朱慧明 葛雅婧 吳昊 張中青揚(yáng)

摘 要：根據(jù)Google投資者關(guān)注度指數(shù)和金銀期貨市場(chǎng)交易數(shù)據(jù)，構(gòu)建基于小波分解序列的時(shí)頻門(mén)限自回歸分布滯后模型，通過(guò)分位數(shù)模型參數(shù)估計(jì)，基于時(shí)域與頻域聯(lián)合分析視角，考量投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益的影響。結(jié)果表明：投資者關(guān)注度對(duì)金銀期貨市場(chǎng)的影響具有異質(zhì)性;在低頻域內(nèi)，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)影響相對(duì)較小;極端分位數(shù)水平下，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益影響的時(shí)效性較短，投資者關(guān)注度對(duì)白銀期貨市場(chǎng)收益的影響較弱。

關(guān)鍵詞： 投資者關(guān)注度;金銀期貨市場(chǎng);收益;時(shí)頻分析;分位數(shù)回歸

中圖分類(lèi)號(hào)：F224 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2020）06-0035-08

一、引 言

期貨市場(chǎng)是投資者按達(dá)成的協(xié)議交易并按預(yù)定日期交割的交易場(chǎng)所，金銀期貨市場(chǎng)是我國(guó)的重要期貨市場(chǎng)之一，它具有保值與避險(xiǎn)的價(jià)值。Ming認(rèn)為中國(guó)黃金不能夠作為短期避險(xiǎn)資產(chǎn)，但是可以作為長(zhǎng)期避險(xiǎn)資產(chǎn)[1];Abul Basher分析了新興市場(chǎng)中石油、黃金、VIX以及債券與股票的相關(guān)關(guān)系，得出黃金是弱避險(xiǎn)資產(chǎn)的結(jié)論[2];He運(yùn)用馬爾科夫轉(zhuǎn)化的CAMP模型證實(shí)了黃金仍然是英美國(guó)家的安全港[3]。然而，Pan利用SADF與GSADF測(cè)量出貴金屬市場(chǎng)存在泡沫，并從投資者情緒的角度給出了解釋?zhuān)喝嗽趨⑴c經(jīng)濟(jì)活動(dòng)中不一定會(huì)時(shí)刻保持理性狀態(tài)，會(huì)因?yàn)榍榫w產(chǎn)生稟賦效應(yīng)、羊群效應(yīng)等，進(jìn)而做出非理性的行為，最終形成經(jīng)濟(jì)泡沫[4]。為了避免投資者的盲目投資，研究金銀期貨市場(chǎng)投資中的非理性行為非常重要。

投資者關(guān)注度是度量投資者非理性行為的重要指標(biāo)。目前的研究成果主要從投資者情緒角度分析其對(duì)金銀市場(chǎng)的影響，例如Smales與Balcilar通過(guò)研究分析，發(fā)現(xiàn)投資者情緒與黃金市場(chǎng)之間存在相關(guān)性[5，6]，劉金娥和姚德權(quán)發(fā)現(xiàn)投資者情緒短期內(nèi)會(huì)顯著影響中國(guó)黃金期貨價(jià)格和股票收益波動(dòng)[7，8];Mbanga的研究進(jìn)一步發(fā)現(xiàn)，投資者關(guān)注度與投資者情緒之間能夠相互影響，甚至投資者關(guān)注度會(huì)作為中間變量影響到情緒與金融市場(chǎng)收益之間的關(guān)系，說(shuō)明投資者關(guān)注度會(huì)對(duì)金銀期貨市場(chǎng)產(chǎn)生影響[9]。

由于關(guān)注度本身并不能夠被直接量化，因而許多學(xué)者利用互聯(lián)網(wǎng)時(shí)代下的產(chǎn)物代表關(guān)注度，如王耀君、高揚(yáng)利用360搜索指數(shù)作為網(wǎng)絡(luò)關(guān)注度的指標(biāo)，研究其在股票市場(chǎng)的作用[10];孫書(shū)娜、孫謙通過(guò)中國(guó)股市社區(qū)“雪球網(wǎng)”的用戶(hù)選股信息量構(gòu)建“雪球關(guān)注度”，研究其與股市表現(xiàn)的關(guān)系[11];Xu選用Google搜索指數(shù)作為關(guān)注度，研究其與中國(guó)股票市場(chǎng)的關(guān)系[12]。在這些代理指標(biāo)中，Google搜索指數(shù)被使用最多，也是最具有說(shuō)服力的指標(biāo)。

