智能選股App 對(duì)股票價(jià)格的影響分析

趙 昕，劉若晨，孔 征

一、 引言

股票市場(chǎng)上每天都會(huì)產(chǎn)生海量的信息，信息獲取和解讀能力能夠幫助投資者更好地進(jìn)行投資決策。 過(guò)去，人們通過(guò)報(bào)紙、電視等媒體獲取股票市場(chǎng)的信息。 這些傳統(tǒng)的信息獲取方式讓投資者置身于信息的海洋。 然而，個(gè)人投資者的精力往往是有限的，他們無(wú)法搜集到市場(chǎng)中的全部信息，無(wú)法時(shí)刻關(guān)注所有股票的最新動(dòng)態(tài)，更無(wú)法在有限的時(shí)間內(nèi)對(duì)所有可供選擇的股票進(jìn)行分析和比較。 但是，智能選股讓人工智能代替人腦對(duì)海量信息進(jìn)行有序處理，讓投資者以直接、有效、快捷的方式了解到股票市場(chǎng)的最新熱點(diǎn)信息，提高了投資者的信息獲取和解讀能力。 越來(lái)越多的投資者參考智能選股，智能選股產(chǎn)生了一定的輿論影響力，加速了信息融入市場(chǎng)的過(guò)程。 智能選股會(huì)對(duì)所推薦股票的市場(chǎng)表現(xiàn)產(chǎn)生一定影響，甚至?xí)o股票市場(chǎng)帶來(lái)影響。 在這種現(xiàn)實(shí)背景下，研究智能選股時(shí)代投資者關(guān)注對(duì)股票市場(chǎng)表現(xiàn)的影響具有重要的社會(huì)意義和經(jīng)濟(jì)意義，為股票市場(chǎng)的研究提供一定的理論依據(jù)和支撐。

二、 文獻(xiàn)綜述

Kahneman(1973)在其專著《注意力和精力》中指出關(guān)注是一種稀缺資源。 投資者有限關(guān)注是指由于時(shí)間和精力的有限性，投資者不可能綜合考慮市場(chǎng)上所有的股票進(jìn)行投資(Aboody et al.， 2008)。 Barber 和Odean(2008)的研究表明投資者傾向于購(gòu)買吸引其注意力的股票，因此該股票的價(jià)格會(huì)有短暫的上漲趨勢(shì)。 國(guó)外學(xué)者對(duì)投資者有限關(guān)注的研究比較全面，觀察了關(guān)注之后完整的股票價(jià)格走勢(shì)(Seasholes and Wu，2007)。 相比而言，國(guó)內(nèi)學(xué)者大多只研究投資者關(guān)注所引起的股票價(jià)格上升，而忽略了對(duì)后續(xù)價(jià)格發(fā)生反轉(zhuǎn)的分析(張雅慧等，2011)，這種反轉(zhuǎn)現(xiàn)象反映了有限注意的“過(guò)度關(guān)注弱勢(shì)”假說(shuō)。 俞慶進(jìn)和張兵(2012)、唐平(2017)分別在對(duì)創(chuàng)業(yè)板股票市場(chǎng)的研究中也發(fā)現(xiàn)，投資者的有限關(guān)注能給股票帶來(lái)正向的價(jià)格壓力，而這種壓力會(huì)在短期內(nèi)發(fā)生反轉(zhuǎn)。 投資者關(guān)注可能帶來(lái)過(guò)度反應(yīng)，關(guān)注轉(zhuǎn)移后會(huì)產(chǎn)生股票價(jià)格的回落。

綜上而言，現(xiàn)有文獻(xiàn)大多只研究股價(jià)對(duì)投資者關(guān)注的反應(yīng)程度，本文主要基于信息的“兩級(jí)傳播理論”，重點(diǎn)探討二次傳播與首次傳播時(shí)間間隔的不同以及投資者有限關(guān)注對(duì)股票價(jià)格的影響。

三、 實(shí)證分析

(一)理論模型與研究假設(shè)

