基于技術分析指標的投資者情緒指數有效性研究

向 誠，陸 靜

重慶大學 經濟與工商管理學院，重慶 400030

引言

已有研究表明，投資者情緒廣泛而持久的影響資產定價，如何準確地度量情緒及其對資產定價的影響成為重要研究議題[1]。當前使用最為廣泛的情緒度量方式，是BAKER et al.[2]構建的綜合情緒指數(簡稱BW指數)。但BW類指數旨在度量市場整體情緒，無法直接度量行業(yè)、個股層面情緒及其對資產價格的影響。同時，受到情緒變量的數據頻率限制，BW類指數多以年、月為單位構建，無法應用于投資者情緒對資產定價的短期影響研究。

針對這一情況，本研究使用股票技術分析指標構建同時適用于市場和個股并能以更高頻率度量投資者情緒的情緒指數。與行為金融學類似，股票技術分析以人類行為模式重復和可預測為基本前提。股票價量變化反映投資者決策過程，而投資者決策過程直接反映投資者情緒。因此，蘊含價量的技術分析指標天然就是投資者情緒的代理指標?；诩夹g分析指標構建的技術情緒指數既可如BW指數那樣度量市場整體情緒，也可根據研究需要以股票類別(如AH股)或個股為單位獨立構建，以度量特定層面投資者情緒及其影響。

具體而言，本研究沿用BW指數的構建思想，通過主成分分析法提取換手率、相對強弱指標、乖離率、人氣指標和成交量比率5個技術指標中的投資者情緒成分，構建技術情緒指數，并以1999年至2015年為樣本期，實證檢驗技術情緒指數在市場和個股層面度量投資者情緒的有效性。在市場層面的研究中，本研究揭示了技術情緒指數與BW指數的顯著相關性和近似性，驗證技術情緒指數對AH股、AB股股票價差現象的解釋能力；在個股層面研究中，揭示了個股技術情緒指數在橫截面和時間序列上與個股收益率的負相關關系，實證檢驗個股技術情緒指數與個股公司規(guī)模、已上市時間、賬面市值比、盈利能力和營業(yè)收入增長率等特征的相關方向，并與BAKER et al.[2]和FIRTH et al.[3]的類似研究進行對比分析。

1 相關研究評述

傳統(tǒng)金融理論認為，市場中的非理性行為影響會被理性投資者的套利行為所消除。然而，DE LONG et al.[4]提出的DSSW模型表明，系統(tǒng)性的噪音交易者風險的存在，限制了風險厭惡的理性投資者的套利行為，進而導致非理性投資行為，即投資者情緒的影響長期在市場中存在。在DSSW模型提出后，投資者情緒對資產價格的影響得到廣泛關注并取得了豐富的成果。在理論模型方面，BARBERIS et al.[5]從保守主義和代表性啟發(fā)入手構建投資者情緒影響資產價格的模型，保守主義使投資者對單個信息反應不足導致慣性效應，代表性啟發(fā)則使投資者對一系列同類信息反應過度導致反轉效應；DANIEL et al.[6]則從過度自信和自我歸因偏差出發(fā)，推導投資者情緒對資產價格的影響，過度自信導致投資者對信息反應過度，隨后對反應過度的修正引發(fā)反轉效應，自我歸因偏差使投資者不斷強化自身信念，導致動量效應和盈余漂移現象；HONG et al.[7]提出信息逐步擴散模型，信息的緩慢擴散導致投資者在短期內反應不足，動量交易者利用這一現象通過把握股價趨勢獲利，而對這一趨勢策略的過度使用最終導致股價的過度反應。實證研究也證實，投資者情緒對股票、債券、期貨、期權乃至匯率、房地產等各種類型資產定價過程都存在顯著影響。BAKER et al.[2]發(fā)現股票市場當期收益率與上期投資者情緒呈反比，且估值越難以確定、越難以套利的股票越容易受到投資者情緒的影響，個股對投資者情緒敏感程度的差異可以很好地解釋股票收益率的橫截面差異；STAMBAUGH et al.[8]發(fā)現投資者情緒對動量效應、盈利能力溢價等11個有悖于有效市場假說的金融異象均具有較強的解釋能力。同時，投資者情緒的影響在存在賣空限制的市場中具有不對稱性，當市場低迷時，悲觀者只能退出市場而無法將其悲觀情緒反映至情緒指標和資產價格，因此樂觀情緒對市場異象形成的影響更大。CORREDOR et al.[9]在法國、西班牙、德國和英國4個歐洲國家均發(fā)現了投資者情緒影響股票定價過程的實證證據，各國股票對投資者情緒的敏感程度與股票自身特征有關，也受到各國股票市場制度差異的影響。CORTéS et al.[10]發(fā)現投資者情緒還將影響債券評級的結果，市場情緒積極時債券評級普遍相對較高，而市場情緒悲觀時則產生相反的效應；SHU et al.[11]認為投資者情緒對股票市場的高波動率以及泡沫形成和破滅的過程具有很好的解釋能力。資產價格和情緒存在雙向正相關關系，樂觀的投資者基于高漲的情緒進一步推高資產價格，引發(fā)資產泡沫，在資產泡沫的頂點，情緒反轉導致資產價格大幅下跌，引發(fā)更加強烈的恐慌情緒，進而導致市場崩盤。ANTONIOU et al.[12]發(fā)現投資者情緒通過影響投資者(特別是個人投資者)對股票的估值，進而影響個股的權益融資成本，對市場情緒更敏感的高beta個股受到的這一影響更大，市場情緒高漲時權益融資成本受情緒的影響相對市場情緒低迷時更大。

在中國的研究方面，陸靜等[13]發(fā)現在控制Fama-French三因素以及宏觀經濟變量的情況下，投資者情緒對同期的A股市場和H股市場依然具有顯著影響，投資者情緒對A股市場未來12個月的收益率和對H股市場未來6個月的收益率具有顯著的反轉預測效果；熊偉等[14]運用有向環(huán)圖(DAG)技術識別SVAR模型，實證檢驗股票特質波動率與股票收益和投資者情緒相關性，發(fā)現投資者情緒和股市流動性是影響中國股票市場高特質波動股票收益率與低特質波動股票收益率橫截面差異大小的重要原因；宋順林等[15]以2006年至2011年917家IPO公司為樣本進行實證檢驗，發(fā)現市場情緒和個股具體的情緒均顯著影響IPO溢價，市場情緒較高組公司比較低組公司的IPO溢價高36%，個股情緒較高組公司比較低組公司的IPO溢價高24%，公司價值不確定性越高，市場情緒對IPO溢價的影響越大。

鑒于投資者情緒對資產價格影響的廣泛性，BAKER et al.[1]認為，當前的問題已經不再是投資者情緒是否影響資產價格，而是如何去度量投資者情緒及其對資產價格的影響?，F有的投資者情緒度量指標可分為4類，第1類是通過直接調查和訪問投資者對市場預期看法得到的直接情緒指標，如美國的個人投資者指數、投資者智慧指數、密歇根大學消費者信心指數，以及中國的央視看盤指數和好淡指數等。FERNANDES et al.[16]使用消費者信心指數和歐洲經濟情緒指標(ESI)作為投資者情緒度量指標，發(fā)現二者能夠用以預測葡萄牙股票市場總體收益水平。第2類是對資本市場客觀數據進行整理分析后得到的，能夠反映投資者對資本市場未來態(tài)度和看法的間接情緒指標，如封閉基金折價率、換手率、IPO首日上市收益率等。BAKER et al.[17]對流動性指標對總體股票市場以及特定公司股票收益率的預測能力進行研究，得到換手率等流動性指標作為投資者情緒度量指標的理論模型和實證證據。第3類是影響投資者對市場預期和資產定價的非經濟變量，如天氣、自然災害、季節(jié)變化、重大體育賽事結果、社交媒體信息等。程琬蕓等[18]通過文本分析技術從新浪微博評論中識別并提取投資者對證券市場未來漲跌走勢的情緒傾向信息。第4類是以BAKER et al.[2]為代表的，由多個情緒代理變量通過特定方式組合而成的投資者綜合情緒指數。BAKER et al.[2]將封閉基金折價率、換手率、IPO數量、IPO首日收益率、股權融資比、分紅溢價等情緒指標分別與工業(yè)生產指數和經濟周期狀態(tài)等主要的宏觀經濟變量進行回歸后，利用主成分法將回歸后的情緒指標殘差統(tǒng)一為一個綜合的投資者情緒指數。由調查問卷等方式得到的直接情緒指標通常面臨樣本量太小、調查時效性不足等限制，單個間接情緒指標與市場活動或經濟變量之間存在一定的內生性，因而對情緒度量的精確度降低，天氣等非經濟變量作為情緒指標的理論基礎薄弱，而BAKER et al.[2]提出的投資者綜合情緒指數包含多個情緒代理變量，且通過與宏觀經濟變量的正交，剔除了各情緒代理變量中經濟周期等非情緒因素的影響，因而能夠更全面、準確地反映市場的整體情緒，成為投資者情緒領域實證研究中應用最為廣泛的情緒度量方法[19-21]。

