投资者情绪对沪深300指数收益的影响分析

黄晓明

摘要：在20世纪80年代，证券市场出现了一系列與传统金融理论相悖的现象，引发了学术界对理性人假设的广泛质疑。经济学学者普遍认为，投资者情绪和心理变化对其决策与交易行为会产生一系列影响，从而引起股价波动。近年来，随着市场化程度的不断提高，投资者情绪在影响市场收益方面的角色愈发显著，这不仅关系到个体投资者的投资决策，也牵涉到整个金融市场的稳定性与发展。文章通过构建理论框架与经验模型探讨二者之间的关系，以实证分析结果为基础，深入研究投资者情绪对沪深300指数收益影响的机理，并提出相关政策管理建议，以期优化市场环境，加强风险防范，促进资本市场的长期健康发展。

关键词：投资者情绪；沪深300指数；相关性分析；回归性分析

一、引言

在近年来的资本市场研究中，投资者情绪始终是一个难以捉摸但又极其重要的领域。与此同时，沪深300指数作为反映中国A股市场主要上市公司股票表现的重要指标，其涨跌往往被视为中国股市健康状态的晴雨表。投资者情绪与股市指数之间的关系便成了金融研究者探索的关键，情绪的波动对证券价格有着不容忽视的影响，这种非理性的行为在许多情况下都能对市场产生即时和长期的重大影响。本研究旨在分析投资者情绪对沪深300指数收益的潜在影响，通过深入分析，揭示情绪波动与市场表现之间复杂的动态关系。

二、理论框架与模型构建

（一）投资者情绪与市场表现的理论联系

根据行为金融理论，市场参与者在决策过程中往往不是完全理性的，他们的决定受到了一系列认知偏差和情绪驱动的影响。在传统金融模型中，市场的表现是基于所有投资者的理性行为，价格反映了所有可用信息。然而，行为金融理论推翻了这一假定，提出市场参与者受限于自身的认知局限和情绪波动，可能会做出无效的市场决策。这些行为会影响资产的需求和供应，最终影响价格。De Long 等学者的研究表明，证券市场存在着“噪音交易者”，这类投资者通常依赖感觉和非理性认知进行投资交易，其行为在一定程度上影响着股票价格的波动。当投资者情绪泛滥，比如过度乐观或悲观时，他们可能会导致价格的异常波动，而这种波动在统计上往往与基本面的变动无关。有研究展示了情绪的集体变化如何对市场表现造成短期和长期的影响。例如，在对沪深300指数影响的分析中，高涨的投资者情绪可能会推高指数，而低迷的情绪可能带来相反的效果。随着互联网信息技术的广泛应用，文本信息呈现爆炸式增长，其中一部分财经新闻可能蕴含情感倾向，容易引导投资者形成认知偏倚，会不可避免地影响投资者的决策过程，并与股票价格波动产生联动效应。

（二）投资者情绪指标的选择与构建

在投资者情绪领域的探索中，学者们通常利用两种主流方法来进行情绪测量。首先是以问卷调查为主要手段，直接探询投资者对未来市场走势的态度和预期，这类指标以其直接性和主观性为特征，能反映投资者的即时感受与预期。另一个方法则是依据市场的实际交易数据，例如成交量，来间接推断投资者情绪，这种指标更多地从经验和客观的角度，揭示了投资者的心理状况。

本研究将基于成熟的CICSI综合情绪指数进行分析，CICSI综合情绪指数由学者易志高和茅宁构建，该指数基于BW指数的改良方法，并整合了许多映射中国股票市场投资者情绪变动的特定指标。它们包括封闭式基金的折价率、股票市场上的交易量、首次公开募股（IPO）的数量以及新股首日的收益率、消费者信心指数和新开户投资者的数量等。其中还排除了居民消费价格指数、工业增产值和宏观经济景气指数等宏观经济因素的干扰，该指标能以更准确地评估中国股市的投资者情绪。

（三）沪深300指数收益率的计算方法

本研究采用了对数收益率来衡量沪深300指数的变动，这是因为对数收益率能稳定数据，减少极端值的影响，并使得时间序列的统计分析更为稳健。这种计算方法不仅使得收益率具有时间可加特性，同时也为后续进行如异方差性检验以及收益率序列相关性分析等提供了便利。

为了提高研究的精确性，还需要对收益率序列进行平稳性检验，确保所使用的数据在进行回归分析时不受伪回归的影响。通过ADF（Augmented Dickey-Fuller）检验确认数据的稳定性后，接下来才能有效地进行模型拟合及假设检验。表1是ADF检验结果，由表1可见，针对沪深300，该时间序列数据ADF检验的t统计量为-2.809，P值为0.057，1%、5%、10%临界值分别为-4.665、-3.367、-2.803。P=0.057<0.1，有高于90%的把握拒绝原假设，此时序列平稳。

