高 揚(yáng)， 申怡然， 徐嘉熙

(北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院,北京 100124)

0 引言

投資者情緒對(duì)金融資產(chǎn)價(jià)格的影響是行為金融學(xué)研究的重要主題[1]。相比國(guó)外成熟的股票市場(chǎng)，我國(guó)股票市場(chǎng)個(gè)人投資者比例較高，受個(gè)人投資者行為的影響較大。因此，厘清投資者情緒對(duì)股票市場(chǎng)的影響對(duì)于維護(hù)我國(guó)金融市場(chǎng)穩(wěn)定至關(guān)重要?，F(xiàn)有文獻(xiàn)主要對(duì)投資者情緒與滬深兩個(gè)主板市場(chǎng)的關(guān)系進(jìn)行了探究，對(duì)科創(chuàng)板的研究較少。然而科創(chuàng)板作為中國(guó)多層次資本市場(chǎng)建設(shè)的重要組成部分之一，其設(shè)立對(duì)于提高市場(chǎng)運(yùn)行效率、完善中國(guó)特色市場(chǎng)體系、促進(jìn)實(shí)體經(jīng)濟(jì)增長(zhǎng)十分重要。因此，研究投資者情緒對(duì)科創(chuàng)板市場(chǎng)的影響，有助于我國(guó)證券市場(chǎng)監(jiān)督層完善科創(chuàng)板交易機(jī)制，充分發(fā)揮經(jīng)濟(jì)轉(zhuǎn)型期科創(chuàng)板的關(guān)鍵作用，對(duì)推進(jìn)我國(guó)市場(chǎng)化改革具有廣泛的理論和實(shí)踐意義。

早期關(guān)于投資者情緒對(duì)股票市場(chǎng)影響的研究多采用新增開(kāi)戶數(shù)、換手率等單一的市場(chǎng)變量作為投資者情緒的代理變量。然而，與投資者情緒無(wú)關(guān)的因素也可以引發(fā)這些市場(chǎng)變量的變動(dòng)[2]?；诰W(wǎng)絡(luò)大數(shù)據(jù)的投資者情緒研究能夠突破傳統(tǒng)方法的局限，為更加準(zhǔn)確和迅速地測(cè)度投資者情緒提供了新渠道[3]?；诖耍疚耐ㄟ^(guò)網(wǎng)頁(yè)爬蟲(chóng)技術(shù)獲取國(guó)內(nèi)最大的股吧——東方財(cái)富股吧中2019年7月至2020年3月的日度股評(píng)數(shù)據(jù)，基于Bi-LSTM模型對(duì)文本數(shù)據(jù)情感傾向進(jìn)行分類并構(gòu)建投資者情緒指標(biāo)，探討情緒對(duì)科創(chuàng)板股票收益率的影響及其作用機(jī)制，并討論這種影響在科創(chuàng)板不同的經(jīng)濟(jì)運(yùn)行周期下的穩(wěn)健性。本研究對(duì)于我國(guó)證券市場(chǎng)監(jiān)管機(jī)構(gòu)充分理解投資者情緒在科創(chuàng)板中的重要作用，完善科創(chuàng)板交易機(jī)制，以及中小投資者優(yōu)化投資戰(zhàn)略具有重要意義。

此外，隨著通訊技術(shù)的快速發(fā)展，網(wǎng)絡(luò)輿情能夠更加便捷地通過(guò)股吧、微博等平臺(tái)進(jìn)行傳播，從而影響投資者行為和市場(chǎng)表現(xiàn)。不少學(xué)者從理論和實(shí)證分析等方面研究了網(wǎng)絡(luò)輿情對(duì)金融市場(chǎng)的影響并取得了較大進(jìn)展。本節(jié)主要從文本挖掘方法和投資者情緒與市場(chǎng)關(guān)系兩方面進(jìn)行綜述。目前，金融領(lǐng)域的文本挖掘方法主要分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)兩類。其中，非監(jiān)督學(xué)習(xí)不需要事先對(duì)文本進(jìn)行分類標(biāo)注，主要包括詞典法和主題分類模型。監(jiān)督學(xué)習(xí)需要事先標(biāo)注訓(xùn)練集，主要包括樸素貝葉斯等經(jīng)典的機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法。Antweiler和Frank[4]選擇了1000條雅虎財(cái)經(jīng)評(píng)論，手動(dòng)將其歸類為買(mǎi)入、賣(mài)出、持有三種情感，并使用樸素貝葉斯算法對(duì)未分類帖子進(jìn)行分類。此后，在經(jīng)濟(jì)金融領(lǐng)域不少文獻(xiàn)將樸素貝葉斯算法應(yīng)用到投資者情緒的研究中，如熊熊等[5]、段江嬌等[6]。隨著大數(shù)據(jù)可用性的提高和人工智能技術(shù)的發(fā)展，自然語(yǔ)言處理領(lǐng)域深度學(xué)習(xí)方法逐漸顯現(xiàn)其優(yōu)勢(shì)。

