周 亮

(1.湖南師范大學(xué) 商學(xué)院，湖南 長沙 410081；2.湖南財政經(jīng)濟學(xué)院，湖南 長沙 410205)

一、引 言

行為金融學(xué)認為，情緒和認知偏差使得投資者無法做到理性預(yù)期，從而導(dǎo)致資產(chǎn)價格偏離內(nèi)在價值和市場非有效。目前對投資者情緒的研究大多集中在股票市場，主要包括通過選擇合適的源指標構(gòu)造投資者情緒指數(shù)并分析其對股票橫截面收益率的影響[1-5]以及通過投資者情緒指數(shù)去解釋和分析各種金融市場異象[6-9]。也有一些學(xué)者研究了投資者情緒對其他資本市場的影響，如Han[10]和Nayak[11]分別研究了投資者情緒對標普500指數(shù)期權(quán)市場和企業(yè)債券利差的影響；Wang[12]構(gòu)造了期貨市場投資者情緒指數(shù)并研究了其對期貨橫截面收益率的影響。構(gòu)建投資者情緒指標常用的方法包括單一指標法和復(fù)合指標法，由于復(fù)合指標能夠綜合更多的來源且有利于進行降噪分析，因此得到了廣泛的應(yīng)用，最具代表性的就是Baker 和 Wurgler[1]根據(jù)封閉式基金折溢價、換手率、IPO數(shù)據(jù)等6個源指標復(fù)合出的BW情緒指數(shù)。隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的學(xué)者采用微博[13]、社交媒體[14-15]、搜索引擎[3,16]等網(wǎng)絡(luò)媒體數(shù)據(jù)來對投資者情緒進行衡量，以更迅速地捕捉到投資者情緒的變化。

雖然投資者情緒的研究文獻已經(jīng)較多，但是不同資本市場下投資者情緒的相互傳染機制還未被完全闡明，這主要是因為不同市場下投資者情緒的構(gòu)造方式會有所不同。如常見的BW情緒指數(shù)，其采用的IPO首日收益率在我國存在不適用情況，是由于我國股票上市的注冊制一直沒有得到正式實施，IPO受到政策的強烈影響，無法準確反映投資者情緒的變動。因此，選擇一致性的投資者情緒測度指標是研究跨市場投資者情緒傳染或信息溢出的關(guān)鍵所在。得益于互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，采用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造情緒指標為本文的研究提供了關(guān)鍵技術(shù)。因此，本文擬采用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造不同國家或地區(qū)股票市場的投資者情緒指標，并利用Diebold信息溢出模型研究投資者情緒在國際市場間的傳染和擴散機制。相對于已有的文獻，本文的創(chuàng)新之處主要表現(xiàn)在以下兩方面：一方面，利用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造了不同市場的投資者情緒指標，使得跨市場的投資者情緒具有了一致來源和相互可比性，為研究投資者情緒的跨市場信息溢出機制提供了技術(shù)支撐；另一方面，采用Diebold信息溢出指數(shù)模型系統(tǒng)地分析了投資者情緒在全球及亞洲區(qū)域市場的溢出機制，并通過將投資者情緒細分為高漲情緒和低迷情緒，對情緒溢出的非對稱性進行了檢驗和分析。

二、文獻綜述

對投資者情緒研究最早的定義來自于De Long 等人[17]。他們指出股票市場除了理性預(yù)期交易者之外，還存在大量的噪聲交易(Noise Trading)，這些噪聲交易正是投資者情緒所導(dǎo)致的。Brown和Cliff[1]、Baker和Wurgler[2]的觀點更被廣為接受，他們認為投資者情緒就是投資者對風(fēng)險和投機的承擔(dān)傾向，因此相對于正常的市場收益，風(fēng)險承擔(dān)使得情緒交易者能夠獲得一定的超額收益。在對投資者情緒的衡量上，按源指標來源可以分為直接指標和間接指標兩種方式。直接指標指直接問詢消費者對市場看法以及買賣意愿的方式來測度投資者的情緒，包括但不限于美國AAII投資者情緒指數(shù)[18-20]、US投資者智能指數(shù)[21]、消費者信心指數(shù)[22]、央視看市數(shù)據(jù)以及華鼎多空民意調(diào)查結(jié)果[23-24]等；間接指標則包括基金資金凈流入[25]、換手率[26-27]、新增投資者開戶數(shù)[28]等能間接反映投資者情緒的指標。具體的構(gòu)造方式包括單一指標和復(fù)合指標兩種。相對于單一指標，復(fù)合指標包含的信息量更大，同時能夠降低噪聲，因此，其在實證研究中得到了廣泛的應(yīng)用。最普遍認可的便是Baker和Wurgler[2]構(gòu)造的BW情緒指數(shù)，他們采用主成分分析法對交易量、封閉式基金折價率、股利收益、IPO首日收益率及IPO數(shù)量、股票發(fā)行/證券發(fā)行比率6個源指標進行降噪提純。國內(nèi)很多學(xué)者在BW指數(shù)的基礎(chǔ)上構(gòu)造了中國的投資者情緒指標，如易志高和茅寧[29]、張宗新和王海亮[30]、李合龍和馮春娥[31]、文鳳華等[32]、高大良等[33]。

