國(guó)際投資者情緒的信息溢出機(jī)制
——基于網(wǎng)絡(luò)搜索指數(shù)的研究

周 亮

(1.湖南師范大學(xué) 商學(xué)院，湖南 長(zhǎng)沙 410081；2.湖南財(cái)政經(jīng)濟(jì)學(xué)院，湖南 長(zhǎng)沙 410205)

一、引 言

行為金融學(xué)認(rèn)為，情緒和認(rèn)知偏差使得投資者無法做到理性預(yù)期，從而導(dǎo)致資產(chǎn)價(jià)格偏離內(nèi)在價(jià)值和市場(chǎng)非有效。目前對(duì)投資者情緒的研究大多集中在股票市場(chǎng)，主要包括通過選擇合適的源指標(biāo)構(gòu)造投資者情緒指數(shù)并分析其對(duì)股票橫截面收益率的影響[1-5]以及通過投資者情緒指數(shù)去解釋和分析各種金融市場(chǎng)異象[6-9]。也有一些學(xué)者研究了投資者情緒對(duì)其他資本市場(chǎng)的影響，如Han[10]和Nayak[11]分別研究了投資者情緒對(duì)標(biāo)普500指數(shù)期權(quán)市場(chǎng)和企業(yè)債券利差的影響；Wang[12]構(gòu)造了期貨市場(chǎng)投資者情緒指數(shù)并研究了其對(duì)期貨橫截面收益率的影響。構(gòu)建投資者情緒指標(biāo)常用的方法包括單一指標(biāo)法和復(fù)合指標(biāo)法，由于復(fù)合指標(biāo)能夠綜合更多的來源且有利于進(jìn)行降噪分析，因此得到了廣泛的應(yīng)用，最具代表性的就是Baker 和 Wurgler[1]根據(jù)封閉式基金折溢價(jià)、換手率、IPO數(shù)據(jù)等6個(gè)源指標(biāo)復(fù)合出的BW情緒指數(shù)。隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的學(xué)者采用微博[13]、社交媒體[14-15]、搜索引擎[3,16]等網(wǎng)絡(luò)媒體數(shù)據(jù)來對(duì)投資者情緒進(jìn)行衡量，以更迅速地捕捉到投資者情緒的變化。

雖然投資者情緒的研究文獻(xiàn)已經(jīng)較多，但是不同資本市場(chǎng)下投資者情緒的相互傳染機(jī)制還未被完全闡明，這主要是因?yàn)椴煌袌?chǎng)下投資者情緒的構(gòu)造方式會(huì)有所不同。如常見的BW情緒指數(shù)，其采用的IPO首日收益率在我國(guó)存在不適用情況，是由于我國(guó)股票上市的注冊(cè)制一直沒有得到正式實(shí)施，IPO受到政策的強(qiáng)烈影響，無法準(zhǔn)確反映投資者情緒的變動(dòng)。因此，選擇一致性的投資者情緒測(cè)度指標(biāo)是研究跨市場(chǎng)投資者情緒傳染或信息溢出的關(guān)鍵所在。得益于互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，采用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造情緒指標(biāo)為本文的研究提供了關(guān)鍵技術(shù)。因此，本文擬采用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造不同國(guó)家或地區(qū)股票市場(chǎng)的投資者情緒指標(biāo)，并利用Diebold信息溢出模型研究投資者情緒在國(guó)際市場(chǎng)間的傳染和擴(kuò)散機(jī)制。相對(duì)于已有的文獻(xiàn)，本文的創(chuàng)新之處主要表現(xiàn)在以下兩方面：一方面，利用網(wǎng)絡(luò)搜索指數(shù)構(gòu)造了不同市場(chǎng)的投資者情緒指標(biāo)，使得跨市場(chǎng)的投資者情緒具有了一致來源和相互可比性，為研究投資者情緒的跨市場(chǎng)信息溢出機(jī)制提供了技術(shù)支撐；另一方面，采用Diebold信息溢出指數(shù)模型系統(tǒng)地分析了投資者情緒在全球及亞洲區(qū)域市場(chǎng)的溢出機(jī)制，并通過將投資者情緒細(xì)分為高漲情緒和低迷情緒，對(duì)情緒溢出的非對(duì)稱性進(jìn)行了檢驗(yàn)和分析。

