高大良，張小勇

（湖南大學(xué) 工 商管理學(xué)院，湖南 長 沙 410082）

一 引 言

在傳統(tǒng)金融理論中，資產(chǎn)價格波動由基本經(jīng)濟因素決定，并不受投資者行為等因素的影響。但是，金融市場中存在著基本經(jīng)濟因素?zé)o法解釋的過度波動現(xiàn)象，因此，大量的學(xué)者試圖從行為金融理論出發(fā)對這一問題進行研究。

關(guān)于投資者情緒對資產(chǎn)價格波動的影響，最早的理論模型來自De Long等對噪聲交易的經(jīng)典研究［1］。在他們提出的噪聲交易模型中，投資者情緒會成為影響資產(chǎn)價格的系統(tǒng)性風(fēng)險，從而對資產(chǎn)價格波動產(chǎn)生影響。隨后，大量學(xué)者通過構(gòu)建投資者情緒指標(biāo)對這一問題進行實證研究，已有的結(jié)論基本上都認(rèn)為投資者情緒對股市波動具有一定的解釋能力，并且高情緒會提高價格波動。例如，Brauer研究了噪聲交易行為與基金收益波動之間的關(guān)系，發(fā)現(xiàn)前者能夠解釋大約7%的波動［2］。Brown將美國個體投資者協(xié)會指數(shù)作為投資者情緒的代理變量，發(fā)現(xiàn)投資者情緒的異常波動會導(dǎo)致封閉式基金收益的巨大波動［3］。許承明和宋海林（2005）采用封閉式基金折價率作為情緒指標(biāo)，也得到了類似的結(jié)論［4］。楊陽和萬迪則研究了不同市場態(tài)勢下投資者情緒對波動的影響，結(jié)果發(fā)現(xiàn)牛熊市下投資者情緒對波動的影響存在異化現(xiàn)象［5］。林樹和俞喬通過心理學(xué)實驗研究發(fā)現(xiàn)，在資產(chǎn)價格頂部附近，情緒波動和資產(chǎn)價格主要由經(jīng)濟基本面的變化決定，兩者相互作用并形成反饋環(huán)，最終可能形成市場泡沫并引起市場崩潰［6］。

以上研究大多著眼于投資者情緒對資產(chǎn)價格整體波動的影響，而沒有對其影響機制進行深入分析。本文借助于Pollet和Wilson的波動分解理論，將市場整體波動分解為平均相關(guān)性和平均波動，進而構(gòu)建投資者情緒指標(biāo)來研究投資者情緒是如何影響市場波動的。文章接下來的安排如下：第二部分為投資者情緒的構(gòu)建以及相關(guān)數(shù)據(jù)的預(yù)處理，第三部分為實證結(jié)果，第四部分結(jié)論。

二 投資者情緒與數(shù)據(jù)預(yù)處理

（一）投資者情緒

本文遵循Baker和Wurgler的經(jīng)典方法來構(gòu)建投資者情緒復(fù)合指標(biāo)［8］，結(jié)合中國市場的實際情況，原始投資者情緒指標(biāo)選為：封閉式基金折價率（CEFD）、IPO數(shù)量（NIPO）、IPO首日收益（RIPO）、換手率（TURN），樣本為2000年1月至2011年12月的月度數(shù)據(jù)，一共144個樣本，所有數(shù)據(jù)均來自銳思數(shù)據(jù)庫。同時，參考宋澤芳和李元的研究［9］，本文選取消費物價指數(shù)（CPI）、生產(chǎn)者物價指數(shù)（PPI）、宏觀經(jīng)濟預(yù)警指數(shù)（MI）這三個指標(biāo)來對宏觀經(jīng)濟變量加以控制，數(shù)據(jù)來自中國國家統(tǒng)計局。

根據(jù)Baker和Wurgler的方法，本文首先對四個原始情緒指標(biāo)在即期數(shù)據(jù)和滯后一期數(shù)據(jù)中進行了選取，并進一步對各個原始指標(biāo)進行了去除宏觀經(jīng)濟因素的預(yù)處理，用得到殘差序列作為新的原始情緒指標(biāo)序列。這樣，通過主成分分析得到了去除宏觀經(jīng)濟因素的第一主成分如下：