統(tǒng)一理論模型是Hong ＆ Stein(1999)提出的，簡(jiǎn)稱為HS模型。 在HS 模型中，市場(chǎng)中僅存在消息關(guān)注者與動(dòng)量交易者，他們都屬于有限理性投資者，且兩者之間具有相互作用。模型中假設(shè)消息關(guān)注者對(duì)私密信息的反應(yīng)往往是不足的，因此動(dòng)量交易者可以進(jìn)行套利行為，導(dǎo)致股價(jià)升高。 酈金梁與何誠(chéng)穎(2018)采用HS 模型的參數(shù)設(shè)置為標(biāo)準(zhǔn)，進(jìn)行基于HS模型的仿真，發(fā)現(xiàn)時(shí)刻t＝9 時(shí)發(fā)生信息的二次傳播，傳播速率在此時(shí)刻發(fā)生上漲。 動(dòng)量交易者若在此時(shí)刻開始套利，便會(huì)引起股票價(jià)格的上漲。 在數(shù)字仿真過(guò)程中還發(fā)現(xiàn)信息發(fā)生二次傳播后續(xù)一定時(shí)間里，HS 模型的結(jié)果均低于脈沖響應(yīng)的結(jié)果。 模型的仿真結(jié)果與信息傳播對(duì)股價(jià)的影響的研究是一致的，表明股票市場(chǎng)對(duì)媒體信息報(bào)道有著迅速而有效的回饋。 根據(jù)上述模型理論和上文對(duì)已有研究的總結(jié)，提出本文的3 個(gè)假說(shuō)。

假說(shuō)1：投資者關(guān)注對(duì)股票價(jià)格具有顯著影響，與股票后續(xù)收益正相關(guān)。

假說(shuō)2：經(jīng)“百度股市通”App 推薦股票會(huì)發(fā)生短期價(jià)格動(dòng)量，隨后發(fā)生反轉(zhuǎn)。

假說(shuō)3：“股票推薦”二次傳播與首次傳播的時(shí)間間隔越短，被推薦股票的市場(chǎng)反應(yīng)越大。

(二)變量選取

我們運(yùn)用事件研究法研究智能選股App 推薦的熱點(diǎn)信息和上市公司股票如何影響股票的價(jià)格，選用統(tǒng)計(jì)學(xué)方法中的市場(chǎng)模型來(lái)推算股票預(yù)期收益率，從而進(jìn)一步計(jì)算股票累積超額收益率。 在市場(chǎng)模型中，個(gè)股股票報(bào)酬率與市場(chǎng)報(bào)酬率之間存在線性關(guān)系，以市場(chǎng)報(bào)酬率為自變量建立股價(jià)報(bào)酬率的一元回歸模型。 我們把智能選股App 推薦熱點(diǎn)的發(fā)布日定為事件日。 若事件日處于股市休市狀態(tài)，取股票休市后的第一個(gè)交易日作為事件日。 令事件日的時(shí)間為0 時(shí)刻，事件日前10 個(gè)交易日至后10 個(gè)交易日作為事件窗口，事件日前120 個(gè)交易日至前11 個(gè)交易日作為估計(jì)窗口。 首先計(jì)算每個(gè)股票在事件期的收益率，計(jì)算每個(gè)樣本股票各期的累積超額收益率CARi[t1，t2]和樣本總體各期的平均累積超額收益率ACAR[t1，t2]。 市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風(fēng)格因子(CMA)、財(cái)務(wù)杠桿(LEV)、波動(dòng)率(Volatility)、流通股規(guī)模(Size)、前十大股東持股比例(Big＿Ten)、市場(chǎng)類型(Market)和行業(yè)類型(IND)作為控制變量。 依據(jù)以上指標(biāo)，建立的多元回歸模型如下：

(三)數(shù)據(jù)來(lái)源

本文研究數(shù)據(jù)來(lái)源于“百度股市通”熱點(diǎn)搜索板塊和國(guó)泰安數(shù)據(jù)庫(kù)。 首先，運(yùn)用Python3.6 語(yǔ)言抓取了“百度股市通”App 中“熱點(diǎn)搜索”板塊2018 年1 月4 日至2019 年3 月10 日期間發(fā)布的所有按照大數(shù)據(jù)技術(shù)鎖定的熱點(diǎn)事件以及該事件對(duì)應(yīng)的推薦股票的信息。 在本文的整個(gè)統(tǒng)計(jì)區(qū)間，“百度股市通”App 共發(fā)布216 個(gè)熱點(diǎn)概念，推薦了1654 只股票，剔除無(wú)效樣本后剩1354 只股票。 其次，通過(guò)國(guó)泰安數(shù)據(jù)庫(kù)獲得所有有效樣本股票的事件日前120 天至后10 天的收盤價(jià)、交易量等數(shù)據(jù)和上市公司的市值、賬面市值比、營(yíng)業(yè)利潤(rùn)等多項(xiàng)指標(biāo)。

(四)模型構(gòu)建

1. 市場(chǎng)反應(yīng)T 檢驗(yàn)

為了進(jìn)一步研究投資者關(guān)注對(duì)股票超額收益率的影響，我們利用SPSS 軟件對(duì)事件窗口的CAR 值進(jìn)行獨(dú)立樣本T檢驗(yàn)，檢驗(yàn)CAR 值是否存在顯著差異。 結(jié)果顯示CAR 顯著異于零，說(shuō)明上述事件具有一定的信息含量，引起了股票價(jià)格的顯著變化。