二、文獻(xiàn)綜述

對(duì)投資者情緒研究最早的定義來自于De Long 等人[17]。他們指出股票市場(chǎng)除了理性預(yù)期交易者之外，還存在大量的噪聲交易(Noise Trading)，這些噪聲交易正是投資者情緒所導(dǎo)致的。Brown和Cliff[1]、Baker和Wurgler[2]的觀點(diǎn)更被廣為接受，他們認(rèn)為投資者情緒就是投資者對(duì)風(fēng)險(xiǎn)和投機(jī)的承擔(dān)傾向，因此相對(duì)于正常的市場(chǎng)收益，風(fēng)險(xiǎn)承擔(dān)使得情緒交易者能夠獲得一定的超額收益。在對(duì)投資者情緒的衡量上，按源指標(biāo)來源可以分為直接指標(biāo)和間接指標(biāo)兩種方式。直接指標(biāo)指直接問詢消費(fèi)者對(duì)市場(chǎng)看法以及買賣意愿的方式來測(cè)度投資者的情緒，包括但不限于美國(guó)AAII投資者情緒指數(shù)[18-20]、US投資者智能指數(shù)[21]、消費(fèi)者信心指數(shù)[22]、央視看市數(shù)據(jù)以及華鼎多空民意調(diào)查結(jié)果[23-24]等；間接指標(biāo)則包括基金資金凈流入[25]、換手率[26-27]、新增投資者開戶數(shù)[28]等能間接反映投資者情緒的指標(biāo)。具體的構(gòu)造方式包括單一指標(biāo)和復(fù)合指標(biāo)兩種。相對(duì)于單一指標(biāo)，復(fù)合指標(biāo)包含的信息量更大，同時(shí)能夠降低噪聲，因此，其在實(shí)證研究中得到了廣泛的應(yīng)用。最普遍認(rèn)可的便是Baker和Wurgler[2]構(gòu)造的BW情緒指數(shù)，他們采用主成分分析法對(duì)交易量、封閉式基金折價(jià)率、股利收益、IPO首日收益率及IPO數(shù)量、股票發(fā)行/證券發(fā)行比率6個(gè)源指標(biāo)進(jìn)行降噪提純。國(guó)內(nèi)很多學(xué)者在BW指數(shù)的基礎(chǔ)上構(gòu)造了中國(guó)的投資者情緒指標(biāo)，如易志高和茅寧[29]、張宗新和王海亮[30]、李合龍和馮春娥[31]、文鳳華等[32]、高大良等[33]。

具體到投資者情緒的實(shí)際應(yīng)用上，很多學(xué)者都研究了投資者情緒對(duì)資產(chǎn)收益及風(fēng)險(xiǎn)的影響。如Baker 和 Wurgler[2]的研究發(fā)現(xiàn)投資者情緒對(duì)股市的橫截面收益具有較明顯的預(yù)測(cè)作用。Canbas和Kandir[34]、池麗旭等[25]利用市值因子和規(guī)模因子構(gòu)造了多個(gè)投資組合，并驗(yàn)證了投資者情緒對(duì)投資組合收益率的顯著影響。Schmeling[35]、李合龍和馮春娥[31]則把股市看成一個(gè)整體，研究了投資者情緒對(duì)整個(gè)大盤指數(shù)的影響，結(jié)果同樣是顯著的。只是由于情緒指標(biāo)構(gòu)造方法略有差異，以及所研究市場(chǎng)的異質(zhì)性，得到的情緒與股市收益間的因果滯后關(guān)系及方向可能存在差異，但是并不改變投資者情緒對(duì)股市影響顯著性的結(jié)論。除此以外，還有很多學(xué)者研究了投資者情緒與各種市場(chǎng)行為間的關(guān)系。如Rahman和Shamsuddin[9]研究了投資者情緒對(duì)市場(chǎng)估值因子的影響；Hao[6]研究了動(dòng)量因子在不同情緒時(shí)期的表現(xiàn)；Debata等[36]和He等[37]學(xué)者的研究發(fā)現(xiàn)，投資者情緒會(huì)對(duì)市場(chǎng)的流動(dòng)性產(chǎn)生一定影響；Tsukioka等[7]和Chen等[8]學(xué)者則檢驗(yàn)了投資者情緒在IPO及股票增發(fā)過程中的重要作用等。也有一些學(xué)者研究了跨市場(chǎng)投資者情緒的影響。如楊陽(yáng)和萬迪昉[38]利用BW情緒指標(biāo)分析了投資者情緒對(duì)金屬期貨市場(chǎng)收益率的影響；Qadan和Nama[39]研究了BW情緒指數(shù)對(duì)原油期貨市場(chǎng)收益率和波動(dòng)率的影響等。

