中國波指、股指期貨與投資者情緒

周 亮

(湖南財政經濟學院 學報編輯部，湖南 長沙 410205)

一、引 言

行為金融學從微觀個體行為以及產生這種行為的心理等動因來解釋、研究和預測金融市場的發(fā)展。這一研究視角認為投資行為其實很大程度上受投資者的情緒左右。投資者對投資標的(股票、房產等)的價值的看法并非按照科學的估算，而是由情緒來決定。投資者情緒是投資者對未來預期的系統(tǒng)性偏差，是個難以度量的概念，反映了市場參與者的投資意愿或者預期。國內外學者對投資者情緒進行了大量而深入的研究，主要是通過各種主觀指標(如央視看盤指數(shù)、好淡指數(shù)等)以及客觀指標(如封閉式基金折價率、IPO發(fā)行量等)對其進行度量，取得了大量的研究成果。

隨著金融工具的不斷發(fā)展，股指期貨于2010年開通，股指期權于2015年2月上市交易，投資者可交易的品種大幅增多，在增加市場廣度和深度的同時，極大地影響了市場的流動性和波動性，也為投資者情緒的度量提供了新的視角。但是現(xiàn)有對投資者情緒的研究中考慮股指期貨的很少，考慮期權的幾乎沒有。因此，筆者擬在常規(guī)的度量指標(如波動率、換手率等)的基礎上，加入股指期貨和股指期權的相關指標，從一個新的視角來刻畫和研究投資者情緒。

二、文獻綜述

1.投資者情緒的測度。目前，學者們對投資者情緒的測度主要采用直接指標和間接指標兩種方法。直接指標是發(fā)布機構通過直接向投資者調查而獲取編制的，它主要反映投資者對市場的看漲、看跌或者悲觀、樂觀等心理，包括國外的美國個人投資者協(xié)會指數(shù)、投資者智慧指數(shù)以及國內的央視看盤指數(shù)、巨潮投資者信心指數(shù)等。間接指標是通過相關數(shù)據(jù)計算得出能反映出投資者情緒的代理變量，如封閉式基金折價、換手率、IPO首日收益率、IPO 數(shù)量、投資者新增開戶率等。[1]

在直接指標的研究方面，De Bondt(1993)通過對美國個體投資者協(xié)會(AAII)125個成員進行調查所得的投資者情緒指標進行研究后發(fā)現(xiàn)，個體投資者的情緒與股票市場總體表現(xiàn)(道瓊斯工業(yè)指數(shù))具有顯著的相關關系。[2]王美今和孫建軍(2004)以央視看市數(shù)據(jù)測度了投資者情緒，發(fā)現(xiàn)機構投資者情緒變化對中國滬深兩市收益產生顯著影響。[3]魯訓法和黎建強(2012)選取“新開交易賬戶數(shù)”作為投資者情緒的代理變量，應用ARMA-GARCH類模型研究了投資者情緒與股市收益率之間的相互關系，結果發(fā)現(xiàn)上證指數(shù)收益率是投資者情緒變化率的一個顯著影響因子，但并沒有發(fā)現(xiàn)投資者情緒的變化率對上證指數(shù)收益率有顯著影響。[4]王春(2014)以開放式股票型基金資金凈流入作為投資者情緒度量指標，研究了投資者情緒對股票市場收益和波動的影響，發(fā)現(xiàn)投資者情緒與股票市場收益之間存在正向反饋作用。[5]

