步性
——基于TVP-VAR 模型的時變參數

任永平， 李 偉

(上海大學管理學院， 上海200444)

股價同步性是指在一段時期內證券市場上公司股票價格出現同時上漲或下跌的程度，即“同漲同跌”現象. 自Roll[1]提出用R2來反映單個股票與市場同漲同跌的關聯性后， 股價同步性就成為股票市場的重要問題之一. 過高的股價同步性會降低資產定價效率[2]和經濟運行效率[3-4]， 干擾證券市場篩選機制的運轉[5-6]， 影響經濟增長[7-8]， 從而帶來消極的經濟后果. 因此， 為避免股價同漲同跌帶來的負面影響， 股價同步性的影響因素備受學術界的關注.

國內外學者對股價同步性影響因素的早期研究是從宏觀的政策制度角度進行的.Morck等[9]發現產權保護機制完善的國家具有較低的股價同步性， 并推斷“發達國家因其完善的法規制度使得股價中包含更多的公司特質信息， 所以股價同步性也會較低”. Fernandes等[10]分析了48 個國家的數據， 研究了內幕交易法和股價信息的關系， 認為內幕交易法的執行改善了價格信息， 降低了股價同步性. 游家興等[11]發現隨著制度建設的不斷完善， 股價包含的公司特質信息越來越豐富， 股價同步性趨向減弱. Wang等[12]基于44 個國家的樣本考察了會計準則對股票價格信息內容的影響， 發現會計準則質量較高的國家具有較低的股價同步性， 股價同步性和會計準則之間存在顯著的負相關關系. Dong等[13]以美國證券交易委員會(U.S. Securities and Exchange Commission， SEC)要求上市公司必須使用可擴展商業報告語言(extensible business reporting language， XBRL)為研究背景， 探索信息成本如何影響公司特質信息的獲取， 結果發現XBRL 報告可以促進財務數據標準化， 降低信息處理成本， 進而降低股價同步性. 與Wang等[12]相似， 史永等[14]研究了中國證券市場上XBRL財務報告對股價同步性的影響， 實證發現采用XBRL財務報告制度有利于抑制股價同步性的上升.

關于投資者情緒對股價同步性的影響， 國內外學者也展開了大量的研究. West[15]認為投資者心理偏差引發的非理性行為造成的股價同步性較低. Barberis等[16]利用行為金融學理論研究了投資者情緒對股價同步性的影響， 發現非理性投資者對公司的特殊偏好會引發非理性投資行為， 進而影響該公司的股價同步性. Greenwood等[17]也發現投資者情緒會影響股價同步性的高低. 很多學者還將投資者分為個人投資者和機構投資者分別進行研究. 在個人投資者情緒方面， Glaser等[18]研究發現， 個人投資者情緒和市場收益之間存在相互影響. 從短期來看， 市場收益對個人投資者情緒具有負面影響， 而個人投資者情緒對市場收益的正向影響則會滯后一個交易日. 余佩琨等[19]將散戶投資者情緒和大戶投資者情緒統歸為個人投資者情緒，并研究了其與市場收益之間的關系， 認為借助市場收益可以預測個人投資者情緒指數， 反之則不成立. 而在機構投資者情緒對股價同步性的影響方面， 朱紅軍等[20]研究了證券分析師與股價同步性之間的關系， 發現證券分析師的信息搜尋活動能夠明顯降低股價同步性. 尹雷[21]研究發現機構投資者持股與股價同步性顯著負相關， 并且機構投資者持股變化是影響股價同步性的決定性因素， 機構投資者持股比例和持股機構投資者數量是以機構投資者持股變化為中介發生作用， 這說明機構投資者基于信息的交易可以提高股價的信息含量， 從而降低股價同步性. 許年行等[22]研究認為機構投資者的“羊群行為”會提高公司的股價同步性， 而且機構投資者的“羊群行為”與股價同步性之間的正向關系更會因合格境外投資者(qualified foreign institutional investor， QFII)而增強.