2. 動(dòng)因分析

我們根據(jù)時(shí)間階段的不同依次將CAR[-10，-1]、CAR[-5，-1]、CAR[0，0]、CAR[1，5]、CAR[1，10]作為因變量，熱搜指數(shù)(HSI)作為自變量。 另外，市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風(fēng)格因子(CMA)、財(cái)務(wù)杠桿(LEV)、波動(dòng)率(Volatility)、流通股規(guī)模(Size)、前十大股東持股比例(Big＿Ten)、市場(chǎng)類型(Market)和行業(yè)類型(IND)作為控制變量，進(jìn)行多元線性回歸分析。其中市值因子(SMB)、賬面市值比因子(HML)、盈利能力因子(RMW)、投資風(fēng)格因子(CMA)和財(cái)務(wù)杠桿(LEV)分別從市值、賬面市值比、盈利能力和投資風(fēng)格四個(gè)角度控制上市公司的經(jīng)營(yíng)特性，波動(dòng)率(Volatility)和流通股規(guī)模(Size)控制二級(jí)市場(chǎng)特性，前十大股東持股比例(Big＿Ten)控制上市公司的所有權(quán)集中度，市場(chǎng)類型(Market)和行業(yè)類型(IND)分別對(duì)上市公司股票所屬的市場(chǎng)模塊和上市公司的所在行業(yè)進(jìn)行控制。 回歸主要考察HSI 和IND 的系數(shù)符號(hào)和顯著性。

熱搜指數(shù)(HSI)是事件發(fā)布日(t＝0)熱點(diǎn)以及推薦股票的搜索指數(shù)，代表投資者對(duì)熱點(diǎn)概念及推薦股票的關(guān)注程度。 熱搜指數(shù)的回歸系數(shù)為正且顯著，表明投資者關(guān)注度對(duì)“百度股市通”推薦的股票后續(xù)累積超額收益率具有顯著影響。 投資者的關(guān)注程度越高，對(duì)應(yīng)股票在二次傳播后續(xù)一定時(shí)間內(nèi)會(huì)引起更大的價(jià)格波動(dòng)，帶來(lái)更高的收益率。 這一結(jié)論恰巧證實(shí)了假說(shuō)1。 投資者關(guān)注度對(duì)于不同階段的超額收益率具有不同的影響。 而在熱點(diǎn)發(fā)布之后，投資者關(guān)注度僅對(duì)當(dāng)日的超額收益率產(chǎn)生了一定的影響，后期影響不斷減弱，所推薦股票在推薦一天之后的價(jià)格也趨于平穩(wěn)。

3. 信息傳播、有限關(guān)注和超額收益率

將全樣本細(xì)分為“Sameday”“1 day”“＞1 day”三組，分別對(duì)這三組樣本建立多元回歸模型。 這三組模型結(jié)構(gòu)同上文模型結(jié)構(gòu)一致。 表1 給出了三個(gè)模型的回歸結(jié)果。 表1 中全樣本模型結(jié)果和原模型一致。 “＞1 day”組的模型結(jié)果中，搜索指數(shù)(HIS)的系數(shù)為正且顯著，說(shuō)明二次傳播中的信息關(guān)注度對(duì)股票價(jià)格產(chǎn)生影響。 此外，搜索指數(shù)的回歸系數(shù)在“1 day” 組為2.272，遠(yuǎn)大于“＞1 day” 組模型下搜索指數(shù)的系數(shù)。 由此可以得知，二次傳播時(shí)間間隔越短，投資者關(guān)注度的提高所引發(fā)的價(jià)格變動(dòng)越大。 假說(shuō)3 的結(jié)論得到了證實(shí)?！癝ameday”組的模型結(jié)果顯示該組搜索指數(shù)(HIS)的回歸系數(shù)不顯著，這個(gè)可能是由于“二次傳播”與“首次傳播”的日期重疊，造成投資者關(guān)注度的作用難以識(shí)別。

表1 投資者關(guān)注度在首次傳播和二次傳播中的作用

4. 不同行業(yè)間的有限關(guān)注和超額收益率

根據(jù)國(guó)泰安數(shù)據(jù)庫(kù)的行業(yè)分類數(shù)據(jù)，將樣本分為“房地產(chǎn)”“工業(yè)”“金融”“商業(yè)”“公共事業(yè)”和“綜合”這六組，對(duì)每組進(jìn)行回歸。 模型的被解釋變量都為CAR[0，1]，控制變量與前述模型保持一致。 表7 展示了六大行業(yè)模型結(jié)果。