具體到投資者情緒的實際應(yīng)用上，很多學(xué)者都研究了投資者情緒對資產(chǎn)收益及風(fēng)險的影響。如Baker 和 Wurgler[2]的研究發(fā)現(xiàn)投資者情緒對股市的橫截面收益具有較明顯的預(yù)測作用。Canbas和Kandir[34]、池麗旭等[25]利用市值因子和規(guī)模因子構(gòu)造了多個投資組合，并驗證了投資者情緒對投資組合收益率的顯著影響。Schmeling[35]、李合龍和馮春娥[31]則把股市看成一個整體，研究了投資者情緒對整個大盤指數(shù)的影響，結(jié)果同樣是顯著的。只是由于情緒指標構(gòu)造方法略有差異，以及所研究市場的異質(zhì)性，得到的情緒與股市收益間的因果滯后關(guān)系及方向可能存在差異，但是并不改變投資者情緒對股市影響顯著性的結(jié)論。除此以外，還有很多學(xué)者研究了投資者情緒與各種市場行為間的關(guān)系。如Rahman和Shamsuddin[9]研究了投資者情緒對市場估值因子的影響；Hao[6]研究了動量因子在不同情緒時期的表現(xiàn)；Debata等[36]和He等[37]學(xué)者的研究發(fā)現(xiàn)，投資者情緒會對市場的流動性產(chǎn)生一定影響；Tsukioka等[7]和Chen等[8]學(xué)者則檢驗了投資者情緒在IPO及股票增發(fā)過程中的重要作用等。也有一些學(xué)者研究了跨市場投資者情緒的影響。如楊陽和萬迪昉[38]利用BW情緒指標分析了投資者情緒對金屬期貨市場收益率的影響；Qadan和Nama[39]研究了BW情緒指數(shù)對原油期貨市場收益率和波動率的影響等。

少部分文獻研究了投資者情緒在不同股票市場間的傳染。如Hudson和Green[40]研究了美國市場投資者情緒與英國市場投資者情緒間的傳染關(guān)系；文鳳華等[41]對金融危機期間美國市場和中國市場的投資者情緒傳導(dǎo)關(guān)系進行了分析。這些研究主要集中在對特定的兩個市場間進行分析，這主要是因為需要選擇相同的代理變量來衡量不同市場的投資者情緒，但是不同市場間的代理變量是存在著一定的差異，在某個市場適用的指標在另外一個市場不一定適用，因此很難將投資者情緒的跨市場傳染從兩個市場擴展到多個市場。得益于互聯(lián)網(wǎng)技術(shù)的發(fā)展，散戶投資者越來越頻繁使用互聯(lián)網(wǎng)來搜尋信息及表達觀點，相對于其他代理指標，網(wǎng)絡(luò)行為能夠更直接地體現(xiàn)出散戶投資者的非理性情緒，因此，越來越多的學(xué)者采用爬蟲和文本挖掘等技術(shù)來構(gòu)造基于互聯(lián)網(wǎng)的投資者情緒，常見的數(shù)據(jù)指標來源包括Twitter[14]、微博[13，42]、網(wǎng)絡(luò)搜索指數(shù)[3，16，43]、金融論壇[44-45]等。而互聯(lián)網(wǎng)情緒指標也為研究多個市場投資者情緒間的相互關(guān)系提供了技術(shù)支撐，因此，本文擬借鑒大數(shù)據(jù)技術(shù)，采用網(wǎng)絡(luò)搜索指數(shù)來分別構(gòu)建全球不同股票市場的投資者情緒，并分析投資者情緒在全球的跨市場溢出效應(yīng)。