綜上所述， 對于政策制度和投資者情緒對股價同步性的影響， 已有研究獲得了大量的理論和實證成果， 但在政策制度方面， 主要是從產權保護水平、法規制度、會計制度等方面進行研究， 沒有涉及經濟政策， 尤其是經濟政策不確定性(economic policy uncertainty， EPU). 而中國股票市場的政策市現象比較明顯， 那么經濟政策的不確定性對中國股票市場的股價同步性會有怎樣的影響呢？在投資者情緒領域， 國內研究主要是分別針對個人投資者情緒和機構投資者情緒對股價同步性的影響， 缺少宏觀性的、考慮整個投資者群體的投資者情緒與股價同步性的關聯. 此外， 國內外學者多采用回歸模型及其衍生模型進行分析， 模型的核心是線性模型.但是隨著時間的推移和環境改變， 回歸模型及其衍生模型的變量之間的關系特征也處于不斷變化的過程， 而回歸模型卻無法描述這種關系特征的動態變化.

因此， 為了準確描述經濟政策不確定性和投資者情緒對股價同步性的時變性影響， 本工作采用時變參數向量自回歸(time-varying parameter-vector auto regression， TVP-VAR)模型，借助TVP-VAR 模型的時變系數和沖擊協方差矩陣捕捉各變量關系的非線性特征， 并通過模型的時變脈沖響應函數分析不同滯后期和不同時期內經濟政策不確定性和投資者情緒對股價同步性的動態影響.

1 理論分析

1.1 經濟政策不確定性與股價同步性

經濟政策的不確定性對宏觀經濟發展和企業行為具有多方面的深刻影響. 2012 年， 國際貨幣基金組織在《世界經濟展望》報告中明確指出了經濟政策不確定性的負面影響， 認為經濟政策不確定性會減少企業和家庭的投資、雇傭和消費， 進而抑制世界經濟的復蘇. 已有研究也認為經濟政策不確定性會顯著影響資本市場的股價反應， 甚至會對整個資本市場的股價波動產生影響. 經濟政策不確定性上升會增加等待期權的價值， 企業投資下降， 銀行信貸減少， 從而使得貨幣政策對企業信貸配置， 尤其是對短期信貸的調節能力下降， 即經濟政策不確定性會顯著降低貨幣政策有效性[23]. 貨幣政策有效性的下降又將會導致貨幣政策通過利率、貨幣供應量、公開市場業務影響股票市場的作用效果不明確， 增加市場“噪音”， 進而使得股價同步性上升.同時， 經濟政策不確定性也會通過影響投資者理性行為對股價同步性產生影響: 一方面， 經濟政策不確定性提升會增加投資者的風險感知和模糊性厭惡程度; 另一方面， 較高的經濟政策不確定性也會影響投資者對政策信息的理解和掌握程度， 降低投資者的理性思維程度[24]， 由此造成投資者非理性投資行為增加， 使得股價同步性上升.

綜上所述， 提出假設1: 當經濟政策不確定性增加時， 股價同步性上升.

1.2 投資者情緒與股價同步性

傳統金融理論認為， 人們的決策是建立在理性預期、風險回避、效用最大化， 以及相機抉擇等假設基礎之上的. 然而， 大量的實證研究表明， 傳統金融理論的理性人假設與現實存在偏差， 人們的實際投資決策并非如此. 行為金融學發現， 投資者的認知具有局限性， 會表現出過度自信、損失規避、心理賬戶等非理性特征， 經常會作出非理性的投資行為. 這種非理性行為在經濟系統中發揮著不容忽視的作用. 投資者需求假說認為， 投資者經常會自以為某市場事件傳遞了某種信息， 因此在偏好、情緒等非理性因素的影響下作出過度反應[16，25]. 當投資者情緒高漲時， 大量非理性投資行為就會促使股價同步性上升. 再從投資者認知心理學的角度看， 投資者的注意力是有限的， 投資者會更傾向于選擇簡單的分類決策規則， 而忽視公司層面信息，將有限的注意力集中在市場層面信息[26-27]. 因此， 投資者因注意力有限性而產生的簡單分類決策行為傾向會導致公司特質信息無法有效融入股價， 從而推動股價波動與大盤同漲齊跌， 即股價同步性上升.