然而，BW指數仍然存在一些不足。首先，BW指數偏宏觀和總體，反映市場所有投資者的綜合情緒，很難在行業(yè)和地域等層面，特別是公司(即個股)層面進一步細分。事實上，目前關于個股情緒的研究極為缺乏，為直接從公司層面利用投資者情緒開展資產定價和公司財務等領域研究帶來不便。其次，受到情緒代理變量的數據頻率限制，BW類指數大都以年度和月度為單位構建，難以進一步提高指數構建頻率。以IPO數量為例，IPO不是連續(xù)過程，特定時段可能無新股發(fā)行，在中國等新興資本市場，IPO還常因行政監(jiān)管等外部因素暫停，造成IPO數量及首日收益率數據缺失，進而影響B(tài)W指數的構建。1994年7月至今，中國證監(jiān)會因各種原因已先后9次暫停IPO，最長曾連續(xù)14個月未允許任何新股上市?；贐W指數的這些不足，本研究擬利用在時間和橫截面上均具有較強擴展性的股票技術指標，構建能夠同時適用于市場和個股層面，并能以更高頻率度量投資者情緒的情緒指數。如STURM[22]所說的，行為金融學與技術分析基于同樣一個前提，即人類的行為模式是重復的和可預測的。股票價格與成交量的變化反映了投資者的決策過程，投資者的決策過程則直接反映投資者情緒。因此，基于價格和成交量的技術分析指標，天然地就是投資者情緒的代理變量。然而，目前中國學者還很少從這一角度對投資者情緒展開研究，這為本研究留下了充足的研究空間。

2 研究設計

2.1 技術情緒指數的依據和優(yōu)勢

技術分析是對成交價和交易量等市場交易歷史數據進行分析的過程，MENKHOFF[23]對美國、德國、瑞士、意大利和泰國的692家基金管理者的調查發(fā)現，他們中的絕大多數認為在預測數周內的市場變動時，通常技術分析比基本面分析更為有效；王志剛等[24]也發(fā)現技術分析對中國市場股票收益率具有一定的預測能力。技術分析的有效性建立在市場的無效性基礎之上，而市場的無效性是行為金融學說的基本研究前提。因此，正如STURM[22]所指出，行為金融學與技術分析同樣以人類行為模式重復和可預測為基本前提。行為金融學者使用投資者情緒度量投資者的非理性程度，而技術分析指標直接反映投資者的非理性投資決策結果。盡管投資者情緒無法直接觀測，但股票價格和成交量的變化可以觀測，而股票價格和成交量的變化反映了投資者的決策過程，投資者的決策過程則直接反映投資者情緒。因此，基于股票價格和成交量的技術分析指標天然地就是投資者情緒的代理變量。BROWN et al.[25]將騰落指標(ADL)和新高新低指數(NH/NL)等技術分析指標歸類為市場表現類間接情緒指標，發(fā)現它們與美國個人投資者協(xié)會指數和投資者智慧指數等直接情緒指標有著明顯的相關性；NEELY et al.[26]從移動平均指標、交易量指標和動量指標3類技術指標中選擇14個指標作為研究對象，實證研究發(fā)現這些技術指標不僅與當期BW指數高度正向相關，還對BW指數具有顯著的預測能力。而相對強弱指標(RSI)、波動率(VIX)和阿姆氏指標(ARMS)等其他技術分析指標也常見于投資者情緒研究中[27-29]，BAKER et al.[17]使用的換手率在本質上也屬于技術分析指標。

與BW指數相比，使用技術分析指標構建情緒指數具有以下優(yōu)點。①技術分析指標在時間維度上更具擴展性。BW指數使用的指標大都比較宏觀，樣本頻率較低，多以年為單位，盡管FIRTH et al.[3]成功的構建了月度BW指數，但受指標本身觀察頻率的限制，要進一步提高BW指數頻率十分困難。而技術分析指標基于市場交易數據，既可以年、季、月為周期收集數據，也可以周、日、時甚至分和秒為單位進行高頻分析，極大地拓展了投資者情緒的應用空間。②技術分析指標在橫截面同樣具有可擴展性。由于交易數據的可合并性，既可以使用個股技術分析指標度量個股情緒，也可以以各種股票指數為標的，計算按行業(yè)和地域等特征構建的股票組合，乃至個性化股票組合的技術分析指標，并構建相應的情緒指數，在投資實踐中具有較強的應用意義。③中國股票上市實行審核制，IPO公司數量直接受到監(jiān)管部門的政策影響，從1994年至今，中國證監(jiān)會已先后9次暫停新股發(fā)行，并于2013年12月起將IPO公司首日漲幅限制為44%。類似現象在新興國家股票市場并不鮮見，難免導致相關情緒指標(如IPO數量和IPO首日收益率等)摻雜非情緒噪音，削弱對情緒度量的有效性，而技術分析指標較少受到這些因素影響。

2.2 構建技術情緒指數的代理變量

鑒于BW指數已得到充分實證檢驗，本研究沿用BW指數的基本思想，使用主成分法提取多個指標的情緒成分，以綜合度量投資者情緒。與BW指數不同的是，本研究使用可個性化的技術指標代替IPO數量等市場整體指標作為情緒代理變量。為確保技術情緒指數的合理性，盡量選擇在已有研究中得到實證檢驗、在股票投資實踐中得到廣泛應用的技術指標。同時，本研究樣本涉及A股、B股和香港H股3種股票類型，所選擇的指標還必須在3個市場中具有同樣的適應性和可獲得性。按照這些原則，本研究選用以下5個指標構建技術情緒指數。

第1個指標是換手率(Turn)，即股票交易量與其流通市值的比率。BAKER et al.[17]的理論模型表明，在存在賣空限制的市場，非理性投資者僅在對市場持積極樂觀態(tài)度時才參與市場交易，因此高換手率或者說高流動性是股票價格被非理性高估的表現?；谶@一邏輯，BAKER et al.[17]明確提出無論在個股還是市場層面，換手率均可以被作為投資者情緒的度量指標。當前在投資者情緒研究領域應用最為廣泛的BW指數及其類似情緒指數大都將換手率作為重要的情緒代理指標[1,3,8]。同時，換手率也是國泰安數據庫A股市場投資者情緒指數ISI指數、中國股票市場投資者情緒綜合指數CICSI指數的核心指標。部分學者還直接使用換手率單個指標度量投資者情緒[30]。同時，為了盡可能的剔除換手率中的非情緒因素，本研究還參照FIRTH et al.[3]的做法，在對換手率數據做對數轉換后，通過5個月移動平均的方法進行去趨勢處理。

第2個指標是相對強弱指數(Rsi)，以一段時間內個股或指數上漲幅度與下跌幅度的對比來描述個股或指數所處強弱狀態(tài)。相對強弱指數的計算公式為

u=1,2,…,k，d=1,2,…,j，j+k=n

(1)

其中，i為個股或股票指數，t、n為月，UPi,u為i個股或股票指數第u個上漲月的上漲幅度，Downi,d為i個股或股票指數第d個下跌月的下跌幅度。假設在(t-n+1)月～t月的最近n月內，i個股或股票指數有j個月下跌、k個月上漲。Rsi的概念和計算方法最早由WELLS WIDER于1978年提出，并發(fā)表于美國《Commodities》雜志(現《Future》雜志)。從投資者情緒的角度看，相對強弱指數反映了樂觀情緒與悲觀情緒的對比情況。KUMAR et al.[27]利用1991年至1996年的185萬條個人投資者交易記錄，構建買賣相對強弱指標度量投資者情緒，發(fā)現這一指標能夠預測個股的收益率變動方向，支持個股投資者情緒在股票定價中發(fā)揮作用的觀點。CHEN et al.[29]使用相對強弱指標及其他指標構建投資者情緒指數，發(fā)現基于該情緒指數的閾值模型對香港恒生指數牛、熊狀態(tài)的預測能力顯著強于其他模型，且基于該情緒指數的交易策略能夠獲得顯著超額利潤，從而證實了相對強弱指標度量投資者情緒的有效性。

