情绪代理变量对投资者决策的影响

投资决策影响因素论文【摘要】目前的学者仍未对哪些变量能更好地度量CEO的过度自信达成一致。

建立一个操作性强的过度自信度量指标体系，特别是适合中国企业实际的过度自信度量指标体系对该领域研究的发展起着关键作用。

一、引言从各国上市公司投资的实际情况来看，上市公司的投资存在着各种投资扭曲现象，如过度投资、投资不足等。

对投资扭曲的传统解释包括两个方面：代理理论和信息不对称理论。

但上述两种解释都是基于管理者和投资者追求效用最大化这一完全理性的假设下提出的。

事实上，管理者的投资决策行为往往会偏离理性假设这一前提，他们的决策常常会受到心理因素的影响。

所以，越来越多的西方学者逐渐放宽了对管理者理性行为的假设，从心理学角度研究管理者投资决策过程中的影响因素，形成了行为公司金融学理论。

其中，较多的是以管理者过度自信为出发点研究其投资决策行为。

本文旨在对国内外关于管理者过度自信对其投资决策的影响方面的主要文献进行回顾。

二、理论发展（一）管理者过度自信对投资决策的影响纵观国内外的研究，过度自信对企业投资的影响主要集中在对并购和实物投资两方面。

1.过度自信对企业并购行为的影响。

Roll（1986）首次将过度自信引入公司金融学，提出了“自负假说”。

“自负假说”认为并购公司的决策者会高估目标公司的价值。

Malmendier（2005a）基于公司内外部投资者信息对称、管理者按照现有股东利益行动的假设，通过建立模型证明了过度自信的管理者会进行更多的并购，尤其是多样化的并购。

Aktas等（2006）通过建立一个在不确定条件下管理者进行并购决策的理性预期模型，发现过度自信会导致最优溢价的增加，并引起过度支付。

谢海东（2006）通过对比理性投资者和过度自信投资者的并购决策，发现理性的管理者从不实施有损公司的收购，而过度自信的管理者则具有很强的并购冲动，并会在收购中支付更高的价格。

2.过度自信对企业实物投资的影响。

Heaton（2002）提出了“管理者乐观理论”，将现金流同过度自信和公司的投资机会联系起来，他认为过度自信的管理者倾向于承担更多的项目，管理者越过度自信，使用外部融资的意向就越小。

金融论文：金融学视角下过度自信、模糊厌恶与投资者风险决策实验研究本文是一篇金融学论文，本文通过实验经济学的方式进行进一步研究。

通过对现实投资者的区分，本文构造最简单的投资环境，考察投资者是否会因过度自信、模糊厌恶而带来风险决策行为的区别。

1引言1.1研究背景及意义1.1.1研究背景在金融领域，人们的决策往往涉及风险，在不确定性情况下进行决策，风险选择都是核心问题。

行为经济学研究表明，人们在决策时往往并非是完全理性的，信念或偏好会出现系统性偏差，并在决策过程中常常发生过度自信的现象。

人们往往过于相信自己的能力，高估自己成功的机会。

随着研究的深入，过度自信被认为是“最经得起考验的发现”。

同时，在金融领域许多决策都是在不确定情况下做出的，投资者在面对“不确定性”时往往表现为模糊厌恶。

传统金融学认为人是理性的，市场是完全的，人们可以根据风险收益的期望进行选择以实现最大化收益。

而在现实的市场中，我们无法准确知道市场的风险状况，对于风险的分布是“模糊的”，在模糊的状态下进行决策，投资者的模糊态度起着一定的作用，而且模糊的市场环境也需要我们更加重视对风险的把控。

过度自信和模糊厌恶是两个看似不相关的个体的个性特征概念，在投资者做出决策的时候，过度自信程度和模糊厌恶程度是否会影响投资者的风险决策？投资者的过度自信和模糊厌恶又是否存在关联？已有研究表明，人们普遍存在过度自信的心理。

当前股市中存在的交易量之谜、股价过度波动现象、长期反转效应和短期动量等异常现象均可以用过度自信理论进行解释。

进而可以发现，过度自信程度会影响人们的风险决策。

过度自信作为目前市场中普遍存在的认知偏差，对于过度自信的研究多为实证研究，对过度自信变量的选取也多采用一些代理变量间接测度，这并没有很好的贴近过度自信的本质定义，有关学者也提出了质疑，故目前仍旧缺乏过度自信对个体风险决策影响的直接研究。

...........................1.2研究框架和研究方法1.2.1研究框架本文的研究思路是首先研究被试者的过度自信表现，然后通过对个体的风险态度的控制，设计风险决策任务，进一步研究过度自信程度与风险决策的关系。

投资者非理性情绪对企业投资的影响研究摘要：行为金融理论表明，投资者非理性情绪的变化会影响上市公司的投资水平，本文利用2001-2010年我国上市公司的数据，实证检验了我国上市公司投资水平和投资效率受投资者非理性情绪的影响程度。

结果表明，上市公司投资水平与投资者非理性情绪正相关，投资效率与投资者非理性情绪负相关。

关键词：投资者非理性情绪投资水平投资效率一、引言关于股票价格和实体经济相关性方面，传统理论一直认为股票的价格是能反映出实体经济的状况的，但是众多的实证研究发现这两者并不存在一定的相关性，股票的价格经常偏离其理论上的经济价值。

在这个基础上，行为金融理论对传统金融理论提出了挑战，行为金融理论认为在市场上套利是有限的，而投资者并非是完全理性的，常常受到心理因素等影响，做出非理性的选择，从而使股票的价格偏离其基本的价值。