在投資者情緒與市場(chǎng)收益的研究中，現(xiàn)有文獻(xiàn)主要從二者的關(guān)系以及投資者情緒對(duì)收益率的預(yù)測(cè)能力兩方面展開(kāi)。一方面，關(guān)于投資者情緒與市場(chǎng)收益的關(guān)系研究，現(xiàn)有文獻(xiàn)已表明通過(guò)網(wǎng)絡(luò)論壇文本挖掘得到的投資者情緒指數(shù)是影響股票定價(jià)的一個(gè)不可忽視的因素。目前國(guó)內(nèi)關(guān)于投資者情緒對(duì)股票收益率影響的研究多聚焦于A股市場(chǎng)和創(chuàng)業(yè)板市場(chǎng)，研究方法分為針對(duì)指數(shù)收益率的時(shí)間序列分析和公司層面的面板數(shù)據(jù)分析兩種。例如部慧等[7]、石善沖等[8]均以上證綜合指數(shù)收益率為研究對(duì)象，通過(guò)實(shí)證研究驗(yàn)證了投資者情緒對(duì)上證綜合指數(shù)收益率具有顯著的正向促進(jìn)作用。部分學(xué)者通過(guò)構(gòu)建面板數(shù)據(jù)模型探究投資者情緒與收益率之間的關(guān)系[1,6]。另一方面，對(duì)于投資者情緒的預(yù)測(cè)能力，Antweiler和Frank[4]、部慧等[7]通過(guò)實(shí)證研究得出投資者情緒與股票市場(chǎng)未來(lái)收益率的相關(guān)性不顯著，而Renault[9]等學(xué)者認(rèn)為高頻數(shù)據(jù)下投資者情緒有顯著的預(yù)測(cè)作用。此外，部分研究表明低頻數(shù)據(jù)下情緒具有部分預(yù)測(cè)作用，如Siganos et al.[10]利用Facebook國(guó)民幸福指數(shù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)周日的情緒會(huì)影響周一的股票收益率等。

目前學(xué)者對(duì)于投資者情緒對(duì)股票市場(chǎng)影響的研究存在以下兩點(diǎn)不足：首先，國(guó)內(nèi)已有文獻(xiàn)研究對(duì)象主要為滬深兩個(gè)主板市場(chǎng)，然而對(duì)于中國(guó)多層次資本市場(chǎng)建設(shè)的重要組成部分——科創(chuàng)板市場(chǎng)的研究較少。第二，現(xiàn)有國(guó)內(nèi)外文獻(xiàn)在研究投資者情緒對(duì)股票市場(chǎng)的作用時(shí)，沒(méi)有考慮到情緒與市場(chǎng)變量同時(shí)變化的內(nèi)生性問(wèn)題，導(dǎo)致可能低估了情緒的影響作用。鑒于此，本文基于東方財(cái)富股吧中2019年7月22日至2020年3月31日的日度股評(píng)數(shù)據(jù)構(gòu)建投資者情緒指標(biāo)，選取適當(dāng)?shù)墓ぞ咦兞浚接懲顿Y者情緒對(duì)科創(chuàng)板股票市場(chǎng)收益率的影響作用，并通過(guò)構(gòu)建聯(lián)立方程模型對(duì)其機(jī)制進(jìn)行識(shí)別。