據此， 提出假設2: 投資者情緒對股價同步性具有正向影響.

2 研究設計

2.1 經濟政策不確定性的度量

經濟政策不確定性可以用EPU 綜合指數衡量. 該指標由Baker等[28]構建并測算得出， 主要用于反映世界各大經濟體的經濟和政策的不確定性. EPU 綜合指數主要由新聞指數、稅法法條失效日指數和經濟預測差值指數構成. 中國EPU 指數的計算則是利用了EPU 綜合指數中的新聞指數， 以《南華早報》為分析對象， 對該報紙每月刊發的關于中國經濟政策不確定性的文章進行識別， 將識別結果除以該報紙該月總刊發量得到該月的中國EPU 指數(http://www.policyuncertainty.com). 雖然中國EPU 指數只是新聞指數， 但Baker等[28]通過實證驗證指出， 新聞指數與綜合指數具有很強的相關性， 因此仍然具有代表性. 朱孟楠等[29]的研究也認為中國EPU 指數的測量精確度高達98.4%， 可以作為我國經濟政策不確定性程度的衡量指標.

2.2 投資者情緒的度量

本工作的投資者情緒指標采用易志高等[30]構建的中國投資者情緒指標(Chinese investor composite sentiment index， CICSI). CICSI 融入了反映國內股票市場投資者情緒變化的主要變量， 包括封閉式基金折價(discount of closed end fund， DCEF)、成交量(turnover，TURN)、首次公開募股數量(initial public offering number， IPON)、上市首日收益(IPO returns，IPOR)、消費者信心指數(consumer confidence index，CCI)和新增投資者開戶數(new investor accounts， NIA)等， 并運用主成分分析法確定各個變量的系數.

2.3 股價同步性的度量

根據已有研究[1，31]， 本工作通過以下模型對股價同步性進行估計，

式中: rit為第i 個公司第t 日的對數收益率; rmt為市場第t 日的對數收益率. 對模型(2)進行回歸得到擬合系數R2. 根據統計學原理， R2反映了個股股價變動能被市場波動解釋的部分，R2越大， 說明股價同步性越高. 由于本工作研究的是我國股票市場的整體股價同步性， 因此對我國A 股市場上市股票R2的日度數據取均值， 得到各月股票市場整體股價同步性.

圖 1 顯示了 2003 年 3 月至 2016 年 11 月的 EPU， CICSI 與 R2的走勢情況， 圖中將 R2擴大100 倍以消除與其他2 個變量的數量級差異. 可以發現， EPU 指數與R2出現高峰和低谷的時間比較接近， 表現出相似的趨勢. CICSI 與R2則相反， 當R2處在高位時， CICSI 在低位或下跌; 當R2處在低位時， CICSI 會上漲或出現峰值. 由此， 從三者的走勢可以確定， 經濟政策不確定性、投資者情緒與股價同步性之間理應存在一定的關聯性.

圖 1 EPU， CICSI 與R2Fig.1 EPU， CICSI and R2

2.4 數據選取

考慮到數據的可得性， 本工作選取2003 年3 月至2016 年11 月的月數據， 共獲得165 個月度數據. EPU 指數數據來自經濟政策不確定性指數網站(http://www.policyuncertainty.com);CICSI 和R2均來自國泰安數據庫. 由于國泰安數據庫的R2是日度數據， 需要取均值以得到月度數據. 本工作對EPU， CICSI 和R2取對數增長率， 以對數增長率作為衡量3 個變量的變動指標.

3 TVP-VAR 模型構建

為了考察經濟政策不確定性和投資者情緒對股價同步性的影響， 分別研究EPU 與R2以及CICSI 與R2的關聯關系的時變性和非線性特征， 模擬特定時期經濟政策不確定性和投資者情緒對股價同步性的影響， 本工作選取Nakajima[32]提出的帶有隨機波動的TVP-VAR 模型進行系統考察. 近年來， 國內對該方法也進行了廣泛地運用， 但在股價同步性研究領域還未引入.本工作嘗試借助該方法研究經濟政策不確定性和投資者情緒對股價同步性的時變影響.

