投資者情緒、市場(chǎng)關(guān)注度與股票收益

黃 銳

（廣東金融學(xué)院 金融系，廣東 廣州 510521）

投資者情緒、市場(chǎng)關(guān)注度與股票收益

黃 銳

（廣東金融學(xué)院 金融系，廣東 廣州 510521）

我國(guó)股票市場(chǎng)中的投資者大部分是散戶，投資者情緒對(duì)市場(chǎng)回報(bào)率的影響也較明顯。通過(guò)檢驗(yàn)情緒因子能解釋市場(chǎng)及個(gè)股回報(bào)率，在控制了其它因子的情況下，當(dāng)期投資者情緒、投資者情緒變化率和關(guān)注度變化率是當(dāng)期市場(chǎng)或個(gè)股回報(bào)率的正向指標(biāo)，而滯后1個(gè)月和6個(gè)月情緒因子為負(fù)向指標(biāo)，且在市場(chǎng)上漲和下跌階段存在不對(duì)稱性。通過(guò)買進(jìn)上期次低情緒因子或最低關(guān)注度因子的股票投資組合策略，在本期能獲利最大，反之則獲利最小。這表明，市場(chǎng)操縱者往往利用中小投資者的心理弱點(diǎn)，通過(guò)媒體擇機(jī)公布利好或利空，引導(dǎo)普通投資者的情緒和關(guān)注度，從而達(dá)到出貨或吸貨的目的。必須加強(qiáng)信息披露管理，打擊通過(guò)消息操縱市場(chǎng)的行為，正確引導(dǎo)投資者，才能使股市往健康的方向發(fā)展。

情緒因子；關(guān)注度因子；多因子模型；投資策略

一、緒 論

隨著近年來(lái)計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的革命，大數(shù)據(jù)及其應(yīng)用深刻地重塑著金融的形態(tài)。業(yè)界利用網(wǎng)絡(luò)新聞、搜索引擎查詢和社交網(wǎng)絡(luò)等數(shù)據(jù)源構(gòu)造各類情緒指標(biāo)以挖掘當(dāng)中顯著的市場(chǎng)信號(hào)。

在國(guó)外相關(guān)研究方面，對(duì)于網(wǎng)絡(luò)新聞，研究人員嘗試了各種方法：Cutler等研究了新聞與股票價(jià)格的關(guān)系[1]；Chan和Vega研究了股票價(jià)格對(duì)消息的反應(yīng)[2-3]；Tetlock研究了媒體的樂(lè)觀程度和市場(chǎng)交易量之間的相關(guān)性[4]；Tetlock等研究了新聞情緒與盈利、回報(bào)率的關(guān)系[5]；Lillo等研究了交易行為中新聞的作用[6]；Engelberg等研究了新聞對(duì)做空行為的影響[7]；Birz等研究了宏觀經(jīng)濟(jì)新聞對(duì)股票收益的影響[8]；Gross-Klussmann等研究了高頻交易對(duì)消息的反應(yīng)[9]。在搜索引擎查詢的分析中，Bordino、Preis和Bordino等研究了對(duì)特定股票的查詢與其成交量之間的關(guān)系[10-12]；Da等分析了羅素3 000的成分股，對(duì)其中股票查詢的增加預(yù)測(cè)了其未來(lái)兩周將達(dá)到更高的價(jià)格[13]。在社交網(wǎng)絡(luò)的分析上，Mao等用推特?cái)?shù)據(jù)預(yù)測(cè)了標(biāo)準(zhǔn)普爾500指數(shù)[14]；Bollen等應(yīng)用推特?cái)?shù)據(jù)文本分析預(yù)測(cè)了金融市場(chǎng)，發(fā)現(xiàn)情緒指標(biāo)和道瓊斯工業(yè)平均指數(shù)（DJIA）之間的清晰關(guān)系：社交數(shù)據(jù)對(duì)于每日道指的上下浮動(dòng)的預(yù)測(cè)具有87.6%的準(zhǔn)確性[15]。Curme等使用新聞和維基百科預(yù)測(cè)了市場(chǎng)的走勢(shì)[16]。