少部分文獻(xiàn)研究了投資者情緒在不同股票市場(chǎng)間的傳染。如Hudson和Green[40]研究了美國(guó)市場(chǎng)投資者情緒與英國(guó)市場(chǎng)投資者情緒間的傳染關(guān)系；文鳳華等[41]對(duì)金融危機(jī)期間美國(guó)市場(chǎng)和中國(guó)市場(chǎng)的投資者情緒傳導(dǎo)關(guān)系進(jìn)行了分析。這些研究主要集中在對(duì)特定的兩個(gè)市場(chǎng)間進(jìn)行分析，這主要是因?yàn)樾枰x擇相同的代理變量來衡量不同市場(chǎng)的投資者情緒，但是不同市場(chǎng)間的代理變量是存在著一定的差異，在某個(gè)市場(chǎng)適用的指標(biāo)在另外一個(gè)市場(chǎng)不一定適用，因此很難將投資者情緒的跨市場(chǎng)傳染從兩個(gè)市場(chǎng)擴(kuò)展到多個(gè)市場(chǎng)。得益于互聯(lián)網(wǎng)技術(shù)的發(fā)展，散戶投資者越來越頻繁使用互聯(lián)網(wǎng)來搜尋信息及表達(dá)觀點(diǎn)，相對(duì)于其他代理指標(biāo)，網(wǎng)絡(luò)行為能夠更直接地體現(xiàn)出散戶投資者的非理性情緒，因此，越來越多的學(xué)者采用爬蟲和文本挖掘等技術(shù)來構(gòu)造基于互聯(lián)網(wǎng)的投資者情緒，常見的數(shù)據(jù)指標(biāo)來源包括Twitter[14]、微博[13，42]、網(wǎng)絡(luò)搜索指數(shù)[3，16，43]、金融論壇[44-45]等。而互聯(lián)網(wǎng)情緒指標(biāo)也為研究多個(gè)市場(chǎng)投資者情緒間的相互關(guān)系提供了技術(shù)支撐，因此，本文擬借鑒大數(shù)據(jù)技術(shù)，采用網(wǎng)絡(luò)搜索指數(shù)來分別構(gòu)建全球不同股票市場(chǎng)的投資者情緒，并分析投資者情緒在全球的跨市場(chǎng)溢出效應(yīng)。

三、研究設(shè)計(jì)

1.投資者情緒指數(shù)的投建

(1)描述性統(tǒng)計(jì)分析

目前最常用的投資者情緒指標(biāo)是由Baker 和Wurgler[2]提出的，他們采用主成分分析法從多個(gè)反映投資者信念的客觀指標(biāo)中提取出共同情緒成分。雖然胡昌生和池陽(yáng)春[46]對(duì)BW方法提出了質(zhì)疑，他們認(rèn)為第二主成分才能更準(zhǔn)確地反映出投資者的非理性情緒，但是這并不影響B(tài)W情緒在全世界范圍內(nèi)得到廣泛的應(yīng)用。李竹薇等[47]、Qadan和Nama[39]等學(xué)者均是采用BW指標(biāo)作為投資者情緒的代理變量并進(jìn)而研究其對(duì)金融市場(chǎng)的影響，國(guó)內(nèi)學(xué)者如池麗旭等[25]也是借鑒BW方法，利用中國(guó)市場(chǎng)數(shù)據(jù)構(gòu)造適用我國(guó)股市的投資者情緒指標(biāo)。