Sims[33]于1980 年首次提出向量自回歸(vector auto regression，VAR)模型，隨后眾多學者在VAR 模型的基礎上不斷進行完善和演變. 2005 年， Primiceri[34]將時變參數引入VAR 模型中; Nakajima[32]則進一步完善了該模型， 提出了帶隨機波動的TVP-VAR 模型. TVP-VAR 模型描述如下.

首先， 引入一個標準的結構VAR 模型，

式中: t=s+1，s+2，···，n， t 表示時間， s 表示滯后期數; yt為由待考察變量組成的 k × 1 階向量， k 為待考察變量的數量(待考察變量即為經濟政策不確定性指數、投資者情緒指數及股價同步性);A 和B1，B2，···，Bs均為k×k 階參數矩陣;μt衡量的是結構沖擊，且μt～ N(0，ΨΨ)，其中

σ 為標準差. 假定同步結構沖擊服從遞歸識別方式， 即矩陣A 為下三角矩陣形式，

將式(3)重新簡化為

式中: εt為殘差項， 且εt～ N(0，Ik)， Ik為單位矩陣; Φi= A-1Bi， i = 1，2，···，s. 將矩陣Φi的元素按行進行堆積處理并轉換為β 形式， β 為k2s × 1 階向量. 同時， 定義Xt=Ik? (y′t-1，y′t-2，···，y′t-s)， ? 為克羅內克積. 由此， 式 (6)可以表述為

此時， 式(7)中所有參數并不是時變的. 如果參數能隨時間變化， 則是TVP-VAR 模型. 因此，帶有隨機波動性的TVP-VAR 模型可以表述為

式中: 參數βt， At及Ψt均具有時變性. 根據Primiceri[34]的研究， 可以對矩陣At中下三角的元素進行轉換， 并表述為 a1= (a21，a31，a32，a41，···，ak，k-1)′， 且 ht= (h1t，h2t，···，hkt)′，hjt= Lnσ2jt， j = 1，2，···，k， t = s+1，s+2，···，n. 假設式(8)中的參數服從以下隨機游走過程， 即 βt+1= βt+ μβt， σt+1= σt+ μσt和ht+1=ht+ μht， 且有

式中: βs+1～ N(μβ0，Ψβ0); αs+1～ N(μα0，Ψα0); hs+1～ N(μh0，Ψh0).

在實際分析時， 為了降低隨機波動條件下似然函數的處理難度， 采用馬爾科夫鏈蒙特卡羅(Markov chain Monte Carlo， MCMC)算法進行模擬抽樣， 在獲得模型待估參數分布的基礎上對其進行估計.

4 實證檢驗與結果分析

4.1 參數設定及估計結果

表1 列出了TVP-VAR 模型的參數估計結果， 包括后驗均值、后驗標準差、95%置信區間、Geweke 概率和無效因子.

表1 參數估計結果Table 1 Parameter estimation results

從表1 可以看出， 參數的后驗均值都在95%的置信區間內， Geweke 值都小于5%的臨界值1.96， 表明不能拒絕參數收斂于后驗分布的原假設. 無效因子表示要得到不相關樣本所需要的抽樣次數， 無效因子值越小越好. 從表1 中的無效因子值可以看出， (∑h)2的無效因子為121.64， 其余參數的無效因子均小于60， 遠小于抽樣次數10 000 次， 因此利用MCMC 算法得到的抽樣樣本對于TVP-VAR 模型的后驗推斷是足夠的.

4.2 時變參數的特征分析

在參數不變的模型向量自回歸模型中， 模型估計后參數只有一個估計值， 但是TVPVAR 模型中的每個參數的估計值都是隨時間變化的.

圖2(a)～(f)給出了樣本的自相關系數， (g)～(l)表示樣本路徑， (m)～(r)為樣本的后驗分布. 從圖(a)～(f)可以看出， 自相關系數均呈現出迅速下降的趨勢， 最后都趨于0， 說明大部分樣本不存在自相關性. 圖(g)～(l)表明抽樣數據都在樣本均值附近穩定波動， 表現出明顯的波動聚類現象， 且基本平穩， 說明利用MCMC 算法得到的不相關樣本的數量是足夠且有效的. 圖(m)～(r)顯示抽樣樣本分布明顯收斂于后驗分布， 因此抽樣樣本是收斂的. 由此， 根據圖2 各時變參數的特征， 可以認為TVP-VAR 模型的結果是可靠的.