國(guó)內(nèi)的相關(guān)研究方面，劉維奇、劉新新的研究表明，機(jī)構(gòu)投資者情緒可以幫助預(yù)測(cè)個(gè)人投資者情緒和后市，而個(gè)人投資者情緒則不能[17]。文鳳華、肖金利等研究發(fā)現(xiàn)，正面情緒對(duì)股票收益有顯著的正向影響，而負(fù)面情緒的影響則不明顯[18]。高大良、劉志峰的研究表明，在低情緒期平均相關(guān)性—收益之間的關(guān)系并不顯著，而在高情緒期平均相關(guān)性—收益關(guān)系為顯著的負(fù)相關(guān)關(guān)系[19]。

在業(yè)界投資實(shí)踐方面，情緒指數(shù)越來(lái)越受到業(yè)界認(rèn)同。國(guó)外的開(kāi)曼德溫特資本絕對(duì)回報(bào)基金（Cayman-basedDerwentCapitalAbsoluteRe?turn Fund）和MarketPsy公司回報(bào)遠(yuǎn)超基準(zhǔn)，而國(guó)內(nèi)社交投資的雪球100指數(shù)和雪球精選指數(shù)歷史業(yè)績(jī)也非常出色[20]。

本文選取投資脈搏的心情指數(shù)作為情緒變量對(duì)情緒變量與股票回報(bào)率的關(guān)系進(jìn)行研究。

二、數(shù)據(jù)與變量定義

（一）研究樣本與數(shù)據(jù)來(lái)源

本文研究時(shí)間區(qū)間為2013年5月至2016年7月的滬深300指數(shù)成分股。模型中所用的市場(chǎng)月回報(bào)率及個(gè)股月回報(bào)率使用國(guó)泰安和聚寬提供的收盤價(jià)計(jì)算得到。

（二）變量設(shè)計(jì)

1.解釋變量——情緒類指標(biāo)

美國(guó)股票市場(chǎng)有許多代表投資人心理情緒的指標(biāo)，其中廣為人知的有 ML（Merrill Lynch）指標(biāo)、BSI（Bullish Sentiment Index）指標(biāo)和AAII（American Association of Individual Inves?tors）和推特（twitter）、搜索引擎、特定網(wǎng)站提取的情緒指標(biāo)。這些指標(biāo)的產(chǎn)生大多為華爾街金融專家的推薦、分析師報(bào)告或者投資者在網(wǎng)上的言論分析整理而得。國(guó)內(nèi)的投資脈搏公司（iMai?bo）使用有監(jiān)督學(xué)習(xí)的方法計(jì)算情緒指標(biāo)。首先，由金融專家對(duì)大量的互聯(lián)網(wǎng)信息標(biāo)記三個(gè)情緒標(biāo)簽，形成訓(xùn)練集：負(fù)面、中性和正面。然后，利用支持向量機(jī)（SVM）模型訓(xùn)練和測(cè)試這些數(shù)據(jù)，形成分類模型以區(qū)分負(fù)面、中性和正面消息。之后，將支持向量機(jī)模型對(duì)每個(gè)股票的新信息進(jìn)行情緒分類。最后，根據(jù)分類計(jì)算相關(guān)情緒指標(biāo)，指標(biāo)以天進(jìn)行計(jì)算，在回歸前轉(zhuǎn)化為月度情緒指標(biāo)。本文選取其中4個(gè)情緒指標(biāo)結(jié)合數(shù)個(gè)基本面指標(biāo)進(jìn)行研究。

（1）關(guān)注度指標(biāo)（nbSent）

用于提取情緒的消息數(shù)量，主要是用于提取情緒的新聞、微博等媒體的數(shù)量。

（2）情緒指標(biāo)（Sent）

正面和負(fù)面的消息數(shù)量的差除以用于提取情緒的總消息數(shù)量，定義為

（3）情緒變化指標(biāo)（Sentd）

（4）關(guān)注度變化率指標(biāo)