這里的第一主成分能夠解釋方差變異的46.06%。Baker和 Wurgler（2006）認(rèn)為第一主成分能夠很好的代表各個原始情緒指標(biāo)的共同成分，可以作為投資者情緒的代理指標(biāo)，因此，本文沿用這一經(jīng)典方法，同樣采用第一主成分作為投資者情緒的代理指標(biāo)。

圖1 投資者情緒

根據(jù)前面所得到的情緒指標(biāo)，可以繪制出投資者情緒曲線，如圖1所示。從圖1可以看出，本文所構(gòu)建的投資者情緒指標(biāo)與我們對投資者情緒變化的直觀感受是基本吻合的?？傮w來說，在2000年到2011年的這十幾年間，中國股票市場上的投資者情緒經(jīng)歷了較大的波動過程，集中體現(xiàn)在2006年左右的股市情緒高漲，以及隨之而來的全球金融危機所帶來的持續(xù)情緒低迷。

（二）數(shù)據(jù)處理以及統(tǒng)計性描述

對應(yīng)投資者情緒指標(biāo)的樣本期限，本文選取了2000年1月到2011年12月間的42只A股為樣本，同時選取上證A股指數(shù)作為市場指數(shù)，月度平均相關(guān)性、月度平均方差以及月度股市方差均由日度數(shù)據(jù)計算得到，計算方法參考Pollet和Wilson的相關(guān)指標(biāo)計算方法，通過加總?cè)斩葦?shù)據(jù)得到月度數(shù)據(jù)。具體計算方式如下所示：

1.市場波動（Market Variance，MV）：

其中rt，d為t月的第d個交易日的股市超額收益，nt為t月內(nèi)交易日的個數(shù)，20為平均月度交易日數(shù)量。

2.平均方差（Average Variance，AV）：

3.平均相關(guān)性（Average Correlation，AC）：

市場波動、平均相關(guān)性和平均方差的月度數(shù)據(jù)的描述性統(tǒng)計如表1所示：

從表1可以看出，個股的平均相關(guān)性達到了0.403531，這說明個股間的協(xié)同運動比較明顯。個股的平均方差大約是市場方差的三倍，這說明由大量股票構(gòu)成的投資組合確實能夠分散風(fēng)險。市場方差和平均方差的相關(guān)性較高，為0.851571，而平均相關(guān)性和平均方差之間的相關(guān)性程度較低，只有0.274765。

表1 各指標(biāo)的描述性統(tǒng)計

本文還進一步分析了不同情緒狀態(tài)下各個指標(biāo)的描述性統(tǒng)計量，分析發(fā)現(xiàn)，所有指標(biāo)描述性統(tǒng)計在不同的情緒期都有所不同。在高情緒期，無論是個股的平均方差還是市場方差，都要比低情緒期要大。而平均相關(guān)性則與此相反，在高情緒期平均相關(guān)性較低，在低情緒期平均相關(guān)性則較高。這說明高情緒雖然會通過加劇個股波動來提高市場總體波動，但是會同時降低個股之間的相關(guān)性，這樣有利于風(fēng)險的分散而最終削弱了高情緒對總體波動的影響。情緒對總體波動的這一影響機制將在隨后的實證中進行進一步的分析。

三 實證結(jié)果

（一）股市波動分解

Pollet和Wilson將市場方差分解為平均相關(guān)性和平均波動的乘積［7］，該理論可以簡單的用以下公式表示：其中為股市方差分別代表個股平均方差和個股平均相關(guān)性。

本節(jié)首先驗證上述波動分解的有效性，對應(yīng)于上述模型，驗證市場波動分解有效性的計量模型設(shè)計為如下形式：

其中E［υt｜ACt＊AV］＝0。這里b0預(yù)期為0，而b1預(yù)期為1。市場波動分解的有效性可以通過模型的R2來衡量，R2越高，表明波動分解越有效。同時，參照Pollet和Wilson（2010）的做法，作為對比，本文還給出了其他分解方式的計量模型及其實證結(jié)果，具體方程不再列出。實證結(jié)果如表2所示：