圖2 時變參數的特征Fig.2 Characteristics of time-varying parameters

4.3 時變關系的特征分析

圖3 和4 描述了經濟政策不確定性、投資者情緒與股價同步性之間的動態時變關系.

圖 3 EPU 與R2 的時變關系特征Fig.3 Time-varying relationship between EPU and R2

圖 4 CICSI 與R2 的時變關系特征Fig.4 Time-varying relationship between CICSI and R2

圖3 反映了經濟政策不確定性對股價同步性的時變影響. 在大多數時間段， 經濟政策不確定性對股價同步性的影響是正向的， 這一發現豐富了股價同步性在宏觀領域的研究. 而在 2004 年 10 月至 2005 年 6 月以及 2012 年 2 月至 2013 年 12 月之間， 經濟政策不確定性對股價同步性為負向影響， 這反映了該影響效應的作用方向會發生變動. 這種影響關系的非線性特征也正是利用回歸分析方法無法捕捉到的動態特征.

圖4 反映了投資者情緒對股價同步性的影響， 影響系數始終保持在-0.05 以下. 因此， 投資者情緒對股價同步性的影響主要是負向的， 且這種關系呈現為緩慢的增強態勢. 所以， 利用TVP-VAR 模型不僅可以如已有研究一樣對投資者情緒與股價同步性的關系進行定性分析，同時還可以對其影響強度進行動態量化.

4.4 不同時滯期的脈沖響應分析

對于TVP-VAR 模型， 可以設置不同的滯后期數來反映單位沖擊變量對被沖擊變量在不同滯后期形成的影響. 圖5 和6 分別給出了在不同滯后期下股價同步性對經濟政策不確定性(εp→ i)和投資者情緒(εx→ i)的脈沖響應函數. 參考金春雨等[35]的研究， 本工作選取沖擊影響時間約束為0(短期)， 2(中期)和6(長期)個月. 從圖5 和6 可以看出， 樣本期間經濟政策不確定性對股價同步性的影響具有時變效應， 不同時間約束下的影響程度不同; 投資者情緒對股價同步性的影響比較平穩.

圖5 R2 對EPU 的等時間間隔脈沖響應函數Fig.5 Equivalent time interval impulse response function to EPU for R2

圖6 R2 對CICSI 的等時間間隔脈沖響應函數Fig.6 Equivalent time interval impulse response function to CICSI for R2

4.4.1 經濟政策不確定性對股價同步性的脈沖響應函數及影響機理

從圖5 的等時間間隔脈沖響應函數可以看出， 經濟政策不確定性對股價同步性的影響主要是正向的， 影響強度隨時間變化， 基本驗證了經濟政策不確定性增加會導致股價同步性上升的假設. 具體就短期(0 個月)和中期(2 個月)而言， 經濟政策不確定性對股價同步性的時變影響走勢比較相似， 股價同步性對經濟政策不確定性沖擊的中期響應始終在0 以上， 短期響應也是大部分時間段為正向影響. 而就長期(6 個月)而言， 經濟政策不確定性對股價同步性的影響比較平穩， 140 期(即2014 年10 月)以前， 股價同步性對經濟政策不確定性沖擊的響應程度大于 0， 但比較微弱; 2014 年 10 月之后則為 0.