與現(xiàn)有文獻(xiàn)相比，本文的貢獻(xiàn)主要體現(xiàn)在以下兩方面：首先，在樣本選擇方面，本文研究對(duì)象為科創(chuàng)板首批上市的全部25只股票。由于科創(chuàng)板股票市場(chǎng)股本數(shù)小，股價(jià)波動(dòng)大，更容易反映市場(chǎng)情緒的波動(dòng)。并且為避免日內(nèi)收益率與情緒之間相互影響造成的內(nèi)生性，本文采用隔夜情緒作為工具變量，由于收盤(pán)后只有投資者在論壇發(fā)表言論而沒(méi)有價(jià)格信息，因此隔夜情緒與股市收益率只存在單向關(guān)系，可以有效地避免日內(nèi)交易過(guò)程中情緒與市場(chǎng)變量同時(shí)變化產(chǎn)生的內(nèi)生性。其次，考慮到新冠疫情對(duì)證券市場(chǎng)造成的較大影響，本文將樣本劃分為平穩(wěn)運(yùn)行期和沖擊波動(dòng)期，并比較投資者情緒在不同市場(chǎng)運(yùn)行狀態(tài)下作用的差異，驗(yàn)證了結(jié)論的穩(wěn)健性。

1 研究方法

1.1 數(shù)據(jù)來(lái)源

1.1.1 投資者情緒數(shù)據(jù)

關(guān)于投資者情緒對(duì)股票市場(chǎng)影響的國(guó)內(nèi)研究樣本主要來(lái)自東方財(cái)富股吧，該股吧在影響力、用戶數(shù)量和活力方面具有更好的代表性。由于機(jī)構(gòu)投資者有自己的發(fā)布網(wǎng)絡(luò)信息的特殊平臺(tái)(如證券公司主頁(yè)、博客、微博等)，在股票欄中討論的大多數(shù)是散戶投資者。本研究將東方財(cái)富股吧作為股評(píng)文本的數(shù)據(jù)來(lái)源，針對(duì)第一批上市的25支科創(chuàng)板股票，利用Python爬取了2019年7月22日至2020年3月31日的歷史發(fā)帖信息，基于Bi-LSTM模型提取特征，使用Softmax函數(shù)進(jìn)行情感分類，并根據(jù)分類結(jié)果構(gòu)建情緒指數(shù)。具體數(shù)據(jù)采集過(guò)程如下：

第一步，文本爬?。菏褂肞ython逐一爬取東方財(cái)富股吧科創(chuàng)板首批上市的25只股票每條股評(píng)的發(fā)帖時(shí)間、評(píng)論內(nèi)容和閱讀量等信息。

第二步，數(shù)據(jù)清洗：刪除重復(fù)值和無(wú)效符號(hào)，最終得到有效文本數(shù)據(jù)169922條。根據(jù)科創(chuàng)板股票市場(chǎng)交易時(shí)間，對(duì)文本數(shù)據(jù)進(jìn)行匹配，得到交易時(shí)間內(nèi)評(píng)論111205條，交易時(shí)間外評(píng)論58717條。

(1)

其中，y(i)表示情感預(yù)測(cè)結(jié)果的標(biāo)簽，X(i)為樣本特征，θ為參數(shù)矩陣。本文中采用{-1,0,1}分別代表消極、中性和積極情緒。隨后根據(jù)公式(1)計(jì)算得出給定特征的樣本屬于三種標(biāo)簽的概率矩陣[p1,p2,p3]，并選擇概率最大的結(jié)果為其輸出結(jié)果。通過(guò)計(jì)算，模型的分類準(zhǔn)確率為75%。

1.1.2 市場(chǎng)指標(biāo)數(shù)據(jù)

市場(chǎng)指標(biāo)方面，本文樣本為科創(chuàng)板首批上市的25只股票，樣本數(shù)據(jù)區(qū)間為2019年7月22日至2020年3月31日。其開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、最高價(jià)、最低價(jià)和日度交易量等數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。

1.2 變量選取

1.2.1 投資者情緒構(gòu)建

本文以Antweiler和Frank[4]的方法為基礎(chǔ)構(gòu)建投資者情緒指數(shù)。與之不同的是，考慮到高質(zhì)量的評(píng)論可以通過(guò)帖子閱讀量進(jìn)行識(shí)別和傳播[5]，進(jìn)而增強(qiáng)輿情影響力，本文依據(jù)帖子閱讀量對(duì)股票情感傾向進(jìn)行加權(quán)。具體計(jì)算公式為:

