王凱，王朝暉

摘要：隨著行為金融學(xué)的發(fā)展，投資者情緒的有效度量及其對(duì)股票投資收益的影響日益受到金融風(fēng)險(xiǎn)管理學(xué)者的關(guān)注。本文通過個(gè)股的成交量、換手率等數(shù)據(jù)構(gòu)建了可以反映單只股票的投資者情緒度量指標(biāo)，并實(shí)證探究個(gè)股情緒對(duì)股價(jià)特質(zhì)波動(dòng)、預(yù)期收益的影響。研究發(fā)現(xiàn)：個(gè)股投資者情緒的高漲會(huì)正向加劇股價(jià)的特質(zhì)波動(dòng)，但卻會(huì)降低股價(jià)的預(yù)期收益，從而導(dǎo)致“特質(zhì)波動(dòng)率之謎”這種金融異象。

關(guān)鍵詞：特質(zhì)波動(dòng)率;個(gè)股情緒;三因子模型;特質(zhì)波動(dòng)率之謎

DOI：10.16315/j.stm.2021.05.009

中圖分類號(hào)： F 830

文獻(xiàn)標(biāo)志碼： A

Research on the influence of investor sentiment on the characteristic volatility

and expected return of stock price

WANG Kai，WANG Zhao-hui

（Business School， Ningbo University， Ningbo 315211， China）

Abstract：With the development of behavioral finance， the effective measurement of investor sentiment and its impact on stock investment returns have received increasing attention from financial risk management scholars. This paper constructs a measure of investor sentiment that can reflect a single stock based on the data of individual stock trading volume and turnover rate， and empirically explores the impact of individual stock sentiment on the fluctuation of stock price characteristics and expected returns. The study found that the high sentiment of individual stock investors will positively aggravate the characteristic volatility of the stock price， but it will reduce the expected return of the stock price， leading to the financial anomaly of “the mystery of characteristic volatility”.

Keywords：special volatility; stock emotions; three factor models;puzzle of special volatility

中國證券市場(chǎng)作為新興資本市場(chǎng)，近年來取得了長足的發(fā)展。市場(chǎng)深度和廣度得到了極大的拓展，市場(chǎng)機(jī)制也日漸完善，在資源優(yōu)化配置和推動(dòng)經(jīng)濟(jì)發(fā)展方面發(fā)揮了一定的作用。但由于中國證券市場(chǎng)上的投資者以中小投資者為主，以往多次經(jīng)歷“瘋狂[KG-*5]-[KG-*5]過熱[KG-*5]-[KG-*5]恐慌[KG-*5]-[KG-*5]暴跌”的劇烈震蕩過程，極大地?fù)p害了投資者的利益，對(duì)中國證券市場(chǎng)的長遠(yuǎn)發(fā)展也產(chǎn)生了不利影響。這種股市的異常波動(dòng)是由于非理性投資者情緒波動(dòng)所產(chǎn)生的效應(yīng)，在全球股市普遍存在，由于這種投資者非理性情緒的影響效應(yīng)往往超過宏觀和微觀經(jīng)濟(jì)層面各種因素的影響，引起了金融界學(xué)者的廣泛關(guān)注。其中最為著名的是Ang[2]首次利用三因子模型來分解個(gè)股的股價(jià)波動(dòng)。在控制了系統(tǒng)性定價(jià)因子之后，他把回歸模型的殘差項(xiàng)作為股價(jià)中的不能被市場(chǎng)解釋的波動(dòng)，即剔除系統(tǒng)性風(fēng)險(xiǎn)的剩余波動(dòng)，并根據(jù)實(shí)證結(jié)果認(rèn)為這是股價(jià)的特質(zhì)波動(dòng)，無法用市場(chǎng)因素來解釋。特質(zhì)性波動(dòng)的提出在學(xué)術(shù)界產(chǎn)生了重大的影響。一是認(rèn)識(shí)到股價(jià)的波動(dòng)存在市場(chǎng)因素?zé)o法解釋的部分，特質(zhì)波動(dòng)開始成為資產(chǎn)收益定價(jià)的因子之一;二是Ang的實(shí)證結(jié)果得出“高特質(zhì)波動(dòng)卻會(huì)引發(fā)低預(yù)期收益”的結(jié)論，這與傳統(tǒng)金融學(xué)理論中的“高風(fēng)險(xiǎn)高收益”觀點(diǎn)相矛盾，于是這一金融異象被稱為“特質(zhì)波動(dòng)率之謎”。