（5）基本面因子

在對(duì)個(gè)股超額收益率做面板數(shù)據(jù)回歸時(shí)，將情緒指標(biāo)加入FF五因子模型，以期對(duì)超額收益率做出更進(jìn)一步的解釋。FF五因子模型通過(guò)研究市場(chǎng)因子、規(guī)模因子（Size）、價(jià)值因子（B/M）、盈利因子（OP）和投資因子（Inv）與投資組合超額收益率之間的關(guān)系，嘗試去解釋超額收益率中未能被CAPM模型所解釋的部分。

2.被解釋變量

（1）市場(chǎng)收益率

按月進(jìn)行計(jì)算，Pmt-1為上月底滬深300收盤價(jià)，Pmt為月底滬深300收盤價(jià)。

（2）個(gè)股超額收益率

按月進(jìn)行計(jì)算，Pit-1為上月底滬深300成分股i的收盤價(jià)，Pit為月底滬深300成分股i的收盤價(jià)。

本文選擇的被解釋變量、解釋變量的定義及描述性統(tǒng)計(jì)結(jié)果如表1所示。

表1 主要變量設(shè)計(jì)與描述性分析

三、研究假說(shuō)與研究方法

本研究欲檢驗(yàn)的第一個(gè)研究假說(shuō)如下：

H1：情緒因子與當(dāng)期市場(chǎng)回報(bào)率存在顯著關(guān)系。

研究方法主要是通過(guò)時(shí)間序列回歸分析，以檢驗(yàn)情緒因子是否能在一定程度上解釋市場(chǎng)回報(bào)率。因此，構(gòu)建市場(chǎng)回報(bào)率與情緒變量的簡(jiǎn)單模型：

其中，Sentt為情緒指數(shù)。

H2：情緒因子與下期市場(chǎng)回報(bào)率存在顯著關(guān)系（具預(yù)測(cè)能力）。

采用的回歸模型如下：

其中，k取值為1，3，6，12。

DSSW（1990）之噪聲交易者模型認(rèn)為情緒是一系統(tǒng)性的風(fēng)險(xiǎn)，故本文進(jìn)行個(gè)股的面板分析，探討情緒因子是否具有顯著的風(fēng)險(xiǎn)溢酬以及其對(duì)收益的影響是否存在不對(duì)稱性。研究假說(shuō)如下：

H3：投資者情緒影響股票的超額收益。

H4：投資者情緒對(duì)股票收益的影響在大盤震蕩、上漲和下跌階段存在不對(duì)稱性。

結(jié)合Fama and French五因子模型進(jìn)行面板分析

其中Rit是證券組合i在t年內(nèi)的收益率；RFt是無(wú)風(fēng)險(xiǎn)利率1。被解釋變量Rit-RFt表示股票投資組合的超額收益率，SMB、HML、RMW和CMA四個(gè)因子分別代表規(guī)模效應(yīng)、價(jià)值效應(yīng)、盈利效應(yīng)和投資效應(yīng)。

最后實(shí)際建構(gòu)投資策略，對(duì)當(dāng)期SENT、NB?SENT和下一期個(gè)股超額收益率進(jìn)行回歸。

根據(jù)回歸的結(jié)果，構(gòu)建投資策略如下：對(duì)情緒因子和關(guān)注度因子每個(gè)月分別按從小到大排序，按分值將股票池五等分，構(gòu)造五個(gè)投資組合，按月調(diào)倉(cāng)。檢驗(yàn)研究假說(shuō)如下：

H5：投資低情緒和低關(guān)注度的股票組合可以獲得比基準(zhǔn)滬深300指數(shù)更高的收益。

四、實(shí)證結(jié)果與分析

情緒因子對(duì)市場(chǎng)回報(bào)率影響的檢驗(yàn)結(jié)果匯總于表2，以檢驗(yàn)情緒因子是否能解釋當(dāng)期和未來(lái)市場(chǎng)回報(bào)率。由表2可見(jiàn)，除了情緒變化率因子SENTD的回歸系數(shù)不顯著外，市場(chǎng)回報(bào)率分別對(duì)情緒因子SENT、關(guān)注度因子NBSENT、關(guān)注度變化率因子NBSENTD的回歸系數(shù)都顯著。進(jìn)一步檢驗(yàn)情緒變量對(duì)未來(lái)1、3、6、12期市場(chǎng)回報(bào)率的預(yù)測(cè)能力，表明滯后1個(gè)月和6個(gè)月情緒因子系數(shù)在10%顯著水平下為負(fù)，與Baker等的研究結(jié)果一致[21-22]。