如果要對(duì)不同股票市場(chǎng)投資者情緒指標(biāo)進(jìn)行比較，就需要選擇相同的源指標(biāo)?？紤]到網(wǎng)絡(luò)搜索指數(shù)數(shù)據(jù)來源渠道的同一性，因此，本文將借鑒Da等[3]、Dimpfl 和 Kleiman[16]、孟雪井等[43]學(xué)者的研究方法，采用谷歌搜索指數(shù)來構(gòu)造不同股市投資者情緒指標(biāo)。如對(duì)于中國(guó)A股，采用“Shanghai Composite Index”“Shenzhen Component Index”“Chinese Stock”等關(guān)鍵詞進(jìn)行搜索；德國(guó)股票指數(shù)采用“DAX”“DAX 30”“Germany Stock”等關(guān)鍵詞進(jìn)行搜索。并將這些關(guān)鍵詞的谷歌搜索指數(shù)加總后取平均值，得到各股票市場(chǎng)的投資者情緒。由于谷歌指數(shù)只提供了2004年之后的數(shù)據(jù)，因此，本文選取的樣本區(qū)間為2004年1月至2019年6月。本文選擇了美國(guó)三大股指(道瓊斯、標(biāo)普和納斯達(dá)克)、歐洲三大股指(英國(guó)富時(shí)、德國(guó)DAX30指數(shù)和法國(guó)CAC40指數(shù))、澳大利亞AXJO指數(shù)、日本Nikkei225指數(shù)、韓國(guó)KOSPI指數(shù)、中國(guó)香港恒生指數(shù)以及中國(guó)A股指數(shù)(包括上證指數(shù)和深成指數(shù))。本文利用谷歌搜索指數(shù)所構(gòu)造的中國(guó)A股投資者情緒代表的是境外投資者對(duì)中國(guó)股市的關(guān)注程度，所用谷歌搜索指數(shù)來自于境外訪學(xué)同事。

表1報(bào)告了這11個(gè)指數(shù)的描述性統(tǒng)計(jì)結(jié)果，可以看到，樣本區(qū)間內(nèi)德國(guó)股市的被搜索量相對(duì)最高，其均值和中位值均達(dá)到了43，而中國(guó)A股相對(duì)最低，均值和中位值分別只有9和6。相對(duì)于亞洲股市，歐美股市的搜索量更高，這主要是因?yàn)楣雀柚笖?shù)是以英文搜索為主。從表1中可以看出，分位數(shù)統(tǒng)計(jì)量Q(0.1)、Q(0.25)、Q(0.75)和Q(0.9)表現(xiàn)出同樣的特征。

表1 投資者情緒描述性統(tǒng)計(jì)結(jié)果

雖然各國(guó)投資者情緒在數(shù)值上存在著較大的差異，但是從趨勢(shì)上看卻具有較強(qiáng)的相關(guān)性。圖1報(bào)告了美國(guó)股市(以道瓊斯指數(shù)為例)以及中國(guó)A股投資者情緒在樣本區(qū)間的走勢(shì)圖(原始數(shù)據(jù)波動(dòng)過于劇烈，因此對(duì)數(shù)據(jù)進(jìn)行了20期平滑)?？梢钥吹?，兩者走勢(shì)相關(guān)性較強(qiáng)，在2008年年底，由于次貸危機(jī)的影響逐漸減小，美國(guó)股市投資者情緒出現(xiàn)了大幅上升，中國(guó)A股投資者情緒在2009年下半年也達(dá)到了階段性的高點(diǎn)；2018年下半年開始，美國(guó)股市投資者情緒開始回升，同期中國(guó)A股投資者情緒也保持上漲趨勢(shì)。表2更詳細(xì)地匯報(bào)了11個(gè)股票指數(shù)投資者情緒的相關(guān)系數(shù)，可以看到，除了標(biāo)普與法國(guó)CAC指數(shù)及澳大利亞AXJO指數(shù)的投資者情緒表現(xiàn)出負(fù)相關(guān)關(guān)系外，其他所有指數(shù)的投資者情緒兩兩之間均表現(xiàn)為顯著的正相關(guān)關(guān)系，相關(guān)系數(shù)超過0.7的包括德國(guó)與法國(guó)、韓國(guó)與德國(guó)、韓國(guó)與法國(guó)、恒生與道瓊斯、恒生與韓國(guó)等。總體來看，投資者情緒在不同股票市場(chǎng)之間的相關(guān)系數(shù)很高，說明全球市場(chǎng)整體性較高，投資者情緒很容易在多個(gè)國(guó)家或市場(chǎng)之間進(jìn)行擴(kuò)散。

