投資者情緒會(huì)引發(fā)黑天鵝嗎？

楊青 周文龍

（復(fù)旦大學(xué)經(jīng)濟(jì)學(xué)院，上海 200433）

一、引言

金融市場(chǎng)中的極端價(jià)格波動(dòng)具備發(fā)生概率小、難以預(yù)期及破壞性大的特征，受到學(xué)術(shù)界、業(yè)界及監(jiān)管層極大的關(guān)注。全球金融市場(chǎng)范圍內(nèi)，1929年10月24日和29日美國股市遭遇“黑色星期四”和“黑色星期二”的大崩盤，1987年10月19日道·瓊斯指數(shù)狂跌22.6%，史稱“黑色星期一”，1997年亞洲金融危機(jī)，1998年美國長(zhǎng)期資本管理公司(LTCM)破產(chǎn)倒閉事件，2008年全球金融危機(jī)，這些極端金融事件都對(duì)相關(guān)國家和地區(qū)的金融體系造成了巨大的沖擊，金融穩(wěn)定和安全受到極大挑戰(zhàn)。

近年來，中國資本市場(chǎng)持續(xù)深化改革，市場(chǎng)機(jī)制和制度日益趨于完善，但“黑天鵝”事件依然時(shí)常對(duì)金融穩(wěn)定和安全構(gòu)成威脅。2013年6月20日的“錢荒”事件，SHIBOR隔夜拆借利率飆升至13.44%的紀(jì)錄高點(diǎn)；2013年8月16日的“光大烏龍指”事件，大盤一分鐘內(nèi)漲幅超過5%；2015年股災(zāi)期間，多次上演千股跌停的異常景象；2016年1月4日至7 日，4次觸發(fā)熔斷機(jī)制；2018年中美貿(mào)易戰(zhàn)持續(xù)推進(jìn)，股市再次頻繁劇烈地波動(dòng)。在可預(yù)期的未來，國際國內(nèi)經(jīng)濟(jì)環(huán)境異常復(fù)雜，金融市場(chǎng)面臨極端風(fēng)險(xiǎn)的沖擊和考驗(yàn)，如何有效防范和化解系統(tǒng)性金融風(fēng)險(xiǎn)，維護(hù)金融安全和穩(wěn)定顯得尤為重要。針對(duì)中國金融市場(chǎng)極端風(fēng)險(xiǎn)事件以及對(duì)市場(chǎng)潛在系統(tǒng)性風(fēng)險(xiǎn)前瞻性預(yù)防的考慮，2017年7月，《人民日?qǐng)?bào)》密集發(fā)表評(píng)論員文章討論如何有效防范中國金融市場(chǎng)風(fēng)險(xiǎn)問題，可見中國政府對(duì)金融市場(chǎng)穩(wěn)定發(fā)展這一國家經(jīng)濟(jì)金融戰(zhàn)略的重視。

與之同時(shí)，中國經(jīng)濟(jì)總體運(yùn)行平穩(wěn)，經(jīng)濟(jì)基本面從未發(fā)生根本性變化，根據(jù)投資者情緒相關(guān)理論如DSSW模型(De Long et al.，1990)，BSV模型(Barberis et al.，1998)，DHS模型(Daniel et al.，1998)，噪聲交易者在中國資本市場(chǎng)的劇烈震蕩中扮演了重要角色，投資者情緒和市場(chǎng)波動(dòng)有很強(qiáng)的關(guān)聯(lián)性。所謂投資者情緒，是指投資者關(guān)于市場(chǎng)的態(tài)度和看法，一般表現(xiàn)為悲觀或者樂觀的狀態(tài)。金融市場(chǎng)本質(zhì)上是眾多投資者構(gòu)成的市場(chǎng)，投資者依據(jù)金融市場(chǎng)上的各類信息做出決策，進(jìn)而影響資產(chǎn)的收益及波動(dòng)性。投資者悲觀或樂觀的心理會(huì)影響其對(duì)各類信息的解讀從而影響其投資決策。當(dāng)眾多投資者趨同性地表現(xiàn)出極度悲觀或極度樂觀的時(shí)候，即投資者情緒極度高漲或極度低落的時(shí)候，市場(chǎng)極易發(fā)生極端的價(jià)格波動(dòng)。