(2)

(3)

此外，本文將交易時(shí)間內(nèi)的評(píng)論和交易時(shí)間外的評(píng)論帶入公式(2)和(3)，分別計(jì)算出日內(nèi)投資者情緒記為IntraSenit，隔夜投資者情緒記為OverSenit。

1.2.2 日內(nèi)收益率指標(biāo)

1.2.3 控制變量

參考已有文獻(xiàn)[11～15]，本文采取成交量(Volumeit)、極差波動(dòng)率(Volatilityit)、換手率(Turnoverit)、市場(chǎng)收益率(MktRetit)及公司規(guī)模(MVit)作控制變量。

1.3 模型構(gòu)建

首先，為探討投資者情緒對(duì)科創(chuàng)板股票市場(chǎng)收益率Retit的當(dāng)期作用及其機(jī)制，本文構(gòu)建了雙向固定效應(yīng)的聯(lián)立方程模型，模型如下:

Retit=α0Volumeit+α1IntraSenit+

α2Xi,t-1+μi+γt+ε1,it

(4)

Volumeit=β0IntraSenit+β1Xi,t-1+μi+γt+ε2,it

(5)

其中，i表示25個(gè)科創(chuàng)板首批上市公司，t表示樣本時(shí)期，Volumeit為成交量，IntraSenit為日內(nèi)投資者情緒，Xi,t-1為控制變量，包括滯后一期的極差波動(dòng)率(Volatilityi,t-1)、換手率(Turnoveri,t-1)、市場(chǎng)收益率(MktRett-1)和公司市值(MVi,t-1)。其中成交量、極差波動(dòng)率、換手率和公司市值分別取對(duì)數(shù)處理。μi表示個(gè)體效應(yīng)，γt是將樣本按星期一至星期五劃分的時(shí)間效應(yīng)，εm,it(m=1,2)為方程的擾動(dòng)項(xiàng)。方程中所有數(shù)據(jù)采用min-max方法進(jìn)行標(biāo)準(zhǔn)化。

其次，參照陳曉紅等[11]的研究，本文將投資者情緒指數(shù)取滯后值，以檢驗(yàn)投資者情緒對(duì)科創(chuàng)板收益率的預(yù)測(cè)作用。模型基本形式如公式(6)和(7)所示:

Retit=φ0Volumeit+φ1IntraSeni,t-k+

φ2Xi,t-1+μi+γt+ε3,it

(6)

Volumeit=λ0IntraSeni,t-k+λ1Xi,t-1+μi+γt+ε4,it

(7)

其中，k為投資者情緒的滯后階數(shù)，εm,it(m=3,4)為方程的擾動(dòng)項(xiàng)。

考慮到日內(nèi)投資者情緒與收益率之間同時(shí)變化，會(huì)導(dǎo)致內(nèi)生性問(wèn)題，本文選用隔夜投資者情緒(OverSenit)作為日內(nèi)投資者情緒的工具變量。由于閉市后股價(jià)、成交量、換手率等信息不再變化，所以隔夜投資者情緒的變化不再受股價(jià)變化的影響。因此，選取隔夜情緒作為工具變量能較好克服被解釋變量與核心解釋變量同時(shí)變動(dòng)造成的內(nèi)生性問(wèn)題。根據(jù)方程(4)至(7)，本文提出以下假設(shè)：

首先，諸多學(xué)者研究均表明投資者情緒與收益率存在同期的正相關(guān)關(guān)系。根據(jù)以往研究，本研究假定投資者情緒越高，市場(chǎng)投資者對(duì)股市目前和未來(lái)發(fā)展越樂(lè)觀，股票收益率越高，反之亦然，即方程(4)中α1為正數(shù)?；诖颂岢黾僭O(shè)H1。