基于以上背景，研究中國證券市場(chǎng)投資者情緒與股價(jià)特質(zhì)波動(dòng)、預(yù)期收益的關(guān)系具有一定的現(xiàn)實(shí)意義和適用性：第一，中國證券市場(chǎng)上中小投資者為投資者群體的主要力量，容易受到相關(guān)市場(chǎng)消息的刺激而導(dǎo)致市場(chǎng)情緒的變化，監(jiān)管部門可以通過分析投資者情緒的演化，提前對(duì)市場(chǎng)的波動(dòng)進(jìn)行預(yù)測(cè)，從而采取有效措施及時(shí)對(duì)證券市場(chǎng)進(jìn)行疏導(dǎo)和維穩(wěn)。第二，市場(chǎng)中投資者情緒的波動(dòng)主要是由于個(gè)股出現(xiàn)暴漲暴跌而產(chǎn)生的，管理者可以及時(shí)對(duì)個(gè)股的股價(jià)進(jìn)行有效監(jiān)控，防止惡意做空或過度炒作來穩(wěn)定市場(chǎng)情緒，從而進(jìn)一步完善市場(chǎng)的交易機(jī)制和監(jiān)管規(guī)則。基于以上思考，本文將以個(gè)股的投資者情緒為切入點(diǎn)，來探究投資者情緒對(duì)個(gè)股的特質(zhì)波動(dòng)及預(yù)期收益產(chǎn)生的影響，并同時(shí)利用個(gè)股情緒對(duì)“特質(zhì)波動(dòng)率之謎”作出解釋。后文文的結(jié)構(gòu)安排如下：第二部分為文獻(xiàn)回顧;第三部分為研究設(shè)計(jì);第四部分為實(shí)證結(jié)果與分析;第五部分為結(jié)論與建議。

1文獻(xiàn)回顧

1.1投資者情緒

情緒是人們息、怒、哀、樂等多種感覺、思想和行為綜合產(chǎn)生的心理和勝利狀態(tài)，是理性和非理性相互交融共存下形成的認(rèn)知經(jīng)驗(yàn)。投資者情緒是在有限理性假設(shè)下，因個(gè)人認(rèn)知偏差和所處信息環(huán)境不確定性，投資者對(duì)資產(chǎn)未來價(jià)值進(jìn)行主觀和客觀的綜合評(píng)估。投資者情緒高漲或低落，會(huì)導(dǎo)致股價(jià)大幅度偏離基本價(jià)值上下波動(dòng)[3]。

學(xué)界對(duì)投資者情緒的研究主要集中在它的定義、測(cè)度2個(gè)方面。在投資者情緒的定義方面，Lee[4]等提出投資者的情感以及認(rèn)知上的偏差是由于個(gè)人在自身教育背景、專業(yè)知識(shí)、所處環(huán)境等因素造成的;Baker等[5]認(rèn)為投資者情緒是當(dāng)投資者參與到金融市場(chǎng)過程中，出于自身的投資需求所產(chǎn)生的情緒上的沖動(dòng)，從本質(zhì)上來說是一種投機(jī)傾向;Shefrin[6]則認(rèn)為投資者情緒是由于金融市場(chǎng)上的產(chǎn)生的信息以及存在的諸多情況讓投資者產(chǎn)生了過度解讀與過激反映。由于這種投資者情緒被認(rèn)為是錯(cuò)誤的信念，所以受這類錯(cuò)誤信念影響投資決策的投資者被稱為“噪音交易者”[7]。在投資者情緒的測(cè)度方面，諸多學(xué)者也進(jìn)行了探索。Bondt [8]利用交易量等指標(biāo)來作為衡量投資者情緒的指標(biāo)，認(rèn)為交易量這一指標(biāo)從側(cè)面反映了投資者對(duì)股票定價(jià)的不同預(yù)期，預(yù)期差異越大，則交易次數(shù)越多，交易量越大。另外有學(xué)者認(rèn)為新股的發(fā)行往往體現(xiàn)市場(chǎng)的情緒高低，往往情緒高漲的市場(chǎng)會(huì)推動(dòng)新股產(chǎn)生更多的正向收益，因此IPO數(shù)量可以作為投資者情緒指標(biāo)[9];還有一些學(xué)者側(cè)重于基金交易行為，將共同基金凈贖回率作為投資者情緒測(cè)量，當(dāng)基金贖回率越小時(shí)，說明市場(chǎng)上投資者情緒越高漲[10]。這些構(gòu)建投資者情緒的測(cè)量方法和指標(biāo)都是為了能極大限度的展現(xiàn)投資者情緒對(duì)股票市市場(chǎng)波動(dòng)的影響，盡管投資者情緒難以完美用數(shù)量指標(biāo)來刻畫，但投資者情緒這一概念早已成為非市場(chǎng)因素中能夠解釋股票異常收益率的解釋因子之一。