表2 情緒因子對(duì)市場(chǎng)回報(bào)率影響的檢驗(yàn)

將2013年5月到2016年7月的研究區(qū)間劃分為2013年5月到2014年6月、2014年7月到2015年6月、2015年7月到2016年7月三個(gè)區(qū)間，依次為震蕩、上漲、下跌三個(gè)階段，通過(guò)研究情緒因子在不同時(shí)間段對(duì)個(gè)股超額收益的影響，檢驗(yàn)假設(shè)3和假設(shè)4。表3顯示，全時(shí)間段中情緒因子SENT的敏感系數(shù)顯著大于零，而情緒因子變化率SENTD顯著小于零，可見(jiàn)情緒因子變大或情緒變化率變小的股票，股票價(jià)格也上漲，反之亦然。根據(jù)同花順統(tǒng)計(jì)[23]，每月最被用戶看好的股票，次月下跌概率達(dá)到75%。其他因子的敏感系數(shù)的符號(hào)及顯著性與文獻(xiàn)[24]大致相同，即市場(chǎng)回報(bào)率、規(guī)模因子、質(zhì)量因子、投資因子為市場(chǎng)相當(dāng)顯著的定價(jià)因子。在考慮其他基本面因子時(shí)，情緒因子SENT和情緒變化率因子SENTD對(duì)當(dāng)期股票超額收益具有影響力，但對(duì)五因子模型的解釋力增加不多。

情緒因子SENT在上漲期間的敏感系數(shù)在1%的顯著水平下顯著小于零，投資者情緒正面時(shí)，則股票價(jià)格下跌；下跌期間，情緒因子SENT的敏感系數(shù)在1%的顯著水平下顯著大于零，投資者情緒正面時(shí)，則股票價(jià)格上漲；而震蕩時(shí)間段該系數(shù)與零差異不顯著，基本不能解釋個(gè)股的超額收益。關(guān)注度因子NBSENT和股票超額收益的關(guān)系則與之相反。情緒變化率因子SENTD的敏感系數(shù)在震蕩和下跌區(qū)間段中，在1%的顯著水平下顯著小于零；在上漲期間，在1%的顯著水平下顯著大于零。關(guān)注度變化率因子NBSENTD的敏感系數(shù)在震蕩期間，在5%的顯著水平下顯著大于零；在下跌期間，在1%的顯著水平下顯著小于零；在上漲階段則不顯著。以上結(jié)果顯示，理性的基本面因子和非理性的情緒因子都可部分解釋股票市場(chǎng)的回報(bào)率，可見(jiàn)股票價(jià)格是由理性投資者與非理性投資者共同決定的。

表3 投資者情緒對(duì)股票超額收益影響的檢驗(yàn)

為了建構(gòu)投資策略，以了解情緒因子在忽略交易成本下是否仍有利可圖，對(duì)前期SENT、NBSENT和當(dāng)期個(gè)股超額收益率進(jìn)行回歸，可見(jiàn)前一期SENT、NBSENT越小，當(dāng)期個(gè)股超額收益率越大。故構(gòu)建投資策略如下：對(duì)情緒因子和關(guān)注度因子每個(gè)月分別按從小到大排序，按分值將股票池五等分，各構(gòu)造五個(gè)投資組合，按月調(diào)倉(cāng)。獲利結(jié)果列于表4、圖1和圖2。結(jié)果發(fā)現(xiàn)，低情緒因子組合的收益率的表現(xiàn)總體優(yōu)于高情緒因子組合，但最低情緒因子組合收益在五個(gè)組合中排第三，次低的組合收益最高，因子最大的組合收益最低，顯示該情緒因子和收益率的關(guān)系不是簡(jiǎn)單的線性關(guān)系。低關(guān)注度因子組合的收益率表現(xiàn)總體優(yōu)于高關(guān)注度因子組合?？偟恼f(shuō)來(lái)，選擇低情緒因子或關(guān)注度因子的策略在經(jīng)濟(jì)上有利可圖。

