投資者情緒與股市收益的相關性研究

□沈寶璽

（中國海洋大學經濟學院 山東 青島 266100）

經典的金融理論假定投資者是理性人，能夠使用各類手段獲取所有市場信息，并根據自身經驗作出合理判斷。區別于傳統的經濟金融理論，行為金融學派的Baker 和Wurgler（2006）不再遵循“理性人”的假設，他們立足于投資者非理性角度，指出考慮到套利約束和非理性投資需求的不可預期，股票價格不能及時恢復到其基礎價值。

行為金融學派將心理學的觀點和研究方法引入到經濟學中，由此推動了行為金融理論的發展。投資者情緒反映了投資者的心理預期，導致金融資產價格波動，因此如果從理論分析出發，投資者情緒應是金融資產一個不可忽略的定價因子。此次研究的目的是探究投資者情緒是否影響股市收益率。

隨著我國證券投資市場迅猛發展，投資者結構、交易方式、交易頻率都發生了很大的變化，這就需要以最新的證券投資理論和方式為指導。希望此次研究的結論能對證券投資實踐提供參考，為投資者提供有效的投資建議，健全我國金融市場，提高市場效率。

1 文獻綜述

作為行為金融學的一個重要指標，投資者情緒如何作用于金融資產價格，吸引了大量學者的關注，國內外許多學者都對其進行了探究。姚遠等（2019）將情緒分為樂觀、悲觀和溫和3 種，使用單因素方差分析方法檢驗了投資者情緒對股市收益的影響，實證結果顯示，高漲的投資者情緒會帶來更高的股市收益率。李長治和方芳（2020）[1]構造了美國的投資者情緒指標，實證結果表明，在較短時期內，美國投資者的情緒會對中國股市收益率產生負面影響，但是從長期視角來看卻是積極的。Yao（2020）首先使用主成分分析構建了A 股的投資者情緒，然后采用熱路徑方法研究了情緒與股票市場的領先滯后結構。其實證結果表明，在短期內，由于羊群效應等原因，投資者情緒引導著股市收益；但是從長期來看，主要是股市波動影響投資者情緒。主要原因可能是市場存在周期性波動和期貨套利現象。Mihai Nitoi（2020）發現，在社會動蕩時期，投資者情緒更易趨向非理性。研究金融危機時期投資者情緒和股票市場的相關性后發現，恐懼、悲觀、消極等負面情緒加強了歐洲24 個股票市場的聯系，投資者情緒會促使金融市場朝同一個方向發展。Cheema（2020）將投資者情緒劃分為高漲時期和其他時期，研究結果表明，唯一會對證券回報產生正向影響的時期只存在于投資者情緒高漲期。在其他時期，投資者情緒很少影響證券市場回報，可以忽略不計。

綜合以往學者的論述可知，投資者情緒具有復雜性和多元性，學界尚未有統一定論。因此為了較為全面地分析其基本內涵，使用主成分分析法將多個指標降維后再復合為一個情緒指數作為投資者情緒的代表指標。

2 數據來源與指標構建

2.1 數據來源

基于我國股票市場的基本情形和研究數據的可得性，選取6 個指標作為構建投資者情緒指數的基礎，使用主成分分析法對這些指標進行降維處理，從中提取出能夠代表中國A 股市場的投資者情緒指標；使用上證綜指對數收益率表示A 股市場的回報率。其中，數據頻率均為月度，時間跨度為2011 年1 月至2020 年8 月，數據來源為Wind 和國泰安CSMAR 數據庫，數據處理軟件為Spss 和Eviews。

2.2 指標構建

6 個投資者情緒的基礎指標如下。

市場換手率（TURN），指投資者在當月轉手買賣股票的頻率，是代表投資市場活躍程度最重要的指標之一。新增開戶數（NA），指當月新開立的股票賬戶數，可以直接反映股票市場的火爆程度。消費者信心指數（CCI），該指標由國家統計局發布，可以綜合反映消費者對當前經濟形勢、收入狀況的自身感受，數值越大，表示消費者對經濟增長更有信心。封閉基金折價率（DCEF），基金折價意味著基金份額凈值大于市場價值，市場火爆，人們對證券市場很有信心。新股發行數量（NIPO），表示當月上市的公司發行的新股總數。IPO 首日收益率均值（RIPO），新股上市首日收益率越高，代表投資市場活躍度越高[2-3]。