關(guān)于投資者關(guān)注度與金銀期貨市場(chǎng)的關(guān)系，Vozlyublennaia運(yùn)用Google搜索指數(shù)研究美國(guó)市場(chǎng)關(guān)注度對(duì)黃金期貨市場(chǎng)的影響，通過(guò)波動(dòng)溢出及ARDL模型分析，指出黃金期貨對(duì)于黃金關(guān)注度波動(dòng)的響應(yīng)會(huì)持續(xù)3至4個(gè)星期[13]。Kou則借助百度指數(shù)分析中國(guó)投資者關(guān)注度與大宗商品包括黃金期貨市場(chǎng)收益的關(guān)系，利用面板回歸建模方法證實(shí)中國(guó)期貨市場(chǎng)的絕對(duì)收益率與異常搜索量之間存在顯著相關(guān)關(guān)系[14]。從已有的研究成果來(lái)看，目前學(xué)者并沒(méi)有從不同市場(chǎng)條件的角度去考慮投資者關(guān)注度與金銀期貨市場(chǎng)的關(guān)系。因此，從時(shí)域與頻域、分位數(shù)水平視角研究投資者關(guān)注度對(duì)于金銀期貨市場(chǎng)收益的影響具有重要意義。

二、影響機(jī)理分析

相對(duì)于股票市場(chǎng)、原油市場(chǎng)和外匯市場(chǎng)等金融市場(chǎng)，投資者關(guān)注度對(duì)于貴金屬市場(chǎng)收益的影響研究成果較少。作為金融市場(chǎng)的重要組成部分，金銀期貨市場(chǎng)會(huì)受到投資者投機(jī)行為的影響。搜索引擎是投機(jī)者獲取信息的重要途徑，因此，Google指數(shù)代表的投資者關(guān)注度會(huì)引起金銀期貨收益率的變化，二者之間的影響機(jī)理通過(guò)有限注意理論表現(xiàn)出來(lái)。

有限注意理論表明：中小投資者在進(jìn)行投資決策時(shí)，由于注意力有限，只能在幾百只股票中挑選吸引了自己注意力的股票進(jìn)行買(mǎi)賣(mài)。Barber最先從投資者在金融市場(chǎng)的行為發(fā)現(xiàn)有限注意的現(xiàn)象[15]。他提出，注意力是一種稀缺資源。當(dāng)有許多選擇時(shí)，吸引注意力的選擇更容易被考慮，因此更有可能被選擇，而不吸引注意力的選擇往往被忽略。在期貨市場(chǎng)上，投資者關(guān)注度的大小造成的投資者行為差異主要體現(xiàn)在投資者持有量與交易量的變化。例如，Gao通過(guò)研究發(fā)現(xiàn)，期貨投資者交易行為能夠顯著影響期貨的收益[16];朱學(xué)紅發(fā)現(xiàn)，國(guó)內(nèi)有色金屬期貨市場(chǎng)上，預(yù)期成交量與非預(yù)期成交量都會(huì)對(duì)價(jià)格產(chǎn)生影響[17]。

基于投資者行為介質(zhì)，投資者關(guān)注度會(huì)影響期貨市場(chǎng)，并且已經(jīng)被現(xiàn)有研究成果證實(shí)。Han和Goddarda發(fā)現(xiàn)投資者關(guān)注度與外匯市場(chǎng)在收益率和波動(dòng)性上的關(guān)系[18，19];Yao和Han發(fā)現(xiàn)了投資者關(guān)注度對(duì)原油價(jià)格的顯著影響[20，21];Choi和Swamy證實(shí)了投資者關(guān)注度會(huì)對(duì)股市產(chǎn)生直接或間接影響[22，23]。這些研究都涉及有限注意理論，投資者關(guān)注度與金融市場(chǎng)收益密切相關(guān)。

財(cái)經(jīng)理論與實(shí)踐（雙月刊）2020年第6期2020年第6期（總第228期）

朱慧明，葛雅婧，吳 昊等：投資者關(guān)注對(duì)金銀期貨市場(chǎng)收益影響的時(shí)頻分位研究

三、研究模型

（二）變量定義

因變量定義為黃金期貨與白銀期貨的db6小波分解序列。根據(jù)Vozlyublennaia的研究結(jié)論，投資

者關(guān)注度對(duì)于期貨收益的影響會(huì)滯后3至4個(gè)星期的時(shí)間長(zhǎng)度[12]。因此，將時(shí)間序列數(shù)據(jù)分解為4個(gè)層次的序列，圖2給出了金銀期貨收益的小波分解序列。

