基于百度指數(shù)的投資者關(guān)注度與股票市場表現(xiàn)的實證分析

陳植元，米雁翔，厲洋軍，鄭君君

（武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072）

基于百度指數(shù)的投資者關(guān)注度與股票市場表現(xiàn)的實證分析

陳植元，米雁翔，厲洋軍，鄭君君

（武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072）

文章將百度指數(shù)應(yīng)用于股票市場的研究，選取20支新三板概念股作為研究對象，搜集了2013年2月1日至2014年1月30日一年的日搜索數(shù)據(jù)和交易數(shù)據(jù)，采用固定效應(yīng)常系數(shù)面板數(shù)據(jù)模型進行實證分析。實證結(jié)果表明百度指數(shù)是一種有效的投資者關(guān)注度指標，并與股票市場呈現(xiàn)顯著正相關(guān)，能有效地改善已有股票預(yù)測模型的準確度。

百度指數(shù)；股票價格；成交量；面板數(shù)據(jù)模型

0 引言

隨著互聯(lián)網(wǎng)搜索引擎以及大數(shù)據(jù)技術(shù)的發(fā)展，互聯(lián)網(wǎng)搜索數(shù)據(jù)逐漸成為衡量投資者關(guān)注度的直接代理指標，互聯(lián)網(wǎng)搜索數(shù)據(jù)與股票市場指標之間的關(guān)系已被很多研究證實。目前提供互聯(lián)網(wǎng)搜索數(shù)據(jù)服務(wù)的只有谷歌趨勢和百度指數(shù)，由于百度指數(shù)可靠、精確、易獲取，因此本文選取百度指數(shù)作為投資者關(guān)注度代理變量。目前對于互聯(lián)網(wǎng)搜索數(shù)據(jù)作為投資者關(guān)注度代理變量的有效性，與股票市場的相關(guān)性以及實用性的基礎(chǔ)研究，一直缺少較為系統(tǒng)的研究方法。就已有的研究來看，國內(nèi)的學(xué)者偏向研究百度指數(shù)與股票市場指標的相關(guān)性，國外的學(xué)者偏向研究百度指數(shù)預(yù)測經(jīng)濟現(xiàn)象的實用性。因此，本文選取20支新三板概念股作為研究對象，搜集了其2013年2月1日2014年1月30日一年的日搜索數(shù)據(jù)和交易數(shù)據(jù)，采用固定效應(yīng)常系數(shù)面板數(shù)據(jù)模型進行實證分析。

1 研究假設(shè)

已有文獻大都直接把互聯(lián)網(wǎng)數(shù)據(jù)作為投資者關(guān)注度，進而研究投資者關(guān)注度與股票市場表現(xiàn)指標的關(guān)系，但是，對于互聯(lián)網(wǎng)數(shù)據(jù)作為投資者關(guān)注度代理指標的有效性，一直缺少科學(xué)的解釋。而本文根據(jù)觀測多支證券簡稱或其代碼的百度指數(shù)長期數(shù)據(jù)趨勢圖，發(fā)現(xiàn)其數(shù)據(jù)呈現(xiàn)周期波動趨勢，且周末及節(jié)假日一般處在谷底，這正好與股市非交易時間一致，這可能是股票市場周末停盤而導(dǎo)致用戶搜索量減少造成的。因此，本文假設(shè)：

H1:百度指數(shù)為研究投資者關(guān)注度與股票市場表現(xiàn)關(guān)系的有效指標。

行為金融理論認為，證券的市場價格并不只由證券內(nèi)在價值所決定，還在很大程度上受到投資者主體行為的影響,即投資者心理與行為對證券市場的價格決定及其變動具有重大影響。投資者關(guān)注可以作為研究投資者心理的特定變量，勢必影響到投資者的投資行為,從而影響到股票市場的表現(xiàn)。

投資者有限關(guān)注對股票市場的影響主要體現(xiàn)在投資者對信息的反應(yīng)方面。由于注意力的有限性，會使得投資者的行為產(chǎn)生偏差，進而對股票市場造成一定影響。進一步來說，投資者關(guān)注通過改變投資者行為，從而影響股市交易活動，影響到股票價格和成交量，因此，在H1的基礎(chǔ)上，本文假設(shè)：

H2：百度指數(shù)代表的投資者關(guān)注度與股票市場表現(xiàn)指標具有顯著相關(guān)性。

互聯(lián)網(wǎng)搜索數(shù)據(jù)能改善社會經(jīng)濟現(xiàn)象的預(yù)測，但在股票市場，國內(nèi)外鮮有研究。借助大數(shù)據(jù)挖掘技術(shù)，互聯(lián)網(wǎng)搜索數(shù)據(jù)能夠反映用戶的關(guān)注度和期望，從而改善對用戶行為的預(yù)測。因此，在H1和H2的基礎(chǔ)上，本文假設(shè)：