三、研究設(shè)計

1.投資者情緒指數(shù)的投建

(1)描述性統(tǒng)計分析

目前最常用的投資者情緒指標是由Baker 和Wurgler[2]提出的，他們采用主成分分析法從多個反映投資者信念的客觀指標中提取出共同情緒成分。雖然胡昌生和池陽春[46]對BW方法提出了質(zhì)疑，他們認為第二主成分才能更準確地反映出投資者的非理性情緒，但是這并不影響B(tài)W情緒在全世界范圍內(nèi)得到廣泛的應(yīng)用。李竹薇等[47]、Qadan和Nama[39]等學(xué)者均是采用BW指標作為投資者情緒的代理變量并進而研究其對金融市場的影響，國內(nèi)學(xué)者如池麗旭等[25]也是借鑒BW方法，利用中國市場數(shù)據(jù)構(gòu)造適用我國股市的投資者情緒指標。

如果要對不同股票市場投資者情緒指標進行比較，就需要選擇相同的源指標。考慮到網(wǎng)絡(luò)搜索指數(shù)數(shù)據(jù)來源渠道的同一性，因此，本文將借鑒Da等[3]、Dimpfl 和 Kleiman[16]、孟雪井等[43]學(xué)者的研究方法，采用谷歌搜索指數(shù)來構(gòu)造不同股市投資者情緒指標。如對于中國A股，采用“Shanghai Composite Index”“Shenzhen Component Index”“Chinese Stock”等關(guān)鍵詞進行搜索；德國股票指數(shù)采用“DAX”“DAX 30”“Germany Stock”等關(guān)鍵詞進行搜索。并將這些關(guān)鍵詞的谷歌搜索指數(shù)加總后取平均值，得到各股票市場的投資者情緒。由于谷歌指數(shù)只提供了2004年之后的數(shù)據(jù)，因此，本文選取的樣本區(qū)間為2004年1月至2019年6月。本文選擇了美國三大股指(道瓊斯、標普和納斯達克)、歐洲三大股指(英國富時、德國DAX30指數(shù)和法國CAC40指數(shù))、澳大利亞AXJO指數(shù)、日本Nikkei225指數(shù)、韓國KOSPI指數(shù)、中國香港恒生指數(shù)以及中國A股指數(shù)(包括上證指數(shù)和深成指數(shù))。本文利用谷歌搜索指數(shù)所構(gòu)造的中國A股投資者情緒代表的是境外投資者對中國股市的關(guān)注程度，所用谷歌搜索指數(shù)來自于境外訪學(xué)同事。

表1報告了這11個指數(shù)的描述性統(tǒng)計結(jié)果，可以看到，樣本區(qū)間內(nèi)德國股市的被搜索量相對最高，其均值和中位值均達到了43，而中國A股相對最低，均值和中位值分別只有9和6。相對于亞洲股市，歐美股市的搜索量更高，這主要是因為谷歌指數(shù)是以英文搜索為主。從表1中可以看出，分位數(shù)統(tǒng)計量Q(0.1)、Q(0.25)、Q(0.75)和Q(0.9)表現(xiàn)出同樣的特征。

表1 投資者情緒描述性統(tǒng)計結(jié)果

雖然各國投資者情緒在數(shù)值上存在著較大的差異，但是從趨勢上看卻具有較強的相關(guān)性。圖1報告了美國股市(以道瓊斯指數(shù)為例)以及中國A股投資者情緒在樣本區(qū)間的走勢圖(原始數(shù)據(jù)波動過于劇烈，因此對數(shù)據(jù)進行了20期平滑)?？梢钥吹?，兩者走勢相關(guān)性較強，在2008年年底，由于次貸危機的影響逐漸減小，美國股市投資者情緒出現(xiàn)了大幅上升，中國A股投資者情緒在2009年下半年也達到了階段性的高點；2018年下半年開始，美國股市投資者情緒開始回升，同期中國A股投資者情緒也保持上漲趨勢。表2更詳細地匯報了11個股票指數(shù)投資者情緒的相關(guān)系數(shù)，可以看到，除了標普與法國CAC指數(shù)及澳大利亞AXJO指數(shù)的投資者情緒表現(xiàn)出負相關(guān)關(guān)系外，其他所有指數(shù)的投資者情緒兩兩之間均表現(xiàn)為顯著的正相關(guān)關(guān)系，相關(guān)系數(shù)超過0.7的包括德國與法國、韓國與德國、韓國與法國、恒生與道瓊斯、恒生與韓國等?？傮w來看，投資者情緒在不同股票市場之間的相關(guān)系數(shù)很高，說明全球市場整體性較高，投資者情緒很容易在多個國家或市場之間進行擴散。

表2 投資者情緒的相關(guān)系數(shù)矩陣

圖1 美國股市和中國股市投資者情緒走勢圖

(2)與BW情緒的對比研究

由于谷歌于2010年退出中國，用谷歌搜索指數(shù)來代表中國市場的投資者情緒并不合適。因此，本部分借鑒Baker和Wurgler的方法，選取新增投資者開戶數(shù)、封閉式基金折溢價、波動率、換手率等指標，在剔除宏觀經(jīng)濟的影響后，利用主成分分析方法提取第一成分構(gòu)造了中國A股的BW情緒指標。圖2報告了2005年1月至2019年6月間中國A股搜索指數(shù)與BW情緒的走勢。