圖2中，D1的時(shí)間尺度為1～2天，D2的時(shí)間尺度為2～4天、D3的時(shí)間尺度為4～8天、D4的時(shí)間尺度為8～16天;D1、D2、D3和D4分別為金銀期貨市場(chǎng)收益的短期、中短期、中長(zhǎng)期以及長(zhǎng)期成分。同時(shí)，自變量為關(guān)注度指數(shù)。國(guó)內(nèi)外學(xué)者大部分都是用Google搜索指數(shù)作為投資者關(guān)注度的代理變量。但由于研究的樣本時(shí)間跨度大，Google趨勢(shì)中能夠獲取的Google搜索指數(shù)最大的時(shí)間跨度為8個(gè)月，因此，在原始數(shù)據(jù)上，根據(jù)Xu的規(guī)則對(duì)Google搜索指數(shù)進(jìn)行了調(diào)整，并將其進(jìn)行標(biāo)準(zhǔn)化處理[12]。此外，Barber認(rèn)為投資者對(duì)于資產(chǎn)的投資行為將會(huì)因前一天的收益狀況而發(fā)生變化[15]。因此，模型的門(mén)限變量定義為前一天的金銀期貨市場(chǎng)的收益。

五、實(shí)證分析

（一）描述分析與單位根檢驗(yàn)

表1列出了變量的描述性統(tǒng)計(jì)量和單位根檢驗(yàn)結(jié)果。除了黃金期貨收益的D1、D2序列和白銀期貨的D3序列，其他小波分解序列的均值與中位數(shù)存在一定的偏差;在偏度與峰度的檢驗(yàn)中，僅有白銀期貨的D1序列沒(méi)有出現(xiàn)顯著有偏的情況。所有金銀市場(chǎng)收益的小波分解序列均具有“尖峰厚尾”特征，因此，構(gòu)建分位回歸模型研究投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益的時(shí)頻影響。

（二）基于小波的分位滯后分布自回歸分析

為了深入研究投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益時(shí)頻分位的影響，選取19個(gè)分位點(diǎn)：0.05，0.10，…，0.95，表2和表3列示了模型的估計(jì)結(jié)果，其中D4尺度的系數(shù)擴(kuò)大了10倍。為了區(qū)分門(mén)限差異，當(dāng)前一天的期貨收益大于零時(shí)，變量后面添加符號(hào)“up”，小于零時(shí)添加符號(hào)“down”。從表中的結(jié)果可知，與白銀期貨市場(chǎng)比較，投資者關(guān)注度對(duì)黃金期貨收益的影響更加顯著，符合有限注意理論。黃金是最具代表性，也是最被廣大投資者所知曉的貴金屬，關(guān)注度的增加表明黃金期貨市場(chǎng)吸引了更多投資者的注意力，與此同時(shí)，期望短期獲利的投機(jī)者也跟風(fēng)而入，勢(shì)必會(huì)造成市場(chǎng)中非理性行為的聚集。

通常，將0.01～0.25分位點(diǎn)視為收益市場(chǎng)的熊市（蕭條市場(chǎng)），0.75～0.95分位點(diǎn)視為收益市場(chǎng)的牛市（繁榮市場(chǎng)），中間的分位點(diǎn)即為一般市場(chǎng)。黃金、白銀期貨與其他資產(chǎn)一樣，在收益的極端市場(chǎng)下，投資者關(guān)注度對(duì)于收益的影響顯著且強(qiáng)于一般市場(chǎng)，分位點(diǎn)高低的不同也展現(xiàn)了關(guān)注度影響方向的差異。表2與表3所展示的結(jié)果中，大多數(shù)系數(shù)在牛市、熊市這樣的極端市場(chǎng)下更為顯著。也就是說(shuō)，在極端情況下，投資者對(duì)于資產(chǎn)的敏感性更強(qiáng)，更容易做出非理性的行為。另外，表中反映出的熊市與牛市下投資者關(guān)注度對(duì)于收益的影響方向不一致：在高分位點(diǎn)時(shí)，大部分顯著的系數(shù)都為正，而在低分位點(diǎn)則為負(fù)。合理推測(cè)是投資者的交易行為所致。進(jìn)一步分析可知，當(dāng)市場(chǎng)蕭條時(shí)，恐慌情緒會(huì)引起投資者不斷拋售資產(chǎn)，供不應(yīng)求，導(dǎo)致價(jià)格繼續(xù)下降。而市場(chǎng)繁榮時(shí)，繁榮預(yù)期會(huì)使得投資者不斷購(gòu)進(jìn)資產(chǎn)，供大于求，導(dǎo)致價(jià)格上升。從交易策略視角來(lái)看，投資者通常牛市購(gòu)進(jìn)、熊市拋售的行為屬于動(dòng)量交易策略，反映了散戶(hù)投資者更偏向于動(dòng)量交易策略。