1.2預(yù)期收益與特質(zhì)波動(dòng)率之謎

傳統(tǒng)的CAPM模型認(rèn)為在均衡定價(jià)理論中，只有系統(tǒng)風(fēng)險(xiǎn)才能反映資產(chǎn)溢價(jià)。現(xiàn)代投資組合理論認(rèn)為投資者可以通過持有一定的股票來分散特質(zhì)風(fēng)險(xiǎn)，因此他們認(rèn)為特質(zhì)波動(dòng)率不具有定價(jià)含義。但是，特質(zhì)波動(dòng)率是無法被系統(tǒng)性風(fēng)險(xiǎn)因子捕捉的公司層面的自有風(fēng)險(xiǎn)，現(xiàn)實(shí)中也無法達(dá)成現(xiàn)代投資組合理論的完美假設(shè)，所以特質(zhì)波動(dòng)率并不能有效地被完全分散，其具有一定的風(fēng)險(xiǎn)溢價(jià)。為此國內(nèi)外學(xué)者對(duì)特質(zhì)波動(dòng)率與預(yù)期收益進(jìn)行了研究。Ang采用Fama-French三因子模型，用美國股票市場(chǎng)的月內(nèi)數(shù)據(jù)估計(jì)特質(zhì)波動(dòng)率，并同時(shí)利用指標(biāo)構(gòu)建投資組合，實(shí)證結(jié)果顯示特質(zhì)波動(dòng)率和股票預(yù)期收益率之間呈現(xiàn)顯著負(fù)相關(guān)關(guān)系。楊華蔚等[11]利用橫截面和時(shí)間序列分析方法也論證了特質(zhì)波動(dòng)率對(duì)預(yù)期收益率有負(fù)向的預(yù)測(cè)能力。徐小軍[12]利用市場(chǎng)風(fēng)險(xiǎn)和偏度風(fēng)險(xiǎn)的兩因子模型估計(jì)特質(zhì)波動(dòng)率，在考慮了系統(tǒng)偏度風(fēng)險(xiǎn)的情況下，仍然發(fā)現(xiàn)特質(zhì)波動(dòng)率與預(yù)期收益之間存在負(fù)相關(guān)關(guān)系。這些學(xué)者的發(fā)現(xiàn)與資本均衡理論中提出的“高風(fēng)險(xiǎn)、高收益”觀點(diǎn)相反，即高的特質(zhì)波動(dòng)率（特質(zhì)風(fēng)險(xiǎn)）卻產(chǎn)生了低的預(yù)期收益，因此被稱為“特質(zhì)波動(dòng)率之謎”。

自從“特質(zhì)波動(dòng)率之謎”提出以后，國內(nèi)外學(xué)者就對(duì)其形成原因從各個(gè)方面進(jìn)行研究。一部分學(xué)者從異質(zhì)信念入手，例如：Miller [13]首先提出造成這一現(xiàn)象的原因是由于異質(zhì)信念。他認(rèn)為股票的價(jià)格會(huì)由于賣空限制的存在而只反應(yīng)樂觀者的預(yù)期，卻并沒有反應(yīng)悲觀者的預(yù)期，最終導(dǎo)致了股價(jià)的高估，而且兩者的異質(zhì)信念越大，股票被高估的可能性就越大，從而股票的預(yù)期收益率越低;左浩苗[14]也支持了以上觀點(diǎn)。他在控制了反映異質(zhì)信念的換手率后，在中國股票市場(chǎng)中發(fā)現(xiàn)特質(zhì)波動(dòng)率與預(yù)期收益率的負(fù)向關(guān)系不再顯著。一部分學(xué)者則認(rèn)為投資偏好是

造成這一現(xiàn)象原因，例如：Barberis等[15]根據(jù)行為金融學(xué)的前景理論，研究發(fā)現(xiàn)投資者更加偏好價(jià)格變化幅度高的股票，于是對(duì)這種股票就有較高的預(yù)期收益，導(dǎo)致股票價(jià)格被高估;劉維奇[16]發(fā)現(xiàn)當(dāng)同時(shí)控制了換手率、價(jià)格極差和最大日收益這3個(gè)反映投資者偏好的指標(biāo)后，這種負(fù)向關(guān)系不再顯著。還有學(xué)者認(rèn)為是反轉(zhuǎn)效應(yīng)的影響，如Lettau [17]實(shí)證研究發(fā)現(xiàn)特質(zhì)波動(dòng)率與預(yù)期收益率之間的負(fù)向關(guān)系是受到短期月收益反轉(zhuǎn)效應(yīng)的影響，進(jìn)一步分析很可能是買賣價(jià)差彈性和市場(chǎng)微觀結(jié)構(gòu)導(dǎo)致了短期月收益反轉(zhuǎn)。

根據(jù)國內(nèi)外學(xué)者的研究結(jié)果，本文認(rèn)為現(xiàn)有研究還存在不足之處：之前學(xué)者使用首日IPO數(shù)量抑或基金贖回率等指標(biāo)來測(cè)度投資者情緒，測(cè)度的是整個(gè)市場(chǎng)的投資者情緒，而無法體現(xiàn)投資者對(duì)不同個(gè)股的投資者情緒;在研究特質(zhì)波動(dòng)率之謎的原因中，投資者偏好、異質(zhì)信念等因素涉及個(gè)人主觀觀念，比較難以測(cè)定，且誤差較大。