經濟政策不確定性對股價同步性的影響主要是從貨幣政策有效性和投資者理性行為兩個方面產生作用. 圖5 的脈沖響應函數顯示， 短期和中期的經濟政策不確定性越大， 股價同步性越高. 一方面， 較高的經濟政策不確定性會因對信貸調整能力的下降而明顯降低貨幣政策的有效性， 使得貨幣政策對市場的作用效果不明確， 這無疑會增加市場上的“噪音”， 影響私有信息融入股價， 繼而推動市場股價同步性上升. 另一方面， 經濟政策不確定性的增加會提升投資者的風險感知和模糊性厭惡水平[36]， 降低投資者對政策信息的理解程度， 使投資者在非理性思維的基礎上作出投資決策. 在大量非理性投資行為的作用下， 各公司股票價格極易表現出與大盤同漲同跌的互動特征， 即市場股價同步性較高. 但由于地方政府對銀行長期信貸的干預， 貨幣政策對長期信貸的調節作用不會受到高經濟政策不確定性的顯著影響[23]. 因此， 正如圖5 所顯示的， 長期的經濟政策不確定性對股價同步性的影響較小.

4.4.2 投資者情緒對股價同步性的脈沖響應函數及影響機理

從圖6 的等時間間隔脈沖響應函數可以看出， 股價同步性對投資者情緒沖擊的短期、中期和長期脈沖響應曲線均始終為負， 其中投資者情緒對股價同步性的短期影響最為強烈， 長期影響最為微弱; 并且， 投資者情緒對股價同步性的短期影響明顯呈現出逐年增強的趨勢.

股價同步性對投資者情緒沖擊的脈沖響應曲線為負， 表明投資者情緒的提升會促使股價同步性的下降， 與投資者情緒對股價同步性具有正向影響的假設相反， 也與Peng等[26]、Kumar等[37]、李昊洋等[38]得出的投資者情緒高漲會提升股價同步性的結論相反. 這可能是由于投資者因自身個體差異， 在情緒作用以及不同的投資環境和投資目標下對同一只股票的期望價格和收益也會存在差異. 因此， 在復雜多變的情緒作用下， 投資者會作出多樣化的投資決策; 投資者情緒越高， 投資者的期望差異也會越大、越明顯， 表現在股票市場上即為股價同步性的下降. 并且， 若投資者情緒高漲， 投資者的關注度也會隨之提升， 投資者分析增加， 易使得更多的公司特質信息進入市場， 從而降低股價同步性[39]. 正是由于我國金融市場的持續發展，IPO 數量和投資者群體每年都在增長， 支撐了投資決策多樣化的趨勢， 使得期望差異擴大; 以及隨著投資者理性投資決策水平的不斷提升， 更多公司特質信息融入股價， 使得投資者情緒對股價同步性的負向影響逐漸增強.

4.5 不同時間點的脈沖響應分析

本工作以3 個EPU 指數高點的發生時間(除2016 年7 月樣本尾端指數)作為對比時間點.(1) 2008 年9 月(t=67). 2008 年， 美國次貸危機對我國經濟的影響開始顯現， 政府出臺了若干應對措施， 但刺激性政策又轉化為國內通脹壓力， 政策進一步刺激的空間有限. 在該時期， 我國面臨政策選擇的雙重困難. 基于此， 本工作選取了該時期經濟政策不確定性指數最高的時點， 即 2008 年 9 月. (2) 2011 年 11 月 (t = 105). 2011—2012 年， 由于面臨政府換屆， 國內經濟政策不確定性增大， 且歐債危機已達到高潮， 外部環境對我國經濟發展影響的不確定性也急劇增大. 因此， 本工作選取了該時期經濟政策不確定性指數最高的時點， 即2011 年11 月. (3)2015 年 9 月 (t=151). 2015 年， 我國 GDP 增速落到了 25 年以來的最低值， 政府下一步的經濟政策走向得到了全球關注， 2015 年的“夏季股災”更是加劇了對經濟政策不確定的擔憂. 因此，本工作選取了該時期經濟政策不確定性指數最高的時點， 即2015 年9 月.