因此，自然就提出了这么一个问题，投资者非理性情绪所导致的股票市场的错误定价是否会影响到上市公司的财务行为？事实上，近几年来，关于投资者非理性情绪影响公司财务行为的研究已经成为国内外研究的热点问题，众多研究者研究了投资者非理性情绪对上市公司股票发行、债券发行、固定资产投资、兼并收购等财务行为的影响，但是研究并没有得出统一的结论。

我国资本市场刚刚起步，投资者没有西方发达市场那么成熟理性，常常会受到自身心理的影响作出错误的投资决策。

而上市公司或利用股票市场的错误定价，迎合投资者的情绪做一些并不正确的投资；或受到股票价格的影响，融资受到限制而不能进行最有效率的投资，从而使企业的投资效率大打折扣，严重阻碍了我国资本市场的健康发展。

因此，关于投资者非理性情绪如何影响公司投融资决策的问题已经成为我国资本市场亟待解决的问题。

本文试着从投资者非理性情绪是否影响上市公司投资决策以及投资效率这一角度来研究这个问题。

本文所要研究的问题包括：（1）公司的投资水平是否真的受到投资者非理性情绪的影响？（2）如果公司的投资水平受到了该情绪的影响，那么公司的经营效率是否也会同时受到影响？二、文献综述对于投资者非理性情绪如何影响上市公司投资决策，行为公司金融主要从两个不同的角度做出了解释。

投资者情绪（investor sentiment）是反映投资者心理的重要因素，是行为金融理论的重要部分，对其研究有助于理解投资者行为与收益、波动性和交易量之间的互动过程，以及有助于完善行为金融理论体系。

本文根据国内外学者对投资者情绪的研究，发现其研究内容大致可以分为三类：一是投资者情绪形成的原因及存在性；二是投资者情绪度量的种类；三是投资者情绪对市场的影响。

1.投资者情绪的存在性对投资者情绪存在性检验的经典案例是封闭式基金折价的研究，Zweig(1973)[1]最早认为基金折价变化是投资者预期的结果。

Lee，Shleifer和Thaler(1991)[2]则认为基金的折价变化反映的是个人投资者情绪的变化。

Swaminathan(1996)[3]实证的结果表明，封闭式基金折价变动对小公司股票收益的预测能力要好于对大公司的预测。

Maik Schmeling（2009）[4]研究发现机构投资者和个人投资者的情绪可以用现金（smart money）和噪声交易风险代表。

在货币市场上，Alexander Kurov（2010）[5]研究发现，货币政策对投资者情绪有明显的影响，且这主要取决于当时的市场状况。

在熊市，对投资者情绪和信贷市场状况变动敏感的市场，货币政策对其有更大的影响。

近年来中国也有部分学者对封闭式基金的市场表现进行了研究。

例如，张俊喜等（2003）[6]也是假定中国封闭式基金和小公司股票主要由散户持有，但他研究的结果是中国小公司股票的收益与基金折价变动呈负相关关系。

这一结果正好与Lee，Shleifer和Thaler(1991)[2]的结论相反。

文章认为事实上，在中国是机构投资者持有大部分的封闭式基金，中国机构投资者持有大部分的封闭式基金，个人投资者持有的比例所剩无几，才导致中国与国外的情况相反。

而刘超(2006)[7]研究发现，投资者情绪和股票市场的活跃度有非常直观的联系和比较一致的运行趋势，有较强的相关性，而且也相互影响。

投资者情绪指数构建以及对中国股市的影响昌龙飞发布时间：2021-10-19T04:11:05.679Z 来源：《中国经济评论》2021年第6期作者：昌龙飞[导读] 目前，国内外关于投资者情绪的研究已经十分丰富。