在間接指標的研究方面，Baker與Wurgler(2006)使用紐約股票市場換手率、封閉式基金折價率、IPO數(shù)量、IPO平均首日收益率、IPO首發(fā)股數(shù)、分紅與不分紅公司平均資產市值比的對數(shù)比率等6個變量，構建了一個投資者情緒綜合指標。[6]易志高和茅寧(2009)在封閉式基金折價、IPO數(shù)量及上市首日收益、消費者信心指數(shù)和新增投資者開戶數(shù)等6個單項情緒指標的基礎上，控制了經濟基本面因素對情緒的影響，從而構建了一個能較好測度中國股票市場投資者情緒的綜合指數(shù)。[7]池麗旭等(2012)基于擴展卡爾曼濾波方法，選取封閉式基金折價率、首發(fā)上市股票股本規(guī)模及消費者信心指數(shù)作為三個源指標，構造出過濾市場噪聲的投資者情緒指標，結果發(fā)現(xiàn)，大規(guī)模公司股票的收益對投資者情緒的影響程度高于小規(guī)模公司股票，而投資者情緒對小規(guī)模公司股票的影響顯著高于大規(guī)模公司的股票。[8]文鳳華等(2014)選取封閉式基金折價率、IPO數(shù)量、IPO首日收益率、A股新增開戶數(shù)和市場換手率5個能夠較好反映國內股票市場投資者情緒的指標，利用主成分分析法構建了投資者情緒綜合指數(shù)，發(fā)現(xiàn)投資者情緒的波動對股票收益率的波動有顯著的沖擊。[9]

2.股指期貨與股票市場。還有很多學者對股指期貨推出后，其對股指現(xiàn)貨價格的影響進行了相關研究。華仁海和劉慶富(2010)研究發(fā)現(xiàn)，股指期貨價格和股指現(xiàn)貨價格之間存在協(xié)整關系和雙向價格引導關系，股指期貨對股指現(xiàn)貨的引導力度相對較大。[10]劉慶富和華仁海(2011)研究發(fā)現(xiàn)，股指期貨市場與股票現(xiàn)貨市場之間的風險傳遞是雙向的，股票現(xiàn)貨對股指期貨的風險溢出要大于股指期貨對股票現(xiàn)貨的風險溢出。[11]陳紅、周奮和張磊(2012)研究發(fā)現(xiàn)，滬深300股指期貨和滬深300指數(shù)現(xiàn)貨價格之間存在長期穩(wěn)定的協(xié)整關系，股指期貨的價格引導著現(xiàn)貨的價格，股指期貨與現(xiàn)貨指數(shù)之間存在著單向的因果關系。[12]蔡敬梅、強林飛和周海鵬(2013)檢驗了股指期貨的推出對中國股票市場波動性所產生的影響，發(fā)現(xiàn)股指期貨的推出加速了信息的傳遞速度且弱化了非對稱效應，但并沒有加大股市的波動性。[13]陶利斌、潘婉彬和黃筠哲(2014)采用信息份額方法用滬深股指期貨和滬深指數(shù)高頻數(shù)據(jù)算出每日股指期貨的價格發(fā)現(xiàn)貢獻率后發(fā)現(xiàn)，股指期貨在信息傳遞中居于主導地位，在價格發(fā)現(xiàn)過程中的作用比現(xiàn)貨市場更大，且有隨時間增強的趨勢，當股指期貨市場相對現(xiàn)貨市場更加活躍或者市場波動率降低，股指期貨市場的價格發(fā)現(xiàn)能力會顯著上升。[14]