第3個指標是乖離率(Bias)，描述股票價格與其移動平均值之間的偏離程度。乖離率的計算公式為

(2)

其中，Pi,t,c為i個股或股票指數在第t月的收盤價，Pma(n)為i個股或股票指數在第(t-n+1)月～t月(即最近n月)的移動平均價格。均值回歸是金融市場中長期普遍存在的一種市場現象，代表資產價格圍繞其基本面價值上下波動。DE LONG et al.[4]認為基于情感和情緒而非理性信息做出投資決策的噪音交易者的存在導致資產價格偏離基本面價值，而在長期內由于理性投資者的套利行為，資產價格將回歸基本面價值，從而造成均值回歸現象。乖離率表示的股票價格與其均值的偏離程度，一定程度上反映了股票價格的錯誤定價程度，即投資者情緒的高低。因此，在投資實踐中，當前股價與移動平均值的偏離通常意味著買入或賣出信號的出現。孫碧波[31]以上證指數為研究對象，發(fā)現持有期可變的移動平均策略能夠帶來相當大的超額利潤，異步交易和交易成本會削弱但不會完全抵消這種預測能力；ZHU et al.[32]的理論模型表明，當股價面臨不確定性時，基于移動平均規(guī)則的資產組合策略的表現顯著優(yōu)于其他最優(yōu)組合策略，而基于真實市場數據的實證檢驗對比也支持這一假說。

第4個指標是人氣指標(AR)，通過比較一段周期內的開盤價在該周期價格中的高低，反映市場買賣人氣。開盤價體現了投資者對上一個交易日結束后新的市場信息的認識，蘊含著投資者由于信息處理偏差和信息本身存在的噪音所引發(fā)的非理性情緒。BERKMAN et al.[33]認為投資者情緒由個人投資者對股票的需求引發(fā)，而個人投資者進行股票交易的行為在開盤前后較為集中，因而開盤價與其歷史收盤價的價差能夠在一定程度上反映投資者情緒。ABOODY et al.[34]基于這一思想驗證了使用這一價差度量個股投資者情緒的可行性，發(fā)現個股開盤價與其上周收盤價的相對價格與個股未來短期收益率正相關，與其未來長期收益率負相關，且這一效應在更難以估值的個股中更大，符合投資者情緒存在短期粘性、長期反轉且對難以估值個股影響更大的特征，表明這一價差的確能夠較好地度量投資者情緒。人氣指標的計算公式為

(3)

其中，Pi,w,h為在(t-n+1)月～t月的最近n月內i個股或股票指數在第w月的最高價，Pi,w,o為在(t-n+1)月～t月的最近n月內i個股或股票指數在第w月的開盤價，Pi,w,l為在(t-n+1)月～t月的最近n月內i個股或股票指數在第w月的最低價。

第5個指標是成交量比率(VR)，指一定周期內股票上漲時成交量與下跌時成交量的比值，反映市場買賣與多空情緒對比。BLUME et al.[35]早在1994年就指出交易量可以作為技術分析指標預測股價的未來變動；LEE et al.[36]發(fā)現交易量對股票收益率在中期的動量效應和在長期的反轉效應中均有一定的解釋作用，成交量高的、過去收益率高的股票收益率反轉的周期更短；BAKER et al.[17]認為在存在賣出限制的股票市場，高成交量表明非理性投資者主宰了市場，因此成交量的增加代表著投資者情緒的增加；NEELY et al.[26]發(fā)現根據一定周期內股票上漲時成交量與下跌時成交量的差異構建的技術指標，不僅與當期BW指數存在顯著正向相關關系，還對BW指數和美國股票市場股權風險溢價水平具有較強的預測能力。成交量比率的計算公式為

(4)

其中，Volumi,u為i個股或股票指數第u個上漲月的成交量，Volumi,d為i個股或股票指數第d個下跌月的成交量。

本研究對所有技術指標進行后復權處理，以避免公司因除權除息而造成的技術指標值畸變現象。本研究沿用BAKER et al.[2]的方法，先對所有技術情緒指標當期和滯后1期值進行主成分分析，得到初始情緒指數，并將情緒指標當期和滯后1期值分別與初始情緒指數進行回歸，取兩者相關系數絕對值的較大者作為正式的情緒指標。隨后將篩選后的情緒指標與工業(yè)增加值增長率和消費增長率進行正交，繼而以主成分分析法構建技術情緒綜合指數。BAKER et al.[2]認為將情緒代理指標與經濟基本面指標進行正交能夠消除各代理指標中的非情緒影響，而主成分分析能夠進一步篩除情緒代理指標中的非情緒噪音，提取各指標的共同情緒成分。因此，本研究沿用BAKER et al.[2]的方法構建的技術情緒指數能夠最大程度地消除非情緒因素的影響。由于中國直至1998年3月27日才有第1支封閉基金問世，本研究以1999年1月至2015年12月為研究區(qū)間，以保障數據的連續(xù)性和可獲得性。依據各部分實證研究需要選擇A股、B股或H股的相應指標數據，具體觀測數見后文。為了得到更多有效觀測值，并彰顯技術情緒指數可以較高頻率度量投資者情緒，本研究多數實證研究選用月度數據?；谶@一樣本頻率，參照史蒂文·阿基利斯[37]對各技術指標在投資實踐中應用情況的總結，本研究以6個月為Rsi的計算周期(n=6)，以12個月為Bias的計算周期(n=12)，以26個月為AR和VR的計算周期(n=26)。為便于模型解釋，本研究對所有情緒指數進行標準化處理。為便于構建BW指數以與本研究提出的技術情緒指數進行對比分析，本研究還獲取了IPO數量(Nipo)、IPO首日收益率(Ripo)、封閉基金折價率(Cefd)、股權融資比例(Eshare)、銀行存款增長率(Dsg)、新增A股股票賬戶開戶數(Nact)等指標數據。表1給出本研究構建的各類情緒指數所使用的指標變量名稱、含義和數據來源。

表1 變量定義和數據來源Table 1 Variable Definition and Data Source

2.3 研究假設

(1)本研究擬通過技術情緒指數對交叉上市公司股票的價差現象進行解釋，以驗證技術情緒指數在市場層面的有效性。交叉上市股票價差現象是廣泛存在的市場異象之一，對這一現象的解釋包括信息不對稱、流動性差異、需求彈性差異和風險差異等，但都不足以充分解釋股票價差現象的長期存在和無規(guī)律變化。SHLEIFER[38]認為套利者擔心由投資者情緒導致的資產錯誤定價現象在被糾正之前會繼續(xù)惡化，即套利者畏懼噪音交易者風險是造成交叉上市公司股的股票價差現象長期存在的原因。據此，BAKER et al.[39]認為，有效的投資者情緒指數應當能夠捕捉到噪音交易者風險，即投資者情緒對交叉上市公司股票價格差異的影響，因此可以利用這一價差現象對投資者情緒指數的有效性進行驗證，并用實證研究支撐這一推論；宋順林等[40]也發(fā)現投資者情緒是中國AH股溢價現象的重要影響因素。因此，如果技術情緒指數能夠有效度量投資者情緒，其應對AH股和AB股股票價差現象有較強的解釋能力。因此，本研究提出假設。