針對(duì)以上問題，本文的創(chuàng)新點(diǎn)如下：投資者情緒的代理指標(biāo)構(gòu)建不同。本文基于個(gè)股的成交量、換手率等日頻數(shù)據(jù)來構(gòu)建投資者情緒，刻畫的是單個(gè)股票在市場(chǎng)上的投資者情緒，而不是宏觀的整個(gè)市場(chǎng)投資者情緒;研究視角不同。本文首次采用投資者對(duì)個(gè)股的情緒來研究與股價(jià)特質(zhì)波動(dòng)、預(yù)期收益的關(guān)系，視角獨(dú)特，且數(shù)據(jù)更加客觀、準(zhǔn)確。

2研究設(shè)計(jì)

2.1樣本選擇與數(shù)據(jù)來源

本文選取2015年1月1日至2020年12月31日中國A股市場(chǎng)上市公司作為研究對(duì)象，并對(duì)數(shù)據(jù)進(jìn)行處理：剔除有關(guān)金融類公司、ST類公司以及上市不滿5年的公司的觀測(cè)值;剔除在觀測(cè)期間財(cái)務(wù)數(shù)據(jù)大量缺失的公司;剔除一年間交易日少于當(dāng)年股市開盤日80%的公司觀測(cè)值。本文共獲得觀測(cè)值17 900個(gè)，其中日個(gè)股回報(bào)率、綜合日市場(chǎng)回報(bào)率、三因子日度數(shù)據(jù)、無風(fēng)險(xiǎn)利率均來自國泰安數(shù)據(jù)庫，相關(guān)公司的財(cái)務(wù)數(shù)據(jù)以及換手率、交易量等數(shù)據(jù)均來自RESSET數(shù)據(jù)庫。本文采用stata15和spss對(duì)數(shù)據(jù)進(jìn)行處理，并對(duì)連續(xù)變量進(jìn)行1%的Winsorize縮尾處理。

2.2變量定義

1）特質(zhì)波動(dòng)率（IVOL）。特質(zhì)波動(dòng)率是指不能被市場(chǎng)因素所解釋的的股價(jià)波動(dòng)，常用來表示個(gè)股的特質(zhì)風(fēng)險(xiǎn)。為計(jì)算個(gè)股月度特質(zhì)波動(dòng)率，借鑒Xu等 [18]的做法，基于Fama-French三因子模型對(duì)個(gè)股的超額收益率來進(jìn)行回歸，通過式（1）可以將個(gè)股波動(dòng)分解為受市場(chǎng)因子（MKTt，k-Rf，k，t）、

規(guī)模因子（SMBi，t）、價(jià)值因子（HMLi，t）影響的波動(dòng)和不受市場(chǎng)因素影響的波動(dòng)，其中殘差項(xiàng)εi，t，k即為不受市場(chǎng)因素影響的特質(zhì)波動(dòng)。再利用式（2）將日度特質(zhì)波動(dòng)率轉(zhuǎn)化為月度特質(zhì)波動(dòng)率。具體公式如下：

Ri，m，d-Rf，t，k=αi，m+βmkt，i，t（MKTt，k-Rf，k，t）+

βsmb，i，tSMBi，t+βHML，i，tHMLi，t+εi，t，k。（1）

IVOLi，d=Std（εi，t，k）×T。（2）

其中：Ri，m，d為股票i的第M月第d天的收益率，Rf，t，k為無風(fēng)險(xiǎn)利率;（MKTt，k-Rf，k，t）為市場(chǎng)因子，即為市場(chǎng)的超額收益，其中MKTt，k采用上證指數(shù)收益來代替，Rf，k，t采用同銀行一年存款利率替代;SMBi，t為規(guī)模因子，表示企業(yè)規(guī)模差異所造成的風(fēng)險(xiǎn)溢價(jià)，其算法是將企業(yè)按市值大小分組，其中高市值投資組合所得收益減去低市值投資組合所得收益的值即為SMBi，t;HMLi，t為價(jià)值因子，表示因公司賬面市值比的差異所造成風(fēng)險(xiǎn)溢價(jià)，其算法是根據(jù)公司賬面市值比分組，高賬面市值比的投資組合所得收益與低賬面市值比的投資組合所得收益的差值即為HMLi，t;βmkt，i，t、

βsmb，i，t、βHML，i，t分別表示股票超額收益對(duì)市場(chǎng)因子、規(guī)模因子、價(jià)值因子的敏感系數(shù)。εi，t，k為股票i第M月第d天的回歸殘差項(xiàng)，表示股票超額收益中不能被三因子所解釋的波動(dòng)，即為股票i的日度特質(zhì)波動(dòng)率。

根據(jù)式（1）的回歸結(jié)果可以得到個(gè)股的每日特質(zhì)波動(dòng)率，計(jì)算一個(gè)月內(nèi)日殘差的標(biāo)準(zhǔn)差，將計(jì)算出的標(biāo)準(zhǔn)差乘月內(nèi)交易天數(shù)，即得到股票i在第M月的特質(zhì)波動(dòng)率。式（2）中IVOLid是股票i的月度特質(zhì)波動(dòng)率，Std（εi，t，k）代表εi，t，k的月度標(biāo)準(zhǔn)差，T代表股票i在第M月的交易天數(shù)，通過式（2）將個(gè)股的日特質(zhì)波動(dòng)率進(jìn)行月度化得到個(gè)股的月度特質(zhì)波動(dòng)率。