為了比較不同時(shí)頻模型參數(shù)的變化情況，圖3給出了模型系數(shù)變化趨勢(shì)。不難看出，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益的回歸系數(shù)都會(huì)隨著尺度的升高而呈現(xiàn)整體縮小的特征。高尺度的系數(shù)也不如低尺度顯著，投資者關(guān)注度對(duì)黃金與白銀期貨市場(chǎng)收益的影響大多數(shù)只存在短期成分中。期貨收益的長(zhǎng)期成分即使會(huì)受到關(guān)注度的影響，其程度也微小，甚至接近于0。期貨資產(chǎn)的價(jià)格雖然大多取決于多頭、空頭的供需關(guān)系，但是，最終也只能穩(wěn)定在資產(chǎn)本身的價(jià)值上下波動(dòng)。因此，投資者關(guān)注度雖然會(huì)影響到金銀期貨收益的短期波動(dòng)，卻不能影響到長(zhǎng)期成分。長(zhǎng)期來(lái)說(shuō)，金銀期貨的收益仍然是穩(wěn)定的。

由于投資者在Google上搜索相關(guān)信息時(shí)大概率會(huì)關(guān)注到前一天的收益情況，門(mén)限變量區(qū)分的是前一天收益信息對(duì)于因變量和自變量關(guān)系的影響。通過(guò)對(duì)圖3、圖4中門(mén)限變量的對(duì)比分析，黃金與白銀期貨市場(chǎng)收益受到投資者關(guān)注度影響的異質(zhì)性表現(xiàn)如下：黃金期貨市場(chǎng)收益受到的投資者關(guān)注度影響在分位水平上具有非對(duì)稱(chēng)的門(mén)限效應(yīng)，而在白銀期貨市場(chǎng)中，投資者關(guān)注度的影響僅在D1尺度呈現(xiàn)較為明顯的門(mén)限效應(yīng)。

1.投資者關(guān)注度對(duì)黃金期貨市場(chǎng)收益的門(mén)限效應(yīng)。黃金期貨市場(chǎng)受到的投資者影響在不同分位點(diǎn)呈現(xiàn)出不同的特性。通過(guò)圖3（a）和圖3（b）的比較分析，不難看出，首先，在D1尺度的0.05～0.5分位點(diǎn)之間，SSVIt-up回歸結(jié)果的系數(shù)為正，而SSVIt-down回歸結(jié)果的系數(shù)為負(fù)。說(shuō)明在黃金期貨市場(chǎng)低迷時(shí)，若投資者通過(guò)搜索得知前期黃金期貨收益下跌，投資者關(guān)注度的增加意味著黃金期貨市場(chǎng)收益將在短期內(nèi)下降，與整體“牛市為正、熊市為負(fù)”的特性一致;若投資者通過(guò)搜索得知前期黃金期貨收益上漲，那么投資者關(guān)注度的增加意味著黃金期貨市場(chǎng)收益將在短期內(nèi)上升，有別于整體特性。說(shuō)明黃金期貨市場(chǎng)收益上漲的消息能夠給與投資者正向的心理暗示，可以在短期內(nèi)消除市場(chǎng)低迷帶來(lái)的消極拋售行為。但到了D2尺度，黃金期貨市場(chǎng)0.05至0.5分位點(diǎn)之間的SSVIt-up系數(shù)又為負(fù)，回歸整體“牛市為正、熊市為負(fù)”的特性。說(shuō)明黃金期貨市場(chǎng)的門(mén)限效應(yīng)在D2尺度下減小，也表現(xiàn)出低分位點(diǎn)下投資者關(guān)注度對(duì)黃金期貨市場(chǎng)收益的門(mén)限效應(yīng)是短時(shí)效的，僅僅維持1至2天的時(shí)間長(zhǎng)度。其次，在0.55至0.9分位點(diǎn)之間，相較于黃金期貨市場(chǎng)SSVIt-down的回歸系數(shù)，SSVIt-up明顯要更加偏離原點(diǎn)，并且在不同尺度之間表現(xiàn)出更大的差異性。說(shuō)明在黃金期貨市場(chǎng)收益繁榮時(shí)，前一期收益上漲的消息比下跌的消息更容易激起收益的變化。結(jié)果可以用稟賦效應(yīng)來(lái)解釋。稟賦效應(yīng)認(rèn)為，如果投資者擁有了一項(xiàng)資產(chǎn)，他的交易會(huì)更加謹(jǐn)慎;如果投資者沒(méi)有這份資產(chǎn)，那么他更愿意冒險(xiǎn)而進(jìn)行交易。當(dāng)出現(xiàn)黃金期貨收益上漲的消息時(shí)，投資者為了盈利會(huì)想要購(gòu)買(mǎi)，于是交易量增加，引起收益更加劇烈的變化。當(dāng)出現(xiàn)黃金期貨收益下跌的消息時(shí)，出于稟賦效應(yīng)，投資者不愿意冒險(xiǎn)拋售，甚至認(rèn)為黃金期貨收益還有上漲的可能，于是交易量不如上漲時(shí)多，引起的收益變化較小。