可以看到，在樣本區(qū)間內(nèi)兩者的走勢大體相似，如在2007年和2015年兩個牛市區(qū)間，搜索指數(shù)及BW情緒都達到了階段性的高點，而2010～2014年以及2016～2018年期間，兩個指數(shù)均持續(xù)低迷。但是2009年8月谷歌指數(shù)的峰值以及進入2019年后谷歌指數(shù)的持續(xù)攀升與BW情緒表現(xiàn)出了一定的差異。2009年由于受美國次貸危機的影響，全球經(jīng)濟陷入低迷，全球股市也發(fā)生了大幅下挫，而中國在2009年推出了有力的經(jīng)濟刺激計劃，從而帶來了經(jīng)濟的快速止跌企穩(wěn)，A股在2009年也隨之反彈，因此帶來了境外投資者對A股關(guān)注程度的大幅提升，從圖1可以看到，此時美國的投資者情緒也在逐步攀升；2018年5月A股被納入了明晟指數(shù)等全球指數(shù)，同時，全球化進程的加快帶來了全球投資者對A股的廣泛關(guān)注及配置力度的加大，從而也導(dǎo)致2019年后搜索指數(shù)的持續(xù)攀升。搜索指數(shù)與BW情緒在部分時間點出現(xiàn)偏差也是由于兩個指數(shù)編制方法的差異而導(dǎo)致的，如BW情緒選取的源指標基本都在一定的區(qū)間內(nèi)進行波動，因此在2007年和2015年牛市時BW情緒指數(shù)更容易達到極大值；而雖然搜索指數(shù)的數(shù)值波動與市場的牛熊市狀態(tài)緊密相關(guān)，但是隨著互聯(lián)網(wǎng)的普及，數(shù)值相對來說會變得更大。但是總體來看，兩個指數(shù)間的相關(guān)性較強，相關(guān)系數(shù)為0.35(在1%水平上顯著)，且表3的格蘭杰因果檢驗顯示，在滯后4階內(nèi)，兩者互為格蘭杰原因，因此可以認為谷歌搜索指數(shù)和BW指標一樣，能夠?qū)χ袊袌龅耐顿Y者情緒進行較為有效的刻畫。

表3 格蘭杰因果檢驗結(jié)果

同時，雖然谷歌公司于2010年1月退出了中國市場，但是從圖2可以看出，除了2009年底谷歌搜索指數(shù)出現(xiàn)了一個極大值點，實際上2010年后搜索指數(shù)相對2009年前反而出現(xiàn)了一定的提升，說明谷歌退出中國市場對搜索指數(shù)并沒有明顯的影響，這主要是由于本文采用的搜索指數(shù)是利用英文關(guān)鍵詞計算，其代表的是境外投資者對中國A股的關(guān)注程度，谷歌退出中國市場對搜索指數(shù)數(shù)值的影響并不大。

圖2 搜索指數(shù)與BW情緒的動態(tài)走勢

2.Diebold信息溢出模型

本文借鑒Diebold 和 Yilmaz的方法研究全球市場間投資者情緒的擴散機制。Diebold信息溢出模型是采用方差分解思想來研究不同指數(shù)之間的關(guān)聯(lián)關(guān)系。向量自回歸模型(VAR)的基本思想是根據(jù)數(shù)據(jù)的統(tǒng)計特征，將系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中自身和其他變量滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測相互聯(lián)系的時間序列系統(tǒng)及分析隨機擾動對變量系統(tǒng)的動態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個隨機擾動的相對重要性的信息，由于普通的方差分解受變量間的排序影響加大，因此，Diebold和 Yilmaz采用了廣義方差分解方法對變量間的信息溢出進行分析，從而規(guī)避了變量排序的問題。可以用廣義方差分解將網(wǎng)絡(luò)分析中復(fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的關(guān)聯(lián)性表，如表4所示。

