投资者情绪对股票收益的影响研究——来自中国 A 股市场的经验证据

马雪晴

(四川大学 四川 成都 610000)

一、引言

近年来，传统金融理论的完全理性人假设受到众多实验研究结果的挑战，逐渐兴起的行为金融学为传统金融学理论注入了新鲜血液，加入了认知心理学理论的研究后学者们更加关注投资者情绪及行为对市场形成的作用。在新的研究框架下，学者们认为股票收益与投资者情绪有显著的相关关系，甚至可以对资产价格产生一定的预测作用。诸如小规模效应、业绩预告择机披露异象、最大日收益率异象等现象在我国资本市场频频上演，有效市场假说等传统金融学理论很难作以解释，而众多学者的研究也表明这些金融市场异象与投资者情绪存在着很大的关联性。

我国股票市场仍存在有效性不足等问题，并且我国股市的投资者结构呈现出个体投资者占据多数的局面，这些噪声交易者之间存在着相互异质性，反映出乐观或悲观的不同情绪，进而使得股市收益也受其作用。现今学者们或基于调查数据、亦或基于市场客观数据构建指数，旨在对投资者情绪实施更为合理有效的度量，进而以此探究其对我国股票市场收益带来的影响方向和影响程度，这在市场不确定性增加，外部因素施压的现状下具有十分重要的意义。

二、投资者情绪指标的构建

就目前针对投资者情绪指标的研究进行对比来看，客观指标较主观指标剔除了较多的主观性因素，因而精准度更高、偏差更小；复合指标较单一指标具有更充沛的信息量，适用性也更强。故本文挑选了新增开户数(NIA)、市场市盈率(PE)、市场换手率(TURN)、融资融券余额(SEC)、市场成交量(VOL)以及消费者信心指数(CCI)共6项子指标指标，综合考虑市场的活跃度、流动性、估值水平及投资者预期和信心，并通过主成分分析法设计复合指标用以测度投资者情绪。

上述各指标产生的影响由于存在可能的传导时滞问题，因此在第一步首先使用上述6个指标标准化处理后的当期变量及滞后一期变量；第二步对这12个变量进行主成分分析，计算结果显示第1至第5主成分的累计方差解释率达89.4%并高于85%，实现对传统BW方法条件的调整。故选择前5个主成分进行后续计算，且获得临时性指标值。

表1 投资在者情绪构建指标与临时情绪指标相关系数

第三步使用上述的12个变量同临时性指标值进行相关性检验。由表1可知，临时性指标值与新增开户数、融资融券余额、成交量、融资融券余额的滞后期、成交量的滞后期、消费者信心指数的滞后期存在更高的相关性，并将这些指标作为构建最终指标的参考值。

表3 投资者情绪指标与构建指标的相关系数和因子负载

为提出宏观因素下系统性风险的影响，本文参考易志高(2009)的方法分别考虑消费、投资和经济景气度三方面，采用CPI、IVA和MBCI各指数分别同以上指标进行回归，将回归残差项确定为最终构建指标，最后再经由主成分分析得到考虑宏观经济周期的综合性投资者情绪指数。各因素指标影响程度如下所示：

SENTrt=0.308NArt+0.034SECrt+0.325VOLrt+0.017SECrt-1+0.299VOLrt-1+0.017CCIrt-1

图1 沪深300指数与投资者情绪指标

通过皮尔森检验可得到SENT和沪深300指数的相关系数为0.7347，且在1%的显著性水平下通过检验，则本文所构造的投资者情绪指标的合理性较强。根据图1可以更加直观地看出本文构建的投资者情绪指数与沪深 300 指数之间的相关度较高，符合我国牛熊市的变化规律。

