李 巖，金德環(huán),2

（1.上海財經(jīng)大學(xué) 金融學(xué)院；2.上海市金融信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，上海 200433）

0 引言

經(jīng)典金融學(xué)理論往往忽視對投資者情緒的研究，他們認(rèn)為理性投資者間的競爭將導(dǎo)致市場的有效性，少數(shù)非理性投資者對市場的影響也會被套利者的交易所矯正。然而，近年來國內(nèi)外學(xué)者發(fā)現(xiàn)的眾多金融異象無法被傳統(tǒng)理論解釋，有關(guān)投資者情緒的研究正是當(dāng)前學(xué)術(shù)研究的熱點(diǎn)問題。本文通過構(gòu)建理論模型證明投資者情緒是影響股票收益的一個重要因素，同時這種影響與情緒交易者的多寡有關(guān)。

本文參考Anteiler和Frank的方法，以社交媒體——東方財富網(wǎng)股吧論壇為研究對象，利用計算機(jī)爬蟲技術(shù)抓取了東方財富股吧數(shù)據(jù)，并借助機(jī)器學(xué)習(xí)輔加文本分析的方法對發(fā)帖人的情感進(jìn)行分類處理，以過去一個月內(nèi)數(shù)據(jù)為基礎(chǔ)構(gòu)造投資者情緒指標(biāo)。本文的指標(biāo)具有連續(xù)性，其覆蓋了個股的各個時間段，這有助于進(jìn)行深入研究。

相比以往研究，本文的貢獻(xiàn)主要體現(xiàn)在：（1）出于數(shù)據(jù)可得性原因，現(xiàn)有文獻(xiàn)較少從個股層面出發(fā)研究投資者情緒，本文對其做了補(bǔ)充。同時，不同于傳統(tǒng)的實(shí)證研究，本文的網(wǎng)絡(luò)數(shù)據(jù)是一大亮點(diǎn)，網(wǎng)絡(luò)非標(biāo)數(shù)據(jù)的合理使用必將擴(kuò)寬現(xiàn)有研究的邊界，本文有助于推動網(wǎng)絡(luò)數(shù)據(jù)在金融經(jīng)濟(jì)學(xué)研究中的廣泛應(yīng)用。（2）本文的結(jié)論為上市公司利用社交媒體營造透明的信息環(huán)境具有啟發(fā)意義，對監(jiān)管部門制定相應(yīng)的監(jiān)管標(biāo)準(zhǔn)也具有一定的參考價值。

1 理論模型及研究假設(shè)

1.1 模型構(gòu)建

本文考慮包含一個無風(fēng)險資產(chǎn)和一個風(fēng)險資產(chǎn)的單期模型，其中無風(fēng)險資產(chǎn)的價格恒定為1，風(fēng)險資產(chǎn)的期初價格為p，期末價格為v。假設(shè)v服從期望為，精度（方差的倒數(shù)）為τv的正態(tài)分布。模型中有兩大類投資者：（1）理性投資者，占比為1-μ。為簡化起見，本文假設(shè)理性投資者對于v的信息認(rèn)知不包含其他噪音，服從Nˉ，1/τv）；（2）情緒交易者，占比為 μ 。他們對于v的信息認(rèn)知為這里ei為投資者情緒對信息的影響，ˉ衡量了投資者情緒的大小。除此之外，假定風(fēng)險資產(chǎn)的供給恒定為1，兩類投資者均按照風(fēng)險厭惡系數(shù)為γ的CARA效用函數(shù)進(jìn)行投資，即在期初最大化效用函數(shù)U（W）=-exp（-γW）。

1.2 模型求解

基于已有信息，投資者通過最大化期末預(yù)期資產(chǎn)的效用來決定最優(yōu)投資決策，CARA效用函數(shù)的假定將問題歸結(jié)為最大化是投資者的信息集。若投資者期初的財富為W0，對風(fēng)險資產(chǎn)的需求為d，則期末財富 W=W0+d*（v-p）。故 E（W|F）=W0+d（E（v|F）-p），Var（W|F）=d2Var（v|F），求解最優(yōu)函數(shù) ，得到

證明：理性投資者的信息集為 F={p}，則 E（v|F）=vˉ，

命題：本文的模型存在如下均衡解。情緒交易者的信息集為F=

風(fēng)險資產(chǎn)的均衡價格滿足市場出清的條件：

將dr和de帶入式（2）有：

整理得：

易知命題成立。

1.3 研究假設(shè)