H1投資者情緒與收益率呈現(xiàn)正相關(guān)關(guān)系。

其次，熊熊等[16]研究表明投資者情緒對(duì)證券市場(chǎng)同時(shí)存在著直接的和間接的影響。即投資者情緒一方面通過(guò)影響投資者不同的交易行為直接作用于證券市場(chǎng)，另一方面也會(huì)作用于其他影響市場(chǎng)收益的因素，從而向證券市場(chǎng)產(chǎn)生間接的影響。高漲或者低迷的情緒都會(huì)致使噪音交易者增加買(mǎi)賣(mài)數(shù)量，故本文假設(shè)投資者情緒通過(guò)影響成交量進(jìn)而影響收益率。即方程(4)中的α0和方程(5)中β0應(yīng)為正數(shù)?；诖颂岢黾僭O(shè)H2。

H2投資者情緒通過(guò)影響成交量進(jìn)而影響收益率。

最后，Siganos et al.[10]基于Facebook日度投資者情緒指數(shù)的實(shí)證表明，周日閉市時(shí)的投資者情緒對(duì)周一的開(kāi)盤(pán)價(jià)有顯著的正向作用。即方程(6)中的φ0和方程(7)中λ0顯著為正。基于此提出假設(shè)H3。

H3投資者情緒對(duì)收益率有預(yù)測(cè)作用。

2 實(shí)證研究

2.1 單位根及工具變量檢驗(yàn)

為了保證變量的平穩(wěn)性和避免偽回歸現(xiàn)象，本文首先對(duì)所有變量進(jìn)行單位根檢驗(yàn)。LLC檢驗(yàn)和Fisher式檢驗(yàn)結(jié)果均表明，在1%的顯著性水平下拒絕存在單位根的原假設(shè)。其次，檢驗(yàn)工具變量與可能的內(nèi)生解釋變量是否強(qiáng)相關(guān)。在隔夜情緒指數(shù)和控制變量對(duì)日內(nèi)情緒指數(shù)的回歸結(jié)果中，F(xiàn)值為28.06(大于10)，說(shuō)明為IntraSenit選取的工具變量OverSenit不存在弱相關(guān)問(wèn)題。此外，內(nèi)生性檢驗(yàn)的結(jié)果亦表明核心解釋變量IntraSenit存在內(nèi)生性問(wèn)題。

2.2 回歸結(jié)果分析

為驗(yàn)證假設(shè)H1和假設(shè)H2，本文使用2SLS對(duì)方程(4)和方程(5)進(jìn)行估計(jì)，結(jié)果如表1所示。

表1 同期2SLS方法回歸結(jié)果

由方程(4)的估計(jì)系數(shù)α1可知，在1%顯著性水平下，投資者情緒指數(shù)對(duì)科創(chuàng)板股票市場(chǎng)收益率有顯著的正向作用。這與本文提出的假設(shè)H1相符。本文認(rèn)為其機(jī)制在于：當(dāng)一只股票的論壇帖子看漲情緒增多，個(gè)人投資者購(gòu)買(mǎi)概率隨之增加。由于存在限制或禁止賣(mài)空的機(jī)制，股票價(jià)格在短期內(nèi)有所上升，股票收益為正。由于中國(guó)的中小投資者具有強(qiáng)烈的追漲殺跌等投機(jī)特征，股價(jià)上漲導(dǎo)致關(guān)注溢價(jià)[6]，而看跌的帖子將會(huì)增多，因此投資者會(huì)拋售高度關(guān)注的股票。因此，在短期內(nèi)，股票回報(bào)會(huì)隨著帖子情緒的高漲而上升，隨著帖子情緒的低落而下降。

由方程(5)的估計(jì)結(jié)果可知，投資者情緒對(duì)收益率的間接作用(α0和β0)分別在5%和1%的水平下顯著。說(shuō)明投資者情緒通過(guò)影響成交量進(jìn)而影響科創(chuàng)板收益率，這與本文提出的假設(shè)H2相符。其機(jī)制在于：由于科創(chuàng)板上市公司具有投入大、周期長(zhǎng)、風(fēng)險(xiǎn)高等特點(diǎn)，導(dǎo)致估值難度較大，這增加了中小投資者信息不對(duì)稱程度?；谛畔⒉粚?duì)稱假說(shuō)，交易的活躍程度隨著信息不對(duì)稱程度的增加而增加，具有慣性趨勢(shì)，具體表現(xiàn)為成交量先行于股價(jià)的正相關(guān)關(guān)系。