表2 市場波動分解

表2中第1列即為模型（1）的估計結(jié)果，其R2為0.912247，且為四個模型中的最大值，這表明市場波動的絕大部分都能夠被平均相關(guān)性和平均方差的乘積項所解釋，并且其解釋能力優(yōu)于其他模型，這說明市場波動分解是有效的。b0和b1與預(yù)期的值存在一定的差異，其中b0雖然很小，但是顯著為正，這表明市場波動中存在著平均相關(guān)性和平均方差所無法解釋的系統(tǒng)性成分；b1并不等1則可能是由于相關(guān)指標(biāo)的計算方法以及測量誤差的存在而造成的。表2的第2列和第3列分別驗證了平均相關(guān)性和平均方差對市場波動的單獨解釋能力，和預(yù)期的一樣，其相關(guān)關(guān)系都是為正的。其中平均相關(guān)性能夠解釋市場波動的34.4826%，而平均方差則可以解釋市場波動的72.5173%，這也從另一個角度說明了兩者對市場方差都具有解釋能力，并且平均方差和市場波動的相關(guān)性更為強烈。第4列顯示了平均相關(guān)性和平均方差分別對市場波動的聯(lián)合線性影響，其R2達到了0.860139，同樣解釋了市場波動的大部分。

（二）投資者情緒影響股市波動的具體機制

本小節(jié)在股市波動分解的基礎(chǔ)上對投資者情緒影響股市波動的具體機制進行深入研究。首先，和以往的研究類似，本文先考察投資者情緒對股市整體波動的影響，如公式（2）所示。然后考察投資者情緒對股市波動分解后的兩個成分的影響，即投資者情緒對平均相關(guān)性和平均波動的影響，如公式（3）（4）所示。

模型（2）即投資者情緒影響股市波動的總體效應(yīng)，由于股市波動可以分解為平均相關(guān)性和平均方差的乘積，因此，模型（3）（4）可以看做是投資者情緒對股市波動影響的分解效應(yīng)。由于股市波動可以分解為平均相關(guān)性和平均方差的乘積，這樣，模型（2）（3）（4）與模型（1）構(gòu)成了投資者情緒對股市波動的影響機制模型。

表3 投資者情緒影響股市波動的具體機制

表3給出了上述模型的實證結(jié)果。先看總體效應(yīng)，投資者情緒和股市波動存在著顯著的正相關(guān)關(guān)系，當(dāng)投資者情緒高漲時，股市波動會增加，而當(dāng)投資者情緒低落時，股市波動也會相應(yīng)降低。再看分解效應(yīng)，投資者情緒和平均相關(guān)性存在著顯著的負(fù)相關(guān)關(guān)系，即當(dāng)投資者情緒高漲時，單個股票之間的價格變化趨勢會被削弱，這也和以往的研究結(jié)論是一致的。投資者情緒和平均波動之間存在著顯著的正相關(guān)關(guān)系，而且投資者情緒對平均波動的影響程度要比對股市波動的影響程度要大。結(jié)合3.1節(jié)的結(jié)論：股市波動可以分解為平均相關(guān)性和平均波動兩項的乘積，我們可以這樣認(rèn)為，投資者情緒對股市波動的影響是通過影響平均相關(guān)性和平均波動來實現(xiàn)的，投資者情緒對股市波動和平均波動都具有正向的影響，但是投資者情緒對個股波動的影響要更大，由于投資者情緒的高漲同時降低了個股之間的平均相關(guān)性，這也將削弱股市波動的總體效應(yīng)。

（三）投資者情緒與市場波動分解

投資者情緒會影響市場波動，并且這種影響是通過影響平均相關(guān)性和平均方差來實現(xiàn)的，那么，投資者情緒是否會影響股市波動分解呢？為了進一步驗證投資者情緒的這種可能影響，本文還設(shè)置了如下的兩區(qū)制計量模型：