2.投資者關(guān)注度對(duì)白銀期貨市場(chǎng)收益的門(mén)限效應(yīng)。投資者關(guān)注度對(duì)白銀期貨市場(chǎng)的門(mén)限效應(yīng)主要存在于D1尺度上，但是相比于黃金期貨市場(chǎng)而言較弱。圖4（a）和圖4（b）的比較發(fā)現(xiàn)，首先，大多變量的系數(shù)在漲跌之間的差異較小，并且黃金期貨市場(chǎng)高分位點(diǎn)所呈現(xiàn)的稟賦效應(yīng)在白銀期貨市場(chǎng)并不明顯;其次，圖4（b）中D1尺度下SSVIt-down的回歸系數(shù)的絕對(duì)值在低分位點(diǎn)明顯大于同尺度下圖4（a）的SSVIt-up，說(shuō)明投資者在Google上捕獲的前期上漲/下跌消息僅在市場(chǎng)低迷時(shí)才能對(duì)投資者關(guān)注度的影響產(chǎn)生差異，并且前期收益下跌時(shí)投資者關(guān)注度對(duì)白銀期貨市場(chǎng)收益的影響更大。表明投資者或許更看重白銀期貨的保值效果而不是投機(jī)收益。在市場(chǎng)收益低迷時(shí)，投資者得知前一期收益下跌后，會(huì)認(rèn)為白銀期貨失去了保值作用，紛紛做空，收益短期內(nèi)便隨著關(guān)注度升高而下跌。

通過(guò)圖3與圖4對(duì)比分析，不難發(fā)現(xiàn)，投資者關(guān)注度對(duì)于金銀期貨市場(chǎng)收益的影響具有滯后性。無(wú)論是黃金期貨市場(chǎng)還是白銀期貨市場(chǎng)，在D1、D2尺度上，變量SSVIt-1-up的回歸系數(shù)正負(fù)情況恰好與SSVIt-up相反，SSVIt-1-down與SSVIt-down亦是如此。D1與D2尺度分解出來(lái)的為期貨收益的高頻成分，代表的是期貨收益中波動(dòng)部分，因此，當(dāng)期與滯后一期方向相反的影響很可能是收益的波動(dòng)性導(dǎo)致的。而在D3、D4尺度，兩種期貨的系數(shù)都非常接近于0，但仍然具有低分位點(diǎn)系數(shù)為負(fù)、高分位點(diǎn)系數(shù)為正的特征，與整體一致。不同的是，D3、D4尺度下黃金和白銀期貨市場(chǎng)的SSVIt-1-down變量在低分位點(diǎn)的系數(shù)更大，在D3尺度上表現(xiàn)得尤為明顯。說(shuō)明長(zhǎng)期來(lái)看，無(wú)論是黃金期貨還是白銀期貨，投資者仍然將其定義為保值資產(chǎn)。從長(zhǎng)期來(lái)看，當(dāng)市場(chǎng)處于低迷狀態(tài)時(shí)，與前一期收益上漲時(shí)投資者關(guān)注度對(duì)金銀期貨市場(chǎng)產(chǎn)生的沖擊相比，前期收益下跌情況下投資者關(guān)注度對(duì)金銀期貨收益的影響更甚。D3、D4尺度下SSVIt-1-down的回歸結(jié)果表明，這種負(fù)面影響最多會(huì)滯后到8～16天，并且會(huì)隨著滯后期的增加而逐漸縮小。