2）個(gè)股情緒（Sent）。個(gè)股一段時(shí)間的換手率、成交量、成交金額、股東人數(shù)的不同，充分反映了在市場(chǎng)中，基于每個(gè)股票，投資者對(duì)待股票的交易熱情是不同的。個(gè)股的成交量大，換手率高則代表該段時(shí)間，投資者對(duì)該股票的投資熱情高漲，反之則表明投資者對(duì)該股票投資熱情比較低落。這些指標(biāo)可以很好衡量個(gè)股在市場(chǎng)上的受到投資者的青睞程度，但這些指標(biāo)之間具有很強(qiáng)的相關(guān)性，如成交量大的股票往往換手率高以及成交金額大等。因此，本文采用Baker等所采用的主成分分析法來構(gòu)建情緒指標(biāo)，主成分分析法能夠很好的消除變量之間重疊信息，并最大限度的保留指標(biāo)中有關(guān)情緒的有效信息，從而讓指標(biāo)度量個(gè)股情緒更加準(zhǔn)確。

Senti.t-1=β3Turnoveri，t-1+β4Holdi，t-1+β5Pei，t-1+

β6Trdvoli，t-1+β7Trdsumi，t-1+β8NIAi，t-1。（3）

其中：Turnoveri，t-1為換手率，Holdi，t-1為機(jī)構(gòu)持股比例，Pei，t-1為個(gè)股的市盈率，Trdvoli，t-1為個(gè)股的成交量，Trdsumi，t-1為個(gè)股一段時(shí)間的成交金額，NIAi，t-1為股票的股東人數(shù);β3到β8為各個(gè)指標(biāo)的貢獻(xiàn)系數(shù)。

3）控制變量。公司的基本面是投資者選擇是否投資這家公司股票的先決條件，而基本面中的財(cái)務(wù)信息更加是投資者關(guān)注的焦點(diǎn)，投資者往往通過財(cái)務(wù)信息來進(jìn)行買賣上市公司的股票的活動(dòng)，這種買賣博弈會(huì)引發(fā)股票價(jià)格的波動(dòng)。因此，公司財(cái)務(wù)相關(guān)的特質(zhì)信息往往會(huì)影響個(gè)股在市場(chǎng)中的股價(jià)特質(zhì)波動(dòng)。本文參考相關(guān)文獻(xiàn)[19]，選擇賬面市值比（Btomi，t-1）、公司規(guī)模（Sizei，t-1）、股權(quán)集中度（Shrcri，t-1）、資產(chǎn)負(fù)債率（Levi，t-1）、總資產(chǎn)增長率（Lagri，t-1）作為本文的控制變量，各控制變量定義，如表1所示。

4）實(shí)證步驟及模型。本文實(shí)證分為2個(gè)部分，第1部分為探究個(gè)股情緒對(duì)股價(jià)特質(zhì)波動(dòng)的影響，利用式（1）和式（2）得出的個(gè)股特質(zhì)波動(dòng)率以及式（3）得出的個(gè)股情緒，構(gòu)建模型如下：

IVOLi，t=αi，t+β1Senti，t-1+β2Controli，t-1+εi。（4）

第2部分為探究個(gè)股情緒對(duì)股票預(yù)期收益的影響。利用式（1）可以得到股票的預(yù)期收益，再按個(gè)股情緒將股票分為3個(gè)組合，分為Hight（30%）、Nomal（40%）、Low（30%）三組，利用分組可以探究在不同投資者情緒下，個(gè)股的情緒是否會(huì)對(duì)預(yù)期收益產(chǎn)生影響，從而導(dǎo)致產(chǎn)生“特質(zhì)波動(dòng)率之謎”。構(gòu)建的模型如下：

Ri，m，d-Rf，t，k=αi，m+bSenti，t-1+

βmkt，i，t-1（MKTt，K-1-

Rf，k，t-1）+βsmb，i，t-1SMBi，t-1+

βHML，it-1HMLi，t-1+εi，t-1，k。（5）

3實(shí)證結(jié)果與分析

3.1描述性統(tǒng)計(jì)分析

變量的描述性統(tǒng)計(jì)分析結(jié)果，如表2所示。由表2可知，個(gè)股情緒Sent最高值為25.49，最低值為5.271，且標(biāo)準(zhǔn)差較大，說明在同一個(gè)市場(chǎng)中投資者對(duì)不同股票投資情緒差異較大，用宏觀指標(biāo)來衡量投資者情緒只能代表整個(gè)市場(chǎng)的投資情緒的高低。在實(shí)際市場(chǎng)中，即使在整體市場(chǎng)投資情緒比較低落的情況下，依然存在上漲的股票，其個(gè)股投資情緒依然活躍。因此，構(gòu)建個(gè)股情緒指標(biāo)來測(cè)度投資者情緒將更加準(zhǔn)確，誤差更小。特質(zhì)波動(dòng)率IVOL最大值為0.576，最小值為-0.0756，即同一市場(chǎng)同一時(shí)刻，股票的特質(zhì)波動(dòng)率差異較大 ，這說明特質(zhì)波動(dòng)并不能被市場(chǎng)因素所解釋，而是受到非市場(chǎng)因素的影響而導(dǎo)致的特質(zhì)波動(dòng)率差異較大，這也從側(cè)面驗(yàn)證了本文理論的正確性。