目前有關(guān)投資者情緒的研究往往聚焦于投資者情緒和資產(chǎn)收益及其波動(dòng)的關(guān)系，較少從投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間關(guān)系的角度進(jìn)行研究?；诖耍疚膹膶?shí)證方面研究投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)聯(lián)性。研究發(fā)現(xiàn)，投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間存在雙向的溢出關(guān)系；相對(duì)于小盤股，大盤股的極端市場(chǎng)風(fēng)險(xiǎn)更能影響投資者情緒，而投資者情緒對(duì)小盤股的極端市場(chǎng)風(fēng)險(xiǎn)影響最大；相對(duì)于高市凈率股票，投資者情緒對(duì)低市凈率股票的極端市場(chǎng)風(fēng)險(xiǎn)影響較小，而高市凈率股票的極端市場(chǎng)風(fēng)險(xiǎn)對(duì)整體市場(chǎng)投資者情緒的影響力較小。

本文的邊際貢獻(xiàn)在于進(jìn)一步拓展了對(duì)極端市場(chǎng)風(fēng)險(xiǎn)生成機(jī)理的研究視角。通過將投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)相關(guān)聯(lián)，本文得以更深入探討投資者心理層面的變化對(duì)極端市場(chǎng)風(fēng)險(xiǎn)的影響及極端市場(chǎng)風(fēng)險(xiǎn)對(duì)投資者心理層面的反饋效應(yīng)，不僅有助于更好認(rèn)識(shí)極端市場(chǎng)風(fēng)險(xiǎn)的生成機(jī)理，而且對(duì)防范市場(chǎng)風(fēng)險(xiǎn)、維護(hù)金融安全和穩(wěn)定有一定的啟示。

本文的結(jié)構(gòu)如下：第二部分回顧投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)這兩個(gè)研究領(lǐng)域的相關(guān)文獻(xiàn)；第三部分說明本文的研究方法和數(shù)據(jù)來源；第四部分實(shí)證檢驗(yàn)投資者情緒與極端市場(chǎng)風(fēng)險(xiǎn)的關(guān)聯(lián)性；第五部分為研究結(jié)論。

二、文獻(xiàn)綜述

本文的研究主題是投資者情緒與極端市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)聯(lián)性。與本文密切相關(guān)的文獻(xiàn)來自投資者情緒與極端市場(chǎng)風(fēng)險(xiǎn)這兩個(gè)研究領(lǐng)域。

(一)投資者情緒相關(guān)文獻(xiàn)回顧

傳統(tǒng)金融理論認(rèn)為，資產(chǎn)價(jià)格的波動(dòng)主要源于基本面的波動(dòng)。行為金融理論不僅承認(rèn)基本面波動(dòng)對(duì)資產(chǎn)價(jià)格的影響，同時(shí)重視投資者情緒對(duì)資產(chǎn)價(jià)格的擾動(dòng)。投資者情緒能對(duì)資產(chǎn)價(jià)格波動(dòng)產(chǎn)生作用的原因在于套利的有限性(Shleifer and Vishny，1997)。De Long et al.(1990)構(gòu)建了一個(gè)迭代的“DSSW模型”，假定市場(chǎng)中同時(shí)存在理性套利者和噪音交易者，其交易行為共同影響資產(chǎn)均衡價(jià)格。在基本面未發(fā)生波動(dòng)的情況下，噪聲交易者的存在也會(huì)導(dǎo)致資產(chǎn)價(jià)格大幅偏離資產(chǎn)內(nèi)在價(jià)值?；谛睦韺W(xué)中的兩大證據(jù)，即投資者的保守性和代表性偏差，Barberis et al.(1998)提出描述投資者信念形成過程的“BSV模型”，并用以解釋股票價(jià)格對(duì)新信息的過度反應(yīng)(overreaction)和反應(yīng)不足(underreaction)現(xiàn)象。對(duì)于過度反應(yīng)和反應(yīng)不足現(xiàn)象的解釋，DHS模型(Daniel et al.，1998)引入了兩大心理學(xué)中的偏差，即過度自信(overconfidence)和自我歸因偏差(biased self-attribution)。Lee et al.(1991)研究了個(gè)人投資者情緒對(duì)封閉式基金折價(jià)波動(dòng)的驅(qū)動(dòng)。實(shí)證方面，投資者情緒對(duì)資產(chǎn)定價(jià)的系統(tǒng)性影響得到了進(jìn)一步證實(shí)(Brown and Cliff，2005；Baker and Wurgler，2006；Yu and Yuan，2011；Stambaugh et al.，2012)。例如，Baker and Wurgler(2006)研究了投資者情緒對(duì)股票收益的橫截面效應(yīng)，發(fā)現(xiàn)投資者情緒對(duì)估值高度主觀和不易進(jìn)行套利交易的股票能夠產(chǎn)生更大的效應(yīng)。Stambaugh et al.(2012)研究了投資者情緒對(duì)11個(gè)資產(chǎn)定價(jià)異象的解釋作用。