H1技術情緒指數差異能夠解釋AH股和AB股股票價差現象。

(2)本研究擬通過檢驗個股技術情緒指數與個股收益率是否存在顯著負向關系，來驗證個股技術情緒指數在個股層面度量投資者情緒的有效性。投資者情緒與收益率的負向關系在已有研究中已經得到充分的驗證，投資者情緒高漲時過度樂觀高估股票市場價值進而推高股價，隨后股價回歸基本面價值進而造成負向的收益率；而投資者在情緒低迷時低估股票價值，隨后股價回歸基本面價值造成正向的收益率。BAKER et al.[2]對1965年至2003年美國股票市場的研究發(fā)現，投資者情緒與未來的股票收益率成反比，且越難以準確估值、越難以套利的公司受投資者情緒的這一影響越大；SCHMELING[41]以消費者信息指數為情緒指標，發(fā)現在18個工業(yè)國家，投資者情緒與股票市場總體收益率負相關。因此，根據已有投資者情緒研究成果，如果個股技術情緒指數能夠度量個股所受投資者情緒影響，則應當滿足：①在橫截面上，個股技術情緒指數值越高的個股，隨后的收益率相對越低；②在時間序列上，與情緒高漲時相比，情緒低迷時個股隨后的收益率會相對更高。因此，本研究提出假設。

H2個股技術情緒指數值與個股收益率顯著負相關。

(3)不同運營和財務特征的公司對投資者情緒的敏感程度存在差異，如果技術情緒指數能夠度量個股投資者情緒，則個股特征差異應與個股技術情緒指數值存在顯著的相關性。BAKER et al.[2]發(fā)現，規(guī)模小的、年輕的、波動性大、盈利能力差、不分紅、成長極度緩慢或極度迅速、財務狀況差的公司，即估值越難以確定、越難以套利的股票越容易受到投資者情緒的影響；FIRTH et al.[3]認為，在新興市場，信息透明度是造成公司難以準確估值和套利的更重要原因，信息透明度越低的公司對投資者情緒越敏感；宋澤芳等[42]發(fā)現A股市場上，規(guī)模較大、波動率較高、市凈率較高的股票易受情緒的影響。因此，本研究提出假設。

H3個股技術情緒指數值與個股運營和財務特征存在顯著相關性。

3 實證研究

3.1 技術情緒指數與BW指數的對比分析

(5)

(6)

(7)

(8)

3.2 技術情緒指數對交叉上市股票價差的解釋

本研究參照BAKER et al.[39]的方法，檢驗交叉上市股票價差與投資者情緒的相關性，以驗證技術情緒指數的有效性。首先對AH股票價差進行研究，檢驗方程為

(a)月度技術情緒指數與BW指數對比

(b)年度技術情緒指數與BW指數對比

圖1 技術情緒指數與BW指數對比Figure 1 Comparison of Technical Sentiment Index and BW Index

注：*為在10%的水平上顯著，***為在1%的水平上顯著，下同。

(9)

(10)

(11)

除AH股外，中國股票市場還存在另外一種獨特的交叉上市現象，即AB股交叉上市，且A股與B股股價也同樣存在長期違背平價定律的現象。由于A股和B股同在中國交易，使用封閉基金折價、IPO數量等構建的BW指數無法對A股和B股市場投資者情緒進行有效區(qū)分，因而無法用于AB股票價差分析。而A股和B股股票的交易活動相互獨立，基于交易數據生成的技術指標和技術情緒指數同樣相互獨立。因此，如果技術情緒指數能夠同樣解釋AB股票價差現象，不僅能夠進一步驗證技術情緒指數的有效性，還能充分體現該指數相對于BW指數的獨特優(yōu)勢，即由于技術指標在橫截面上的可擴展性，可根據研究需要在市場、地域、行業(yè)乃至個股層面分別構建相應技術情緒指數。

表3 交叉上市股票價差與整體市場技術情緒指數差異的相關性Table 3 Correlation between Stock Price Deviation for Cross-listed Companiesand Market-wide Technical Sentiment Index Difference

(12)

(13)

總的來說，使用技術指標構建的市場整體技術情緒指數與BW指數存在顯著的相關性和近似性，且可以很好地解釋中國AH股、AB股股價違反“一價定律”的金融異象，充分驗證了技術情緒指數在市場層面的有效性，也為本研究進一步利用技術指標度量個股投資者情緒奠定了基礎。

投資者情緒源于非理性的市場參與者基于情感或情緒的非理性思想和觀點所形成的對未來預期的系統(tǒng)性偏差。在投資者注意力有限的情況下，個股投資者大都僅關注自身持有的少數種類股票，除市場整體情緒外，直接參與個股交易的特定投資者的情緒對個股價格的影響同樣重要。因此，將投資者情緒研究拓展至個股領域，對使用投資者情緒工具在公司層面開展資產定價和公司財務等領域研究具有重要意義。然而，受情緒代理變量偏宏觀的限制，BW指數無法直接對個股層面的投資者情緒進行度量，而基于技術指標的個股技術情緒指數則不存在這一限制，這為本研究使用技術情緒指數直接度量個股所受情緒影響留下了研究空間。同樣以AH股和AB股票價差為研究對象，對個股技術情緒指數的有效性進行實證檢驗。首先按照前文方法，以各技術指標的第一主成分構建AH股和AB股公司的個股投資者情緒指數，Tisenti,A,t、Tisenti,H,t分別為第i只AH股t月A股和H股的個股技術情緒指數，TisentA,i,t、TisentB,i,t分別為第i只AB股t月A股和B股的個股技術情緒指數。(14)式～(17)式分別給出這些個股技術情緒指數，即其個股技術指標第一主成分的表達式，其對各個股技術指標的方差解釋力度分別為45.871%、51.204%、51.005%和54.386%。

(14)

(15)

(16)

(17)

表4的A欄和B欄分別給出AH股和AB股交叉上市股票價差及其變動與個股技術情緒指數差異的相關性檢驗結果，第2列和第4列是將正交前的個股技術情緒指數值差異作為解釋變量的回歸結果，結果表明個股技術情緒差異與AH股票價差及價差的變動顯著相關，回歸系數分別為0.047和0.032，高于表3中使用市場技術情緒指數差異作為解釋變量時的0.022和0.019；類似的，個股技術情緒差異與AB股票價差及價差的變動同樣顯著相關，回歸系數分別為0.039和0.030，高于表3中使用市場技術情緒指數差異作為解釋變量時的0.026和0.016。表明個股技術情緒指數值所蘊含的情緒效應似乎不僅止于市場整體情緒的影響。第3列和第5列以正交后的個股技術情緒指數差異作為解釋變量，以市場技術情緒指數差異為控制變量。在控制市場情緒差異影響后，個股技術情緒指數差異仍然顯著影響AH股和AB股票價差及價差的變動，1單位正交后的個股技術情緒指數值差異，將導致AH股票價差及價差的變動發(fā)生0.022和0.018的變動，并且導致AB股票價差及價差的變動發(fā)生0.019和0.010的變動。綜合前文實證結果，可以發(fā)現技術情緒指數在市場和個股層面對AH和AB股票價差現象均具有較好的解釋能力，H1得到驗證。同時，這一解釋能力也表明，技術情緒指數可彌補BW指數無法區(qū)分AB股市場情緒以及直接度量個股情緒的不足。

表4 交叉上市股票價差與個股技術情緒指數差異的相關性Table 4 Correlation between Stock Price Deviation for Cross-listed Companiesand Firm-specific Technical Sentiment Index Difference

表5 按個股技術情緒指數值分組的股票組合收益率比較結果Table 5 Comparison Results for Return on Stock Portfolio Grouped by Firm-specific Technical Sentiment Index

注：1～10為按照個股技術情緒指數值從低到高劃分的10個組別；括號內的數據為t檢驗的t值。**為在5%的水平上顯著，下同。

3.3 個股技術情緒指數與個股收益率

本研究以1999年至2015年1 382家中國A股主板上市公司為樣本檢驗H2。首先，本研究按照前文方法分別構建每家樣本公司的月度技術情緒指數，隨后將所有樣本公司的月度個股技術情緒指數值與其整個樣本期的平均值進行對比，并將高于平均值的觀測值歸入情緒高漲組，將低于平均值的觀測值歸入情緒低迷組；按照個股技術情緒指數值從低到高的順序，將兩組觀測值分別劃分為10組，第1組的個股技術情緒指數值最低，第10組的最高。隨后根據(t-1)月的分組情況計算各組股票t月的等權重加權收益率，進而計算出各組股票整個樣本期的月平均收益率。表5描述并比較了各組股票樣本期內的月平均收益率。由表5可知，①無論情緒高漲還是低迷，個股技術情緒指數值更高的組別樣本期的月平均收益率更低。情緒低迷組，各組別的月平均收益率從第1組的2.624%下降至第5組的1.842%，再降至第10組的1.472%，第1組與第10組的收益率差異為1.152%，第1組與第5組的收益率差異為0.782%，第5組與第10組的收益率差異為0.370%；情緒高漲組，從整體看，收益率隨組別上升逐步下降的趨勢依然明顯，第1組與第10組的收益率差異為1.154%，第5組與第10組的收益率差異為1.232%；②同一組別樣本期的月平均收益率在情緒低迷組較情緒高漲組顯著更高，二者的差異從最低的0.348%到1.311%不等。正如本研究所預期的，無論在橫截面還是時間序列上，個股技術情緒指數值高低與個股隨后的收益率均存在明顯的負向關系。圖2描繪了各組別平均月收益率的變化軌跡。