3.2相關(guān)性分析

各特質(zhì)信息變量與特質(zhì)波動(dòng)率的相關(guān)關(guān)系，如表3所示。由表3得知，自變量（Sent）與控制變量之間的相關(guān)系數(shù)較小，基本不存在多重共線性。從表中可知個(gè)股情緒Sent與特質(zhì)波動(dòng)率IVOL之間的相關(guān)系數(shù)為正，在1%水平下顯著。證明在不考慮其他因素的情況下，投資者情緒與股票的特質(zhì)波動(dòng)率存在正向的關(guān)系。這也說明了個(gè)股情緒波動(dòng)作為非市場(chǎng)因素，也會(huì)影響到特質(zhì)波動(dòng)。

3.3主成分分析

1）KMO值和Bartlett球形檢驗(yàn)。KMO值和Bartlett球形檢驗(yàn)常被用于檢驗(yàn)變量是否適合做主成分分析。通常認(rèn)為當(dāng)KMO值和Bartlett球形檢驗(yàn)中的KMO大于0.6時(shí)，各變量是可以做主成分分析的。KMO值為0.682，Bartlett球形檢驗(yàn)的近似卡方統(tǒng)計(jì)值為22 085.108，自由度為15，顯著性水平為0.000，如表4所示。因此本文所取的換手率（Turnover）、機(jī)構(gòu)持股比例（Hold）、市盈率（Pe）、股東人數(shù)（NIA）、成交量（Trdvol）、成交金額（Trdsum）6個(gè)指標(biāo)可以進(jìn)行主成分分析，并且結(jié)果顯著。

2）選取有效貢獻(xiàn)因子。主成分分析法是通過降維方式將多個(gè)無序且有關(guān)聯(lián)的變量轉(zhuǎn)變?yōu)橐唤M毫不相關(guān)的新指標(biāo)的方法，使用主成分分析法時(shí)，需要對(duì)原始指標(biāo)進(jìn)行科學(xué)的取舍，以避免產(chǎn)生多個(gè)新的變量。具體方法是測(cè)度新變量的標(biāo)準(zhǔn)差，即變量的貢獻(xiàn)率，其方差越大，則貢獻(xiàn)率越高。前3個(gè)因子的初始特征值分別為2.118、1.058、1.008均大于1，且前3個(gè)因子的累計(jì)貢獻(xiàn)率為79.729%，這表明這3個(gè)因子在剔除重疊信息之后，可以刻畫原始指標(biāo)的絕大部分信息，因此選取前3個(gè)因子較為合適，如表5所示。

3）構(gòu)建情緒指標(biāo)（Sent）。3個(gè)成分與各指標(biāo)之間的線性關(guān)系，如表6所示。通過這些線性關(guān)系可以建立如下方程：

F1=0.316X1+0.033X2-0.003X3-0.005X4+

0.443X5+0.422X6。（6）

F2=-0.298X1+0.913X2-0.026X3-0.015X4+

0.115X5+0.112X6。（7）

F3=0.03X1+0.003X2-0.716X3-0.687X4-

0.004X5-0.01X6。（8）

其中：X1～X6分別代表換手率（Turnover）、機(jī)構(gòu)持股比例（Hold）、市盈率（Pe）、股東人數(shù)（NIA）、成交量（Trdvol）、成交金額（Trdsum）再利用表5中3個(gè)因子的方差貢獻(xiàn)度來分配3個(gè)主成分的權(quán)重，從而得到個(gè)股情緒指標(biāo)公式：

Sent=0.35294F1+0.17638F2+0.16797F3。（9）

將式（6）、（7）、（8）帶入（9）得到

Sent=0.064X1+0.173X2-0.126X3-

0.12X4+0.175X5+0.038X6。（10）

由式（10）可得式（2）中各敏感系數(shù)，從而計(jì)算出個(gè)股情緒Sent。通過式（10）計(jì)算所得的個(gè)股情緒可以排除了各原始指標(biāo)的相關(guān)關(guān)系，并保留了原始指標(biāo)中代表個(gè)股情緒的信息，相比較于原始情緒指標(biāo)，更能代表市場(chǎng)投資者對(duì)特定個(gè)股的情緒水平。