國內(nèi)學(xué)者以DSSW模型為基礎(chǔ)，結(jié)合中國金融市場(chǎng)及參與者的特征，對(duì)這一模型進(jìn)行了相應(yīng)的拓展和改進(jìn)，認(rèn)為投資者情緒能顯著影響資產(chǎn)的均衡價(jià)格(王美今和孫建軍，2004；張宗新和王海亮，2013)。其中，王美今和孫建軍(2004)在 DSSW 模型基礎(chǔ)上，將噪聲交易者細(xì)分為情緒型噪聲交易者和其他交易者，通過理論模型和實(shí)證檢驗(yàn)得出以上結(jié)論。而張宗新和王海亮(2013)綜合 DSSW 模型與貝葉斯學(xué)習(xí)過程，并在模型中引入主觀信念調(diào)整，探討其在處理信息和影響情緒過程中的作用。胡昌生和池陽春(2013)研究了市場(chǎng)不同估值階段投資者情緒與市場(chǎng)波動(dòng)性之間關(guān)聯(lián)的差異性。文鳳華等(2014)探討了投資者情緒特征對(duì)股票價(jià)格行為的影響，發(fā)現(xiàn)正面情緒和向上的情緒波動(dòng)對(duì)股票收益率存在顯著的正向影響。段江嬌等(2017)從海量的互聯(lián)網(wǎng)文本信息中挖掘投資者情緒成分，研究發(fā)現(xiàn)帖子情緒對(duì)股票收益率、波動(dòng)性及交易量存在顯著影響。部慧等(2018)發(fā)現(xiàn)基于股評(píng)的投資者情緒無法預(yù)測(cè)股票收益率、波動(dòng)性及交易量，但對(duì)收益率和交易量存在當(dāng)期影響。

(二)極端市場(chǎng)風(fēng)險(xiǎn)相關(guān)文獻(xiàn)回顧

一般而言，金融資產(chǎn)收益具有尖峰厚尾的特征，而廣泛應(yīng)用的正態(tài)分布并不能描述實(shí)際金融資產(chǎn)收益的這種特征。極值理論僅考慮尾部分布，不用對(duì)整個(gè)分布進(jìn)行假設(shè)，能夠很好處理風(fēng)險(xiǎn)度量中的厚尾問題。Pickands(1975)對(duì)經(jīng)典的極限定理進(jìn)行了證明，指出可以運(yùn)用廣義帕累托分布(Generalized Pareto Distribution，GPD)對(duì)超額數(shù)分布函數(shù)進(jìn)行擬合，為以后的風(fēng)險(xiǎn)建模做出了突出貢獻(xiàn)。Longin(1996)以美國股票市場(chǎng)1885年至1990年的日度數(shù)據(jù)為樣本，運(yùn)用極值理論對(duì)極端市場(chǎng)波動(dòng)進(jìn)行建模，開創(chuàng)了將極值理論運(yùn)用于風(fēng)險(xiǎn)管理的先例。之后，Longin(2000)又全面系統(tǒng)地介紹了運(yùn)用極值理論計(jì)算在險(xiǎn)價(jià)值(Value at Risk，VaR)的方法。基于這種方法，Ho et al.(2000)分析了6個(gè)陷于金融危機(jī)的亞洲國家和地區(qū)的股票市場(chǎng)。盡管VaR是度量風(fēng)險(xiǎn)的有效手段，但其本身主要存在兩方面的缺陷：一是沒有測(cè)度高于VaR值的極端損失發(fā)生的概率，即沒有充分考慮尾部風(fēng)險(xiǎn)；二是VaR不滿足次可加性，違背了分散化投資降低投資組合風(fēng)險(xiǎn)的原則，因而不是一致的風(fēng)險(xiǎn)度量工具。針對(duì)VaR這兩方面的缺陷，Artzner et al.(1997，1999)提出了期望損失(Expected Shortfall，ES)模型，該模型從VaR衍生而來，彌補(bǔ)了VaR不滿足次可加性及沒有考慮尾部風(fēng)險(xiǎn)等缺陷，其測(cè)度了高于VaR值損失的條件期望值。