3.期權隱含波動率的研究。對期權隱含波動率的研究，大部分學者的研究視角主要集中在隱含波動率對于歷史波動率的測算，直接研究中國波指的比較少。屈滿學和王鵬飛(2017)通過實證研究發(fā)現(xiàn)，上海證券交易所公布的中國波動率指數(shù)(iVIX)預測未來一個月市場風險的能力要強于歷史已實現(xiàn)波動率與GARCH族波動率，但是其預測能力不及發(fā)達國家有效，原因在于我國期權市場并非完全有效市場。[15]大部分學者均是通過GARCH模型或BS模型來對波動率進行測算和預測。鄭振龍和黃薏舟(2010)通過對香港恒生指數(shù)期權市場所含信息的研究發(fā)現(xiàn)，在預測期限較短時，GARCH模型所含信息較多，預測能力最強，但在預測較長期限時，隱含波動率所含信息較多，預測能力較強；同時，期權市場交易越活躍，所反映的信息就越全面，隱含波動率的預測能力也就越強。[16]駱樺和王爽(2016)也通過實證研究發(fā)現(xiàn)，對于波動率的預測來說，短期GARCH模型預測效果較好，長期隱含波動率預測效果較好；由于期權價格能夠更加全面地反映市場信息，所以隱含波動率對于波動率的預測效果更好。[17]陳彥暉(2014)研究了恒指隱含波動率指數(shù)(VHSI)能否被預測及預測是否有助于期權投資實踐的問題，研究結果驗證了香港股市具有均值回歸的特性，標準普爾500指數(shù)對恒指隱含波動率指數(shù)有明顯的溢出效應。[18]

綜上可以看出，學者們已經對投資者情緒進行了深入系統(tǒng)的研究，對股指期貨和期權隱含波動率也做了一定研究，但是直接將股指期貨或期權隱含波動率與投資者情緒聯(lián)系起來的很少?？紤]到投資者情緒是影響股票市場投資者的主要心理因素，而股指期貨升貼水和期權隱含波動率也能客觀反映出投資者的樂觀或悲觀情緒，因此筆者擬在投資者情緒的構建中加入股指期貨升貼水和期權隱含波動率作為源指標；同時借鑒學者們的研究，采用換手率[19]、波動率等指標一起構建投資者情緒指標。[20]

三、數(shù)據(jù)統(tǒng)計與研究設計

1.數(shù)據(jù)說明?？紤]到筆者用來度量期權隱含波動率的中國波指2016年12月12日才推出，日度級別的數(shù)據(jù)量過少，而分鐘級別的數(shù)據(jù)由于變化過于頻繁，也不宜直接用來度量投資者情緒，因此選取小時級別數(shù)據(jù)進行研究。

對股指期貨的度量，主要采用股指期貨的升貼水數(shù)據(jù)來度量投資者情緒，由于股指期貨交易量最大的是滬深300指數(shù)的IF合約，因此選取IF合約作為研究對象；并且股指期貨包括當月、下月、下季和隔季合約，由于在研究之前不知道哪個合約的數(shù)據(jù)能夠更準確地反映出投資者情緒，因此將四組數(shù)據(jù)均先取出作為研究對象。

目前度量投資者情緒的指標主要包括換手率、市盈率、封閉式基金折價率、上漲占比、波動率、新股中簽收益率、新增投資者數(shù)量等指標。由于筆者的研究主要考慮的是小時級別的數(shù)據(jù)，因此只從這些指標中選取換手率和波動率兩個指標與期權和股指期貨數(shù)據(jù)一起構造投資者情緒指標?？紤]到不同周期的波動率的含義可能有所不同，這里將分別考察10期、20期、60期和120期的波動率。選取2016年12月12日至2017年4月底的所有小時級別數(shù)據(jù)作為研究對象，共368組數(shù)據(jù)。所有數(shù)據(jù)均來自東方財富金融數(shù)據(jù)庫。對于變量基本情況更詳細的說明如表1所示。

表1 變量的定義

注：預期關系指的是預期變量與最終獲得的投資者情緒指數(shù)的關系，“+”表示正向相關，“-”表示負向相關。

2.數(shù)據(jù)描述性統(tǒng)計。表2報告了各變量的描述性統(tǒng)計信息。可以看出，上證指數(shù)在研究期的均值為3188點，最大值達到3289，最小值為3069，4個半月時間波幅達到220點；中國波指平均值為12.35，最大達到18.57，最小只有9.09；期貨合約貼水大體均為貼水，其中當月合約均值為-0.396%，下月合約為-0.952%，下季合約為-1.95%，隔季合約為-3.55%，最大值為當月合約，達到0.528%，最小值為隔季合約，達到-3.55%；換手率均值為0.206%，最大值達到0.53%，最小值為0.067%；四個周期的波動率大體相似，均值均在0.3左右，最大值出現(xiàn)在10期波動率，為0.563，最小值也出現(xiàn)在10期波動率，為0.111。