表2 投資者關(guān)注度在不同行業(yè)間的作用

在“工業(yè)”子樣本的回歸結(jié)果中，搜索指數(shù)(HSI)前的系數(shù)顯著為正，表明投資者關(guān)注度對(duì)所屬工業(yè)的上市公司的股票收益具有正向的影響。 其余5 組行業(yè)子樣本的回歸結(jié)果體現(xiàn)，搜索指數(shù)(HSI)對(duì)股票后續(xù)價(jià)格沒(méi)有顯著影響。 這可能是由于在一定影響因素下，投資者關(guān)注度對(duì)推薦股票的超額收益率的影響難以識(shí)別。 比如，在“房地產(chǎn)”子樣本回歸模型中搜索指數(shù)(HSI)前的系數(shù)不顯著。 這可能是由于近幾年各地出臺(tái)了一系列的房地產(chǎn)調(diào)控政策，樓市調(diào)控政策不斷加強(qiáng)，防范城市出現(xiàn)房?jī)r(jià)快速上漲、樓市泡沫過(guò)大等現(xiàn)象。 這使得在房地產(chǎn)市場(chǎng)的發(fā)展以及房地產(chǎn)上市公司股票價(jià)格變動(dòng)中市場(chǎng)不占主導(dǎo)地位，而是那只“看得見(jiàn)的手”在控制。 另外，在“工業(yè)”子樣本中大多是一些比較傳統(tǒng)的制造業(yè)公司和私營(yíng)企業(yè)，例如秦川機(jī)床、華中數(shù)控等。 而其他行業(yè)子樣本中大多是一些體量較大，市場(chǎng)難以撼動(dòng)的企業(yè)。

(五)穩(wěn)健性檢驗(yàn)

在上文的研究中，我們對(duì)“百度股市通”2018 年1 月4 號(hào)后推薦的1354 只股票進(jìn)行了深入研究，證實(shí)了我們的研究假設(shè)。 但是，在現(xiàn)實(shí)生活中，往往可能存在信息的提前泄露?？紤]到這種情況，我們將時(shí)間窗口調(diào)整到[-1，+N]，令CAR[-1，1]作為被解釋變量，模型結(jié)果如表3。

表3 不同時(shí)間間隔穩(wěn)健性分析

由上表結(jié)果顯示，全樣本下投資者關(guān)注對(duì)股票價(jià)格具有顯著影響。 在信息首次傳播和二次傳播的時(shí)間間隔越短，投資者關(guān)注對(duì)股票價(jià)格的影響越大。 同時(shí)，在不同行業(yè)情況下，投資者關(guān)注對(duì)工業(yè)企業(yè)的影響顯著，對(duì)于其他行業(yè)的企業(yè)的影響難以識(shí)別。 由此可見(jiàn)，穩(wěn)健性檢驗(yàn)的結(jié)果與上文的分析結(jié)論是一致的。

四、 結(jié)論與建議

根據(jù)本文的研究數(shù)據(jù)結(jié)果表明，智能選股發(fā)布日前后10天存在著顯著的平均超額收益率序列。 在股票推薦日發(fā)布的近幾天內(nèi)，股票累積超額收益率受到投資者關(guān)注的影響，發(fā)生小幅度的波動(dòng)，但隨后股票價(jià)格又發(fā)生了反轉(zhuǎn)效應(yīng)。 因此，在這快速變化的股票波動(dòng)中，投資者很難抓住這“轉(zhuǎn)瞬即逝”的機(jī)遇。 投資者若是按照百度股市通App 的熱點(diǎn)信息購(gòu)買推薦的股票，也很難實(shí)現(xiàn)投資價(jià)值收益。

隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，越來(lái)越多的“互聯(lián)網(wǎng)財(cái)經(jīng)媒體”將推出智能選股服務(wù)來(lái)吸引投資者的關(guān)注。 他們借助平臺(tái)的優(yōu)勢(shì)大量推送股市信息，提升投資者的關(guān)注度，進(jìn)一步可能影響股票市場(chǎng)的價(jià)格波動(dòng)。 以“百度股市通”為例，其所推薦的大部分股票在推薦發(fā)布日后價(jià)格就發(fā)生一定程度的上漲，隨后出現(xiàn)反轉(zhuǎn)。 因此，為了維護(hù)股票市場(chǎng)的公平，防止有人為了謀取私利而擾亂股票市場(chǎng)的秩序，必須對(duì)網(wǎng)絡(luò)上魚龍混雜的“財(cái)經(jīng)媒體”的信息發(fā)布傳播做好監(jiān)管。