3.4回歸分析

1）個(gè)股情緒對(duì)股價(jià)特質(zhì)波動(dòng)率的影響分析。對(duì)式（4）的回歸結(jié)果，如表7所示。本文做了3個(gè)時(shí)間階段的回歸，即分為上漲階段、下跌階段和全時(shí)期，結(jié)果顯示無論大盤處于上漲還是下跌階段，個(gè)股情緒均與特質(zhì)波動(dòng)率的回歸系數(shù)在1%顯著水平下顯著為正。這說明大盤的漲跌并沒有影響個(gè)股情緒與股價(jià)特質(zhì)波動(dòng)的正相關(guān)關(guān)系，這與特質(zhì)波動(dòng)不能被市場(chǎng)因素所解釋的觀點(diǎn)相吻合。更重要的是說明了，在控制公司規(guī)模、機(jī)構(gòu)持股比例等因素的情況下，當(dāng)個(gè)股的投資情緒高漲時(shí)，會(huì)加劇股價(jià)的大漲大跌，造成個(gè)股特質(zhì)波動(dòng)率加大。當(dāng)個(gè)股的投資情緒高漲時(shí)，投資者會(huì)在情緒驅(qū)使下做出非理性的投資行為，令噪音交易增加，這時(shí)股價(jià)便會(huì)在大量買方和賣方力量下產(chǎn)生較大幅度波動(dòng)，這種波動(dòng)并不是市場(chǎng)環(huán)境發(fā)生了變化，而僅僅是個(gè)股的交易者情緒導(dǎo)致的。

2）個(gè)股情緒對(duì)預(yù)期收益率的影響分析。對(duì)模型（5）的回歸結(jié)果，如表8所示，從表中可以看出在Nomal組和Lowest組中，個(gè)股情緒Sent對(duì)于預(yù)期收益在1%的顯著水平下為正，說明在投資者情緒不高的股票中，當(dāng)投資者交易熱情上升時(shí)，這些股票的預(yù)期收益也會(huì)增加，個(gè)股情緒與預(yù)期收益成正相關(guān);但在High組中，個(gè)股情緒與預(yù)期收益在1%水平下顯著為負(fù)，說明當(dāng)投資者對(duì)某些股票的投資情緒過于高漲時(shí)，這些股票的預(yù)期收益反而會(huì)變小，個(gè)股情緒與預(yù)期收益成負(fù)相關(guān)。

由表3與表5可知，個(gè)股情緒高的股票，其特質(zhì)波動(dòng)率更大，但預(yù)期收益率卻更小，即產(chǎn)生了“特質(zhì)波動(dòng)率之謎”，而那些投資者交易情緒低落的股票則沒有發(fā)生。分析其原因：個(gè)股情緒高的股票相比于其他股票，由于其存在更多的噪音交易，更容易被高估，當(dāng)其價(jià)格偏離內(nèi)在價(jià)值過大時(shí)，必然會(huì)導(dǎo)致未來預(yù)期的收益更小，因此，個(gè)股情緒高的股票更容易產(chǎn)生“特質(zhì)波動(dòng)率之謎”這種金融異象。

3.5穩(wěn)健性檢驗(yàn)

FAMA-French三因子是參數(shù)估計(jì)法估計(jì)特質(zhì)波動(dòng)率，為了驗(yàn)證模型（4）的穩(wěn)健性，本文采用CampBell所提出的非參數(shù)方法來度量特質(zhì)波動(dòng)率，這種方法是利用個(gè)股與其所在行業(yè)收益之差來計(jì)算出來的，公式如下：

∑s∈tη2ijs=∑s∈t（Rijs-Ris）2t。（11）

其中：Rijs為處于j行業(yè)的個(gè)股i在s交易日內(nèi)用無風(fēng)險(xiǎn)收益率調(diào)整的收益率，Ris為j行業(yè)在s交易日的無風(fēng)險(xiǎn)收益率調(diào)整的超額收益率，η2ijs為個(gè)股收益與所在行業(yè)收益的差額。通過該公式計(jì)算出個(gè)股的日數(shù)據(jù)標(biāo)準(zhǔn)差，與該月內(nèi)交易日T相乘進(jìn)行月度化處理便得到個(gè)股在一個(gè)月內(nèi)的股價(jià)特質(zhì)波動(dòng)，取季度內(nèi)月度特質(zhì)波動(dòng)率的均值作為季度特質(zhì)波動(dòng)率，便得到一個(gè)新的季度特質(zhì)波動(dòng)率IVOL，利用該指標(biāo)來重新進(jìn)行回歸，結(jié)果與本文一致，即本文模型穩(wěn)健性得到檢驗(yàn)，如表9所示。

4結(jié)論與建議

本文以2015—2020年我國非金融類A股市場(chǎng)公司為樣本，首先運(yùn)用主成分分析法構(gòu)建了個(gè)股的投資者情緒代理指標(biāo)，同時(shí)用三因子模型回歸得到個(gè)股的特質(zhì)波動(dòng)率，最后回歸分析個(gè)股情緒對(duì)特質(zhì)波動(dòng)率的影響，同時(shí)對(duì)“特質(zhì)波動(dòng)率之謎”現(xiàn)象進(jìn)行了研究。研究表明：個(gè)股的特質(zhì)波動(dòng)并不會(huì)受到市場(chǎng)因素的影響，而會(huì)在投資者情緒的推動(dòng)下加大;相對(duì)于成交量低迷的股票，那些被投資者熱衷的股票，其投資者情緒越高漲，個(gè)股的特質(zhì)波動(dòng)率越大，但這些個(gè)股的預(yù)期收益卻越小，即個(gè)股投資者情緒高的股票，更容易出現(xiàn)“特質(zhì)波動(dòng)率之謎”現(xiàn)象。