表2 變量的描述性統(tǒng)計

圖1和圖2分別報告了中國波指、股指期貨升貼水與上證指數(shù)之間的關系。從圖1可以看出，中國波指與上證指數(shù)之間存在明顯的負相關關系，上證指數(shù)的高點對應著中國波指的低點，上證指數(shù)的低點對應著中國波指的高點。從圖2可以看出，只有隔季期貨合約升貼水與上證指數(shù)存在著一定的負相關關系，當月、下月和下季合約的升貼水與上證指數(shù)間的關系不確定。

圖1 中國波指與上證指數(shù)之間的關系

圖2 期貨合約升貼水與上證指數(shù)之間的關系*由于股指期貨升貼水變動較為劇烈，為了更直觀地看出它們的變化趨勢，對各合約的價格序列進行了20期移動平均處理。

為了更深入地研究各指標之間以及與上證指數(shù)之間的相關關系，得出具體的相關系數(shù)如表3所示?？梢钥闯?，上證指數(shù)與中國波指存在著顯著的負相關關系；與當月、下月及下季期貨合約的升貼水相關性不顯著，但是與隔季合約存在著顯著的負相關關系，因此在接下來構造投資者情緒指標的時候只選擇隔季合約的升貼水率作為源指標；與換手率間存在著顯著的正相關關系；與不同期波動率間均存在著顯著的負相關關系。從波動率之間的相關性也可以看出，各期波動率之間均顯著相關，因此筆者后續(xù)的研究中選擇最簡單的10期波動率作為研究對象。

表3 各變量之間的相關系數(shù)表

注：*、**、***分別表示在10%、5%、1%水平下顯著。

四、包含中國波指和股指期貨因素的投資者情緒研究

1.提前與滯后變量的確定。不同指標對于投資者情緒的反映可能存在提前和滯后的關系，因此對各個指標的提前和滯后變量進行主成分分析。按照累計方差解釋率至少達到85%的標準，選取了前4個主成分(累計方差為87.91%)并加權平均，從而構造出一個包含8個變量的投資者情緒指數(shù)(ISI1)。表4報告了ISI1與4個變量的提前與滯后變量的相關關系?？梢钥闯?，ISI1與NSEAt、IVIXt-1、VOL10t-1及TURNt的相關程度較高，因此接下來將采用這四個指標作為構建ISI指標的最終源指標。

表4 ISI1與8個變量的相關性

注：*、**、***分別表示在10%、5%、1%水平下顯著。

2.投資者情緒指標的構建。對NSEAt、IVIXt-1、VOL10t-1及TURNt四個指標進行標準化處理，再對它們進行主成分分析。前3個主成分的累計方差為85.68%，對這3個主成分加權平均，得到最終的投資者情緒指標ISI。相關分析發(fā)現(xiàn)ISI與ISI1的相關性達到0.94，說明剔除的4個變量對ISI的構建影響不大。表5報告了NSEAt、IVIXt-1、VOL10t-1及TURNt四個指標間的相關系數(shù)，以及主成分分析后經過加權平均的因子負載?？梢钥闯?，除TURNt與投資者情緒負相關外，其他三個指標均與投資者情緒指標正相關，說明換手率越低、期貨貼水越小、波動率越大、中國波指越大，投資者情緒越高。投資者情緒指標ISI2的計算公式為：