表2 投資者情緒的相關(guān)系數(shù)矩陣

圖1 美國(guó)股市和中國(guó)股市投資者情緒走勢(shì)圖

(2)與BW情緒的對(duì)比研究

由于谷歌于2010年退出中國(guó)，用谷歌搜索指數(shù)來代表中國(guó)市場(chǎng)的投資者情緒并不合適。因此，本部分借鑒Baker和Wurgler的方法，選取新增投資者開戶數(shù)、封閉式基金折溢價(jià)、波動(dòng)率、換手率等指標(biāo)，在剔除宏觀經(jīng)濟(jì)的影響后，利用主成分分析方法提取第一成分構(gòu)造了中國(guó)A股的BW情緒指標(biāo)。圖2報(bào)告了2005年1月至2019年6月間中國(guó)A股搜索指數(shù)與BW情緒的走勢(shì)。

可以看到，在樣本區(qū)間內(nèi)兩者的走勢(shì)大體相似，如在2007年和2015年兩個(gè)牛市區(qū)間，搜索指數(shù)及BW情緒都達(dá)到了階段性的高點(diǎn)，而2010～2014年以及2016～2018年期間，兩個(gè)指數(shù)均持續(xù)低迷。但是2009年8月谷歌指數(shù)的峰值以及進(jìn)入2019年后谷歌指數(shù)的持續(xù)攀升與BW情緒表現(xiàn)出了一定的差異。2009年由于受美國(guó)次貸危機(jī)的影響，全球經(jīng)濟(jì)陷入低迷，全球股市也發(fā)生了大幅下挫，而中國(guó)在2009年推出了有力的經(jīng)濟(jì)刺激計(jì)劃，從而帶來了經(jīng)濟(jì)的快速止跌企穩(wěn)，A股在2009年也隨之反彈，因此帶來了境外投資者對(duì)A股關(guān)注程度的大幅提升，從圖1可以看到，此時(shí)美國(guó)的投資者情緒也在逐步攀升；2018年5月A股被納入了明晟指數(shù)等全球指數(shù)，同時(shí)，全球化進(jìn)程的加快帶來了全球投資者對(duì)A股的廣泛關(guān)注及配置力度的加大，從而也導(dǎo)致2019年后搜索指數(shù)的持續(xù)攀升。搜索指數(shù)與BW情緒在部分時(shí)間點(diǎn)出現(xiàn)偏差也是由于兩個(gè)指數(shù)編制方法的差異而導(dǎo)致的，如BW情緒選取的源指標(biāo)基本都在一定的區(qū)間內(nèi)進(jìn)行波動(dòng)，因此在2007年和2015年牛市時(shí)BW情緒指數(shù)更容易達(dá)到極大值；而雖然搜索指數(shù)的數(shù)值波動(dòng)與市場(chǎng)的牛熊市狀態(tài)緊密相關(guān)，但是隨著互聯(lián)網(wǎng)的普及，數(shù)值相對(duì)來說會(huì)變得更大。但是總體來看，兩個(gè)指數(shù)間的相關(guān)性較強(qiáng)，相關(guān)系數(shù)為0.35(在1%水平上顯著)，且表3的格蘭杰因果檢驗(yàn)顯示，在滯后4階內(nèi)，兩者互為格蘭杰原因，因此可以認(rèn)為谷歌搜索指數(shù)和BW指標(biāo)一樣，能夠?qū)χ袊?guó)市場(chǎng)的投資者情緒進(jìn)行較為有效的刻畫。