国内在选取代理情绪变量时，主要参考BW指数指数并根据自身的主观判断增减代理情绪变量。

因此，在情绪代理变量的选取中缺乏一定的科学依据，从而导致构建的投资者情绪指数的预测能力产生不同程度的偏差。

广西大学商学院广西南宁 530004摘要：在投资者情绪指数的研究中，关于指标的选取主要偏向个人主观的判断，缺乏科学判断的依据。

本文参考刘学文的倒金字塔过滤模型选取代理情绪标量构建投资者情绪指数。

本文采用股市不同的时段收益率与投资者情绪构建回归方程，发现投资者情绪与整体股票市场呈短期收益惯性，长期收益反转的特点。

考虑到股市收益率的波动具有异方差性，本文采用E-GARCH模型验证了投资者情绪指数对收益率的影响具有非对成性，即悲观情绪对股市收益率的影响更大。

关键词：投资者情绪指数；指数构建；非对称性一、引言目前，国内外关于投资者情绪的研究已经十分丰富。

国内在选取代理情绪变量时，主要参考BW指数指数并根据自身的主观判断增减代理情绪变量。

因此，在情绪代理变量的选取中缺乏一定的科学依据，从而导致构建的投资者情绪指数的预测能力产生不同程度的偏差。

因此本文主要参考刘学文的优选指标，并加入直接代理情绪变量进行优化。

本文构建投资者情绪指数采用主成分分析法，并剔除宏观经济因素对指标的影响。

同时，本文构建情绪指数与上证指数月度收益率的回归模型，检验该指数的对中国股市的收益率预测能力。

并运用EGARCH模型检验投资者情绪对股市收益率的影响是否具有非对称性，即悲观情绪和积极情绪对股市的作用是否相同。

本文的结构如下：第二部分为文献综述；第三部分为数据与研究方法；第四部分为实证结果与分析，第五部分为主要结论。

二、文献综述由于投资情绪变化与股市波动之间有着十分密切的联系，因此关于投资者情绪的分析大部分均从二者间的影响关系为出发点开始着手。

情绪指数与市场收益：纳入中国波指(iVX)的分析许海川;周炜星【摘要】Together with the traditional sentiment proxies (closed-end fund discount,turnover and number of IPOs) in Baker and Wurgler(2006,2007),the Chinese volatility index (iVX) is used as a new sentiment proxy to build a weekly composite sentiment index for the Chinese A-share market.The dependent relationship between the sentiment index and the market return and the forecasting effect of the sentiment index for the market return are analyzed.It is found that sentiment index and market return are negatively related.Their concurrent dependence relationship is not obvious,however.The sentiment index has a significant forecasting power for the market return three weeks ahead.The inclusion of iVX can significantly improve the forecasting ability,while the number of IPOs is not an effective sentiment proxy.In addition,when constructing the senti ment index using PCA,the performance of the first two principal components is worse than that of the first principal component.The asymmetry of sentiment effect is analyzed and it is found that a positive sentiment in dex has a much greater impact on future market returns than a negative sentiment index.%本文在Baker和Wurgler(2006,2007)研究框架的基础上,将中国波动率指数(iVX)作为一个新的情绪代理变量,结合传统的封闭式基金折价率、股票换手率和IPOs的数量等变量,运用主成分分析法构建了中国A股市场的情绪指数,并分析了情绪指数与市场收益之间的依赖关系和预测效果.研究发现,情绪指数与市场收益呈负向关系.然而,其当期依赖关系并不显著,而情绪指数对其后第三周的市场收益有较显著的负向预测关系.中国波指的加入能够明显提高这种预测效果;相反,IPOs的数量则并不是一个有效的情绪代理变量.此外,采用前两个主成分的加权并不比仅采用第一主成分构建情绪指数在市场收益预测方面表现得更好,甚至表现得更差.最后,分析了情绪效应的不对称性,发现正情绪指数对未来收益的影响要远远大于负情绪指数.【期刊名称】《管理科学学报》【年(卷),期】2018(021)001【总页数】9页(P88-96)【关键词】中国股票市场;投资者情绪;波动率指数;市场收益【作者】许海川;周炜星【作者单位】华东理工大学商学院,上海200237;华东理工大学商学院,上海200237【正文语种】中文【中图分类】F830.910 引言投资者情绪能够影响资产定价是一个众所周知的心理学事实，相关研究可以追溯到十几年前[1,2].学者们发现拥有好(坏)的情绪的投资者趋于做出过度积极(消极)的判断和选择.在实证上，测试投资者情绪重要性的挑战主要来自于情绪是不可直接观察的.在这方面，Baker和Wurgler的研究工作颇具影响[3,4].他们将来自6个情绪代理变量的信息汇总成一个投资者情绪指数，并且发现高涨的投资者情绪能够预测低的收益.Huang等人通过消除情绪代理变量中共同的噪音成分构造情绪指数，发现其无论在经济意义上还是统计意义上都能对收益产生显著预测[5].Gao和Süss 发现，除了宏观和股权相关的因素，情绪指数能够对商品期货之间的联动提供额外的解释力[6].刘维奇和刘新新以上海证券交易所A股市场为研究对象，发现机构投资者情绪能够预测未来收益，而个人投资者情绪则不具预测性，进一步地，投资者关注度越高的股票，其收益对投资者情绪变化的敏感度越高[7].陆静和周媛以证券投资基金损失率构建情绪指数，发现投资者情绪对同期的A股市场和H股市场股票价格均具有显著正向影响，而投资者情绪对未来收益具有显著反转预测[8].文凤华等人采用类似Baker和Wurgler的方法构建投资者情绪指数，发现正面情绪和情绪的向上变动都对股票收益有显著的正向影响，而负面情绪和情绪向下变动对其影响并不明显[9].张强和杨淑娥亦得到了类似的结论[10].然而，有的学者对此提出了伪回归的质疑，认为如果不可观察的预期收益是时变且持续的，则一个与收益毫无关系但持续的变量可以产生看似可预测的效果.