ISI=0.110556*NSEAt-0.03992*TURNt+0.26723*IVIXt-1+0.504165*VOL10t-1

表5 源指標及投資者情緒之間的關系

注：*、**、***分別表示在10%、5%、1%水平下顯著。

通過pearson相關性檢驗發(fā)現(xiàn)，ISI與上證指數(shù)的相關系數(shù)達到-0.7(1%顯著水平)，說明兩者之間存在著顯著的負相關關系。更直觀的體現(xiàn)如圖3所示?？梢钥闯?，兩者之間的走勢幾乎相反，投資者情緒指標的低點基本對應了指數(shù)的高點，投資者情緒的高點基本對應了指數(shù)的低點。與大部分學者的觀點相反，考慮到學者們研究投資者情緒主要是采用月度數(shù)據(jù)，因此可以看出，長期來看，投資者情緒與指數(shù)呈同步狀態(tài)，表現(xiàn)出動量效應；但是短期來看，投資者情緒與指數(shù)呈反向狀態(tài)，表現(xiàn)出反轉效應。

圖3 投資者情緒指標與上證指數(shù)的關系圖

3.脈沖響應函數(shù)分析。脈沖響應函數(shù)刻畫的是在擾動項加一個一次性沖擊，對內生變量當前值和未來值所帶來的影響，描述的是 VAR 模型中的一個內生變量的沖擊給其他內生變量帶來的影響。上文可以看到，ISI與指數(shù)價格之間具有明顯的相互影響，因此可以進行脈沖響應分析，以更加清晰地發(fā)現(xiàn)兩者之間的關系。圖4報告了兩者的脈沖響應分析結果?？梢钥闯?，投資者情緒對指數(shù)價格序列的作用更為明顯。在給投資者情緒一個單位的沖擊后，指數(shù)價格當期變化并不明顯，但是接下來一期影響開始體現(xiàn)，之后保持穩(wěn)定；但是給指數(shù)價格一個單位的沖擊后，投資者情緒指標幾乎沒有太大變化。因此可以看到，投資者情緒變化對指數(shù)價格的沖擊，無論是力度還是持續(xù)性上，都要遠大于指數(shù)價格對投資者情緒的沖擊。

4.回歸分析。無論是直觀的圖示還是脈沖響應分析，都可以看到投資者情緒指標對當期的指數(shù)價格具有顯著影響，因此可以建立相應的數(shù)理模型，從而達到通過投資者情緒指標預測指數(shù)的作用。表6報告了回歸結果，其中模型I包括了投資者情緒指標，模型II則直接采用4個原始指標進行測量。兩個模型均擬合較好，模型I的調整R2達到0.5，模型II的調整R2達到0.6，可以看出投資者情緒保留了原始指標的大部分特征。從整體上來看，投資者情緒每變動1個單位，能夠導致指數(shù)下跌59個點?？傮w來說，筆者所構建的投資者情緒指標能夠較好地刻畫出股市的短期情緒特征。

圖4 脈沖響應函數(shù)分析結果

表6 回歸分析結果

注：*、**、***分別表示在10%、5%、1%水平下顯著。

五、結論與展望

本文選取2016年12月至2017年4月間的中國波指、股指期貨升貼水、換手率及波動率的所有小時級別數(shù)據(jù)作為研究對象，測度了滬深股市的投資者情緒，并研究了投資者情緒指標與指數(shù)序列之間的關系。結果表明：中國波指、股指期貨升貼水和換手率及波動率一起，能夠較好地刻畫出滬深股市的投資者情緒；投資者情緒指標與上證指數(shù)序列具有顯著的負向相關關系，相關系數(shù)為-0.7；脈沖響應分析發(fā)現(xiàn)，投資者情緒的變動能夠對指數(shù)序列產生顯著影響，回歸分析的結果也證明了投資者情緒能夠解釋指數(shù)序列50%的變動情況，且投資者情緒本期每變化1個單位，能夠導致指數(shù)下跌59個點。總體來說，筆者構建的包含中國波指和股指期貨的投資者情緒指標，具有一定的有效性。