H3：百度指數(shù)代表的投資者關(guān)注度能改善對股票市場表現(xiàn)的預(yù)測。

2 樣本選取與變量定義

2.1 樣本的選取

本文選取同花順行情中心新三板概念股板塊的32支概念股作為研究對象，這包含了目前所有財經(jīng)網(wǎng)站定義的新三板概念股，剔除12支交易數(shù)據(jù)缺失的股票，本文選取的20支樣本概念股如表1所示。

表1 樣本股票的簡稱及代碼

考慮到2013年1月16日新三板正式開板，因此在時間區(qū)間選擇上，本文選取2013年2月1日至2014年1月30日這一個整年度數(shù)據(jù)，剔除節(jié)假日（春節(jié)、清明等）及周末等非交易日的數(shù)據(jù)，個股交易日數(shù)據(jù)共239個。由于用戶在搜索證券簡稱時，可能是關(guān)注公司其他非投資信息，因此證券簡稱的百度指數(shù)噪音較大。檢索證券代碼的用戶，多半是對公司股票感興趣，更可能是該股票的投資者，因此證券代碼的百度搜索更能代表投資者關(guān)注度。鑒于此，本文整理了以上20支股票2013年2月1日至2014年1月30日時間段關(guān)鍵詞為“證券簡稱（Abbreviation）”、“證券代碼（Code）”的百度指數(shù)，面板數(shù)據(jù)共4780個。

2.2 變量定義

①投資者關(guān)注度：本文采用證券簡稱及代碼百度指數(shù)之和作為投資者關(guān)注度代理變量，為了避免出現(xiàn)異方差的問題，對其進行對數(shù)處理，記為ln(baidutotali，t)。

②收益率：本文采用對數(shù)收益率。對數(shù)收益率計算公式為：

其中，lnri，t為股票對數(shù)收益率，pi，t為股票t期股票收盤價，pi，t-1為股票[t-1]期收盤價。為避免出現(xiàn)異方差，對股票價格進行對數(shù)處理ln(pi，t)和ln(pi，t-1)，求得股票對數(shù)收益率lnri，t。

③流動性：本文采用成交量來衡量，為了數(shù)據(jù)的穩(wěn)定性和避免出現(xiàn)異方差，本文用實際成交量除以10000，再進行對數(shù)處理，記為ln(voli，t)。

④超額收益率：個股超過正常收益率的值，本文用個股的對數(shù)收益率與市場組合收益率進行回歸，得到回歸的殘差即為個股的超額收益率，記為Ari，t。

對于股票市場表現(xiàn)的其他影響因子，本文參考Fama-French（1992）的三因子模型，即股票的收益與公司規(guī)模，市場組合收益率和賬面市值比有關(guān)，分別定義如下：

⑤市值因子：本文以上市公司市值作為市值因子，取個股收盤價與上市公司的總股本的乘積為市值，記為ln(mvi，t)。

⑥市場組合收益率：本文選取滬深300指數(shù)的對數(shù)收益率為市場組合因子，記為ln(mri，t)。

⑦賬面市值比因子：表示每股凈資產(chǎn)與個股收盤價的比值。市凈率代表每股股價與每股凈資產(chǎn)的比率，因此市凈率為賬面市值比的倒數(shù)。本文選取市凈率作為賬面市值比因子的衡量指標，記為PBi，t。

3 實證分析

3.1 單位根檢驗

本文主要變量的描述性統(tǒng)計結(jié)果見表2，對面板數(shù)據(jù)的單位根檢驗結(jié)果見表3。由表3可知，本文所有變量序列均在5%的水平上拒絕了原假設(shè)，即本文變量序列平穩(wěn)。

表2 主要變量的描述性統(tǒng)計

表3 單位根檢驗結(jié)果

3.2 百度指數(shù)有效性的檢驗

為了研究百度指數(shù)作為投資者關(guān)注度代理變量的有效性，本文借鑒股價同步性常用同向性（SYN）來研究百度指數(shù)的有效性。同向性法（SYN），主要指研究兩個指標變化方向的一致性。在某特定的交易日，如果個股百度指數(shù)與股票價格的漲跌方向相同，則記該日的同向性為1；如果個股百度指數(shù)與股票價格的漲跌方向相反，則記該日的同向性為0。本文各樣本股票的各指標的同向性見表4。由表4可知，樣本股票的簡稱（Abbr）、代碼（Code）的百度指數(shù)及其總和（Total）與價格（P）的同向均值分別為0.57、0.60和0.59。樣本股票的簡稱（Abbr）、代碼（Code）的百度指數(shù)及其總和（Total）與成交量（Vol）的同向均值分別為0.62、0.66和0.65。并且，樣本股票的價格（P）與成交量（Vol）的同向性為0.6。

表4 百度指數(shù)與股票市場表現(xiàn)同向性

比較這三組數(shù)據(jù)，則可以看出這三組數(shù)據(jù)相差不大，幾乎相等。因此，百度指數(shù)與股票的市場表現(xiàn)同向性較高。因此，百度指數(shù)可以作為研究投資者關(guān)注度與股票市場表現(xiàn)關(guān)系的有效指標，H1成立。因此，百度指數(shù)為研究投資者關(guān)注度與股票市場表現(xiàn)關(guān)系的有效指標。