四、實證檢驗

1.全球投資者情緒的靜態(tài)溢出

(1)總情緒指數(shù)的信息溢出

采用Diebold信息溢出指數(shù)模型研究投資者情緒的溢出機制，首先分析全球投資者情緒的靜態(tài)溢出效應(yīng)。根據(jù)單位根檢驗發(fā)現(xiàn)所有的情緒指數(shù)均是一階單整，協(xié)整檢驗顯示情緒指數(shù)之間存在著顯著的協(xié)整關(guān)系(具體結(jié)果略)，因此，采用VAR模型和廣義方差分解模型對樣本區(qū)間內(nèi)情緒指數(shù)間的溢出機制進行分析，VAR模型的滯后階數(shù)根據(jù)AIC準則確定為3階。廣義方差分解得到的關(guān)聯(lián)性表如表5所示。從表5倒數(shù)第二行對外溢出值(To)可以看到，道瓊斯、標普、法國股市和中國香港恒生指數(shù)投資者情緒對外溢出值較大，而澳大利亞和中國A股情緒的對外溢出值最?。粡淖詈笠涣薪邮芤绯鲋?From)可以看到，道瓊斯、標普、日本和恒生指數(shù)較大，澳大利亞股市和中國A股最小?？傮w看來，情緒對外溢出越大的市場，其接受溢出值也較大；而對外溢出較小的市場，其接受溢出也較小。澳大利亞主要是由于其位于大洋洲，與其他市場地理位置相隔較遠，因此較難受到其他市場投資者情緒的傳染，中國A股則是由于其開放性不夠，因此受其他市場影響相對較小。而道瓊斯、標普、日本股市和中國香港股市均是全球化開放程度較高的市場，因此其投資者情緒容易向外傳染，也容易受到外部情緒的影響。從最后一行凈溢出值(Net)可以看到，美國股市(包括道瓊斯、標普和納斯達克)總體處于對外部市場產(chǎn)生信息溢出的位置，歐洲股市(包括英國、德國和法國)和亞洲股市(日本、韓國、中國香港和中國A股)則處于從外部市場接受溢出的位置。全球市場投資者情緒的總溢出值為52.02(該值最小為0，最大為100)，說明全球市場間情緒的相互影響較強。

表5 全球投資者情緒信息溢出關(guān)聯(lián)表

(2)高漲情緒和低迷情緒的信息溢出

本文將投資者情緒細分成高漲情緒和低迷情緒兩個部分，分別研究高漲投資者情緒和低迷投資者情緒在全球市場的信息溢出機制。借鑒文鳳華等[31]學(xué)者的研究方法，根據(jù)各個市場投資者情緒的中位值將情緒分為高漲情緒和低迷情緒，并采用Diebold信息溢出模型對高漲情緒和低迷情緒進行分析，結(jié)果如表6所示。其中，Panel A是高漲情緒的信息溢出分析結(jié)果，Panel B是低迷情緒的信息溢出分析結(jié)果。由于篇幅所限，表6僅列出了各市場投資者情緒的對外溢出值、接受溢出值及凈溢出值，以及市場整體的溢出值?？梢钥吹剑谒械?1個市場指數(shù)上，無論是對外溢出值還是接受溢出值，高漲情緒的溢出效應(yīng)比低迷情緒的溢出效應(yīng)均要高很多，因此，高漲情緒的市場總溢出值為41.25，而低迷情緒的市場總溢出值僅為19.56，表現(xiàn)出較強的非對稱性。

表6 高漲和低迷情緒的信息溢出關(guān)聯(lián)表

在具體市場的情緒溢出方向上，高漲情緒(低迷情緒)與總情緒指數(shù)有所不同，如道瓊斯指數(shù)的總情緒凈溢出為正，但是其高漲情緒和低迷情緒凈溢出均為負值。從區(qū)域市場來看，美國股市無論是高漲情緒還是低迷情緒均處于凈對外溢出狀態(tài)，而亞洲股市則是處于凈接受溢出狀態(tài)，歐洲股市則在高漲情緒上表現(xiàn)出一定的凈接受溢出，而在低迷情緒上則表現(xiàn)出一定的凈對外溢出。總體來看，通過將投資者情緒細分為高漲投資者情緒和低迷投資者情緒，可以發(fā)現(xiàn)高漲情緒的溢出和低迷情緒的溢出具有一定的非對稱性，說明投資者更容易受到高漲情緒的影響，國際投資者更容易因為某個市場的情緒高漲而加大全球市場的配置，從而使得高漲情緒更容易在各市場間傳染，而低迷情緒則相對較少地在各市場間進行傳染，表現(xiàn)為當(dāng)投資者較為低迷的時候，更容易降低在單個市場的投資，而相對較難對其他市場產(chǎn)生影響。