表4 投資者情緒對(duì)次月個(gè)股超額收益率的影響

表5 情緒指標(biāo)策略回測(cè)結(jié)果（2013.5～2016.7）

圖1 2013.5～2016.7情緒指標(biāo)策略的收益

圖2 2013.5～2016.7關(guān)注度指標(biāo)策略的收益

五、結(jié) 論

本文選擇情緒指標(biāo)、情緒變化率指標(biāo)、關(guān)注度指標(biāo)、關(guān)注度變化率指標(biāo)等四個(gè)情緒變量進(jìn)行研究。實(shí)證結(jié)果證明了5個(gè)假設(shè)為真，即（1）投資者情緒、投資者情緒變化率和關(guān)注度變化率是當(dāng)期和未來(lái)幾期市場(chǎng)回報(bào)率的正向指標(biāo)，它們的值越高，當(dāng)期的市場(chǎng)回報(bào)率也越高；（2）情緒類因子對(duì)個(gè)股超額收益存在顯著影響且在不同時(shí)間段影響不同；（3）在忽略交易成本下采用買進(jìn)情緒低落或關(guān)注度低的股票投資組合策略能顯著獲利。

市場(chǎng)操縱者往往利用中小投資者的心理弱點(diǎn)，通過(guò)媒體擇機(jī)公布利好或利空，引導(dǎo)普通投資者的情緒和關(guān)注度，從而達(dá)到出貨或吸貨的目的。必須加強(qiáng)信息披露管理，正確引導(dǎo)投資者，才能使股市往健康的方向發(fā)展。

[1]Cutler D M,Poterba J M,Summers L H.What moves stock prices?[J]. Journal of Portfolio Manage?ment,1989,15(3)：4-12.

[2]Chan W S.Stock price reaction to news and nonews:drift and reversal after headlines[J].Journal of Financial Economics,2003，70（2）：223-260.

[3]Vega C.Stock price reaction to public and private in?formation[J].Journal of Financial Economics,2006，82（1）：103-133.

[4]Tetlock P C.Giving content to investor sentiment:The role of media in the stock market[J].The Jour?nal of Finance,2007，62（3）：1139-1168.

[5]Tetlock P C,Saar-Tsechansky M,Macskassy S.More than words:Quantifying language to measure firms’fundamentals[J].The Journal of Finance,2008，63（3）：1437-1467.

[6]LilloF,Miccich`eS,TumminelloM,etal.How news affect the trading behavior of different catego?ries of investors in a financial market[J]. Quantita?tive Finance,2015,15(2):213-229.

[7]Engelberg J E,Reed A V,Ringgenberg M C.How are shorts informed?:Short sellers,news,and infor?mation processing[J].Journal of Financial Economics,2012，105（2）：260-278.

[8]Birz G,Lott J R.The effect of macroeconomic news on stock returns:New evidence from newspaper cover?age[J].Journal of Banking&Finance,2011，35（11）：2791-2800.

[9]Gross-KlussmannA,HautschN.Whenmachines read the news:Using automated textanalyticsto quantify high frequency news-implied market reactions[J].Journal of Empirical Finance,2011，18（2）：321-340.

[10]Bordino I,Battiston S,Caldarelli G,et al.Web search queries can predict stock market volumes[J].PloS One,2012，7（7）：e40014.

[11]Preis T,Reith D,Stanley H E.Complex dynamics of our economic life on different scales:insights from search enginequery data[J]. PhilosophicalTransac?tions of the Royal Society London A:Mathematical,Physical and Engineering Sciences,2010，368（1933）：5707-5719.

[12]Bordino I,KourtellisN,Laptev N,etal.Stock trade volume prediction with Yahoo Finance user browsing behavior[EB/OL].（2014-12-01）[2016-10-15].http://www.computer.org/csdl/proceedings/icde/2014/2555/00/068167 33.pdf

[13]Da Z,Engelberg J,Gao P.In search of attention[J].The Journal of Finance,2011，66（5）：1461-1499.