借鑒國外有關(guān)極值理論的研究成果，國內(nèi)學(xué)者將其應(yīng)用于金融市場(chǎng)風(fēng)險(xiǎn)度量的實(shí)證分析中。陳學(xué)華和楊輝耀(2004)研究發(fā)現(xiàn)基于廣義極值分布的VaR模型很適合刻畫高頻時(shí)間序列的尖峰后尾特征及杠桿效應(yīng)，ES模型則很好地彌補(bǔ)了VaR模型的缺陷。陳守東等(2007)以上證指數(shù)日對(duì)數(shù)收益率數(shù)據(jù)為樣本，采用極值理論中的廣義Pareto分布進(jìn)行建模，得到度量風(fēng)險(xiǎn)的VaR和ES值，研究發(fā)現(xiàn)在置信水平較高的條件下，運(yùn)用極值方法測(cè)度風(fēng)險(xiǎn)效果更好。魏宇(2008)認(rèn)為條件極值分布在度量極端市場(chǎng)風(fēng)險(xiǎn)方面存在優(yōu)勢(shì)。楊青等(2010)研究發(fā)現(xiàn)極值理論是分析金融市場(chǎng)極端風(fēng)險(xiǎn)的有效手段，且A股市場(chǎng)極端風(fēng)險(xiǎn)高于港股和美股。陳新春等(2017)研究了基金信息網(wǎng)絡(luò)對(duì)極端風(fēng)險(xiǎn)的影響機(jī)制，發(fā)現(xiàn)機(jī)構(gòu)投資者之間的信息聯(lián)系和傳遞容易引起黑天鵝事件。

以上研究成果對(duì)于理解投資者情緒對(duì)市場(chǎng)波動(dòng)的影響及測(cè)度極端市場(chǎng)風(fēng)險(xiǎn)都具有積極作用，但缺乏對(duì)投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間關(guān)聯(lián)性的研究?；诖耍疚膶⑼顿Y者情緒與極端市場(chǎng)風(fēng)險(xiǎn)相聯(lián)系，研究投資者情緒在極端市場(chǎng)風(fēng)險(xiǎn)生成過程中的作用及極端市場(chǎng)風(fēng)險(xiǎn)對(duì)投資者情緒的反饋效應(yīng)。

三、研究方法與數(shù)據(jù)來源

(一)研究思路和方法

圖1 研究思路和方法

基于以上研究目標(biāo)，本文確定的研究思路如圖1所示：首先，參照Baker and Wurgler(2006)的做法，選取中國股市流動(dòng)性、換手率、騰落比例及新高新低指標(biāo)作為投資者情緒代理指標(biāo)，采用主成分分析法提取共同的投資者情緒成分，構(gòu)建投資者情緒指數(shù)。然后，運(yùn)用超閾值(Peak Over Threshhold，POT)模型來度量極端市場(chǎng)風(fēng)險(xiǎn)，分別計(jì)算測(cè)度極端市場(chǎng)風(fēng)險(xiǎn)的VaR值和ES值。最后，本文使用向量自回歸(Vector Autoregressive，VAR)模型研究投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)系。因此，本文使用的研究方法主要涉及主成分分析法、超閾值模型及向量自回歸模型。

1.主成分分析法。

主成分分析法是通過一組變量的少數(shù)幾個(gè)線性組合來解釋該組變量的方差和協(xié)方差結(jié)構(gòu)，從而實(shí)現(xiàn)降維處理的目的的一種多元統(tǒng)計(jì)方法。本文選取中國股市流動(dòng)性、換手率、騰落比例及新高新低指標(biāo)作為投資者情緒代理指標(biāo)，利用主成分分析法從中提取共同的投資者情緒成分，剔除其他的非情緒成分，構(gòu)建投資者情緒指數(shù)st。

2.超閾值模型。

POT模型對(duì)觀測(cè)值中所有超過某一較大閾值的數(shù)據(jù)建模。假設(shè)x為資產(chǎn)收益率，F(xiàn)(x)為資產(chǎn)收益率分布函數(shù)，u為給定的閾值，x-u表示超額數(shù)值，則其分布函數(shù)定義如下：