表3 格蘭杰因果檢驗(yàn)結(jié)果

同時(shí)，雖然谷歌公司于2010年1月退出了中國(guó)市場(chǎng)，但是從圖2可以看出，除了2009年底谷歌搜索指數(shù)出現(xiàn)了一個(gè)極大值點(diǎn)，實(shí)際上2010年后搜索指數(shù)相對(duì)2009年前反而出現(xiàn)了一定的提升，說明谷歌退出中國(guó)市場(chǎng)對(duì)搜索指數(shù)并沒有明顯的影響，這主要是由于本文采用的搜索指數(shù)是利用英文關(guān)鍵詞計(jì)算，其代表的是境外投資者對(duì)中國(guó)A股的關(guān)注程度，谷歌退出中國(guó)市場(chǎng)對(duì)搜索指數(shù)數(shù)值的影響并不大。

圖2 搜索指數(shù)與BW情緒的動(dòng)態(tài)走勢(shì)

2.Diebold信息溢出模型

本文借鑒Diebold 和 Yilmaz的方法研究全球市場(chǎng)間投資者情緒的擴(kuò)散機(jī)制。Diebold信息溢出模型是采用方差分解思想來研究不同指數(shù)之間的關(guān)聯(lián)關(guān)系。向量自回歸模型(VAR)的基本思想是根據(jù)數(shù)據(jù)的統(tǒng)計(jì)特征，將系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中自身和其他變量滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測(cè)相互聯(lián)系的時(shí)間序列系統(tǒng)及分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息，由于普通的方差分解受變量間的排序影響加大，因此，Diebold和 Yilmaz采用了廣義方差分解方法對(duì)變量間的信息溢出進(jìn)行分析，從而規(guī)避了變量排序的問題。可以用廣義方差分解將網(wǎng)絡(luò)分析中復(fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的關(guān)聯(lián)性表，如表4所示。

四、實(shí)證檢驗(yàn)

1.全球投資者情緒的靜態(tài)溢出

(1)總情緒指數(shù)的信息溢出

采用Diebold信息溢出指數(shù)模型研究投資者情緒的溢出機(jī)制，首先分析全球投資者情緒的靜態(tài)溢出效應(yīng)。根據(jù)單位根檢驗(yàn)發(fā)現(xiàn)所有的情緒指數(shù)均是一階單整，協(xié)整檢驗(yàn)顯示情緒指數(shù)之間存在著顯著的協(xié)整關(guān)系(具體結(jié)果略)，因此，采用VAR模型和廣義方差分解模型對(duì)樣本區(qū)間內(nèi)情緒指數(shù)間的溢出機(jī)制進(jìn)行分析，VAR模型的滯后階數(shù)根據(jù)AIC準(zhǔn)則確定為3階。廣義方差分解得到的關(guān)聯(lián)性表如表5所示。從表5倒數(shù)第二行對(duì)外溢出值(To)可以看到，道瓊斯、標(biāo)普、法國(guó)股市和中國(guó)香港恒生指數(shù)投資者情緒對(duì)外溢出值較大，而澳大利亞和中國(guó)A股情緒的對(duì)外溢出值最??；從最后一列接受溢出值(From)可以看到，道瓊斯、標(biāo)普、日本和恒生指數(shù)較大，澳大利亞股市和中國(guó)A股最小?？傮w看來，情緒對(duì)外溢出越大的市場(chǎng)，其接受溢出值也較大；而對(duì)外溢出較小的市場(chǎng)，其接受溢出也較小。澳大利亞主要是由于其位于大洋洲，與其他市場(chǎng)地理位置相隔較遠(yuǎn)，因此較難受到其他市場(chǎng)投資者情緒的傳染，中國(guó)A股則是由于其開放性不夠，因此受其他市場(chǎng)影響相對(duì)較小。而道瓊斯、標(biāo)普、日本股市和中國(guó)香港股市均是全球化開放程度較高的市場(chǎng)，因此其投資者情緒容易向外傳染，也容易受到外部情緒的影響。從最后一行凈溢出值(Net)可以看到，美國(guó)股市(包括道瓊斯、標(biāo)普和納斯達(dá)克)總體處于對(duì)外部市場(chǎng)產(chǎn)生信息溢出的位置，歐洲股市(包括英國(guó)、德國(guó)和法國(guó))和亞洲股市(日本、韓國(guó)、中國(guó)香港和中國(guó)A股)則處于從外部市場(chǎng)接受溢出的位置。全球市場(chǎng)投資者情緒的總溢出值為52.02(該值最小為0，最大為100)，說明全球市場(chǎng)間情緒的相互影響較強(qiáng)。