对此，Stambaugh等人通过采用大量随机模拟持续性变量的方法，用持续性变量替代情绪指数进行回归，并将回归结果与情绪指数回归结果进行比较，证实了情绪指数并不存在伪回归的问题，即情绪指数能够有效预测未来收益[11].Bekiros等人则对情绪指数与股票收益之间的非线性因果关系进行了检验[12].有些学者并没有直接检验情绪指数与预期收益的关系，而是给出了两者的间接关联.Kim等人检验了情绪对投资者的分歧和未来股票市场收益两者关系造成的影响[13].他们发现，投资者分歧和股票未来收益之间的关系会随着投资者情绪时变.在高涨情绪时期，投资者意见较高的分歧显著地预测未来股票市场较低的收益，但是在投资者情绪低迷时，则不存在这样的预测效果.类似地，Shefrin、Antoniou等人发现情绪能够影响投资者对于风险变量和预期收益的判断[14,15].Shen等人证实情绪可以对风险因子定价[16].Bushee和Friedman 将城市的云量作为投资者情绪的来源，并基于指数收益和云量的关系提出情绪-收益敏感性指标(return-mood sensitivity,RMS),发现高质量的天气预报能够降低RMS[17].相似地，Engelberg和Parsons发现住院率与股票市场收益呈负相关[18].刘晓星等人则认为投资者情绪会影响股票市场流动性[19].以上对于投资者情绪定价效果的研究基本均集中于一个股票市场的横截面分析，例如，价值型股票与增长型股票的比较、大公司股票与小公司股票的比较.一些学者将此分析拓展到国际股票市场.例如，国际足球比赛结果可作为首要情绪变量，即一场比赛失利后会出现显著的市场下跌，特别的，世界杯预选赛阶段的一场失利会导致第二天-49个基点的异常股票收益[20].Schmeling 将消费者信心作为个体投资者的情绪变量，研究了情绪对18个发达国家股票市场预期收益的影响[21].他发现当情绪高涨时，未来的股票收益趋于降低.此外，对于市场完整性较低的国家，情绪对股票收益的作用更显著，投资者更趋于羊群行为和过度反应.本文同样借鉴了Baker和Wurgler构建投资者情绪指数的开创性工作，不同的是，本文加入了新的情绪代理变量，即中国波动率指数(iVX).波动率指数被称为投资者恐慌指数，展示了投资者对未来股票市场波动的一致性看法[22].波动率指数越高，恐慌情绪越大.随着50ETF期权的推出，上海证券交易所公布了中国波指(iVX)，起始日为上证50ETF期权上市之日2月9日，用于衡量上证50ETF未来30日的预期波动.该指数是根据方差互换的原理，通过对50ETF期权价格的计算编制而得，被视为中国A股市场的首个情绪指标.在这样的背景下，本文将中国波指纳入到情绪指数的构建中，进而研究情绪指数对未来股票市场收益的预测效果.其次，已有研究的数据频率往往是年度的或是月度的，如Baker和Wurgler使用的是1962年～2001年的年度数据[3]，文凤华等人采用的是2003年～2011年的月度数据[9].由于中国波指推出的时间较晚，为了获得足够的样本量，本文采用的是数据频率为周度的，相比于之前的研究，可以获得相对短期的分析结论.1 情绪指数1.1 情绪代理变量的选取Baker和Wurgler基于6个情绪代理变量构建成一个综合指数代表情绪指数.6个代理变量分别为：封闭式基金折价率、股票换手率、IPOs的数量、IPOs的首日收益、新发债券和股票中新发股票所占比例、分红与不分红公司的平均资产市值比的对数差(股利溢价).其中，封闭式基金折价率越高，表明投资者对后市不看好，故而封闭式基金折价率与未来收益呈负相关性.换手率表征着市场流动性，在市场卖空限制和非理性投资者参与的条件下，高流动性往往伴随着过度估值，从而换手率也被发现预测未来较低的市场收益.IPOs的数量及IPOs的首日收益可被用来解释当前市场投资者的热情.新发股票在新发债券和股票中所占比例越高，预示着未来市场收益的下降.股利溢价则表征着对分红公司股票和不分红公司股票的相对需求.除此之外，一些学者还将新增开户数、交易量等作为代理情绪变量.对于以上代理变量，本文首先根据中国股市特征及所研究时段数据可得性进行初步剔除.例如，在中国市场上，几乎每一只股票IPO的首日均会触及涨停，即首日收益均为44%，故而，IPOs的首日收益无法作为中国股市有效的代理变量.由于本文采用的是周度数据，所以股利溢价数据不可得.对于一周股票开户情况，中国证券登记结算有限公司自2015年5月29日之后未有公布.而交易量和换手率具有相似的效果.综合以上考虑，最终本文选取中国波动率指数(iVX)、封闭式基金折价率(FDDR)、换手率(TO)和IPOs的数量(NIPO)作为代理情绪变量.其中，由于上交所提供的中国波指是日度的，首先将其转换为周度的；由于封闭式基金投资的股票标的并不受其发行市场的限制，故而封闭式基金折价率由上市和深市所有封闭式基金周折价率的均值算得；换手率采用的是上证A股市场周换手率；IPOs的数量计算的是一周之内在上证A股市场挂牌上市的股票数量.可以看到，选取的均是与上证A股市场相关的情绪代理变量，故而下文中市场收益采用对应的上证A股指数收益.(a)(b)(c)(d)图1 四个情绪代理变量趋势Fig.1 Four individual sentiment proxies between February 2015 to June 2016.Each proxy amounts to weekly scale.(A) Volatility Index (iVX).(B) Closed-end fund discount (FDDR).(C) Turnover (TO).(D) The number of IPOs (NIPO).图1展示了四个情绪代理变量从2015年2月13日到2016年6月30日以周为频率的走势.本文发现iVX、FDDR 和 TO 三个代理变量有着非常相似的走势，各变量先呈上升趋势，在2015年6月中旬前后达到峰值，然后转而呈下降趋势.NIPO 与前三者亦呈现一定的相似性，只是在2015 年7 月10 日到2015 年11 月27 日之间持续为0，这是因为这段时间内证监会为救市暂停了IPO的发行.表1给出了四个情绪代理变量之间的相关性，可以看到，两两之间均呈现正相关，且前三个代理变量呈显著正相关，这与图1是一致的.表1 单个情绪代理变量之间的相关性Table 1 The correlations between four individual sentimentproxiesiVXFDDRTONIPOiVX1．0000．6660．7330．087FDDR0．6661．00 00．7180．105TO0．7330．7181．0000．306NIPO0．0870．1050．3061．0001.2 情绪指数构建鉴于选取的情绪代理变量具有一定的相关性，故而可以采取抽取主成分的方法构造综合情绪指数SIt=a×iVXt+b×FDDRt+c×TOt+d×NIPOt(1)每个代理变量首先要进行标准化处理.a、b、c和d为主成分因子载荷.在文献[3]中，第一主成分解释了49%的样本方差，故而他们选择第一主成分来构建情绪指数.而在文献[9]中，他们采用前三个主成分加权来构建投资者情绪指数，因为前三个主成分累积解释了89.7%的方差.然而，这并不能够证明采用前三个主成分的构建方法在预测未来收益方面好于只采用第一主成分的方法，因为后两个主成分中或许包含更多的是噪音.