2.投資者情緒的動態(tài)溢出

(1)全球投資者情緒的動態(tài)溢出

上一部分是從靜態(tài)的視角研究投資者情緒的信息溢出機制，即將整個樣本區(qū)間作為一個整體來看待，為了更細致地分析投資者情緒的溢出效應(yīng)，本部分將采用動態(tài)窗口分析投資者情緒溢出效應(yīng)的時變性。這里采用100期(近2年)的時間窗口進行滾動分析，在穩(wěn)健性檢驗中將對不同的時間窗口進行分析。由于篇幅所限，這里僅列出總情緒指數(shù)、高漲情緒指數(shù)和低迷情緒的總溢出值的時變特征，單個市場的溢出效應(yīng)未列出。圖3報告了3種情緒總溢出值的時變曲線，可以發(fā)現(xiàn)3者的走勢大體相似，3個總溢出值均在2009年年初、2012年年初及2016年年底附近達到階段性的高點，2009年年初接近于次貸危機的尾聲以及歐債危機的發(fā)端、2012年初則處于歐債危機的發(fā)酵過程中、2016年年底則是全球經(jīng)濟放緩、貿(mào)易摩擦開始加劇的時間節(jié)點，可以看到，在全球經(jīng)濟基本面出現(xiàn)重大變故的時點，全球市場的投資者情緒更容易發(fā)生聯(lián)動。

圖3 情緒總溢出值的時變特征

除此以外，從圖3還可以得到兩個結(jié)果：一是隨著時間的推移，國際市場投資者情緒間的聯(lián)動越來越密切，如在2006年7月時總情緒的總溢出值只有38，而在2019年6月時則達到了66，增加了四分之三左右，且高漲情緒和低迷情緒的總溢出值也得到了極大提升；二是高漲情緒和低迷情緒的溢出效應(yīng)存在著顯著的非對稱性，在整個樣本區(qū)間內(nèi)，高漲情緒的總溢出值始終高于低迷情緒的總溢出值，到2019年6月底，高漲情緒的總溢出值達到了66，而低迷情緒的總溢出值只有53。這再次說明投資者更容易將高漲情緒擴散到其他市場，而低迷情緒則相對傾向于對單個市場的影響更大。

(2)中國A股投資者情緒的動態(tài)溢出

前面的分析均是對全球股市進行整體考慮，本節(jié)對中國股市進行單獨分析，圖4至圖6分別報告了中國股市總情緒、高漲情緒及低迷情緒的溢出效應(yīng)時變情況。其中，實線表示的是情緒的對外溢出值，虛線表示的是情緒的接受溢出值，灰色陰影部分表示的是情緒的凈溢出值。從圖4可以看到，中國A股在2007年10月的情緒對外溢出值達到了第一次高峰，此時上證指數(shù)正創(chuàng)造了6124的歷史性高點；第二次高峰發(fā)端于2015年7月并在2016年7月達到頂點，2015年6月份開始中國A股出現(xiàn)了舉世矚目的千股跌停，直到2016年3月份才開始企穩(wěn)，因此，中國A股上的兩次牛市后的回落分別對應(yīng)著投資者情緒對外溢出值的兩次高峰。從灰色陰影部分凈溢出值的柱狀圖來看，中國A股在2007年3月至2009年1月以及2015年8月至2017年9月這兩段表現(xiàn)出正的凈溢出值，兩段均對應(yīng)著中國A股的一段重要行情，除此以外的絕大部分時間里，均主要表現(xiàn)出負的凈溢出值，在2012年底達到了最低值，此時正是中國A股在底部反復(fù)震蕩的低迷時期。

圖4 中國A股總情緒指數(shù)的信息溢出時變效應(yīng)

圖5 中國A股高漲情緒的信息溢出時變效應(yīng)

圖6 中國A股低迷情緒的信息溢出時變效應(yīng)

圖5高漲情緒信息溢出效應(yīng)表現(xiàn)與圖4較為相似，均在2007年和2016年達到了階段性的頂點，并在2012年達到了最低值。圖6低迷情緒的信息溢出效應(yīng)則表現(xiàn)出不一樣的特征。首先，低迷情緒只在2009年7月達到了對外溢出值的最高值，2009年7月是中國A股從6124高點腰斬后回升后的一個高點。從低迷情緒的凈溢出值看，2006～2009年間凈溢出值交替表現(xiàn)為正負值，但是進入2010年后，凈溢出值就一直保持為負數(shù)，這與總情緒指數(shù)和高漲情緒的溢出效應(yīng)具有一定差異。綜合圖5和圖6來看，說明中國A股高漲情緒和低迷情緒的溢出存在較明顯的非對稱性，不僅表現(xiàn)在凈溢出值的正負向關(guān)系，而且可以看到高漲情緒的溢出指數(shù)值普遍高于低迷情緒的溢出指數(shù)值。