3.3 百度指數(shù)與市場指標的相關(guān)性分析

本文選取的股票市場指標，僅僅包括超額收益率與成交量。

首先，建立兩組模型：

由于超額收益率是由滬深300指數(shù)的對數(shù)收益率對股票的對數(shù)收益率進行回歸得到的殘差，因此模型（3）和模型（4）中解釋變量不再包含市場組合因子。結(jié)果見表5。

表5 回歸結(jié)果對比

由表5可知，模型（1）至模型（4）均采取了常系數(shù)固定面板模型，且都通過了Hausman檢驗和F檢驗。并且，對于模型（2），ln(baidutotali，t)作為解釋變量顯著為正，且從調(diào)整后的R2來看，模型（2）相對于模型（1）調(diào)整后的R2增加了0.238，因此模型（2）優(yōu)于模型（1）。對于模型（4），ln(baidutotali，t)作為解釋變量顯著為正，且從調(diào)整后的R2來看，模型（4）相對于模型（3）調(diào)整后的R2增加了0.014，因此模型（4）優(yōu)于模型（3）。所以，引入百度指數(shù)作為解釋變量的Fama-French三因子模型要優(yōu)于原Fama-French三因子模型，說明了百度指數(shù)和股票的市場表現(xiàn)指標是顯著相關(guān)的。因此，H2成立。

進一步可以發(fā)現(xiàn)，相對于模型（1），模型（2）的絕對平均誤差（MAE）減少了0.093（22.63%），均方誤差（MSE）減少了0.002（20.04%）。并且，相對于模型（3），模型（4）的絕對平均誤差（MAE）減少了0.002（25%），均方誤差減少了0.098（18.18%）。這說明了引進百度指數(shù)作為解釋變量的Fama-French三因子模型能有效改善原Fama-French三因子模型的預(yù)測作用。因此，H3成立。

另外，可以發(fā)現(xiàn)模型（4）的擬合優(yōu)度遠遠小于模型（2），并且模型（4）的百度指數(shù)的系數(shù)雖然顯著，但是該系數(shù)太小。這可能是由于市場存在交易量變大，股票價格盤整的情況使得超額收益率與市場交易的活躍程度不直接對應(yīng)引起的，所以引入百度指數(shù)作為解釋變量的Fama-French三因子模型對超額收益率解釋程度不高。因此，為了檢驗百度指數(shù)的前瞻性和實用性，本文分別用滯后一期、滯后二期、滯后三期、滯后四期以及滯后一周的百度指數(shù)指標代替當(dāng)期的百度指數(shù)指標對模型（2）進行回歸，結(jié)果見表6。由表6可知，雖然滯后期的百度指數(shù)與成交量的回歸系數(shù)逐漸遞減，但其相關(guān)性仍十分顯著，且影響方向為正，這有助于投資者對股票市場的預(yù)測。

表6 滯后期百度指數(shù)回歸結(jié)果

4 結(jié)論與建議

本文采用面板數(shù)據(jù)模型對百度指數(shù)這一投資者關(guān)注度變量與新三板概念股的市場指標進行研究。實證結(jié)果表明，各樣本股票的各指標的同向均值相差不大，說明百度指數(shù)可以作為一個有效的關(guān)注度代理變量。同時，結(jié)合Fama-French三因子模型，本文使用20支新三板概念股的股票樣本一年的日交易數(shù)據(jù)進行固定效應(yīng)常系數(shù)面板模型回歸，揭示了百度指數(shù)與股票市場指標表現(xiàn)之間顯著的正相關(guān)關(guān)系。最后，通過計算模型的絕對平均誤差（MAE）和均方誤差（MSE）兩個常用指標，本文發(fā)現(xiàn)無論是在解釋成交量方面，還是在解釋股票超額收益率方面，引入百度指數(shù)作為解釋變量的Fama-French三因子模型的MAE和MSE均要小于原Fama-French三因子模型。實證結(jié)果還揭示了引入百度指數(shù)作為解釋變量的Fama-French三因子模型在解釋股票成交量方面要比解釋股票超額收益率更適用。

[1]Kahneman D.Attention and Effort[M].New Jersey：Prentice-Hall, 1973.

[2]Chemmanur T,Yan A.Product Market Advertising and New Equity Is?sues[J].Journal of Financial Economics,2009,92(1).

[3]Dimpfl T,Jank S.Can Internet Search Queries Help to Predict Stock Market Volatility?[J].European Financial Management,2015.

[4]Choi H,Varian H.Predicting the Present with Google Trends[J].Eco?nomic Record,2012,88(s1).

[5]賈春新,趙宇,孫萌等.投資者有限關(guān)注與限售股解禁[J].金融研究,2010,(11).

（責(zé)任編輯/劉柳青）

F830.91

A

1002-6487（2016）23-0155-03