故而，本文构建了采用第一主成分、前两主成分加权以及等权重三种因子载荷情况下的情绪指数，以进行下一部分收益回归时的对比分析.在本文样本中，第一主成分解释了61.7%的样本方差，前两个主成分累积解释了86.2%的样本方差.为了探索加入iVX后是否构建出了更有效的情绪指数，本文同时对比考虑不包括iVX时的情况，即SIt=b×FDDRt+c×TOt+d×NIPOt(2)这里同样考虑第一主成分、前两主成分加权以及等权重三种因子载荷情况下的情绪指数.除此之外，由于NIPO变量有一段时间受到证监会的干预，呈现长时间的零发行，那么在这种情况下，NIPO是否还能起到表征投资者情绪的作用是需要检验的，故而进一步考虑了不包括NIPO时的情况，即SIt=a×iVXt+b×FDDRt+c×TOt(3)表2给出了以上三式情绪指数的成分因子载荷.Panel A 是第一主成分的载荷因子；Panel B 是前两个主成分以方差贡献为权重加权的载荷因子；Panel C 是以简单的等权重作为因子系数.可以看到，所有情况下，所有情绪代理变量的载荷因子均为正的，这与表1中变量间的正向相关性有关，说明主成分分析法提取到了变量间共同的趋势.此外还可以观察到，Panel B 第一列的NIPO系数要显著大于Panel A 第一列的NIPO系数，表明采用前两个主成分构建情绪指数时NIPO充当了重要的角色.表2 情绪指数的成分因子载荷Table 2 The loadings of component sentiment indexesPanelA：FirstPCPanelB：FirstTwoPCPanelC：EqualWeighted式(1)式(2)式(3)式(1)式(2)式(3)式(1)式(2)式(3)iVX0．556NaN0．5740．337NaN0．4240．250NaN0．300FDDR0．554 0．6430．5700．3420．2980．5920．2500．3000．300TO0．5890．6870．5880．4400．4240．5060．2500．3000．300NIPO0．1950．338NaN0．4110．533NaN0．2500．300NaN图2展示了采用主成分分析法得到的综合情绪指数.图2 (a)对应于式 (1)；图2 (b)对应于式(2)；图2 (c)对应于式 (3).每张图中的三条线分别为第一主成分(SI1)、前两主成分加权(SI2)和等权重的情况(SI3).可以看到，大体上情绪指数呈现相似的形态，即投资者情绪先上涨，在2015年6月中旬达到峰值，然后开始逐渐回落.这与当时的市场状态非常吻合.除此之外，三条线相比，红线在情绪高涨时最高，而在情绪低迷时最低，这显示了第一主成分的显著性甄别效果；蓝线在情绪高涨时最低，而在情绪低迷时最高，这也是合理的，因为简单的等权重显然在情绪甄别上不如主成分分析法敏感.(a)(b) (c)图2 投资者情绪指数Fig.2 Weekly sentiment index levels between February 2015 to June 2016.(A) The index is constructed by all four sentiment proxies: iVX,FDDR,TO and NIPO.(B) The index is constructed by three sentiment proxies: FDDR,TO and NIPO.(C) The index is constructedby three sentiment proxies: iVX,FDDR and TO.For each index,we display three different construct ways: the first PCA component (SI1),the first two PCA component (SI2) and the equal-weighted(SI3).2 实证结果2.1 市场收益的情绪依赖与预测下面考察上文构建的投资者情绪指数对市场收益的依赖与预测关系rt=α+β×SIt-h+εt(4)其中h=0测试的是情绪与收益的当期依赖关系，h>0测试的是情绪对未来第h周收益的预测关系.表3展示了采用第一主成分构建情绪指数情况下的回归结果.Panel A 对应于式(1)构建的情绪指数；Panel B 对应于式(2)构建的情绪指数；Panel C 对应于式(3)构建的情绪指数.首先，几乎所有的系数β均为负数，这与Baker和Wurgler(2006,2007) 和Huang等人(2015)的研究是一致的[3,4,5].其次，情绪指数与当周收益的依赖关系并不显著，但R2和F统计量随着h的增加逐渐增大，并在h=3的时候达到最大，表明情绪指数对未来第三周的收益具有较好的预测效果，且两者之间呈负相关关系.第三，Panel A 和 Panel C 中当h=3时回归系数β在10%的水平上是显著的，但Panel B 对应的系数β则不显著，说明了新加入的情绪代理变量——波动率指数(iVX)显著改善了情绪指数的预测效果；同时，Panel C 的R2和F统计量基本上均大于Panel A 的，说明IPOs的数量并不是一个好的情绪代理变量，这验证了本文的猜想.表3 投资者情绪指数与收益的依赖和预测关系：采用第一主成分构建情绪指数的情况Table 3 The dependence between investor sentiment index (constructed by the rst PCA component) and the (lagged) returnsPanelA：式(1)h=0h=1h=2h=3h=4β(%)-0．245-0．274-0．501-0．660∗-0．546(-0．656)(-0．721)(-1．306)(-1．708)(-1．369)R2(%)0．6110．7472．4484．1722．761F⁃statistics0．4300．5191．7062．9171．874PanelB：式(2)h=0h=1h=2h=3h=4β(%)0．001-0．187-0．475-0．700-0．648(0．003)(-0．424)(-1．069)(-1．571)(-1．426)R2(%)0．0000．2601．6523．5532．987F⁃statistics0．0000．1801．1422．4682．032PanelC：式(3)h=0h=1h=2h=3h=4β(%)-0．281-0．357-0．563-0．679∗-0．552(-0．743)(-0．931)(-1．454)(-1．736)(-1．364)R2(%)0．7831．2403．0154．3052．740F⁃statistics0．5530．8672．1143．0141．859注：*表示显著性水平为10%，**表示显著性水平为5%，***表示显著性水平为1%.括号中数值为t统计量表4展示了采用前两个主成分构建情绪指数情况下的回归结果，其结论与表3基本一致.需要注意的是，表4中的R2和F统计量在h=3时均小于表3中的，这同样印证了本文的猜测，即采用前两个主成分构建情绪指数并不比采用第一主成分构建情绪指数的效果好，因为第二主成分中可能包含了太多的噪音.实际上，在上文已指出，IPOs的数量并不是一个好的情绪代理变量，表2 Panel B 中可以看到，对于前两个主成分而言，IPOs加权载荷因子明显大于第一主成分的，这也合理地解释了采用前两个主成分构建情绪指数效果并不好的原因.