3.時間窗口的穩(wěn)健性檢驗

時間窗口會對信息溢出模型的結(jié)論產(chǎn)生一定的影響。前文采用的均是100周的時間窗口，本節(jié)對時間窗口進行穩(wěn)健性檢驗，分別采用50、75、100、125和150周的窗口進行分析，表7報告了不同周期下的檢驗結(jié)果。其中，Panel A是總情緒指數(shù)的信息溢出效應(yīng)，Panel B是高漲情緒的信息溢出效應(yīng)，Panel C是低迷情緒的信息溢出效應(yīng)。

表7 時間窗口穩(wěn)健性檢驗結(jié)果

表7中所列數(shù)值為不同市場指數(shù)情緒凈溢出值在樣本周期內(nèi)的均值，最后一列是市場總溢出值的均值。通過與表4和表5情緒靜態(tài)溢出值進行比較后發(fā)現(xiàn)，單個市場的動態(tài)溢出值均值表現(xiàn)出不一樣的方向性。如美國股市表現(xiàn)出了總體性的接受溢出特征，而歐洲股市則表現(xiàn)出總體性的對外溢出特征，亞洲股市則始終保持著總體性的接受溢出特征，而澳大利亞則表現(xiàn)出較明顯的對外溢出特征，這在不同的時間窗口下均是穩(wěn)健的。將表4和表5靜態(tài)溢出值特征結(jié)合起來可以看出，目前歐美股市仍然在世界占據(jù)了主導(dǎo)地位，而亞洲股市則更多地表現(xiàn)為被溢出的角色。從市場總溢出值可以看到，隨著時間周期的變大，無論是總情緒指數(shù)、高漲情緒還是低迷情緒，總溢出值均逐漸變?。磺腋邼q情緒的總溢出值均要高于低迷情緒，情緒溢出的非對稱性非常明顯。因此，綜合來看，在不同時間窗口下，投資者情緒的溢出效應(yīng)表現(xiàn)出較為相似的特性，說明研究結(jié)論是穩(wěn)健的。

4.亞洲區(qū)域投資者情緒的信息溢出

(1)投資者情緒的靜態(tài)溢出

本文分析亞洲區(qū)域投資者情緒的信息溢出特征，包括日本、韓國、中國香港恒生指數(shù)和中國A股4個股票市場。表8報告了亞洲股市間投資者情緒的靜態(tài)溢出效應(yīng)，其中，Panel A是總情緒的溢出效應(yīng)；Panel B是高漲情緒的溢出效應(yīng)；Panel C是低迷情緒的溢出效應(yīng)。

表8 亞洲區(qū)域投資者情緒信息溢出關(guān)聯(lián)表

從表8中可以得到以下觀點：第一，亞洲股市總情緒的總溢出值為25.36，低于全球股市的52.02，這雖然跟所選市場數(shù)量較少有關(guān)，但是也說明亞洲股市間情緒的聯(lián)動相對而言并不密切；第二，中國香港恒生指數(shù)市場成為亞洲股市最主要的對外信息溢出來源，其總情緒、高漲情緒和低迷情緒的凈溢出值分別為9.27、13.08和9.37，韓國股市和中國A股則是主要的接受溢出對象；第三，亞洲區(qū)域市場同樣存在著較明顯的非對稱性，任意市場高漲情緒的對外溢出值和接受溢出值均要高于低迷情緒，同時高漲情緒的總溢出值為16.97，接近于低迷情緒總溢出值(8.26)的2倍。總體來看，雖然到目前為止，中國A股的總市值已經(jīng)達到了世界第二的規(guī)模，但是由于其開放度有待提升，其在全球乃至亞洲區(qū)域的影響力均還明顯不夠。

(2)投資者情緒的動態(tài)溢出

同樣采用100周的時間窗口研究亞洲股市信息溢出的時變特征，圖7報告了總情緒指數(shù)、高漲情緒及低迷情緒總溢出值的時變特征。其中，實線為總情緒總溢出值的時變曲線、虛線為高漲情緒總溢出值的時變曲線，點線為低迷情緒總溢出值的時變曲線。從圖7可以得到以下結(jié)論：第一，三者的走勢大體相似，尤其是總情緒指數(shù)和高漲情緒指數(shù)的總溢出值曲線；第二，動態(tài)窗口的非對稱性仍然十分明顯，高漲情緒總溢出值曲線始終保持在低迷情緒總溢出值曲線以上；第三，總溢出值曲線有3個較為明顯的高點，分別出現(xiàn)在2007年底至2009年初、2012年初至2013年上半年、以及2016年初至2017年上半年，第一階段對應(yīng)著次貸危機期間，第二階段則對應(yīng)著歐債危機階段，第三階段則是全球經(jīng)濟放緩及貿(mào)易摩擦的加劇，與圖3的走勢也是大體相似的，說明亞洲股市跟全球股市的聯(lián)動性非常強，只是其整體影響力相對偏低而已。