圖2 按個股技術情緒指數值分組的股票組合收益率Figure 2 Return on Stock Portfolio Groupedby Firm-specific Technical Sentiment Index

觀察圖2可知，與表5的分析結果類似，無論在情緒高漲組還是情緒低迷組，各組別月平均收益率均與其組別呈現負向關系，即個股技術情緒指數值更高的組別次月的收益率更低；同時，對同一組別而言，其次月的收益率在情緒高漲組相對更低。

為了進一步驗證這一負向關系，將所有樣本公司按照月度個股技術情緒指數值大小平均分成10組，并構建等權重買入個股技術情緒指數值較低組、賣出較高組的投資組合，包括買入個股情緒指數值最低的第1組-賣出最高的第10組，買入第5組-賣出第10組以及買入第1組-賣出第5組3個投資組合策略。如果個股技術情緒指數值與個股收益率負相關，這些零成本的投資組合應存在顯著的正向投資收益。統(tǒng)計結果表明，在樣本期內，本研究這一投資組合月收益率平均為1.134%，中位數為0.947%。此外，兩組間的平均個股技術情緒指數值差距越大，組合收益率應越高。使用(18)式對這一預期進行實證檢驗，即

Rsent=Low,t-Rsent=High,t=α1+β11(SentHigh,t-1-SentLow,t-1)+u1i,t

(18)

其中，Rsent=Low,t為個股技術情緒指數值較低組樣本公司t月的等權重平均收益率；Rsent=High,t為個股技術情緒指數值較高組樣本公司t月的等權重平均收益率；SentHigh,t-1和SentLow,t-1為個股技術情緒指數值較高組和較低組股票在(t-1)月的等權重平均個股技術情緒指數值；(SentHigh,t-1-SentLow,t-1)為情緒差異項，稱為情緒因子；α1為常數項，β11為估計系數，u1i,t為殘差項。為了控制已知的風險因子的影響，本研究還將Fama-French三因子和3個月的動量因子加入回歸模型，即

Rsent=Low,t-Rsent=High,t=α2+β21(SentHigh,t-1-SentLow,t-1)+

β22Rmktt+β23Smbt+β24Hmlt+

β25Momt+u2i,t

(19)

其中，Rmktt為市場溢價因子；Smbt為規(guī)模溢價因子；Hmlt為價值溢價因子；Momt為動量因子，等于等權重加權的、前3個月累積收益最高的30%股票組合與最低的30%股票組合加權收益率之差；α2為常數項，β21～β25為估計系數，u2i,t為殘差項。Rmktt、Smbt、Hmlt和Momt數據來自于銳思數據庫。

表6給出(18)式和(19)式的回歸結果，為了避免情緒因子的自相關性導致的估計偏差，參照STAMBAUGH et al.[8]的做法，利用bootstap法計算標準誤。第2列和第5列給出買入平均個股情緒值最低組(即第1組)-賣出最高組(即第10組)的回歸結果，第3列和第6列給出買入第5組-賣出第10組的回歸結果，第4列和第7列給出買入第1組-賣出第5組的回歸結果。由于(18)式和(19)式的被解釋變量為按照前文定義的股票投資組合的月度收益率，因此在1999年至2015年的樣本期內，共得到17年204個月度收益率數據，計算滯后1期數據造成1個觀測月的損失，最終的有效觀測數為203個。在所有回歸結果中，買賣組別的平均個股技術情緒差異(SentHigh,t-1-SentLow,t-1)的系數均為正，與預期一致，且第2列、第5列和第6列在5%的水平上顯著，第3列在10%的水平上顯著。在加入4因子控制變量后，模型的整體解釋力度顯著增加，但技術情緒差異的系數依然如預期那樣均為正。同時，除市場溢價因子因買賣對沖后不再顯著外，規(guī)模溢價因子、價值溢價因子和動量因子大都依然顯著，說明個股技術情緒差異對該投資組合收益率的影響獨立于這些風險因子存在，進一步驗證了H2，即個股技術情緒指數與個股收益率存在顯著負相關關系，進而驗證了技術情緒指數在個股層面的有效性。

3.4 個股技術情緒指數與公司特征

如果個股技術情緒指數能夠度量個股所受情緒影響，其應與公司財務和運營特征存在顯著關聯。本研究按月將1999年至2015年中國A股主板上市公司按照規(guī)模、成熟程度、價值、盈利能力、財務狀況、資產確定性、股價波動性、成長性等8類特征分別分為10組，并計算每一組樣本期內的等權重平均個股技術情緒指數值，以檢驗H3。具體來說，本研究以年末流通市值測量公司規(guī)模(Size)，以上市天數測量公司成熟程度(Age)，以年末賬面市值比測量公司相對價值(BM)，以年股權收益率測量公司盈利能力(Roe)，以年末資產負債率測量公司財務狀況(D/A)，以年末固定資產比例測量公司的資產確定性程度(TA)，以公司年內股票日收益率的波動率測量公司波動性(Sigma)，以公司年營業(yè)收入增長率測量公司成長性(Growth)。

各組別在樣本期的平均個股技術情緒指數值見圖3，賬面市值比越低、股權收益率越高、股價波動率越大、營業(yè)收入增長率越高的組別平均個股技術情緒指數值越高，與BAKER et al.[2]的發(fā)現基本吻合。

表6 基于個股技術情緒指數值的零成本買多賣空組合收益率Table 6 Return on Zero Investment Long-short Portfolio Based on Firm-specific Technical Sentiment Index

注：第2列～第4列為(18)式的回歸結果，第5列～第7列為(19)式的回歸結果；括號內數據為使用bootstap法計算標準誤得到的t值，抽樣次數為500次，下同。

(a)按公司規(guī)模分組

(b)按公司成熟程度分組

(c)按公司相對價值分組

(d)按公司盈利能力分組

(e)按公司財務狀況分組

(f)按公司資產確定性程度分組

(g)按公司波動性分組

(h)按公司成長性分組

注：各子圖的縱軸均為平均個股技術情緒指數值。

圖3按公司特征分組的股票組合的平均個股技術情緒指數趨勢圖
Figure3TrendonMeansofFirm-specificTechnicalSentimentIndexofStockPortfolioGroupedbyFirmCharacteristics

規(guī)模越大的公司平均個股技術情緒指數值越高，與BAKER et al.[2]的發(fā)現相反，但符合FIRTH et al.[3]對中國市場的研究結果。FIRTH et al.[3]認為在新興市場，信息透明度是造成公司難以準確估值和套利的更重要原因，大公司的內部關聯交易更多，涉及的商業(yè)領域更廣，組織結構更復雜，使缺乏有效信息的零散投資者對大公司的估值難度大于小公司，因此大公司對投資者情緒敏感的程度更強；宋澤芳等[42]也發(fā)現在中國A股市場，規(guī)模較大的公司更易受到投資者情緒的影響。此外，上市時間長短、固定資產比例和資產負債率與平均個股技術情緒指數值的關聯不明顯。

為了進一步分析這些關聯，本研究按月將A股主板所有上市公司按照個股(t-1)月技術情緒指數值高低分為10組，構建一個等權重買入第1組～第3組股票、賣出第8組～第10組股票的投資組合，將該投資組合的t月收益率作為情緒風險因子，記為Bmbt。在按公司特征對股票分組后，按月構建一個等權重買入特征值最高3組、賣出特征值最低3組的投資組合，并對其收益率與Bmbt的相關性進行檢驗。如果個股技術情緒指數能夠有效度量個股所受投資者情緒影響，則個股公司特征應與Bmbt存在顯著的相關性，按公司特征構建的股票組合的收益率將與Bmbt顯著相關。由于個股收益率與個股情緒值負相關，相關系數為正時，表示與買入組相比，賣出組的平均個股技術情緒指數值在數學意義上更高，即受情緒影響的程度更大；當相關系數為負時，表示買入組受情緒影響的程度更大。本研究使用(20)式和(21)式對此進行檢驗，即