表5展示了采用等权重的方法构建情绪指数情况下的回归结果，其结论与表3和表4基本一致.其在h=3时的R2和F统计量大小处于表3和表4之间，说明即使是简单地等权重构建情绪指数的方法，其收益预测效果都要好于采用前两个主成分的方法，再一次印证了第二主成分解释了情绪指数中太多的噪音.2.2 情绪效应的不对称性本文检验正负情绪对未来收益的预测效果.首先将情绪指数分成正负两个子样本，然后按照以下二式分别进行回归(5)(6)表6给出了在采用4个情绪代理变量构建情绪指数的情况下(即式(1)的情况)h=3时的分析结果.Panel A 是正情绪指数的结果；Panel B 是负情绪指数的结果.可以看到，正情绪指数系数在5%水平下是显著的，且正情绪指数对未来收益恢复的影响要远远大于负情绪指数.这与中国股票市场是比较吻合的.在情绪高涨时期，投资者非理性的跟风造成股票价格过度上涨，那么未来必然会大幅回落；而在情绪低迷时期，即使投资者因恐慌造成价格过度下跌，但由于受损失情绪影响，投资者会谨慎对待后市的反弹，从而反弹相对有限.中国股民的这种非理性行为造成了未来收益对情绪指数呈现不对称的敏感性.表4 投资者情绪指数与收益的依赖和预测关系：采用前两个主成分加权构建情绪指数的情况Table 4 The dependence between investor sentiment index (constructed by the rst two PCA component) and the (lagged) returnsPanelA：式(1)h=0h=1h=2h=3h=4β(%)-0．202-0．136-0．490-0．819-0．704(-0．399)(-0．265)(-0．941)(-1．568)(-1．315)R2(%)0．2270．1021．2863．5382．553F⁃statistics0．1590．0700．8862．4581．729PanelB：式(2)h=0h=1h=2h=3h=4β(%)0．1400．149-0．309-0．806-0．780(0．226)(0．238)(-0．490)(-1．276)(-1．220)R2(%)0．0730．0820．3512．3722．204F⁃statistics0．0510．0570．2401．6281．487PanelC：式(3)h=0h=1h=2h=3h=4β(%)-0．301-0．422-0．657-0．770∗-0．638(-0．700)(-0．968)(-1．495)(-1．733)(-1．389)R2(%)0．6951．3393．1824．2912．842F⁃statistics0．4900．9362．2353．0041．930注：*表示显著性水平为10%，**表示显著性水平为5%，***表示显著性水平为1%.括号中数值为t统计量.表5 投资者情绪指数与收益的依赖和预测关系：采用等权重的方法构建情绪指数的情况Table 5 The dependence between investor sentiment index (constructed by the equal-weighted component) and the (lagged) returnsPanelA：式(1)h=0h=1h=2h=3h=4β(%)-0．418-0．292-0．827-1．278-1．086(-0．539)(-0．371)(-1．040)(-1．600)(-1．325)R2(%)0．4140．2001．5653．6812．589F⁃statistics0．2910．1381．0812．5601．754PanelB：式(2)h=0h=1h=2h=3h=4β(%)0．055-0．084-0．701-1．251-1．188(0．064)(-0．098)(-0．802)(-1．430)(-1．337)R2(%)0．0060．0140．9382．9622．637F⁃statistics0．0040．0100．6442．0451．787PanelC：式(3)h=0h=1h=2h=3h=4β(%)-0．550-0．693-1．089-1．307∗-1．063(-0．756)(-0．938)(-1．461)(-1．737)(-1．363)R2(%)0．8101．2603．0444．3072．739F⁃statistics0．5710．8802．1353．0161．859注：*表示显著性水平为10%，**表示显著性水平为5%，***表示显著性水平为1%.括号中数值为t统计量.表6 正负情绪指数的不对称效果Table 6 Asymmetric sentiment effect on the (lagged) returnsPanelA：式(5)PanelB：式(6)β(%)-2．578∗∗-0．804(-2．369)(-0．829)R2(%)17．7551．875F⁃statistics5．6130．688注：*表示显著性水平为10%，**表示显著性水平为5%，***表示显著性水平为1%.括号中数值为t统计量.3 结束语本文在Baker和Wurgler研究框架的基础上，将随着50ETF期权而推出的中国波动率指数(iVX)作为一个新的情绪代理变量，结合传统的封闭式基金折价率(FDDR)、股票换手率(TO)和IPOs数量(NIPO)等变量，运用主成分分析法构建了中国A股市场的周频情绪指数，并分析了情绪指数与市场收益之间的依赖关系和预测效果.本文发现，情绪指数与市场收益呈负向关系，这与Baker和Wurgler(2006,2007) 和Huang等人(2015)的研究是一致的[3,4,5].然而，这种依赖关系在当期并不显著，而情绪指数对其后第三周的市场收益有较显著的负向预测关系.此外，中国波指的加入能够明显提高这种预测效果，这或许与中国波指衡量的是上证50ETF未来30日的预期波动有关；相反，IPOs数量则并不是一个有效的情绪代理变量，这可能是因为在中国市场上此变量常常受到政策干扰，从而不能很好的代表投资者情绪. 除此之外，本文还就如何使用PCA分离出的主成分构建更有效的情绪指数进行了对比研究，本文发现采用前两个主成分的加权并不比仅采用第一主成分构建情绪指数在市场收益预测方面表现地更好，甚至表现地更差，即使第一主成分仅解释了约60%的样本方差.这是因为，第二主成分中包含了太多的情绪噪音，而这种情绪噪音对市场收益的预测并没有好处.最后，本文分析了情绪效应的不对称性，发现正情绪指数对未来收益的影响要远远大于负情绪指数.这可能与中国股民在行情高涨时的盲目乐观和行情低迷时的过度悲观有关，这种非理性行为造成了情绪效应的不对称性.参考文献：[1]Shiller R J.Irrational Exuberance[M].New York: Princeton University Press,2000.[2]Hirshleifer D.Investor psychology and asset pricing[J].The Journal of Finance,2001,56(4): 1533-1597.[3]Baker M,Wurgle J.Investor sentiment and the cross-section of stock returns[J].The Journal of Finance,2006,61(4):1645-1680.