圖7 給出了不同時間點股價同步性對經濟政策不確定性沖擊的脈沖響應. 可以看出， 3 個時間點的經濟政策不確定性對股價同步性存在正向影響， 并且股價同步性對經濟政策不確定性沖擊的響應形態基本是一致的， 均是在當期產生一個正向反應， 并在增強至峰值之后逐漸減弱， 說明經濟政策不確定性對股價同步性的作用不存在時滯， 都是在初期即產生影響. 2008 年 9 月在第 2 期達到峰值后逐漸下降， 在第 4 期趨近于 0; 2011 年 11 月在第 1 期達到了峰值， 在第4 期趨近于0; 2015 年9 月同樣是在第1 期就達到了峰值， 隨后在第3 期趨近于0.可以看出， 在第0 期， 2008 年9 月經濟政策不確定性沖擊對股價同步性的作用效果最顯著，2011 年 1 月最小; 2008 年 9 月和 2011 年 11 月都是在第 4 期趨近于 0， 2015 年 9 月則是在第 3 期趨近于0. 因此， 從經濟政策不確定性對股價同步性的影響程度來說， 次貸危機時期的影響程度最深; 從影響時間來看， 次貸危機時期和歐債危機時期的影響時間最長. 由此可見， 經濟政策不確定性會促使股價同步性上升， 但在不同時間點上的影響程度和影響時間存在差異.

圖8 給出了不同時間點股價同步性對投資者情緒沖擊的脈沖響應. 3 個時間點的股價同步性對投資者情緒沖擊的反應形態基本是一致的， 都是在當期產生一個負向反應， 隨后反應程度逐漸減弱， 并在第10 期之后趨近于0. 但不同的是， 次貸危機時期的負向反應最大值出現在第1 期， 歐債危機時期以及“夏季股災”時期的負向反應最大值出現在當期. 可以看出， 次貸危機時期投資者情緒對股價同步性的影響程度最深; 而在影響時間上， 3 個時期的影響時間是基本一致的. 由此可見， 投資者情緒的提高可促使股價同步性降低， 但在不同時間點上的影響程度存在細節差異.

圖 7 R2 對EPU 的時變脈沖響應Fig.8 Time-varying impulse response to EPU for R2

圖 8 R2 對CICSI 的時變脈沖響應Fig.8 Time-varying impulse response to CICSI for R2

5 結 論

隨著我國經濟的不斷發展， 經濟政策、金融政策和金融市場結構等也隨之不斷變化， 傳統的線性回歸方法已無法準確描述經濟政策不確定性、投資者情緒與股價同步性之間的動態關系. 本工作以2003 年3 月至2016 年11 月的經濟政策不確定性、投資者情緒和股價同步性的月度數據為樣本， 運用帶有隨機波動的TVP-VAR 模型對經濟政策不確定性和投資者情緒對股價同步性的影響效應進行實證分析， 得到了以下主要結論.

(1) 經濟政策不確定性對股價同步性的影響具有較強的時變特性， 在不同的滯后期數具有不同的表現， 短期和中期的經濟政策不確定性對股價同步性主要為正向影響， 時變性較強; 長期影響雖仍為正向影響， 但影響程度微弱.

(2) 投資者情緒可以抑制股價同步性， 在不同滯后期數均表現為負向影響， 其中短期影響最為明顯， 長期影響則較弱. 隨著我國金融市場的持續發展和IPO 數量、投資者群體的增長以及投資者理性投資能力的提升， 投資者情緒對股價同步性的影響逐漸增強.

(3) 在不同時間點下， 經濟政策不確定性和投資者情緒對股價同步性的影響在影響程度和影響時間上存在差異. 從影響程度來看， 次貸危機時期的經濟政策不確定性和投資者情緒對股價同步性的影響程度最深; 從影響時間來看， 次貸危機和歐債危機時期的經濟政策不確定性對股價同步性的影響時間最長， 投資者情緒對股價同步性的影響則沒有明顯的時間差異.

通過本工作的研究結論， 可以得到如下啟示: ①經濟政策不確定性對股價同步性具有較大影響， 為保證金融市場的健康發展， 要不斷完善政策調控體系， 對經濟政策不確定性的負面影響進行及時控制; ②鑒于投資者情緒對股價同步性的影響逐漸增強， 證券監管部門應積極地規范和引導投資者行為， 提高投資者信息交易能力， 避免情緒化行為， 促進市場理性化; ③要充分考慮經濟政策不確定性和投資者情緒對股價同步性影響的動態變化， 選擇合理有效的調控手段， 制定出臺相應的調控政策， 提高調控效率.