為驗(yàn)證假設(shè)H3，本文使用2SLS方法對(duì)聯(lián)立方程(6)和(7)進(jìn)行估計(jì)。估計(jì)結(jié)果如表2所示，表中滯后1期的IntraSeni,t-1、滯后2期的IntraSeni,t-2分別表示聯(lián)立方程(6)和(7)中k=1、k=2時(shí)的投資者情緒對(duì)應(yīng)的系數(shù)。此外，本文在方程(6)和(7)中同時(shí)加入投資者情緒滯后1期和滯后2期變量，檢驗(yàn)滯后期的不同設(shè)置是否會(huì)對(duì)結(jié)果造成影響。由表2結(jié)果可知，滯后1期的投資者情緒對(duì)收益率的直接作用(φ1)不顯著，這與Antweiler和Frank[4]、部慧等[7]等的研究結(jié)論相符。但投資者情緒在1%的水平下可以通過(guò)預(yù)測(cè)下一期的成交量(λ0)進(jìn)而預(yù)測(cè)收益率(φ0)，這種預(yù)測(cè)作用在滯后2期時(shí)消失，故本文只列出滯后1期和滯后2期的情形。此外，同時(shí)加入投資者情緒滯后1期和2期變量后，回歸結(jié)果的系數(shù)和顯著性均未發(fā)生變化。

表2 取不同滯后期的回歸結(jié)果

3 進(jìn)一步分析

為排除樣本時(shí)段選擇造成實(shí)證結(jié)果的不一致性，本文將樣本時(shí)段進(jìn)行劃分，在新冠疫情背景下檢驗(yàn)回歸結(jié)果的穩(wěn)健性。北京時(shí)間2020年1月11日，國(guó)家衛(wèi)健委宣布即日起每天更新疫情最新動(dòng)態(tài)，自此，普通投資者得以獲得實(shí)時(shí)疫情情況。本文以這一事件為分界，將科創(chuàng)板市場(chǎng)分為平穩(wěn)運(yùn)行期和沖擊波動(dòng)期，以檢驗(yàn)上文結(jié)論的穩(wěn)健性。此外，本文在聯(lián)立方程(6)和(7)中同時(shí)加入投資者情緒滯后1期和滯后2期變量，以檢驗(yàn)變量滯后期的不同設(shè)置是否會(huì)對(duì)方程穩(wěn)健性產(chǎn)生影響。表3的Panel A和Panel B分別列示了市場(chǎng)平穩(wěn)運(yùn)行期和疫情沖擊波動(dòng)期下的回歸結(jié)果。

在兩種市場(chǎng)環(huán)境中，核心解釋變量的符號(hào)和顯著性均未發(fā)生顯著變化(表3)。特別地，在新冠疫情爆發(fā)期間，投資者情緒對(duì)同期收益率的直接作用(α1)上升63.98%，間接作用(α0和β0)分別上升33.02%和27.68%，投資者情緒對(duì)未來(lái)1期收益率的間接預(yù)測(cè)作用φ0上升34.00%、λ0上升0.75%，即疫情期間股市收益率受投資者情緒影響更大。在股市平穩(wěn)運(yùn)行期，基于損失厭惡理論，投資者對(duì)于等量級(jí)的損失比等量級(jí)的收益更為敏感，因此愿意繼續(xù)持有已經(jīng)虧損的股票而不選擇賣(mài)出；而在股市受疫情影響的時(shí)期，市場(chǎng)中悲觀情緒較多，人們預(yù)期未來(lái)會(huì)有更大的虧損，紛紛拋售股票，造成較大的成交量和收益率變化。因此，疫情期間投資者情緒對(duì)投資者收益的影響程度比平穩(wěn)運(yùn)行期更強(qiáng)。