為有效進行主成分分析，首先對以上6 個變量進行相關性檢驗和KMO 統計值檢驗。結果顯示，6 個變量均存在良好的相關性且KMO 統計值為0.710，適合進行主成分分析。其次根據Spss 的輸出結果，從6 個變量中提取出兩個主成分，且二者的累計貢獻值已經達到82.12%，因此兩個主成分足以包含主要的信息，是一個良好的替代指標。最后根據主成分分析，得到最終的投資者情緒指標ISI 如下。

3 實證研究

向量自回歸（VAR）模型是常用的時間序列模型之一，模型中所有的當期變量都作為因變量，所有當期變量的滯后項作為自變量，對每個方程進行線性估計，得到最終模型。

VAR 模型的優點之一是建模之前不必考慮各個變量可能存在的約束關系，可以直接估計各個變量之間的線性關系[4-5]。

3.1 平穩性檢驗

時間序列數據建模的第一步就是判斷變量是否平穩，否則會產生“偽回歸”現象，因此首先要對構建的投資者情緒指標和上證綜指對數收益率進行平穩性檢驗。

進行ADF 單位根檢驗后發現，投資者情緒序列和股市對數收益率序列的ADF 統計值均小于5%顯著性水平對應的臨界值，且P值小于0.05，即兩個變量均是平穩的，可以建立時間序列模型。

3.2 確定VAR模型滯后階數

為了得到最優的滯后階數，使用施瓦茨信息準則、赤池信息準則等方法進行判斷，結果如表1 所示。依據“多數原則”，模型應選取5 階作為最優滯后階數。

3.3 變量內生性檢驗

為了使VAR 模型的建立具有意義，需要對兩變量進行內生性檢驗，只有在兩變量均為內生變量時，模型才有意義。如表2 和表3 所示，P值均小于0，因此兩變量均為內生變量，可以建立VAR 模型。

3.4 建立VAR模型

依據上文的結論，選擇滯后期1～5 期的變量作為模型自變量，建立投資者情緒ISI 與股市收益率RETURN 之間的雙變量向量自回歸模型，結果如下。

根據以上回歸結果可以看出，股市收益的滯后項對投資者情緒有很大的正向影響，這表示股市收益率提高會導致出現更多的投資者，使投資市場趨于非理性，而投資者情緒對股市收益率的影響系數小于0.01，幾乎可以忽略不計。

3.5 模型穩定性檢驗

為了說明兩個變量之間的相互影響，可以使用脈沖響應圖進行分析，而使用脈沖響應圖的前提是建立的VAR 模型具有穩定性，因此需要進行模型穩定性檢驗。

如圖1 所示，VAR 模型的特征根都在單位圓之內，即特征根對應的模都小于1，因此建立的向量自回歸模型是穩定的，接下來就可以對兩個變量進行脈沖響應分析。

3.6 脈沖響應分析

脈沖響應分析是指對VAR 模型中的單個變量施加一個標準差的沖擊之后，觀察其在此刻和未來時刻對其他變量產生的影響，脈沖響應圖可以形象地描繪出這種影響的動態變化。

脈沖響應分析結果如圖2 所示。從圖中可以看出，當給RETURN 一個單位的標準差沖擊后，ISI 會在半年內顯著升高，之后迅速回落，但是整個影響期為15 個月，也就是說，股市收益率的改變對投資者的情緒有持續性影響；當給ISI 一個單位的標準差沖擊后，RETURN 變化幅度很小，甚至在3 個月之內的影響是負面的，而后迅速調整回原位，即投資者本身的情緒高漲與否對股市收益沒有顯著影響，甚至在投資者情緒過于高漲時進入股市，更加難以獲得較高的收益。

表1 VAR模型最優滯后階數判斷結果

表2 投資者情緒內生性檢驗

表3 投資回報率內生性檢驗

4 結論

借鑒以往學者的研究方法和結合自己的判斷，從中國股票市場中提取6 個技術指標作為投資者情緒的基礎指標，數據的頻率均為月度，進一步使用主成分分析方法對它們進行降維處理，得到能較好代表市場投資情緒的復合指標ISI。使用上證綜指對數收益率表示A 股市場回報率。使用這兩個序列的數據建立雙變量向量自回歸模型，最終得到結論。

與以往大多數學者的結論不同，實證結果表明，投資市場情緒高漲并不能在短時間內帶來較高的收益。這可能與我國的投資者結構有關，高漲的投資者情緒意味著大量個人投資者入市和頻繁的換手操作，而實際上這并不能推動股價持續上漲，甚至當個人投資者在市場情緒高漲時入市有可能在短期內虧損。相對的，股市收益率上漲將會顯著吸引更多投資者，為股票市場帶來更多的增量資金。