RXi,t=High,t-RXi,t=Low,t=α3+γ1Bmbt+u3i,t

(20)

RXi,t=High,t-RXi,t=Low,t=α4+γ2Bmbt+β41Rmktt+β42Smbt+

β43Hmlt+β44Momt+u4i,t

(21)

其中，RXi,t=High,t為按公司特征分組時特征值最高的3組股票的月度等權重加權平均收益率，RXi,t=Low,t為按公司特征分組時特征值最低的3組股票的月度等權重加權平均收益率，(RXi,t=High,t-RXi,t=Low,t)為按公司特征分組的股票投資組合收益率，α3和α4為常數項，γ1、γ2、β41～β44為估計系數，u3i,t和u4i,t為殘差項。表7給出(20)式和(21)式中γ的估計值，表7第1列為用以分組的公司特征，第2列為投資組合的構建方式，第3列和第4列分別為未加入控制變量和加入控制變量后γ的估計值。表7的結果與圖3的分組分析基本吻合，賬面市值比越低、股權收益率越高、營業(yè)收入增長率越高的公司受情緒影響的程度更大，即對情緒的敏感程度越高，與BAKER et al.[2]的發(fā)現一致。由表7最后1列可知，公司規(guī)模在加入除規(guī)模溢價因子之外的已知風險因子后，與情緒風險因子的相關系數不再顯著。公司波動性和資產確定性與情緒風險因子的相關系數在加入控制變量后同樣變得不顯著，而資產負債率與情緒風險因子顯著正相關，表示資產負債率更低的組別對投資者情緒的敏感程度更高，與BAKER et al.[2]在美國市場的發(fā)現相反。這些結果說明了投資者情緒影響機制的復雜性，公司財務和運營特征與個股對投資者情緒敏感程度的相關性在不同市場并不完全一致[3]，相反個股技術情緒指數對個股所受投資者情緒影響的度量更為直觀、準確。整體來看，表7表明，個股的盈利能力、成長能力等財務和運營公司特征大都與基于個股技術情緒指數構建的情緒風險因子之間存在顯著的關聯，H3得到驗證。這一結果既符合本研究的預期，也與已有投資者情緒研究結果大致吻合，進一步說明用個股技術情緒指數度量個股情緒的合理性。

表7 按公司特征分組的股票組合收益率與情緒風險因子的相關性Table 7 Correlation between Return of StockPortfolio Grouped by Firm Characteristicsand the Sentiment Risk Factor

注：按公司規(guī)模分組時，未將Smb置入回歸方程，按公司相對價值分組時，未將Hml置入回歸方程；在按公司財務狀況分組時，剔除了金融行業(yè)樣本公司的觀測值。

4 穩(wěn)健性檢驗

4.1 技術情緒作為風險因子的Fama-Macbeth檢驗

本研究的核心邏輯是投資者情緒顯著影響股票收益，而基于技術指標構建的技術情緒指數能夠度量投資者情緒，進而度量其對股票價格的影響。換句話說，技術情緒為股票收益的顯著風險因子是本研究成立的基本前提。為此，本研究使用Fama-Macbeth兩步回歸法對技術情緒風險因子的存在性進行檢驗。

首先，如3.4節(jié)所述構建Bmb，以1999年2月至2001年12月為樣本期，按(22)式逐一對每家樣本公司的月度收益率ri,t與月度無風險收益率rf,t的差異(即i個股第t月相對于無風險收益的月度超額收益)與技術情緒風險因子、市場溢價因子、規(guī)模溢價因子、價值溢價因子、動量因子進行回歸，即

ri,t-rf,t=λiBmbt+β51,iRmktt+β52,iSmbt+β53,iHmlt+

β54,iMomt+u5i,t

(22)

(23)

其中，u6i,t為殘差項。

隨后對這一過程進行滾動，以2002年1月至2015年12月為樣本期，共計進行168次回歸，得到各溢價因子t月估計的溢價水平。

表8 技術情緒風險因子的Fama-Macbeth回歸檢驗結果Table 8 Results for Fama-Macbeth RegressionTest on the Technical Sentiment Risk Factor

注：觀測數為168；括號內的數據為t檢驗的t值，下同。

4.2 子樣本檢驗

本研究以1999年至2015年為研究區(qū)間，期間A股市場的規(guī)模、投資者數量、投資者類型、交易制度、監(jiān)管政策等均發(fā)生了較大的轉變，有必要進行子樣本檢驗以驗證本研究結果在各種市場環(huán)境中的穩(wěn)健性。為此，本研究基于A股市場引入境外合格機構投資者、實施股權分置改革、開展融資融券工作等3個標志性變革事件，將原樣本區(qū)間劃分為1999年1月至2003年5月、2003年6月至2005年4月、2005年5月至2010年3月和2010年4月至2015年12月4個子樣本區(qū)間，4個子樣本區(qū)間中，AH股交叉上市的有效觀測值分別為2 631個、1 092個、1 103個和4 708個，AB股交叉上市的有效觀測值分別為2 479個、1 026個、1 032個和4 614個，月度觀測數分別為53個、23個、59個和69個。2003年6月，中國第一家境外合格機構投資者獲得中國外匯管理局批準投資中國證券市場；2005年4月，中國證監(jiān)會下發(fā)《關于上市公司股權分置改革試點有關問題的通知》，正式啟動股權分置改革；2010年3月19日，中國證監(jiān)會正式公布融資融券首批6家試點證券公司。以各子樣本區(qū)間為研究區(qū)間，本研究重復前文研究，回歸結果見表9～表11，各子樣本區(qū)間主要解釋變量的系數符號和顯著性與全樣本回歸結果基本一致，技術情緒指數對AH股票價差、AB股票價差、個股收益率等始終存在顯著影響，表明本研究的結果穩(wěn)健。

4.3 其他可能解釋

在使用技術情緒指數解釋AH股和AB股股票價差現象方面，本研究在BAKER et al.[39]的模型基礎上，加入一系列已有研究表明會對交叉上市股票價差造成顯著影響的控制變量，以檢驗模型結果的穩(wěn)健性，這些控制變量包括信息不對稱、需求彈性、流動性和風險差異。①信息不對稱假說認為A股的中國投資者比H股和B股的境外投資者具有地理上的優(yōu)勢，進而具有信息優(yōu)勢，從而導致A股相對H股和B股溢價。本研究選取交叉上市公司A股與H股和B股流通市值之和的相對大小Rsize反映投資者的信息不對稱程度。公司規(guī)模越大受投資者關注程度越高，信息披露就越規(guī)范和充分，H股和B股的境外投資者的信息劣勢就越小。②需求彈性假說認為境外投資者相對于中國投資者的投資渠道更多，對H股和B股的價格需求彈性較低，進而造成A股的相對溢價。本研究選取H股和B股占公司流通股本的比率(Share)反映境外投資者的相對需求，H股和B股的比率越大，境外投資者的價格需求彈性就越低。③流動性差異假說認為流動性較差的股票需要得到流動性風險補償，交叉上市股票對應的市場流動性差異造成股票價差現象。本研究使用成交量與收益率絕對值之比作為流動性指標計算公司A股與H股和B股的相對流動性，表示為Liquidity。④風險差異假說認為境內外投資者的投機程度和風險承受能力差異可能導致A股與H股和B股股票價差。本研究以對應市場上公司股票上一年度日收益率的標準差之比反映這一差異，表示為Rsigma。加入控制變量的模型回歸結果見表12，由表12可知，盡管各控制變量大都顯著，但情緒差異變量的符號和顯著性并未受到影響，與前文結果基本一致，進而支撐了前文研究結果的穩(wěn)健性。