易得，

當(dāng)閾值u充分大時(shí)，超額數(shù)值的分布函數(shù)Fu可以用GPD分布近似。對(duì)于x＞u，由式(2)可知，F(xiàn)(x)的尾部估計(jì)表達(dá)式可以構(gòu)造如下：

總而言之，對(duì)F(x)的估計(jì)可按如下步驟進(jìn)行：首先，選定適合的閾值u；其次，運(yùn)用極大似然估計(jì)法估計(jì)GPD分布的形狀參數(shù)ξ及尺度參數(shù)β；然后，對(duì)F(u)進(jìn)行估計(jì)；最后，對(duì)尾部分位數(shù)進(jìn)行估計(jì)。將所有估計(jì)量代入式(3)，得到F(x)的尾部估計(jì)表達(dá)式：

進(jìn)一步，可以定義極端風(fēng)險(xiǎn)VaRc在不同概率水平c下的在險(xiǎn)價(jià)值，得到VaRc的表達(dá)式：

ES度量了損失超過VaR水平的條件期望值，其表達(dá)式為：

為了從動(dòng)態(tài)角度對(duì)VaR和ES值進(jìn)行估計(jì)，本文將廣義自回歸條件異方差(Generalized AutoRegressive Conditional Heteroskedasticity，GARCH)模型與POT模型結(jié)合，基本步驟如下：首先，運(yùn)用GARCH模型擬合日收益率數(shù)據(jù)，采用極大似然估計(jì)法進(jìn)行估計(jì)，得到擬合后的殘差；然后，利用POT模型分析擬合后的殘差，求出殘差的VaR和ES值；最后，依據(jù)殘差與日收益率的關(guān)系求得日收益率的VaR和ES值。

3.向量自回歸模型。

為了實(shí)證研究投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)聯(lián)性，本文構(gòu)建如下的VAR模型：

(二)數(shù)據(jù)來源

本文所使用的中國股市換手率、騰落比例及新高新低指標(biāo)數(shù)據(jù)來自國泰安(CSMAR)數(shù)據(jù)庫，滬市流動(dòng)性、深市流動(dòng)性及日收益率數(shù)據(jù)來源于萬得(WIND)金融數(shù)據(jù)庫。本文中用到的指標(biāo)名及含義或計(jì)算公式如表1所示。本文的研究樣本期間為1995年12月20日至2017年12月29日，共5342組數(shù)據(jù)。

表1 指標(biāo)名及含義或計(jì)算公式說明

四、實(shí)證結(jié)果與分析

(一)投資者情緒指數(shù)的構(gòu)建

本文選取了5個(gè)投資者情緒代理指標(biāo)，其描述性統(tǒng)計(jì)及相關(guān)性如表2所示。表2列出了滬市流動(dòng)性(Hiliq)、深市流動(dòng)性(Siliq)、市場(chǎng)換手率(Turn)、騰落比例(ADR)及新高新低(NetNum)5個(gè)投資者情緒代理指標(biāo)的均值、標(biāo)準(zhǔn)差、最小值、最大值以及這五個(gè)指標(biāo)間的相關(guān)系數(shù)。從中可以看出，它們之間的相關(guān)性均在1%的水平下顯著。

單個(gè)投資者情緒代理指標(biāo)中都隱含了情緒成分和與情緒不相關(guān)的異質(zhì)成分。為了構(gòu)造投資者情緒指數(shù)，對(duì)這五個(gè)指標(biāo)進(jìn)行主成分分析，剔除代理指標(biāo)中的異質(zhì)成分，提取共同的投資者情緒成分。前兩個(gè)主成分的累計(jì)方差解釋率達(dá)到了66.97%，且僅有前兩個(gè)主成分的特征值大于1。因此，本文選取前兩個(gè)主成分按照各自方差解釋率進(jìn)行加權(quán)來構(gòu)造投資者情緒指數(shù)。經(jīng)構(gòu)造得到的投資者情緒指數(shù)具有良好的性質(zhì)，與5個(gè)投資者情緒代理指標(biāo)均在1%的水平下顯著相關(guān)。