[14]Mao Y,Wei W,Wang B,et al.Correlating S&P 500 stocks with Twitter data[EB/OL].（2012-12-01）[2016-10-15]. http://www.researchgate.net/profile/yuex?in Mao/publication/262404219 correlating SP 500 stocks with Twitter data/links/572fd24408ae3736095 c1f2d.pdf

[15]Bollen J,Mao H,Zeng X.Twitter mood predicts the stock market[J]. JournalofComputationalSci?ence,2011，2(1):1-8.

[16]Curme C,Preis T,Stanley H E,et al.Quantifying the semantics of search behavior before stock market moves[J].Proceedings of the National Academy of Sci?ences,2014,111(32)：11600-11605.

[17]劉維奇，劉新新.個(gè)人和機(jī)構(gòu)投資者情緒與股票收益——基于上證A股市場(chǎng)的研究[J].管理科學(xué)學(xué)報(bào)，2014，17（3）：70-87.

[18]文鳳華，肖金利，黃創(chuàng)霞，等.投資者情緒特征對(duì)股票價(jià)格行為的影響研究[J].管理科學(xué)學(xué)報(bào)，2014，17（3）：60-69.

[19]高大良，劉志峰，楊曉光，等.投資者情緒、平均相關(guān)性與股市收益[J].中國(guó)管理科學(xué)，2015，23（2）：10-20.

[20]關(guān)于發(fā)布中證雪球智選大數(shù)據(jù)100指數(shù)的公告[EB/OL].(2015-08-24)[2016-10-15].http://money.163.com/15/0824/02/B1OG5QEU00253B0H.html

[21]Baker M,Wurgler J.Market Timing and Capital Structure[J].Journal of Finance,2000,57（1）：1-32.

[22]Baker M,Stein J C.Market liquidity as a senti?ment indicator[J].Ssrn Electronic Journal,2002,7（3）：271-299.

[23]同花順獨(dú)家揭示自選股反向指標(biāo)[EB/OL].（2015-02-28）[2016- 10- 15].http://yuanchuang.10jqka.com.cn/20150228/c570884699.html.

[24]Fama E F,French K R.A five-factor asset pricing model[J].Journal of Financial Economics,2014,116（1）：1-22.

Investor Sentiment,Attention and Stock Returns

HUANG Rui
（Guangdong University of Finance，Guangzhou，Guangdong,510521）

The majority of China’s stock market investors is retail investors,so investor senti?ment influence on the market return may be obvious.The empirical results show that,in the case of controlling other factors,the current investor sentiment,the rate of change of investor sentiment and the rate of change of attention are positive indicators of the current market or individual stocks re?turns,however,1 month lagged mood factor,6 months lagged mood factor are negative indicators.There is asymmetry in the up and down market stage.Buying the second lowest emotional factor port?folio or the lowest attention factor portfolio can maximize profits,and vice versa.Market manipulators may tend to use the psychological weakness of retail investors and control the media to announce good or bad news in order to guide the mood and attention of retail investors and make profit.It is necessary to strengthen the management of information disclosure,to crack down the behavior of mar?ket manipulation,to guide retail investors correctly,and to keep the stock market healthy.

sentimental factor；attention factor；multiple factor model；investment strategy

F 830.9

A

1007-6883（2017）04-0095-08

2016-10-26

國(guó)家自然科學(xué)基金青年項(xiàng)目（項(xiàng)目編號(hào)：71603059）；教育部人文社會(huì)科學(xué)研究青年項(xiàng)目（項(xiàng)目編號(hào)：13YJC790117）；2014年廣東省哲學(xué)社會(huì)科學(xué)學(xué)科共建項(xiàng)目（項(xiàng)目編號(hào)：GD14XYJ06）。

黃銳（1981-），男，廣東河源人，廣東金融學(xué)院金融系助理研究員，金融學(xué)博士。

責(zé)任編輯 黃部兵