三、实证分析

(一)数据说明与模型构建

本文选取2010年3月至2019年10月共116个月度数据，其中市场换手率、市场市盈率，Fama-French三因子月度数据来自于锐思数据库，新增开户数、融资融券余额、市场成交量、消费者信心指数、宏观经济景气指数等其余月度数据来自于国泰安数据库。本文使用STATA13展开以下实证分析。采用Fama-French三因子模型的分析框架构建计量模型以此探究投资者情绪对股票收益作用效果。将三因子模型中由流通市值加权平均计算的市场溢价因子、市值因子和价值因子作为控制变量构建出以下多元线性回归模型：

Rmit-Rft=c+βSENTt+εt

Rmit-Rft=c+α1RMRFt+α2SMBt+α3HMLt+εt

Rmit-Rft=c+β1SENTt+β2RMRFt+β3SMBt+β4HMLt+εt

其中Rmit是投资组合在t时刻的期望收益率，本文选用沪深300指数收益率，Rft是t时刻的无风险收益率，选用央行公布的三个月期定存利率，SENTt为上文构建的投资者情绪指标，RMRFt为市场溢价因子，SMBt为市值因子，HMLt为价值因子，εt为残差项。并且根据单位根检验可知，模型中的所有变量均为一阶平稳序列，因此可直接通过STATA实现上述多元线性回归。

(二)投资者情绪对股票收益的影响

1.投资者情绪对股票收益的总体效应

首先将沪深300指数收益作为被解释变量，同时分别使用情绪因子、FF三因子模型和加入情绪因子的三因子模型展开实证回归分析。根据表4的结果可知，虽然投资者情绪指标与市场指数存在着较高的相关性，但单独使用情绪因子来解释股市收益时解释变量系数未显著，并且模型拟合优度很低，这表明采用投资者情绪这一单一变量不能很好地解释市场收益，总体效应并不显著，这样的结果可能与投资者情绪指标的构建以及随着资本市场的发展我国市场有效性显著提升有关。

使用三因子模型时回归结果的拟合优度上升到0.9643，表明三因子模型能够对股市收益进行更好的解释，并且三个因子的系数和常数项系数均通过了显著性检验，其中，规模因子系数显著为正，这是由于中国股市仍存在着小规模效应的市场异象，即规模小的股票更容易取得更高的超额收益率；而价值因子的系数显著为正与沪深300指数成分股的构成特点有关。实证结果均有较高的拟合优度，验证了我国资本市场的规模效应和价值效应的存在，且前者较后者更显著。

2.投资者情绪对股票收益的横截面效应

投资者情绪指标加入到三因子模型中后拟合优度进一步达到 0.9682，体现出本文对传统三因子模型采取的改进具有有效性和合理性。表4的回归结果可见，投资者情绪指标的系数为0.0098，说明在我国资本市场中投资者情绪对于股票收益的影响具备显著的正相关关系，即投资者过度乐观情绪高涨时会对抬高股价作出一定的贡献。但也有相关研究表明在不同的交易日期下投资者情绪对股票收益的影响不尽相同，可能为正向也可能为负向影响。

表4 多元回归分析结果

四、结论与建议

本文主要选取反映市场活跃度、流动性及价格预期的6项客观指标改进了投资者情绪指标的构建，符合市场走势规律。在经典Fama-French 三因子模型基础上引入情绪因子，进一步探究其对股票收益有何种影响。实证结果表明：单独使用投资者情绪考查其总体效应时并不显著，对股市收益未产生良好的解释性，但加入情绪因子后的三因子模型可以对股票收益产生显著影响，解释能力也有所提升。

基于上述研究结论，本文针对监管层和投资者提出以下建议：首先，监管机构可合理运用数字技术手段提升对于资本市场参与者的情绪监测水平，更好把握交易行为从而降低市场异常波动概率，进而保护中小投资者；其次，鼓励支持机构投资者在资本市场的参与性，通常机构投资者拥有更充分信息获取途径和更加完备的技术手段，在资本市场中抵御风险的能力更强；最后，加强个人投资者的教育培训，提升专业化技能水平，引导其更为理性地投资，进而提升我国资本市场资源配置效率，减少异常波动带来的风险。