（三）穩(wěn)健性分析

為了檢測(cè)結(jié)果的穩(wěn)定性，將小波基替換成db8對(duì)金銀期貨收益進(jìn)行分解，再進(jìn)行回歸分析。從表4和表5模型系數(shù)估計(jì)結(jié)果，可以發(fā)現(xiàn)，除了具體的系數(shù)有變化之外，大體上的規(guī)律與前文相似，說(shuō)明研究結(jié)果具有穩(wěn)健性，不會(huì)隨著小波基的不同而發(fā)生改變。

六、結(jié)論及建議

在市場(chǎng)有效的條件下，金銀期貨具有較強(qiáng)的穩(wěn)定性，是金融市場(chǎng)中具有保值/避險(xiǎn)作用的資產(chǎn)。但是，現(xiàn)有研究證實(shí)了金銀期貨市場(chǎng)仍然存在非理性現(xiàn)象。為了研究金銀期貨市場(chǎng)非理性行為，基于有限注意理論，利用美國(guó)COMEX黃金和白銀期貨的收益數(shù)據(jù)，以及Google搜索指數(shù)，構(gòu)建帶有門(mén)限的小波分位自回歸分布滯后模型，證實(shí)了黃金與白銀期貨市場(chǎng)上存在非理性行為。結(jié)果表明：

一方面，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)的收益影響顯著，并且在不同的時(shí)頻尺度與分位水平上存在異質(zhì)性。首先，投資者關(guān)注度對(duì)于金銀期貨市場(chǎng)收益的影響在高頻域比低頻域更顯著。研究結(jié)果顯示，尺度越低，回歸系數(shù)越大，說(shuō)明投資者關(guān)注度對(duì)于金銀期貨市場(chǎng)收益的影響時(shí)效較短。長(zhǎng)期而言，金銀期貨市場(chǎng)仍然具有穩(wěn)定性。其次，市場(chǎng)條件越極端，金銀期貨市場(chǎng)收益越容易受到關(guān)注度的影響。具體來(lái)說(shuō)，高分位水平下，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益的影響為正;低分位水平下，投資者關(guān)注度對(duì)金銀期貨市場(chǎng)收益的影響為負(fù)。

另一方面，投資者關(guān)注度對(duì)于金銀期貨市場(chǎng)收益的影響具有門(mén)限效應(yīng)。其中，黃金期貨收益的門(mén)限效應(yīng)有如下兩個(gè)特征：在高頻域，前期收益上漲的消息會(huì)抵消投資者關(guān)注度在熊市對(duì)市場(chǎng)收益的負(fù)面影響;在高分位點(diǎn)，前期收益上漲的消息會(huì)加大投資者關(guān)注度對(duì)市場(chǎng)收益的正面影響，這是投資者稟賦效應(yīng)的體現(xiàn)。而白銀期貨收益的門(mén)限效應(yīng)只集中在高頻域的低分位點(diǎn)，前期市場(chǎng)收益下跌的消息比上漲消息更能引起投資者關(guān)注度對(duì)市場(chǎng)的影響。

綜上所述，金銀期貨市場(chǎng)雖然在短期內(nèi)都會(huì)受到關(guān)注度的影響，但白銀期貨的穩(wěn)定性比黃金期貨更好。因此，即使黃金期貨被廣泛定義為避險(xiǎn)資產(chǎn)，但由于非理性行為的存在，投資者應(yīng)將投資目光適當(dāng)?shù)胤旁诎足y以及其他的貴金屬上，以減少短期內(nèi)的風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] Ming L， Shen Y， Yang S， et al . Does gold serve as a hedge for the stock market in China？ Evidence from a time-frequency analysis[J]. Emerging Markets Finance and Trade， 2019， 56（3）： 1-14.

[2] Abul Basher S， Sadorsky P. Hedging emerging market stock prices with oil， gold， VIX， and bonds： A comparison between DCC， ADCC and GO-GARCH[J]. Energy Economics， 2016， 54： 235-247.