圖7 亞洲區(qū)域投資者情緒信息溢出的時變特征

圖8展示了中國A股在亞洲區(qū)域總情緒指數(shù)的總溢出值時變特征(限于篇幅，高漲情緒和低迷情緒的圖形略)，其中，實線是對外溢出值；虛線是接受溢出值；灰色陰影部分為凈溢出值?？梢钥吹?，中國A股在亞洲區(qū)域的對外溢出值依次出現(xiàn)了3個高點，分別是2007年7月至2008年2月、2011年3月和2015年11月至2017年4月，尤其是2015年11月后A股對外溢出值出現(xiàn)了一個跳躍式上升，這3個高點分別對應(yīng)著A股的兩個牛市以及第一次股災(zāi)后的一個階段性高點，在這3個高點時期，A股均是表現(xiàn)出正的凈溢出值，而在其他時間段，則多表現(xiàn)為負的凈溢出值。這些特征與圖4表現(xiàn)出的A股在全球股市中的特征是相似的，只是在亞洲區(qū)域中，2015年的A股牛市及股災(zāi)表現(xiàn)出的影響力相對更大。

圖8 中國A股情緒在亞洲區(qū)域的信息溢出時變效應(yīng)

五、結(jié)論與建議

采用2004年1月至2019年6月的谷歌搜索指數(shù)來分別表示全球各股票市場的投資者情緒，利用Diebold信息溢出模型研究了投資者情緒在全球的擴散機制，研究結(jié)果發(fā)現(xiàn)：第一，全球股市投資者情緒的聯(lián)動性較高，其信息總溢出值達到了52.02；第二，歐美股票市場是全球情緒傳染的主要對外溢出來源，而亞洲股市無論是在靜態(tài)窗口還是在動態(tài)窗口，均處于接受溢出的位置；第三，投資者情緒的傳染具有顯著的非對稱性，表現(xiàn)為高漲情緒的信息溢出效應(yīng)要顯著高于低迷情緒的信息溢出效應(yīng)，無論是在靜態(tài)窗口還是動態(tài)窗口，無論是在全球市場還是在亞洲區(qū)域市場，非對稱性都顯著存在；第四，在全球市場中，中國A股除了在2007年和2015年兩次牛市后期表現(xiàn)出較明顯的凈對外溢出，其他時間均表現(xiàn)出明顯的接受溢出狀態(tài)，說明由于開放程度不夠，中國A股的對外影響力還完全不能與其規(guī)模體量相匹配；第五，通過對亞洲區(qū)域市場的研究發(fā)現(xiàn)，亞洲股市投資者情緒的整體聯(lián)動性要低于全球市場，其信息總溢出值僅為25.36，僅相當(dāng)于全球市場信息總溢出值的一半；第六，中國香港恒生指數(shù)市場是亞洲市場最主要的對外溢出來源，中國A股和韓國股市則是主要的接受溢出對象。

本文采用網(wǎng)絡(luò)大數(shù)據(jù)及Diebold信息溢出模型分析了投資者情緒在全球的擴散機制，是對行為金融及風(fēng)險傳染理論的有力補充，同時也具有較強的實踐應(yīng)用價值。第一，中國A股無論在全球市場還是亞洲區(qū)域，其情緒的對外影響力以及接受溢出能力均非常小，這是由于中國A股國際化程度不足所導(dǎo)致的，這雖然讓中國A股避免了外部極端風(fēng)險的傳染，也大大降低了A股在國際上的影響力以及國際投資人投資A股的信心。因此，在建立必要的金融防火墻的基礎(chǔ)上，應(yīng)加大A股的開放程度、引入更多的國際投資者，逐步擴大A股在全球的影響力。第二，隨著全球市場整合程度的增加，情緒更容易在市場間進行傳導(dǎo)，風(fēng)險也很容易從一個市場擴散到另一個市場，無論是對于市場監(jiān)管層還是個體投資人來說，加大對外部風(fēng)險的監(jiān)控和防范，均是一項越來越重要的工作。第三，從投資實踐層面來看，高漲情緒更容易在全球市場溢出，說明投資者更容易因為其高漲情緒而加大在全球資產(chǎn)的配置力度；相反，低迷情緒則更容易讓投資人縮減在特定市場的投資規(guī)模。因此，對于全球資產(chǎn)配置者來說，應(yīng)該加強自身風(fēng)險敞口的管理，尤其是在高漲情緒支配時，適當(dāng)降低風(fēng)險敞口是避免極端危機事件侵蝕投資效益的重要舉措。