假設(shè)1：在其他條件相同的情況下，投資者情緒與股票收益間存在正相關(guān)關(guān)系。

假設(shè)2：情緒交易者越多，投資者情緒對股票收益的正向影響越大。

2 變量選擇與研究設(shè)計

2.1 數(shù)據(jù)來源與樣本選擇

受限于投資者情緒指標(biāo)的構(gòu)造，本文樣本選擇滬深兩市A股2010—2016年的數(shù)據(jù)，數(shù)據(jù)頻率為月度的。對初始數(shù)據(jù)進(jìn)行了適當(dāng)處理：首先，剔除數(shù)據(jù)缺失的樣本，其次，剔除樣本期間被ST、*ST的樣本和金融保險類上市公司；最后，為降低極端值的影響，所有指標(biāo)都在1%和99%分位上做了縮尾處理。本文除了網(wǎng)絡(luò)數(shù)據(jù)來自東方財富網(wǎng)以外，其他數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫。

2.2 變量定義與度量

（1）月收益率（Ret）

股票的月收益率是本文的主要被解釋變量。

（2）投資者情緒變量（Senti）

為構(gòu)造投資者情緒指標(biāo)，首先利用樸素貝葉斯方法對近一億條原始數(shù)據(jù)進(jìn)行“正面”“中立”和“負(fù)面”分類處理。分類的具體步驟包括：第一，從全部樣本中隨機(jī)選取20000條帖子進(jìn)行人工分類處理，然后從分類好的樣本中隨機(jī)選擇15000條帖子作為可用數(shù)據(jù)集，其中“正面”“中立”和“負(fù)面”各5000條；第二，隨機(jī)取13500條帖子作為訓(xùn)練數(shù)據(jù)集，使用樸素貝葉斯方法對訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練并建立分類模型，這里“正面”“中立”和“負(fù)面”各4500個樣本。接著用分類模型對剩下的1500條樣本進(jìn)行分類處理，結(jié)果詳如表1所示。一方面，模型對“正面”“中立”和“負(fù)面”正確分類的概率分別為64.4%、67.6%和68.2%。另一方面，從整個樣本的角度看，模型判斷為“正面”的數(shù)目是原“正面”數(shù)目的87.4%，等價于模型將12.6%的“正面”樣本判斷錯了。同理，“中立”和“負(fù)面”的錯誤判斷率為16.6%和4%，模型具有較高的準(zhǔn)確度；第三，使用訓(xùn)練出來的模型對原始數(shù)據(jù)進(jìn)行分類。

表1 機(jī)器學(xué)習(xí)分類結(jié)果

參考Antweiler和Frank（2004）的方法，投資者情緒指標(biāo)構(gòu)造如下：

其中，Positive為股票當(dāng)月論壇討論中正面情緒的帖子數(shù)量，Negative為負(fù)面情緒帖子的數(shù)量。Senti表示個股當(dāng)月論壇討論中正負(fù)面情緒的差額占所有正負(fù)面情緒的比例，數(shù)值越大，則投資者情緒越高漲，數(shù)值越小投資者情緒越低落。

（3）情緒交易者數(shù)量（SenNum）

用當(dāng)月發(fā)帖數(shù)的對數(shù)來衡量，論壇發(fā)帖越多，中小投資者的關(guān)注度越大，情緒交易者也就越多。

（4）其他控制變量

除此之外，還控制了機(jī)構(gòu)投資者持股比例（Hold）、分析師覆蓋（Lanalyst）、非流動性（Ill）、市值（Size）、貝塔（Beta）、賬面市值比（Bm）、動量（Mom）等變量，具體變量說明如表2所示。

表2 變量定義與度量

2.3 模型設(shè)定

首先，本文運(yùn)用如下模型來檢驗(yàn)投資者情緒對股票收益的影響，進(jìn)而驗(yàn)證假設(shè)1：

其中，Ret為月收益率，Senti是利用文本分析和機(jī)器學(xué)習(xí)方法得到了投資者情緒指標(biāo)，Senti越大說明投資者情緒越高漲，情緒交易者越容易受到影響，Control為本文所選控制變量。若假設(shè)1成立，β1系數(shù)應(yīng)顯著為正。特別地，本文借鑒Fama-MacBeth的方法對以上模型進(jìn)行相關(guān)估計，具體分為兩步：第一步，在不同時間點(diǎn)上對以上方程做橫截面回歸，得到方程系數(shù)的時間序列；第二步，對系數(shù)的時間序列數(shù)據(jù)做T檢驗(yàn)。