表5 全球投資者情緒信息溢出關(guān)聯(lián)表

(2)高漲情緒和低迷情緒的信息溢出

本文將投資者情緒細(xì)分成高漲情緒和低迷情緒兩個(gè)部分，分別研究高漲投資者情緒和低迷投資者情緒在全球市場(chǎng)的信息溢出機(jī)制。借鑒文鳳華等[31]學(xué)者的研究方法，根據(jù)各個(gè)市場(chǎng)投資者情緒的中位值將情緒分為高漲情緒和低迷情緒，并采用Diebold信息溢出模型對(duì)高漲情緒和低迷情緒進(jìn)行分析，結(jié)果如表6所示。其中，Panel A是高漲情緒的信息溢出分析結(jié)果，Panel B是低迷情緒的信息溢出分析結(jié)果。由于篇幅所限，表6僅列出了各市場(chǎng)投資者情緒的對(duì)外溢出值、接受溢出值及凈溢出值，以及市場(chǎng)整體的溢出值。可以看到，在所有的11個(gè)市場(chǎng)指數(shù)上，無論是對(duì)外溢出值還是接受溢出值，高漲情緒的溢出效應(yīng)比低迷情緒的溢出效應(yīng)均要高很多，因此，高漲情緒的市場(chǎng)總溢出值為41.25，而低迷情緒的市場(chǎng)總溢出值僅為19.56，表現(xiàn)出較強(qiáng)的非對(duì)稱性。

表6 高漲和低迷情緒的信息溢出關(guān)聯(lián)表

在具體市場(chǎng)的情緒溢出方向上，高漲情緒(低迷情緒)與總情緒指數(shù)有所不同，如道瓊斯指數(shù)的總情緒凈溢出為正，但是其高漲情緒和低迷情緒凈溢出均為負(fù)值。從區(qū)域市場(chǎng)來看，美國(guó)股市無論是高漲情緒還是低迷情緒均處于凈對(duì)外溢出狀態(tài)，而亞洲股市則是處于凈接受溢出狀態(tài)，歐洲股市則在高漲情緒上表現(xiàn)出一定的凈接受溢出，而在低迷情緒上則表現(xiàn)出一定的凈對(duì)外溢出。總體來看，通過將投資者情緒細(xì)分為高漲投資者情緒和低迷投資者情緒，可以發(fā)現(xiàn)高漲情緒的溢出和低迷情緒的溢出具有一定的非對(duì)稱性，說明投資者更容易受到高漲情緒的影響，國(guó)際投資者更容易因?yàn)槟硞€(gè)市場(chǎng)的情緒高漲而加大全球市場(chǎng)的配置，從而使得高漲情緒更容易在各市場(chǎng)間傳染，而低迷情緒則相對(duì)較少地在各市場(chǎng)間進(jìn)行傳染，表現(xiàn)為當(dāng)投資者較為低迷的時(shí)候，更容易降低在單個(gè)市場(chǎng)的投資，而相對(duì)較難對(duì)其他市場(chǎng)產(chǎn)生影響。