（四）样本期间与数据来源

在样本时间上选择为：2020年1月至2021年1月，数据选择月度数据。因为在2020年至2021年，发生了公共卫生事件，对投资者情绪造成了一定的影响，因此挑选这段时间进行分析，具有一定的特征性。

数据来源：CICSI综合情绪指数通过网络平台进行搜集计算，沪深300指数收益率借助国泰君安等软件，收集样本期间的收益率，并进行对数计算，最后通过ADF检验，提供数据支持。

三、实证分析

（一）描述性统计分析

进行描述性统计分析是研究的第一步。通过对表1的观察，我们可以对沪深300指数的市场表现和投资者情绪的波动有一个初步的了解。

从表2样本数据来看，沪深300指数在样本期内的波动范围较大，最小值达到-6.444%，表明在某些时段内市场表现负面；而最大值上升到12.754%，显示市场在某些时段内表现出色。沪深300指数的平均收益率是2.207%，这反映了在观测期间内投资者可以期望的平均回报水平。然而，标准差为5.370，这个较高的波动性指标表明沪深300指数的市场收益率存在明显的不稳定性。中位数2.581%略高于平均值，暗示了收益率数据呈轻微的正偏态分布。

对投资者情绪的描述性统计揭示了一些洞察。投资者情绪在样本期内变动幅度从29.630到64.430，平均值为52.242，显示了一定程度的信心。投资者情绪的标准差是9.865，表明情绪虽有变化但波动不及沪深300指数本身。投资者情绪的中位数51.770紧密围绕平均值，说明投资者的情绪倾向在中等水平上波动。

（二）投资者情绪与沪深300指数收益关系的回归分析

表3显示的线性回归分析主要探讨了投资者情绪与沪深300指数收益之间的关系。回归模型的结果显示，常数项的估计值为-20.697，具有显著性（p=0.002），这表明在没有考虑投资者情绪的情况下，沪深300指数的预期收益是负的。而投资者情绪的系数估计值为0.438，标准误为0.097，标准化系数Beta为0.805，这意味着投资者情绪与沪深300指数收益之间存在显著的正相关关系。模型中投资者情绪的系数表示，投资者情绪每增加一个单位，沪深300指数的收益预期增加0.438个单位，显著性水平为0.001（非常显著）。

而标准化系数Beta反映了投资者情绪对沪深300指数收益的相对影响力，这在模型中优先级非常高。共线性诊断的VIF值为1.000，容忍度也为1.000，这显示模型没有共线性问题。

模型的R2为0.649，调整R2为0.617，这表明模型具有很好的解释力，即模型能解释大约61.7%的沪深300指数收益的变异。F统计值为20.306，其对应的p值为0.001，证明了模型整体的统计显著性。最后，D-W值为1.843，接近2，表明模型不存在自相关问题。

综上，回归分析提供了强有力的证据说明投资者情绪对沪深300指数收益有显著的正向影响，这一发现强调了理解和分析市场情绪在金融市场中的核心作用。

（三）投资者情绪与沪深300指数收益关系的相关分析

相关性分析通过计算投资者情绪与沪深300指数收益率之间的相关系数来进行。相关系数的值介于-1与1之间，其中1表示完全正相关，-1表示完全负相关，而0表示不存在线性相关。在本研究中，相关系数的计算结果显示投资者情绪与沪深300指数收益率之间存在较高的正相关关系，这一结果与之前的回归分析是一致的，进一步验证了投资者情绪对沪深300指数收益具有显著影响。

这个较高的相关系数表明，随着投资者情绪的改善，沪深300指数收益往往增加；相反，当投资者情绪较差时，沪深300指数的收益也可能降低。相关性的显著性表明这种关联不是偶然产生的，而是具有统计上的显著性，这意味着投资者的情绪状态确实是影响沪深300指数表现的一个重要因素。对于市场研究者和投资者来说，关注并分析投资者情绪的波动对理解市场变化具有重要的实际意义。

四、结果讨论

本文实证分析的核心在于揭示投资者情绪和沪深300指数市场收益间的关系。根据回归和相关分析的结果，投资者情绪对沪深300指数收益具有显著的正向影响。投资者情绪作为一种市场参与者情绪状态的集中体现，会通过影响投资决策进而作用于市场收益。当普遍情绪偏向乐观时，投资者倾向于对未来市场前景持积极态度，这种集体乐观在多数情况下会带动股价上涨，沪深300指数作为一个宽基指数，自然也会受此影响而表现出正向收益。相反，普遍的悲观情绪则可能导致投资者出售股票，招致市场下跌。从描述性统计结果可以看出，即便在市场出现较大波动时，投资者情绪相对稳定，这可能表明投资者对市场长期表现持有信心，或是市场中存在机制能在一定程度上稳定情绪，比如政策导向或是投资者教育等。