這里，Dt為投資者情緒的虛擬變量，等于1時代表高情緒期，等于0時代表低情緒期。同樣，對應(yīng)于表2中的所有市場波動分解方式，設(shè)置了相應(yīng)的兩區(qū)制方程，具體方程不再列出。實證結(jié)果如表4所示。

表4的結(jié)果顯示了投資者情緒對市場波動分解的影響。從模型（5）的結(jié)果來看（即表4中第1列），投資者情緒并不影響平均相關(guān)性和平均方差的乘積項和市場波動之間的關(guān)系，也就是說，無論在高情緒期還是在低情緒期，市場波動分解的結(jié)構(gòu)都是不變的。在第2列至第4列可以看到，當(dāng)市場波動分解方程設(shè)置為關(guān)于平均相關(guān)性和平均方差的線性表示時，投資者情緒仍然可能產(chǎn)生重要的影響。其中，第4列的結(jié)果尤為重要，從這里可以看出，在不同的情緒期，平均相關(guān)性和平均方差對市場波動的解釋能力是不同的。具體而言，在高情緒期，平均相關(guān)性對市場波動的影響更大，而平均方差的影響則變小。投資者情緒對兩者的這種反向影響，可能是它們的乘積項對投資者情緒并不敏感的原因。

表4 投資者情緒與市場波動分解

四 結(jié) 論

本文進一步研究了投資者情緒影響股市波動的具體機制問題。首先采用Pollet和Wilson的股市波動分解方法，將股市總體波動分解為平均相關(guān)性和平均方差的乘積，隨后借鑒Baker和Wurgler的經(jīng)典方法構(gòu)建了投資者情緒，并設(shè)計了實證方法來研究投資者情緒是如何具體影響股市總體波動的內(nèi)在結(jié)構(gòu)的。本文的主要結(jié)論有：

1.股市總體波動可以分解為平均相關(guān)性和平均方差的乘積，并且這種分解方法是有效的。這說明股市總體波動特征不僅取決于個股的波動大小，也取決于個股之間的相關(guān)性大小。

2.投資者情緒會影響股市總體波動，并且這種影響具體是通過影響個股波動和個股之間的相關(guān)性來實現(xiàn)的。總的來說，高漲的情緒會加劇市場總體波動，這與以往的結(jié)論是一致的。進一步的，高情緒對股市總體波動的這種影響主要是通過加劇個股波動來實現(xiàn)的，但另一方面，高漲的情緒也會降低個股之間的相關(guān)性，從而對投資者情緒加劇股市總體波動的過程起到一定的反向修正作用。

3.投資者情緒并不會影響股市總體波動的分解，這也從側(cè)面印證了投資者情緒對平均相關(guān)性和平均方差的影響是反向的。

［1］ De Long B J，Shleifer A，Summers H L，et al.Noise Trader Risk in Financial Markets［J］.Journal of Political Economy，1990，98（4）：703－738.

［2］ Brauer G A.“Investor sentiment”and the closed－end fund puzzle：A 7percent solution［J］.Journal of Financial Services Research，1993，7（3）：199－216.

［3］ Brown G W.Volatility，sentiment，and noise traders［J］.Financial Analysts Journal，1999，55（2）：82－90.

［4］ 許承明，宋海林.中國封閉式基金價格報酬過度波動的經(jīng)驗分析［J］.經(jīng)濟研究，2005（3）：108－118.

［5］ 楊陽，萬迪.不同市態(tài)下投資者情緒與股市收益、收益波動的異化現(xiàn)象——基于上證股市的實證分析［J］.系統(tǒng)工程，2010（1）：19－23.

［6］ 林樹，俞喬.有限理性、動物精神及市場崩潰：對情緒波動與交易行為的實驗研究［J］.經(jīng)濟研究，2010（8）：115－127.

［7］ Pollet J M，Wilson M.Average correlation and stock market returns［J］.Journal of Financial Economics，2010，96（3）：364－380.

［8］ Baker M，Wurgler J.Investor Sentiment and the cross－section of stock Returns［J］.Journal of Finance，2006，61（4）：1645－1680.

［9］ 宋澤芳，李元.投資者情緒與股票特征關(guān)系［J］.系統(tǒng)工程理論與實踐，2012，32（1）：27－33.