其次，為進(jìn)一步證實(shí)投資者情緒對股票收益的影響主要是由于情緒交易者的原因，本文還估計了以下方程：

這里，SenNum是指示情緒交易者多少的變量，如果假設(shè)2成立，則β2的系數(shù)應(yīng)顯著為正。

3 實(shí)證結(jié)果與穩(wěn)健性檢驗(yàn)

3.1 實(shí)證結(jié)果

表3前兩列集中了投資者情緒對股票收益的影響分析。在第一列中，Senti的系數(shù)在時間序列上的均值為2.464，T值為6.66，在1%的統(tǒng)計水平下顯著。投資者情緒與股票收益間存在正相關(guān)關(guān)系，投資者情緒高漲時，投資者一致看多。受情緒的影響，情緒交易者更容易做出買入決策，交易的不對稱性驅(qū)動股價的持續(xù)上漲。其他控制變量方面：Ill顯著為正，流動性差的股票收益較高；Size顯著為負(fù)與小公司效應(yīng)相一致；Beta不顯著，高Beta股票在市場上漲時漲的多，在市場下跌時跌的多，整體看與股票收益間的關(guān)系并不明確；Bm的系數(shù)不顯著，我國股票市場起步較晚，投資者的投資理念還不夠成熟，市場中投機(jī)炒作現(xiàn)象明顯，公司價值不能充分反映在股價中；Mom顯著為負(fù)表明我國市場中存在著短期一月內(nèi)的收益反轉(zhuǎn)效應(yīng)。在第二列中，還加入了Hold和Lanalyst，Senti的系數(shù)依然顯著為正。表3前兩列的結(jié)果表明投資者情緒越高股票收益越大，與假設(shè)1的預(yù)期一致。

表3后兩列給出了模型（4）的實(shí)證檢驗(yàn)結(jié)果。在第三列中，投資者情緒和情緒交易者數(shù)量交叉項(xiàng)的系數(shù)為1.444，在1%的水平下顯著為正，表明市場中情緒交易者越多，股票收益受到投資者情緒的影響也就越大，投資者情緒主要通過情緒交易者的交易融入股價中。第四列中，在額外控制機(jī)構(gòu)投資者和分析師的因素外，結(jié)論未變。表3后兩列的研究結(jié)果支持假設(shè)2。

3.2 穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的穩(wěn)健性，本文還構(gòu)建了如下投資者情緒指標(biāo)：

SentiNew的數(shù)值越大，投資者情緒越高。本文假設(shè)的檢驗(yàn)結(jié)果如表4所示，假設(shè)1和假設(shè)2的結(jié)論依然成立，說明本文的研究具有較強(qiáng)的穩(wěn)健性。

4 結(jié)論

作為傳統(tǒng)金融學(xué)理論的重要補(bǔ)充，投資者情緒的研究備受國內(nèi)外學(xué)者的關(guān)注，針對情緒交易者行為的研究極具重要的理論意義與實(shí)踐價值。在此背景下，本文建立了投資者情緒與股票收益間的理論模型來揭示兩者間的內(nèi)在聯(lián)系，并用數(shù)據(jù)對相關(guān)結(jié)論進(jìn)行了實(shí)證檢驗(yàn)。具體而言，本文使用網(wǎng)絡(luò)爬蟲技術(shù)從東方財富股吧論壇中抓取了股票的歷史討論數(shù)據(jù)，借助文本分析和機(jī)器學(xué)習(xí)的方法對論壇中帖子所持情感進(jìn)行分類處理，構(gòu)造投資者情緒指標(biāo)。相比傳統(tǒng)指標(biāo)，本文的指標(biāo)更直觀，同時可以有效反映個股投資者情緒的變化。本文的研究結(jié)論表明短期內(nèi)投資者情緒會影響情緒交易者對股價的判斷，并經(jīng)情緒交易者的交易融入股價，致使其與股票收益間呈正相關(guān)關(guān)系?；诖耍S著網(wǎng)絡(luò)社交媒體在公眾生活中重要性的不斷提升，建議監(jiān)管部門有必要規(guī)范個人投資者的行為，防止虛假信息及負(fù)面謠言的傳播。

表3 實(shí)證結(jié)果

表4 穩(wěn)健性檢驗(yàn)