投资者情绪与沪深300指数收益率的正向关系，从理论上强调了非理性因素在资产定价中的重要角色。在传统的有效市场假说中，市场价格被认为充分反映了所有可用信息。然而，现实市场中，投资者并非总是理性的，他们的决策会受到情绪的显著影响，这直接体现在资产价格的波动上。因而，在进行市场趋势预测和投资策略制定时，投资情绪指标的参考价值不容忽视。

五、政策建议

（一）强化投资者情绪监测和预警机制

人工智能技术、大数据分析等现代信息技术的应用能够帮助监管者实时追踪投资者情绪的变化，从大量杂乱的数据中提取出有价值的情报，从而快速准确地把握市场脉搏。通过算法分析，不仅仅是捕捉当前的情绪波动，更能够预测未来的趋势变动，为制定策略提供科学依据。监测机制应当涵盖多个层面，包括但不限于社交媒体舆情分析、市场交易数据的情绪指标监测等，通过整合不同数据来源，可以构建一个立体的情绪分析模型。

在构建起综合监测机制的基础上，开发一套具体可行的应急预案，一旦监测机制发现市场情绪出现较大波动，特别是当这种波动超出一定的安全阈值时，能够迅速启动应急预案。应急预案应包括快速的信息发布系统，确保在第一时间向市场参与者公布真实的市场状态和预警信息；同时，含有具体的市场稳控措施，如合理利用交易暂停、限价等金融工具来避免恐慌性交易。

（二）提升信息透明度与完善风险教育

监管机构需要通过法规要求，强制上市公司遵循公平、公正、公开的原则，及时准确披露各种财务与经营信息。此举能够帮助投资者及时了解公司动态，透明化的信息披露还能够消除市场传言，减少无谓的投机与恐慌行为。相关平台可以利用互联网平台如交易所官网、金融信息服务网站等进行快速广泛的信息传播，让每一位市场参与者都能够实时获得相应的信息，从而在同一起跑线上作出投资决策。

政府和监管机构同样需要在投资者教育上投入更多的力量。可以通过组织专题讲座、投资者研讨会、开展在线金融知识竞赛等形式，提升公众的金融素养，特别是对于风险意识的培养和风险识别能力的提高。社区中心、学校、金融机构等也应成为金融知识普及的阵地。通过线上线下渠道的结合，形成全方位、多层次的金融知识教育网络，使投资者能够在理解风险的基础上，依据自身的风险承受能力和投资目标进行决策。

（三）促进市场长期稳定性的制度构建

优化市场机制。监管部门应当通过一定的政策设计，比如税收减免、交易成本调整等，激励投资者进行长期投资。比如，对持有股票超过一定期限的投资者提供资本利得税的优惠，这不仅能减少税负，还可以引导投资者扩展投资的时间范围，遏制投机行为，稳定资本市场。

改善投资者结构。监管部门应采取措施，鼓励长期资金的进入，提高如养老金、保险基金及其他长期投资基金的市场准入标准。对这些机构投资者，政府可通过制度安排和政策引导，提供更多的市场份额，鼓励基金投资基本面好鼓励回报高的企業，打击市场的投机行为，塑造长期价值投资体系。这类机构投资者由于其资金体量庞大且投资策略稳健，往往更关注公司的长期价值而非短期波动，在构建健康市场生态方面发挥着不可或缺的作用。

参考文献：

[1]丁思琪.投资者情绪对股票市场的影响分析——基于对文本数据挖掘视角[J].宿州教育学院学报，2023，26（04）：81-89.

[2]DE LONG J B，SHLEIFER A，SUMMERS L H，et al.Noise trader risk in financial markets[J].Journal of Political Economy，1990，98（04）：703-738.

[3]Baker M.，Wurgler J.Investor Sentiment and the Cross-section of Stock Returns[J].Journal of Finance，2006（04）：1645-1680．

[4]程建华，张宇豪.投资者情绪对股票收益的长期影响与短期交互研究[J].徐州工程学院学报（社会科学版），2023，38（04）：95-108.

[5]易志高，茅宁.中国股市投资者情绪测量研究：CICSI的构建[J].金融研究，2009（11）：174-184.

（作者单位：海通证券股份有限公司）