表2 投資者情緒代理指標(biāo)描述性統(tǒng)計(jì)及相關(guān)性

(二)極端市場(chǎng)風(fēng)險(xiǎn)的測(cè)度

表3 極端市場(chǎng)風(fēng)險(xiǎn)測(cè)度值描述性統(tǒng)計(jì)

基于穩(wěn)健性的考慮，本文分別計(jì)算了上證綜指和深證成指在95%和99%分位數(shù)下的VaR和ES值。在計(jì)算極端下跌市場(chǎng)風(fēng)險(xiǎn)的VaR和ES值時(shí)，本文首先對(duì)日收益率數(shù)據(jù)取負(fù)號(hào)，運(yùn)用極值方法計(jì)算得到的分位數(shù)再取負(fù)號(hào)，最終得到測(cè)度極端下跌市場(chǎng)風(fēng)險(xiǎn)的VaR和ES值。本文總共計(jì)算了8個(gè)測(cè)度極端市場(chǎng)風(fēng)險(xiǎn)的序列，其描述性統(tǒng)計(jì)見表3。

(三)投資者情緒與極端市場(chǎng)風(fēng)險(xiǎn)

為了避免偽回歸問題，本文在模型回歸之前對(duì)時(shí)間序列數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)。本文運(yùn)用ADF法檢驗(yàn)極端市場(chǎng)風(fēng)險(xiǎn)的測(cè)度值和投資者情緒指數(shù)是否存在單位根，檢驗(yàn)結(jié)果如表4所示。

表4 投資者情緒指數(shù)與極端市場(chǎng)風(fēng)險(xiǎn)測(cè)度值單位根檢驗(yàn)結(jié)果

由表4可知，投資者情緒指數(shù)序列和8個(gè)極端市場(chǎng)風(fēng)險(xiǎn)測(cè)度值序列均是平穩(wěn)序列，符合零階單整I(0)。

表5報(bào)告了投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值之間的VAR模型的估計(jì)結(jié)果。在VAR模型中，本文根據(jù)AIC和BIC信息準(zhǔn)則得到VAR模型的最優(yōu)滯后階數(shù)均為2階。

對(duì)于投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值之間的VAR模型，可以發(fā)現(xiàn)投資者情緒指數(shù)的滯后項(xiàng)對(duì)自身的當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明投資者情緒指數(shù)具有序列相關(guān)性1關(guān)于投資者情緒指數(shù)的序列相關(guān)性，在后續(xù)的VAR模型中均能得到一致的結(jié)論，后文不再贅述。；上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值存在顯著影響，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值對(duì)投資者情緒指數(shù)也存在顯著影響。

對(duì)于投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值之間的VAR模型，可以發(fā)現(xiàn)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值存在顯著影響，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值對(duì)投資者情緒指數(shù)也存在顯著影響。

表5 投資者情緒指數(shù)與上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值之間的VAR模型

圖2 sent對(duì)shVaR95沖擊圖

圖3 shVaR95對(duì)sent沖擊圖

圖4 sent對(duì)shVaR99沖擊圖

圖5 shVaR99對(duì)sent沖擊圖

根據(jù)以上的VAR模型結(jié)果，本文進(jìn)一步進(jìn)行脈沖響應(yīng)分析。圖2和圖4一致顯示，投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值存在顯著的沖擊，沖擊持續(xù)擴(kuò)大至1期，之后趨于穩(wěn)定。圖3和圖5表明，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值對(duì)投資者情緒指數(shù)的沖擊在滯后一期達(dá)到最大，之后趨于減弱。

表6 投資者情緒指數(shù)與上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型

表6報(bào)告了投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型的估計(jì)結(jié)果。在VAR模型中，本文根據(jù)AIC和BIC信息準(zhǔn)則得到VAR模型的最優(yōu)滯后階數(shù)均為2階。

對(duì)于投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值之間的VAR模型，可以發(fā)現(xiàn)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值存在顯著影響，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值對(duì)投資者情緒指數(shù)也存在顯著影響。

對(duì)于投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值之間的VAR模型，可以發(fā)現(xiàn)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值存在顯著影響，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值對(duì)投資者情緒指數(shù)也存在顯著影響。