[4]Baker M,Wurgler J.Investor sentiment in the stock market[J].Journal of Economic Perspectives,2007,21(2): 129-152.[5]Huang D,Jiang F,Tu J,et al.Investor sentiment aligned: A powerful predictor of stock returns[J].Review of Financial Studies,2015,28(3): 791-837.[6]Gao L,Süss S.Market sentiment in commodity futures returns[J].Journal of Empirical Finance,2015,33: 84-103.[7]刘维奇,刘新新.个人和机构投资者情绪与股票收益――基于上证A股市场的研究[J].管理科学学报,2014,17(3): 70-87.Liu Weiqi,Liu Xinxin.Individual/institutional investor sentiment and stock returns: Study based on Shanghai A-share market[J].Journal of Management Sciences in China,2014,17(3): 70-87.(in Chinese)[8]陆静,周媛.投资者情绪对股价的影响――基于AH股交叉上市股票的实证分析[J].中国管理科学,2015,23(11): 21-28.Lu Jing,Zhou Yuan.The effect of investor sentiment on stock pricing: An empirical study based on A-H shares of cross-listing companies[J].Chinese Journal of Management Science,2015,23(11): 21-28.(in Chinese)[9]文凤华,肖金利,黄创霞,等.投资者情绪特征对股票价格行为的影响研究[J].管理科学学报,2014,17(3): 60-69.Wen Fenghua,Xiao Jinli,Huang Chuangxia,et al.The effects of characteristics of investor sentiment on stock price behaviors[J].Journal of Management Sciences in China,2014,17(3): 60-69.(in Chinese)[10]张强,杨淑娥.噪音交易、投资者情绪波动与股票收益[J].系统工程理论与实践,2009,29(3).Zhang Qiang,Yang Shu’e.Noise trading,investor sentiment volatility and stock returns[J].Systems Engineering：Theory &Practice,2009,29(3).(in Chinese)[11]Stambaugh R F,Yu J,Yuan Y.The long of it: Odds that invest or sentiments puriously predicts a nomaly returns[J].Journal of Financial Economics,2014,114(3): 613-619.[12]Bekiros S,Gupta R,Kyei C.A nonlinear approach for predicting stock returns and volatility with the use of investor sentiment indices[J].Applied Economics,2016,48(31): 2895-2898.[13]Kim J S,Ryu D,Seo S W.Investor sentiment and return predictability of disagreement[J].Journal of Banking and Finance,2014,42(1): 166-178. [14]Shefrin H.Investors’ judgments,asset pricing factors andsentiment[J].European Financial Management,2015,21(2): 205-227. [15]Antoniou C,Doukas J A,Subrahmanyam A.Investor sentiment,beta,and the cost of equity capital[J].Management Science,2015,62(2): 347-367. [16]Shen J,Yu J,Zhao S.Investor Sentiment and economic forces[J].Journal of Monetary Economics,2017,86: 1-21.[17]Bushee B J,Friedman H L.Disclosure standards and the sensitivity of returns to mood[J].Review of Financial Studies,2016,29(3): 787-822. [18]Engelberg J,Parsons C A.Worrying about the stock market: Evidence from hospital admissions[J].The Journal of Finance,2016,71(3): 1227-1250.[19]刘晓星,张旭,顾笑贤,等.投资者行为如何影响股票市场流动性?——基于投资者情绪、信息认知和卖空约束的分析[J].管理科学学报,2016,19(10): 87-100.Liu Xiaoxing,Zhang Xu,Gu Xiaoxian,et al.How does investor behavior affect stock market liquidity? Analysis of investor sentiment,information cognition and short-sale constraints[J].Journal of Management Sciences in China,2016,19(10): 87-100.(in Chinese)[20]Edmans A,García D,Øyvind N.Sports sentiment and stock returns[J].The Journal of Finance,2007,62(4): 1967-1998.[21]Schmeling M.Investor sentiment and stock returns: Some international evidence[J].Journal of Empirical Finance,2009,16(3): 394-408.[22]Whaley R.The investor fear gauge[J].Journal of Portfolio Management,2000,26(3): 12-17.。