今后可以進一步對投資者情緒進行深入研究：第一，可以探討不同行業(yè)、不同規(guī)模或不同板塊的股票受投資者情緒影響的差異性；第二，可以收集更長時間的期權隱含波動率數(shù)據(jù)進行測算，如可以利用期權的原始數(shù)據(jù)，通過BS公式反推出隱含波動率，從而從更長的時間角度來探討期權隱含波動率對投資者情緒的影響；第三，可以在投資者情緒的研究中加入其他的新的內容，如通過爬蟲程序抓取和提煉出的網頁搜索內容等。

[1]黃虹，等.融資融券會加大投資者情緒對股指波動的影響嗎?[J].中國軟科學，2016，(3)：151-161.

[2]De Bondt W.P.M. Betting on Trends:Intuitive Forecasts of Financial Risk and Return[J].Internantional Journal of Forecasting,1993，(3):355-371.

[3]王美今，孫建軍．中國股市收益、收益波動與投資者情緒[J]．經濟研究，2004，(10)：75-82.

[4]魯訓法，黎建強.中國股市指數(shù)與投資者情緒指數(shù)的相互關系[J].系統(tǒng)工程理論與實踐，2012，(3)：621-629.

[5]王春.投資者情緒對股票市場收益和波動的影響——基于開放式股票型基金資金凈流入的實證研究[J].中國管理科學，2014，(9)：49-56.

[6]Baker M，Wurgler J. NIAestor Sentiment and the Cross-section of Stock Returns[J]．Journal of Finance，2006，(4):1645-1680．

[7]易志高，茅寧.中國股市投資者情緒測量研究：CICSI的構建[J].金融研究，2009，(11)：174-184.

[8]池麗旭,等.投資者情緒指標與股票市場——基于擴展卡爾曼濾波方法的研究[J].管理工程學報，2012，(3)：122-129.

[9]文鳳華,等.投資者情緒特征對股票價格行為的影響研究[J].管理科學學報，2014，(3)：60-69.

[10]華仁海，劉慶富.股指期貨與股指現(xiàn)貨市場間的價格發(fā)現(xiàn)能力探究[J].數(shù)量經濟技術經濟研究，2010，(10)：90-100.

[11]劉慶富，華仁海.中國股指期貨與股票現(xiàn)貨市場之間的風險傳遞效應研究[J].統(tǒng)計研究，2011，(1)：84-90.

[12]陳紅，周奮，張磊.我國股指期貨市場與股票現(xiàn)貨市場的價格關系——來自中國資本市場的經驗證據(jù)[J].中南財經政法大學學報，2012，(6)：48-55.

[13]蔡敬梅，強林飛，周海鵬.中國股指期貨與股票市場波動性關系的實證分析[J].統(tǒng)計與信息論壇，2013，(1)：59-64.

[14]陶利斌，潘婉彬，黃筠哲.滬深股指期貨價格發(fā)現(xiàn)能力的變化及其決定因素[J].金融研究，2014，(4)：128-142.

[15]屈滿學，王鵬飛.我國波動率指數(shù)預測能力研究——基于隱含波動率的信息比較[J].經濟問題，2017，(1):60-66.

[16]鄭振龍，黃薏舟.波動率預測：GARCH模型與隱含波動率[J].數(shù)量經濟技術經濟研究，2010,(1)：140-150.

[17]駱樺，王爽.用GARCH模型與隱含波動率預測金融波動率[J].浙江理工大學學報：自然科學版，2016，(2)：322-326.

[18]陳彥暉.基于ARMA-GARCH模型的恒指隱含波動率指數(shù)預測及其在期權交易中的應用[J].經濟數(shù)學，2014，(4)：27-35.

[19]周亮.影響股票收益的基本面因子略探——基于中小板上市公司的實證分析[J].金融理論與實踐，2017，(2)：93-98.

[20]羅琰，劉曉星.基于投資者情緒的均值—方差投資組合選擇研究[J].湖南財政經濟學院學報，2016，(5)：14-20.