基于上述研究結(jié)論，本文提出以下建議：提高投資者風(fēng)險(xiǎn)意識(shí)，對(duì)于市場(chǎng)爆炒的股票，相關(guān)部門應(yīng)建立警示機(jī)制，即時(shí)遏止市場(chǎng)過度投機(jī)氛圍，為市場(chǎng)降溫;提高機(jī)構(gòu)投資者的入市門檻，對(duì)機(jī)構(gòu)投資者頻繁買賣引入適當(dāng)?shù)谋O(jiān)督機(jī)制，引導(dǎo)機(jī)構(gòu)投資者價(jià)值投資，為金融市場(chǎng)的健康發(fā)展樹立標(biāo)桿;加強(qiáng)對(duì)市場(chǎng)信息的監(jiān)督力度，對(duì)于發(fā)布市場(chǎng)預(yù)測(cè)信息以及提供個(gè)股投資建議的相關(guān)機(jī)構(gòu)進(jìn)行監(jiān)控，防止市場(chǎng)情緒過度高漲，有效保護(hù)個(gè)人投資者的權(quán)益。

參考文獻(xiàn)：

[1]黃波，李港，顧孟迪，基于風(fēng)險(xiǎn)偏好資產(chǎn)定價(jià)模型的公司特質(zhì)風(fēng)險(xiǎn)研究[J].管理世界，2006（11）：119.

[2]ANG A，HODRICK R J，XING Y，et al.The cross-section of volatility and expected returns[J].Joumal of Finance，2004，61（1）：259.

[3]劉維奇，武翰章，投資者情緒會(huì)影響股票市場(chǎng)的誤定價(jià)嗎？：基于上證A股市場(chǎng)的實(shí)證研究.金融與經(jīng)濟(jì)，2018（3）：19.

[4]LEE C M C，SHLEIFER A.THALER R H.Investorsentiment and the closed-end fund puzzle[J].Journal of Finance，1991，46（1）：75.

[5]BAKER M，WURGLER J.Investor sentiment and the cross-section of stock return[J].The Journal of Finance Management，2006，61（4）：1645.

[6]SHARPE W F.Capital asset prices：A theory of market equilibrium under conditions of risk[J].Journal of Finance，1964，19（3）：425.

[7]SHEFRIN H，STATMAN M.Behavioural portfolio theory[J].Journal of Financial and Quantitative Analysis，2000（35）：127.

[8]BONDT D W，THALER? R.Further evidence on investor overreaction and stock market seasonality[J].Journal of Finance，1987（42）：557.

[9]BAKER? M，WURGLER J.Investor sentiment in the stock market[J].Journal of Economic Perspectives，2007，21（2）：129.

[10]LJUNGQVIST A，NANDA V，SINGH R.Hot markets，investor sentiment，and IPO pricing[J].Journal of Business，2006，79（4）：1667.

[11]楊華蔚，韓立巖.中國股票市場(chǎng)特質(zhì)波動(dòng)率與橫截面收益研究[J]北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009（1）：6.

[12]徐小君.公司特質(zhì)風(fēng)險(xiǎn)與股票收益：中國股市投資行為研究[J]經(jīng)濟(jì)管理，2010（12）：127.

[13]MILLER E M.RISK，uncertainty，and divergence of opinion[J].The Journal of Finance，1977（4）：1151.

[14]左浩苗.股票特質(zhì)波動(dòng)率與橫截面收益：對(duì)中國股市“特質(zhì)波動(dòng)率之謎”的解釋[J]世界經(jīng)濟(jì)，2011，34（5）：117.

[15]BARBERIS N，HUANG M.Preferences with frames：A new utility specification that allows for the framing of risks[J].Journal of Economic Dynamics & Control，2009（8）：1555.

[16]劉維奇，鄭睿.過度反應(yīng)視角下的股市反轉(zhuǎn)效應(yīng)與個(gè)體風(fēng)險(xiǎn)偏好[J].系統(tǒng)工程學(xué)報(bào)，2020，35（4）：535.

[17]LETTAU M，MALKIEL B G，et al.Have individual stocks become more volatile？An empirical exploration of idiosyncratic Risk[J].Journal of Finance，2010，56（1）：1.

[18]XU Y，MALKIEL B.Investigating the behavior of idiosyncratic volatility[J].Journal of Business，2003：613.

[19]王典，薛宏剛.機(jī)構(gòu)投資者網(wǎng)絡(luò)加劇還是抑制了公司特質(zhì)風(fēng)險(xiǎn)[J].金融經(jīng)濟(jì)研究，2018（9）：71.

[編輯：厲艷飛]

3083500338266