投资者情绪对股票价格影响综述陈聪;赵玉平【摘要】随着行为金融学的盛行，投资者情绪对股票价格的影响已成为学术界的研究重心，非理性情绪成为重要的资产定价因素。

国内外对此均进行了一系列研究。

但是相对于国外而言，我国的研究起步较晚，且侧重点有所不同：国外研究主要集中于情绪对资产价格产生的总体效应及横截面效应，而我国对此的研究尚未深入。

本文对国内外的研究成果进行梳理，最终进行总结与展望。

%As behavioral finance is becoming popular,the impact of investor sentiment on stock price has been the focus of academic research and irrational sentiment has become an important asset pricing factor. Therefore,scholars at home and abroad have carried out a series of studies. However,compared with foreign studies,domestic researches start late and each has different emphases. Foreign studies mainly focus on the general effects of sentiment on asset price and the cross-sectional effects while China still lacks a further study of this subject. The article makes a review of research results at home and abroad,draws some conclusions and provides outlook for future direction.【期刊名称】《天津商业大学学报》【年(卷),期】2016(036)006【总页数】7页(P54-59,67)【关键词】投资者情绪;股票价格;文献综述【作者】陈聪;赵玉平【作者单位】武汉大学经济与管理学院，武汉430072;天津商业大学经济学院，天津 300134【正文语种】中文【中图分类】F832学术界对金融领域的研究自20世纪80年代就开始转向新的视角，学者试图将人类心理因素引入资产定价模型，研究该因素对资产价格的影响。

Financial View | 金融视线MODERN BUSINESS现代商业138投资者情绪与股票误定价的实证研究周俊杰　徐丹妮　浙江理工大学经济管理学院　浙江杭州　310018摘要:行为金融理论认为，投资者情绪是影响股票定价的一个重要因素。

文章主要从换手率、成交量、新增开户数及市盈率四个方面，利用主成分分析法构建了衡量投资者情 绪的指标，利用剩余收益模型测量股票的内在价值，并以此得出股票误定价程度。

本文研究发现，当投资者情绪越高涨或是越低落时，股票价格与其内在价值的偏离就会越严重，即投资者情绪对股票的错误定价有着重要的影响。

关键词:投资者情绪;剩余收益模型;股票误定价一、引言随着证券市场的发展，传统的“有效市场理论”被证实单单只是一个假设，事实上，每个人都是非理性的。

在行为金融学中，投资者情绪被证实在证券市场中扮演着重要的角色，尤其是在它与股票误定价方面显现出越来越大的关系。

以投资者情绪的角度研究股票误定价的问题，能够让我们更深刻的理解投资者自身心理和行为对股票价格的影响。

一方面，可以使广大投资者更好地理解市场投资规则，培养理性的投资理念。

另一方面，对于政府监管部门来说，采取更加有效的引导和监督策略，从而推动我国证券市场的改革和完善。

因此，不论是为投资者的利益着想，还是为中国证券市场以后的发展，探究投资者情绪与股票误定价之间关系都具有较强的意义。

二、相关文献综述(一)投资者情绪与股票误定价投资者情绪大多数主要表现有投资者决策的非理性，有如:饶育蕾，刘达锋(2003)认为投资者情绪为投资者对未来的带有系统性偏差的预测。

Baker和Wurgler(2006)认为投资者情绪是投资者的一种信念，这种信念会影响着投资者的投资倾向和投资风险。

Brown和 Cliff(2004)则认为投资者情绪主要代表市场参与者对股票持有的或乐观或悲观的态度。

王睿(2009)认为，投资者相关的非理性行为会导致市场的价格被高估抑或价格被低估。

⾏为⾦融学6套题）⼀名词解释（5×4’）1. 动量效应2. 偏好反转3. 框定依赖4. 处置效应5. 拇指法则1. 动量效应：也称惯性效应，是指在较短时间内表现好的股票将会持续其好的表现，⽽表现不好的股票也将会持续其不好的表现。

2. 偏好反转：决策者在两个相同评价条件但不同的引导模式下,对⽅案的偏好有所差异,甚⾄出现逆转的现象。

3. 框定依赖：⼈们的判断与决策依赖于所⾯临的决策问题的形式，即尽管问题的本质相同但因形式的不同也会导致⼈们做出不同的决策。

4. 处置效应：投资⼈为了避免后悔，会倾向继续持有具有资本损失的股票，⽽去变现具有资本利得的股票。

5. 拇指法则：凭借经验的解题⽅法，是⼀种思考上的捷径，是解决问题的简单、通常是笼统的规律或策略。

⼆简答题（4×6’）1. 代表性偏差可能导致哪些错误？2. 简述封闭式基⾦的价格波动的特征？3. 前景理论的价值函数有哪些特点？4. 为什么说损失厌恶导致禀赋效应？1. 代表性偏差可能导致哪些错误？（1）对结果的先验概率；（2）对样本规模的不敏感；（3）对偶然性的误解；（4）对可预测性的不敏感；（5）有效性幻觉；（6）对均值回归的误解。

2. 简述封闭式基⾦的价格波动的特征？（1）封闭式基⾦溢价发⾏：当发起⼈募集封闭式基⾦时，基⾦往往溢价发⾏，其溢价幅度⼤约为10%；（2）封闭式基⾦交易价格从交易开始之后的约120天之内就会下降，其交易时折价超过10%，并且通常就⼀直保持折价交易；（3）封闭式基⾦折价率⼤幅波动，交易的程度随着时间的变化⽽波动；（4）当宣布封闭式基⾦清算或者转为开放式基⾦时，基⾦价格会显著上升，折价变⼩，但直到最终清算或转为开放式基⾦之前，仍会有⼩部分的折价留存下来。

3. 前景理论的价值函数有哪些特点？价值函数有如下四个特点：（1）价值函数是单调递增函数；（2 价值函数是定义在相对于某个参考点的利得和损失，它是⼀条以参考点为原点，以收益为⾃变量的单调递增函数；（3）价值函数呈S 型，即在⾯对利得时是凹函数，体现出风险厌恶的特征，⽽在⾯对损失时是凸函数，体现出风险偏好的特征；（4）价值函数在损失部分的曲线要陡于收益部分的曲线。