在個股技術情緒指數與個股收益率的相關性方面，前文以技術情緒指數值最高和最低的10%股票為研究樣本檢驗技術情緒差異對個股收益率的影響。為了進行穩(wěn)健性檢驗，本研究分別將樣本公司從技術情緒指數值最高和最低的10%拓展到最高和最低的30%和50%，并對技術情緒指數值差異與個股收益率的相關性重新進行檢驗，表13給出回歸結果。表13中，(1)列和(2)列的研究對象為上月個股技術情緒指數值最高和最低的30%的樣本公司組合，(3)列和(4)列的研究對象為上月個股技術情緒指數值最高和最低的50%的樣本公司組合。由于被解釋變量為情緒值較低組與較高組樣本公司等權重平均月度收益率的差異，因此在本研究的樣本期內，共得到了203組月度收益率數據，即有203個有效觀測數。表13的回歸結果與前文研究一樣，盡管系數大小有所下降，但(SentHigh,t-1-SentLow,t-1)的符號依然顯著為正，從而驗證了前文結果的穩(wěn)健性。

表9 子樣本回歸：交叉上市股價價差與個股技術情緒指數差異的相關性Table 9 Sub-sample Regression: Correlation between Price Deviationfor Cross-listed Companies and Firm-specific Technical Sentiment Index Difference

表10子樣本回歸：個股技術情緒指數與個股收益率相關性
Table10Sub-sampleRegression:CorrelationbetweenFirm-specificTechnicalSentimentIndexandIndividualStockReturn

Rsent=Low,t-Rsent=High,t1999年1月至2003年5月2003年6月至2005年4月2005年5月至2010年3月2010年4月至2015年12月SentHigh,t-1-SentLow,t-10.025**(1.993)0.013*(1.778)0.057***(2.884)0.043***(2.663)Rmktt-0.023(-0.319)0.041(0.325)-0.101(-0.497)-0.048(-0.784)Smbt0.233**(1.974)0.462***(3.217)0.891***(3.497)0.507***(3.844)Hmlt0.181*(1.826)0.096***(2.621)-0.028(-0.024)0.431**(2.294)Momt-0.178***(-3.228)-0.301**(-2.227)-0.194**(-2.094)-0.265***(-3.645)觀測數53235969調整后的R2/%37.41126.17635.47729.726Wald卡方值70.20633.12859.87665.294

表11 子樣本回歸：按公司特征分組的股票組合收益率與情緒風險因子的相關性Table 11 Sub-sample Regression: Correlation between Return of Stock Portfolio Groupedby Firm Characteristics and the Sentiment Risk Factor

表12 交叉上市股票價差與個股技術情緒指數差異相關性穩(wěn)健性檢驗Table 12 Robust Test: Correlation between Stock Price Deviation for Cross-listed Companiesand Firm-specific Technical Sentiment Index Difference

注：括號內的數據為按個股分類使用聚類標準誤計算的t值。

表13 個股技術情緒指數值與個股收益率相關性穩(wěn)健性檢驗Table 13 Robust Test: Correlation betweenFirm-specific Technical SentimentIndex and Individual Stock Return

注：括號內的數據為使用bootstap法計算標準誤得到的t值，抽樣次數500次，下同。

在個股技術情緒指數與個股特征方面，如果與宏觀經濟指標正交后的情緒指標仍然含有宏觀經濟因素成分，從而反映市場系統(tǒng)風險的變化，而按照公司特征構建的股票組合對市場組合的敏感程度(即beta系數)隨系統(tǒng)風險的變化而變化，則這些股票組合的收益率是對系統(tǒng)風險的補償，而非投資者情緒影響的結果。本研究參照BAKER et al.[2]的方法，使用(24)式的條件CAPM模型，對這一可能性進行穩(wěn)健性檢驗，即

RXi,t=High,t-RXi,t=Low,t=α7+γ3Bmbt+β7(χ+δBmbt)Rmktt+

u7i,t

(24)

其中，χ為與Bmb無關部分的市場風險溢價水平的系數，δ為與Bmb有關部分的市場風險溢價水平的系數，α7為常數項，γ3和β7為估計系數，u7i,t為殘差項。

如果按照公司特征構建的股票組合對市場組合的敏感程度隨投資者情緒指數變化而變化，則(24)式中情緒風險因子與市場溢價因子的交互項系數β7δ應顯著，且與表7中情緒因子的系數符號相同。表14給出(24)式的回歸結果，從表14的檢驗結果看，所有交互項系數β7δ均不顯著，拒絕了前文股票組合收益率差異源自系統(tǒng)性風險的時變性假說。因此，前文研究結果穩(wěn)健。

表14 穩(wěn)健性檢驗：條件CAPM模型Table 14 Robust Test: Conditional CAPM Model

注：在按資產負債率分組時，剔除金融行業(yè)樣本公司的觀測值。

5 結論

行為金融和股票技術分析都以人類行為模式重復可預測為假設前提，基于這一思想，本研究使用股票技術分析指標構建同時適用于市場和個股的投資者情緒指數并檢驗其有效性，以豐富投資者情緒這一行為金融領域重要研究工具的形式和應用范圍，主要研究結論如下。

(1)技術情緒指數與被廣泛用于投資者情緒研究的BW指數在月度和年度上均有顯著的相關性和極強的近似性，且市場層面的技術情緒指數差異對AH股和AB股股票價差現象均具有較強的解釋能力，既驗證了技術情緒指數在市場層面的有效性，也顯示出技術情緒指數可彌補BW指數無法細分以分別度量A股和B股市場情緒的不足。

(2)在控制市場整體情緒后，個股層面技術情緒指數差異對AH股和AB股股票價差依然具有一定的解釋能力；且個股技術情緒指數值在橫截面上和時間序列上均與個股收益率顯著負相關，買入上期技術情緒指數值較低股票、賣出上期技術情緒指數值較高股票能夠獲得顯著的超額收益；同時，個股的技術情緒指數高低與公司財務和運營特征顯著相關，且其關聯方向與BAKER et al.[2]和FIRTH et al.[3]的研究結果相一致。上述種種結果表明，技術情緒指數可直接在個股層面度量投資者情緒及其對資產價格的影響，這是其相對于BW及其類似情緒指數的又一可能優(yōu)勢。

本研究驗證了使用技術分析指標度量投資者情緒的可行性，對有意使用投資者情緒這一研究工具的研究者來說具有以下啟示。首先，技術指標在橫截面的可合并和拓展性，使研究者可以克服BW類指數只能度量市場整體情緒的不足，根據研究需要以市場、行業(yè)、個股甚至地域和股票類別(如A股和B股)為單位分別構建情緒指數，以度量不同層面的投資者情緒影響。其次，技術指標在時間上的可合并和拓展性，使研究者可以突破BW類指數的數據頻率限制，按月、周、日甚至更高頻率度量投資者情緒，以研究投資者情緒對短期資產價格變動的影響。

本研究還存在一些不足，技術分析的理論基礎相對薄弱，可能導致本研究的結果存在偏差。同時，已有研究表明，投資者情緒對資產定價過程的影響廣泛而持續(xù)，本研究僅從交叉上市股票價差等有限角度驗證技術情緒指數的有效性，技術情緒指數對其他市場異象是否同樣具有解釋能力，還需要在后續(xù)研究中進一步的探討。

[1]BAKER M,WURGLER J.Investor sentiment in the stock market.JournalofEconomicPerspectives,2007,21(2):129 - 151.

[2]BAKER M,WURGLER J.Investor sentiment and the cross-section of stock returns.TheJournalofFinance,2006,61(4):1645 - 1680.

[3]FIRTH M,WANG K P,WONG S M L.Corporate transparency and the impact of investor sentiment on stock prices.ManagementScience,2015,61(7):1630 - 1647.

[4]DE LONG J B,SHLEIFER A,SUMMERS L H,et al.Noise trader risk in financial markets.JournalofPoliticalEconomy,1990,98(4):703 - 738.

[5]BARBERIS N,SHLEIFER A,VISHNY R.A model of investor sentiment.JournalofFinancialEconomics,1998,49(3):307 - 343.

[6]DANIEL K,HIRSHLEIFER D,SUBRAHMANYAM A.Investor psychology and security market under- and overreactions.TheJournalofFinance,1998,53(6):1839 - 1885.

[7]HONG H,STEIN J C.A unified theory of underreaction,momentum trading,and overreaction in asset markets.TheJournalofFinance,1999,54(6):2143 - 2184.

