投資者情緒對股票價格行為影響的實證研究

岳田

[摘要]通過合理地選取投資者情緒代理變量，構建了投資者情緒指數以及刻畫股票收益對情緒敏感程度的指標。然后基于科創板70家上市公司數據對投資者情緒與股票特征之間的關系進行了實證研究。結果表明：我國科創板中股票的流通市值、波動率以及市凈率與情緒β呈顯著正相關，流通市值高、波動率高、市凈率高的股票容易受到投資者情緒的影響。

[關鍵詞]投資者情緒;股票價格;股票特征

[中圖分類號] F832.51

[文獻標識碼]A

1 引言

眾所周知，自20世紀50年代初Markowitz提出投資組合理論開始，便拉開了金融定量分析（數理金融）的序幕。后期在Fama的有效市場理論假說下，Sharpe的資本資產定價理論、Miller的公司財務理論、Black-Scholes-Merton的期權定價理論等通過深刻的數學模型完美的揭示了若干金融現象的機理，促進了數理金融學的的蓬勃發展。但是隨著全球金融市場的豐富與完善，復雜程度越來越高，大量市場異象的不斷出現，從而導致運用數理金融學并不能完全解釋市場超額收益的出現。因此，近幾十年來，國內外眾多學者試圖從行為金融學的角度來尋找股票價格行為變動機理的解釋。與傳統數理金融學相比，行為金融學不再假定投資者是理性的，認為投資者的情緒對金融市場的影響有著至關重要的作用，即除了證券的基本價值以外，投資者的心理變化因素與個人行為特點也能對證券的價格變動產生重要的影響。因此，自1990年Delong等學者首次通過在股票價格變動中引入投資者情緒變量建立了著名的DSSW股票價格模型以來，投資者情緒理論很快成為了行為金融學研究的一個熱點領域。如Thaler等學者相繼在《Journal of PoliticalEconomics》、《Joumal of Finance》等國際金融領域著名雜志上發表重要成果[2-5]，極大地促進了投資者情緒方面的研究工作，這對投資者決策行為的理解、市場超額收益形成的解釋，金融市場價格機制形成的機理等提供了有力的證據，從而可以更好地指導投資者的行為決策。在國內，宋澤芳等通過選取系列情緒變量，分析了投資者情緒與股票特征之間的聯系;黃德龍等通過對情緒與即期收益的關系進行演繹論證，總結了5條假說，并通過實證表明與市場實際運行有較高的吻合度;文風華等將情緒分為積極與消極兩類，討論了兩類不同情緒下投資者的決策行為特征，并分別采用DVR模型、GARCH模型以及RV-AR模型研究情緒特征對證券價格行為的影響。

為了深化創新驅動發展戰略的進一步實施，促進資本市場對我國核心技術創新能力的服務水平不斷提升，資本市場基礎制度不斷完善，2019年我國設立科創板并試點注冊制是增強市場包容性、強化市場功能的一項資本市場重大改革舉措。科創板開市作為去年我國資本市場最震撼的事件之一，為資本市場注入了一劑強心針，這對于我國完善多層級資本市場體系具有重要的意義。據統計，截至2019年底，科創板上市公司數量已經達到70家，合計融資超過820億元，所有個股相對發行價最高平均漲幅達188%，總成交額累計為1.33萬億元，單只個股平均成交額達189.9億元。由于科創板從開板至今時間比較短，諸多制度還未完善，因此投資者情緒對相關上市公司的股票價格波動情況有著重要的的影響。本文將以科創板70家上市公司數據實證研究投資者情緒對股票價格行為的影響，從而期望能夠為科創板投資者的行為決策提供一些參考。

2構建投資者情緒指數

在投資者情緒測度的研究方面，目前國內外文獻中主要有兩種方式：直接方式以及間接方式。直接方式主要表現為通過問卷調查來了解投資者對市場走勢所持有的態度，然后使用看漲或看跌投資者的占比來計算市場情緒指標，如國內的央視看盤指數等。但是由于較多直接方式得到的情緒指數并不能客觀全面地反映市場的走勢，主觀性比較強，且數據時間連續性較差，因此本文將采用間接方式，即借助市場上能夠容易獲取的反映投資者情緒的間接指標的客觀數據來進行構建。在投資者情緒間接代理指標的選擇方面，本文將選擇5個能夠較好反映我國A股證券市場投資者情緒的變量，具體為：首次公開募股數量（ IPON）、上市首日收益率（IPOR）、封閉式基金折價率（ CEFD）、換手率（TURN）、市場新增開戶數（NIA）。值得說明的是，本文實證采用的數據均以月度數據為標準，所用樣本為2019年7月至2020年6月的科創板數據，所有數據來源為Wind數據庫。

由于情緒代理變量在不同時間點會呈現相同的情緒，因此必須考慮Baker與Wurgler提出的“提前”或“時滯”效應，故本文將借助他們的方法，首先通過主成分分析法將10個代理變量（選取的5個代理變量均含有即期與時滯一期）進行分析，然后使用第一、二、三主成分的加權平均來度量情緒值SENTt。然后將得到的SENTt與10個初始代理變量作相關性分析，選擇相關性較強的5個變量作為最終的情緒代理變量，但由于宏觀經濟情況會影響證券市場的這些變量，因此在構建情緒指數時需要去除這種影響。最后得出投資者情緒復合指數：

SENT=0.302/PONt-1+0.171IPORr +0.263CEFDt+ 0.262TURNt-l+0.415N/At。

3構建股票投資組合與情緒敏感度

本文將選擇規模市值、市凈率與波動率作為科創板股票的三個主要特征，以此來構建股票投資組合。1個年度末最后一個交易日的股票特征數值計算完成后，按照升序排列，然后將所選股票等分為5個組合。關于股票的市場規模我們可以用每月最后一個交易日的流通市值來度量。關于情緒的靈敏度方面，Glushkov基于DSSW模型，建立了一個多因素回歸模型，并定義了個股收益率對情緒的敏感度β，即回歸模型中估算出的個股收益率關于情緒的回歸系數。類似于DSSW模型，結合F-F三因素模型，本文將采用以下回歸模型來描述情緒敏感度與股票特征之間的關系：