[3] He Z， O'Connor F， Thijssen J. Is gold a sometime safe haven or an always hedge for equity investors？ A Markov-Switching CAPM approach for US and UK stock indices[J]. International Review of Financial Analysis， 2018， 60： 30-37.

[4] Pen， Wei F. Sentiment and asset price bubble in the precious metals markets[J]. Finance Research Letters， 2018， 26： 106-111.

[5] Smales L A， Lucey B M. The influence of investor sentiment on the monetary policy announcement liquidity response in precious metal markets[J]. Journal of International Financial Markets， Institutions & Money， 2019， 60： 19-38.

[6] Balcilar M， Bonato M， Demirer R. The effect of investor sentiment on gold market return dynamics： Evidence from a nonparametric causality-in-quantiles approach[J]. Resources Policy ， 2017，51：77-84.

[7] 劉金娥， 高佳輝. 投資者情緒與黃金期貨價(jià)格動(dòng)態(tài)關(guān)系研究[J]. 價(jià)格理論與實(shí)踐， 2017（9）： 80-83.

[8] 姚德權(quán)， 黃學(xué)軍， 楊光. 中國(guó)機(jī)構(gòu)投資者情緒與股票收益關(guān)系研究[J]. 湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2010， 24（6）： 46-50.

[9] Mbanga C， Darrat A F， Park J C. Investor sentiment and aggregate stock returns：The role of investor attention[J]. Review of Quantitative Finance and Accounting， 2018， 53：397-428.

[10]王耀君， 高揚(yáng). 網(wǎng)絡(luò)關(guān)注度對(duì)我國(guó)股票市場(chǎng)信息不對(duì)稱(chēng)程度的影響[J]. 財(cái)經(jīng)理論與實(shí)踐， 2019， 40（1）： 44-50.

[11]孫書(shū)娜， 孫謙. 投資者關(guān)注度和股市表現(xiàn)——基于雪球關(guān)注度的研究[J]. 管理科學(xué)學(xué)報(bào)， 2018， 21（6）： 60-71.

[12]Xu Q， Bo Z， Jiang C，et al. Does Google search index really help predicting stock market volatility？ Evidence from a modified mixed data sampling model on volatility[J]. Knowledge-Based Systems， 2019， 166：170-185.

[13]Vozlyublennaia N. Investor attention， index performance， and return predictability[J]. Journal of Banking & Finance， 2014， 41：17-36.

[14]Kou Y， Ye Q， Zhao F， et al. Effects of investor attention on commodity futures markets[J]. Finance Research Letters， 2018， 25：109-195.

[15]Barber B M， Odean T. All that glitters： The effect of attention and news on the buying behavior of individual and institutional investors[J]. The Review of Financial Studies， 2008， 21（2）： 785-818

[16]Gao B， Yang C. Investor trading behavior and sentiment in futures markets[J]. Emerging Markets Finance & Trade， 2017， 54（1-3）：707-720.

[17]朱學(xué)紅， 張宏偉， 鐘美瑞，等. 基于高頻數(shù)據(jù)的中國(guó)有色金屬期貨市場(chǎng)量?jī)r(jià)關(guān)系研究[J].中國(guó)管理科學(xué)， 2018， 26（6）： 8-16.

[18]Han L， Xu Y， Yin L. Does investor attention matter？ The attention-return relationships in FX markets[J]. Economic Modelling， 2018， 68： 644-660.

[19]Goddard J， Kita A， Wang Q. Investor attention and FX market volatility[J]. Journal of International Financial Markets， Institutions & Money， 2015， 38：79-96.

[20]Yao T， Zhang Y J， Ma C Q. How does investor attention affect international crude oil prices？[J]. Applied Energy， 2017， 205： 336-344.

[21]Han L， Lv Q， Yin L. Can investor attention predict oil prices？[J]. Energy Economics， 2017， 66： 547-558.

[22]Choi S， Choi W Y.Effects of limited attention on investors' trading behavior： Evidence from online ranking data[J]. Pacific-Basin Finance Journal， 2019， 56： 273-289.

[23]Swamy V， Dharani M， Takeda F. Investor attention and Google Search Volume Index： Evidence from an emerging market using quantile regression analysis[J]. Research in International Business and Finance， 2019， 50：1-17.

[24]Koenker R， Bassett Jr G. Regression quantiles[J]. Econometrica， 1978， 46： 33-50.

（責(zé)任編輯：鐘 瑤）