[8]STAMBAUGH R F,YU J F,YUAN Y.The short of it:investor sentiment and anomalies.JournalofFinancialEconomics,2012,104(2):288 - 302.

[9]CORREDOR P,FERRER E,SANTAMARIA R.Investor sentiment effect in stock markets:stock characteristics or country-specific factors?.InternationalReviewofEconomics&Finance,2013,27:572 - 591.

[10] CORTéS K,DUCHIN R,SOSYURA D.Clouded judgment:the role of sentiment in credit origination.JournalofFinancialEconomics,2016,121(2):392 - 413.

[11] SHU H C,CHANG J H.Investor sentiment and financial market volatility.JournalofBehavioralFinance,2015,16(3):206 - 219.

[12] ANTONIOU C,DOUKAS J A,SUBRAHMANYAM A.Investor sentiment,beta,and the cost of equity capital.ManagementScience,2016,62(2):347 - 367.

[13] 陸靜,周媛.投資者情緒對股價的影響:基于AH股交叉上市股票的實證分析.中國管理科學,2015,23(11):21 - 28.

LU Jing,ZHOU Yuan.The effect of investor sentiment on stock pricing:an empirical study based on A-H shares of cross-listed companies.ChineseJournalofManagementScience,2015,23(11):21 - 28.(in Chinese)

[14] 熊偉,陳浪南.股票特質波動率、股票收益與投資者情緒.管理科學,2015,28(5):106 - 115.

XIONG Wei,CHEN Langnan.Idiosyncratic volatility,stock returns and investor sentiment.JournalofManagementScience,2015,28(5):106 - 115.(in Chinese)

[15] 宋順林,王彥超.投資者情緒如何影響股票定價?基于IPO公司的實證研究.管理科學學報,2016,19(5):41 - 55.

SONG Shunlin,WANG Yanchao.How does investor sentiment affect stock pricing?An empirical research based on IPO firms.JournalofManagementSciencesinChina,2016,19(5):41 - 55.(in Chinese)

[16] FERNANDES C M D A,GON?ALVES P M M G,VIEIRA E F S.Does sentiment matter for stock market returns?Evidence from a small European market.JournalofBehavioralFinance,2013,14(4):253 - 267.

[17] BAKER M,STEIN J C.Market liquidity as a sentiment indicator.JournalofFinancialMarkets,2004,7(3):271 - 299.

[18] 程琬蕓,林杰.社交媒體的投資者漲跌情緒與證券市場指數.管理科學,2013,26(5):111 - 119.

CHENG Wanyun,LIN Jie.Investors′ bullish sentiment of social media and stock market indices.JournalofManagementScience,2013,26(5):111 - 119.(in Chinese)

[19] 蔣玉梅,王明照.投資者情緒、盈余公告與市場反應.管理科學,2010,23(3):70 - 78.

JIANG Yumei,WANG Mingzhao.Investor sentiment,earnings announcement and market response.JournalofManagementScience,2010,23(3):70 - 78.(in Chinese)

[20] HUANG D S,JIANG F W,TU J,et al.Investor sentiment aligned:a powerful predictor of stock returns.TheReviewofFinancialStudies,2015,28(3):791 - 837.

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

GAO Daliang,LIU Zhifeng,YANG Xiaoguang.Investor sentiment,average correlation and stock market returns.ChineseJournalofManagementScience,2015,23(2):10 - 20.(in Chinese)

[22] STURM R R.A turning point method for measuring investor sentiment.JournalofBehavioralFinance,2014,15(1):30 - 42.

[23] MENKHOFF L.The use of technical analysis by fund managers:international evidence.JournalofBanking&Finance,2010,34(11):2573 - 2586.

[24] 王志剛,曾勇,李平.中國股票市場技術分析非線性預測能力的實證檢驗.管理工程學報,2009,23(1):149 - 153.

WANG Zhigang,ZENG Yong,LI Ping.An empirical test on the non-linear predictability of technical analysis on China stock market.JournalofIndustrialEngineeringandEngineeringManagement,2009,23(1):149 - 153.(in Chinese)

[25] BROWN G W,CLIFF M T.Investor sentiment and the near-term stock market.JournalofEmpiricalFinance,2004,11(1):1 - 27.

[26] NEELY C J,RAPACH D E,TU J,et al.Forecasting the equity risk premium:the role of technical indicators.ManagementScience,2014,60(7):1772 - 1791.

[27] KUMAR A,LEE C M C.Retail investor sentiment and return comovements.TheJournalofFinance,2006,61(5):2451 - 2486.

[28] WANG Y H,KESWANI A,TAYLOR S J.The relationships between sentiment,returns and volatility.InternationalJournalofForecasting,2006,22(1):109 - 123.

[29] CHEN H Q,CHONG T T L,DUAN X.A principal-component approach to measuring investor sentiment.QuantitativeFinance,2010,10(4):339 - 347.

[30] 邵新建,巫和懋,覃家琦,等.中國IPO市場周期:基于投資者情緒與政府擇時發(fā)行的分析.金融研究,2010(11):123 - 143.

SHAO Xinjian,WU Hemao,QIN Jiaqi,et al.The IPO market cycles in China:the analysis based on the investor sentiment and government′s market timing.JournalofFinancialResearch,2010(11):123 - 143.(in Chinese)

[31] 孫碧波.移動平均線有用嗎?基于上證指數的實證研究.數量經濟技術經濟研究,2005,22(2):149 - 156.

SUN Bibo.Are moving average rules profitable?Evidence from Shanghai composite index.TheJournalofQuantitative&TechnicalEconomics,2005,22(2):149 - 156.(in Chinese)

[32] ZHU Y Z,ZHOU G F.Technical analysis:an asset allocation perspective on the use of moving averages.JournalofFinancialEconomics,2009,92(3):519 - 544.

[33] BERKMAN H,DIMITROV V,JAIN P C,et al.Sell on the news:differences of opinion,short-sales constraints,and returns around earnings announcements.JournalofFinancialEconomics,2009,92(3):376 - 399.

[34] ABOODY D,EVEN-TOV O,LEHAVY R,et al.Overnightreturnsandfirm-specificinvestorsentiment.Los Angeles,CA:University of California,2015.

[35] BLUME L,EASLEY D,O′HARA M.Market statistics and technical analysis:the role of volume.TheJournalofFinance,1994,49(1):153 - 181.

[36] LEE C M C,SWAMINATHAN B.Price momentum and trading volume.TheJournalofFinance,2000,55(5):2017 - 2069.

[37] 史蒂文·阿基利斯.技術分析指標大全.2版.北京:機械工業(yè)出版社,2011:35 - 45.

ACHELIS S B.TechnicalanalysisfromAtoZ.2nd ed.Beijing:China Machine Press,2011:35 - 45.(in Chinese)

[38] SHLEIFER A.Inefficientmarkets:anintroductiontobehavioralfinance.New York:Oxford University Press,2000:154 - 156.

[39] BAKER M,WURGLER J,YUAN Y.Global,local,and contagious investor sentiment.JournalofFinancialEconomics,2012,104(2):272 - 287.

[40] 宋順林,易陽,譚勁松.AH股溢價合理嗎:市場情緒、個股投機性與AH股溢價.南開管理評論,2015,18(2):92 - 102.

SONG Shunlin,YI Yang,TAN Jinsong.Is AH share premium justified?Market sentiment,speculative stocks and AH premium.NankaiBusinessReview,2015,18(2):92 - 102.(in Chinese)

[41] SCHMELING M.Investor sentiment and stock returns:some international evidence.JournalofEmpiricalFinance,2009,16(3):394 - 408.

[42] 宋澤芳,李元.投資者情緒與股票特征關系.系統(tǒng)工程理論與實踐,2012,32(1):27 - 33.

SONG Zefang,LI Yuan.Relationship between investor sentiment and stock characteristic.SystemsEngineering-Theory&Practice,2012,32(1):27 - 33.(in Chinese)

[43] 文鳳華,肖金利,黃創(chuàng)霞,等.投資者情緒特征對股票價格行為的影響研究.管理科學學報,2014,17(3):60 - 69.

WEN Fenghua,XIAO Jinli,HUANG Chuangxia,et al.The effects of characteristics of investor sentiment on stock price behaviors.JournalofManagementSciencesinChina,2014,17(3):60 - 69.(in Chinese)