圖6 sent對(duì)shES95沖擊圖

圖7 shES95對(duì)sent沖擊圖

圖8 sent對(duì)shES99沖擊圖

圖9 shES99對(duì)sent沖擊圖

根據(jù)以上的VAR模型結(jié)果，本文進(jìn)一步進(jìn)行脈沖響應(yīng)分析。圖6和圖8一致顯示，投資者情緒指數(shù)對(duì)上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值存在顯著的沖擊，沖擊持續(xù)擴(kuò)大至1期，之后趨于穩(wěn)定。圖7和圖9表明，上證綜指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值對(duì)投資者情緒指數(shù)的沖擊在滯后一期達(dá)到最大，之后趨于減弱。

表7報(bào)告了投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值之間的VAR模型的估計(jì)結(jié)果。在VAR模型中，本文根據(jù)AIC和BIC信息準(zhǔn)則得到VAR模型的最優(yōu)滯后階數(shù)均為2階。

對(duì)于投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值之間的VAR模型，可以發(fā)現(xiàn)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值存在顯著影響，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)VaR值對(duì)投資者情緒指數(shù)也存在顯著影響。

對(duì)于投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值之間的VAR模型，可以發(fā)現(xiàn)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值存在顯著影響，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)VaR值對(duì)投資者情緒指數(shù)也存在顯著影響。

根據(jù)以上的VAR模型結(jié)果，本文進(jìn)一步進(jìn)行脈沖響應(yīng)分析。圖10和圖12一致顯示，投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值存在顯著的沖擊，沖擊持續(xù)擴(kuò)大至1期，之后趨于穩(wěn)定。圖11和圖13表明，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值對(duì)投資者情緒指數(shù)的沖擊在滯后一期達(dá)到最大，之后趨于減弱。

圖11 szVaR95對(duì)sent沖擊圖

圖12 sent對(duì)szVaR99沖擊圖

圖13 szVaR99對(duì)sent沖擊圖

表8報(bào)告了投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型的估計(jì)結(jié)果。在VAR模型中，本文根據(jù)AIC和BIC信息準(zhǔn)則得到VAR模型的最優(yōu)滯后階數(shù)均為2階。

對(duì)于投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值之間的VAR模型，可以發(fā)現(xiàn)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值存在顯著影響，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)95%分位數(shù)ES值對(duì)投資者情緒指數(shù)也存在顯著影響。

對(duì)于投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值之間的VAR模型，可以發(fā)現(xiàn)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明其具有序列相關(guān)性；在兩個(gè)回歸方程中，交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值之間存在雙向的溢出關(guān)系，即投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值存在顯著影響，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)99%分位數(shù)ES值對(duì)投資者情緒指數(shù)也存在顯著影響。

表8 投資者情緒指數(shù)與深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型

根據(jù)以上的VAR模型結(jié)果，本文進(jìn)一步進(jìn)行脈沖響應(yīng)分析。圖14和圖16一致顯示，投資者情緒指數(shù)對(duì)深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值存在顯著的沖擊，沖擊持續(xù)擴(kuò)大至1期，之后趨于穩(wěn)定。圖15和圖17表明，深證成指極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值對(duì)投資者情緒指數(shù)的沖擊在滯后一期達(dá)到最大，之后趨于減弱。

(四)投資者情緒與不同風(fēng)格資產(chǎn)的極端下跌市場(chǎng)風(fēng)險(xiǎn)

依據(jù)申萬風(fēng)格指數(shù)分類，本文測(cè)度了大盤股、中盤股、小盤股與高市凈率股、中市凈率股、低市凈率股95%分位數(shù)極端下跌市場(chǎng)風(fēng)險(xiǎn)的VaR值和ES值，再基于VAR模型對(duì)投資者情緒與不同風(fēng)格資產(chǎn)的極端下跌市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)聯(lián)進(jìn)行分析。在VAR模型回歸之前，本文對(duì)相關(guān)變量進(jìn)行了ADF檢驗(yàn)，發(fā)現(xiàn)它們均是平穩(wěn)序列。根據(jù)AIC和BIC信息準(zhǔn)則，得到VAR模型的最優(yōu)滯后階數(shù)均為2階。

表9和表10報(bào)告了投資者情緒指數(shù)與不同市值股票極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值和ES值的VAR模型回歸結(jié)果。從中可以看出，投資者情緒指數(shù)和極端下跌市場(chǎng)風(fēng)險(xiǎn)的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明它們均具有序列相關(guān)性。