此外，比較Panel A和Panel B結(jié)果可知，MktRett-1和Volatilityi,t-1的系數(shù)由正值顯著地變?yōu)樨?fù)值。這是因?yàn)?，在市?chǎng)平穩(wěn)運(yùn)行期間，投資者可以通過(guò)科創(chuàng)板的高波動(dòng)進(jìn)行套利，而新冠疫情期間，人們追求穩(wěn)定的收益，而厭惡過(guò)高的波動(dòng)，因此波動(dòng)率對(duì)收益率的作用發(fā)生了反轉(zhuǎn)。同時(shí)，風(fēng)險(xiǎn)承受能力相對(duì)較低的投資者不愿承擔(dān)疫情期間科創(chuàng)板的劇烈波動(dòng)，因而將投資資產(chǎn)由科創(chuàng)板轉(zhuǎn)向成立時(shí)間更久的A股市場(chǎng)，因此科創(chuàng)板收益率和上證指數(shù)收益率之間的關(guān)系發(fā)生了反轉(zhuǎn)。

4 結(jié)論

本文基于文本挖掘方法，從東方財(cái)富股吧爬取科創(chuàng)板首批上市的25只股票上市之日起至2020年3月31日的全部股評(píng)，基于Bi-LSTM深度學(xué)習(xí)模型進(jìn)行情感分類，建立投資者情緒指數(shù)。通過(guò)構(gòu)建雙向固定效應(yīng)聯(lián)立方程模型檢驗(yàn)了我國(guó)投資者情緒對(duì)科創(chuàng)板股票市場(chǎng)收益率影響和其作用機(jī)制。主要研究結(jié)論如下:

投資者情緒通過(guò)影響交易量進(jìn)而影響科創(chuàng)板收益率，且情緒對(duì)收益率同期的正向影響在1%的水平下顯著。這種正向作用在新冠疫情對(duì)市場(chǎng)的沖擊下保持穩(wěn)健，且在疫情期間，投資者情緒對(duì)同期收益率的直接和間接作用均上升。投資者情緒對(duì)于收益率的直接作用不具有預(yù)測(cè)能力，但可以通過(guò)預(yù)測(cè)成交量進(jìn)而預(yù)測(cè)下一期的收益率，且在疫情期間，投資者情緒對(duì)未來(lái)收益率的間接預(yù)測(cè)作用φ0上升了34.00%、λ0上升了0.75%。

基于上述結(jié)論，本文提出以下建議與啟示:首先，我國(guó)科創(chuàng)板股票市場(chǎng)的投資者尚不成熟。盡管設(shè)置了較高的準(zhǔn)入門(mén)檻，科創(chuàng)板仍未擺脫其較強(qiáng)的散戶屬性，這與科創(chuàng)板為科創(chuàng)企業(yè)提供直接融資渠道的定位相悖。在科創(chuàng)板市場(chǎng)運(yùn)行過(guò)程中，監(jiān)管部門(mén)需要不斷調(diào)整政策，使科創(chuàng)板順應(yīng)成熟市場(chǎng)，更好地發(fā)揮為科創(chuàng)企業(yè)提供直接融資的功能。

其次，網(wǎng)絡(luò)論壇中體現(xiàn)的投資者情緒對(duì)科創(chuàng)板股票市場(chǎng)的影響不可忽視。鑒于中國(guó)的股票市場(chǎng)尚未建立科創(chuàng)板投資者情緒指數(shù)，建立科學(xué)有效的科創(chuàng)板投資者情緒指數(shù)不僅有助于穩(wěn)定投資者非理性情緒，還有助于證券市場(chǎng)監(jiān)管部門(mén)提高監(jiān)管效率，防范在論壇上操縱股票的風(fēng)險(xiǎn)，從而促進(jìn)我國(guó)證券市場(chǎng)穩(wěn)定健康發(fā)展。

最后，在突發(fā)事件的影響下，投資者情緒對(duì)科創(chuàng)板收益率的正向作用更加明顯。在資本市場(chǎng)運(yùn)行受到?jīng)_擊時(shí)，監(jiān)管部門(mén)更應(yīng)加強(qiáng)輿情監(jiān)控，實(shí)時(shí)跟進(jìn)股市動(dòng)態(tài)。在突發(fā)事件下，更加應(yīng)該提高投資情緒透明度，保持市場(chǎng)的流動(dòng)性，減小投資者非理性因素對(duì)經(jīng)濟(jì)的穩(wěn)定運(yùn)行造成負(fù)面影響。

表3 不同市場(chǎng)環(huán)境下的回歸結(jié)果