圖14 sent對(duì)szES95沖擊圖

圖15 szES95對(duì)sent沖擊圖

圖16 sent對(duì)szES99沖擊圖

圖17 szES99對(duì)sent沖擊圖

表9 投資者情緒指數(shù)與不同市值股票極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值之間的VAR模型

表10 投資者情緒指數(shù)與不同市值股票極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型

注：括號(hào)中數(shù)字為估計(jì)系數(shù)的t值；*、**、***分別表示在 10%、5%和 1%的水平上顯著。

交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和極端下跌市場(chǎng)風(fēng)險(xiǎn)之間存在雙向的溢出關(guān)系。不同市值股票之間，大盤股的極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值對(duì)投資者情緒的影響最大，小盤股的極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值對(duì)投資者情緒的影響最小，說明大盤股相對(duì)于小盤股，其極端市場(chǎng)風(fēng)險(xiǎn)更能影響投資者情緒；投資者情緒對(duì)小盤股的極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值影響最小，而投資者情緒對(duì)小盤股的極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值影響最大，造成這種差異的原因可能在于ES值在度量極端風(fēng)險(xiǎn)方面優(yōu)于VaR值。

表11和表12報(bào)告了投資者情緒指數(shù)與不同市凈率股票極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值和ES值的VAR模型回歸結(jié)果。從中可以看出，投資者情緒指數(shù)和極端下跌市場(chǎng)風(fēng)險(xiǎn)的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明它們均具有序列相關(guān)性。交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和極端下跌市場(chǎng)風(fēng)險(xiǎn)之間存在雙向的溢出關(guān)系。不同市凈率股票之間，高市凈率股票的極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值和ES值對(duì)投資者情緒的影響相對(duì)較小，說明高市凈率股票的極端市場(chǎng)風(fēng)險(xiǎn)對(duì)整體市場(chǎng)投資者情緒的影響力較?。幌鄬?duì)于高市凈率股票，投資者情緒對(duì)低市凈率股票的極端下跌市場(chǎng)風(fēng)險(xiǎn)影響較小。

表11 投資者情緒指數(shù)與不同市凈率股票極端下跌市場(chǎng)風(fēng)險(xiǎn)VaR值之間的VAR模型

表12 投資者情緒指數(shù)與不同市凈率股票極端下跌市場(chǎng)風(fēng)險(xiǎn)ES值之間的VAR模型

五、結(jié)論

本文選取中國股市流動(dòng)性、換手率、騰落比例及新高新低指標(biāo)作為投資者情緒代理指標(biāo)，采用主成分分析法提取共同的投資者情緒成分，構(gòu)建投資者情緒指數(shù)。然后，運(yùn)用POT模型來度量極端市場(chǎng)風(fēng)險(xiǎn)，分別計(jì)算極端風(fēng)險(xiǎn)測(cè)度的VaR值和ES值。最后，本文使用VAR模型研究投資者情緒和極端市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)系。研究得到以下結(jié)論：

第一，投資者情緒指數(shù)和極端市場(chǎng)風(fēng)險(xiǎn)的滯后項(xiàng)對(duì)當(dāng)期項(xiàng)有影響，且均在1%的水平下顯著，說明它們均具有序列相關(guān)性。

第二，投資者情緒指數(shù)和極端市場(chǎng)風(fēng)險(xiǎn)的交叉滯后項(xiàng)的系數(shù)均在1%的水平下顯著，說明投資者情緒指數(shù)和極端市場(chǎng)風(fēng)險(xiǎn)之間存在雙向的溢出關(guān)系。

第三，相對(duì)于小盤股，大盤股的極端市場(chǎng)風(fēng)險(xiǎn)更能影響投資者情緒，而投資者情緒對(duì)小盤股的極端市場(chǎng)風(fēng)險(xiǎn)影響最大；相對(duì)于高市凈率股票，投資者情緒對(duì)低市凈率股票的極端下跌市場(chǎng)風(fēng)險(xiǎn)影響較小，而高市凈率股票的極端市場(chǎng)風(fēng)險(xiǎn)對(duì)整體市場(chǎng)投資者情緒的影響力較小。

本文不僅有助于更好認(rèn)識(shí)極端市場(chǎng)風(fēng)險(xiǎn)的生成機(jī)理，而且對(duì)防范市場(chǎng)風(fēng)險(xiǎn)、維護(hù)金融安全和穩(wěn)定有一定的啟示。