2.投資者情緒的動(dòng)態(tài)溢出

(1)全球投資者情緒的動(dòng)態(tài)溢出

上一部分是從靜態(tài)的視角研究投資者情緒的信息溢出機(jī)制，即將整個(gè)樣本區(qū)間作為一個(gè)整體來看待，為了更細(xì)致地分析投資者情緒的溢出效應(yīng)，本部分將采用動(dòng)態(tài)窗口分析投資者情緒溢出效應(yīng)的時(shí)變性。這里采用100期(近2年)的時(shí)間窗口進(jìn)行滾動(dòng)分析，在穩(wěn)健性檢驗(yàn)中將對(duì)不同的時(shí)間窗口進(jìn)行分析。由于篇幅所限，這里僅列出總情緒指數(shù)、高漲情緒指數(shù)和低迷情緒的總溢出值的時(shí)變特征，單個(gè)市場(chǎng)的溢出效應(yīng)未列出。圖3報(bào)告了3種情緒總溢出值的時(shí)變曲線，可以發(fā)現(xiàn)3者的走勢(shì)大體相似，3個(gè)總溢出值均在2009年年初、2012年年初及2016年年底附近達(dá)到階段性的高點(diǎn)，2009年年初接近于次貸危機(jī)的尾聲以及歐債危機(jī)的發(fā)端、2012年初則處于歐債危機(jī)的發(fā)酵過程中、2016年年底則是全球經(jīng)濟(jì)放緩、貿(mào)易摩擦開始加劇的時(shí)間節(jié)點(diǎn)，可以看到，在全球經(jīng)濟(jì)基本面出現(xiàn)重大變故的時(shí)點(diǎn)，全球市場(chǎng)的投資者情緒更容易發(fā)生聯(lián)動(dòng)。

圖3 情緒總溢出值的時(shí)變特征

除此以外，從圖3還可以得到兩個(gè)結(jié)果：一是隨著時(shí)間的推移，國(guó)際市場(chǎng)投資者情緒間的聯(lián)動(dòng)越來越密切，如在2006年7月時(shí)總情緒的總溢出值只有38，而在2019年6月時(shí)則達(dá)到了66，增加了四分之三左右，且高漲情緒和低迷情緒的總溢出值也得到了極大提升；二是高漲情緒和低迷情緒的溢出效應(yīng)存在著顯著的非對(duì)稱性，在整個(gè)樣本區(qū)間內(nèi)，高漲情緒的總溢出值始終高于低迷情緒的總溢出值，到2019年6月底，高漲情緒的總溢出值達(dá)到了66，而低迷情緒的總溢出值只有53。這再次說明投資者更容易將高漲情緒擴(kuò)散到其他市場(chǎng)，而低迷情緒則相對(duì)傾向于對(duì)單個(gè)市場(chǎng)的影響更大。

(2)中國(guó)A股投資者情緒的動(dòng)態(tài)溢出

前面的分析均是對(duì)全球股市進(jìn)行整體考慮，本節(jié)對(duì)中國(guó)股市進(jìn)行單獨(dú)分析，圖4至圖6分別報(bào)告了中國(guó)股市總情緒、高漲情緒及低迷情緒的溢出效應(yīng)時(shí)變情況。其中，實(shí)線表示的是情緒的對(duì)外溢出值，虛線表示的是情緒的接受溢出值，灰色陰影部分表示的是情緒的凈溢出值。從圖4可以看到，中國(guó)A股在2007年10月的情緒對(duì)外溢出值達(dá)到了第一次高峰，此時(shí)上證指數(shù)正創(chuàng)造了6124的歷史性高點(diǎn)；第二次高峰發(fā)端于2015年7月并在2016年7月達(dá)到頂點(diǎn)，2015年6月份開始中國(guó)A股出現(xiàn)了舉世矚目的千股跌停，直到2016年3月份才開始企穩(wěn)，因此，中國(guó)A股上的兩次牛市后的回落分別對(duì)應(yīng)著投資者情緒對(duì)外溢出值的兩次高峰。從灰色陰影部分凈溢出值的柱狀圖來看，中國(guó)A股在2007年3月至2009年1月以及2015年8月至2017年9月這兩段表現(xiàn)出正的凈溢出值，兩段均對(duì)應(yīng)著中國(guó)A股的一段重要行情，除此以外的絕大部分時(shí)間里，均主要表現(xiàn)出負(fù)的凈溢出值，在2012年底達(dá)到了最低值，此時(shí)正是中國(guó)A股在底部反復(fù)震蕩的低迷時(shí)期。

圖4 中國(guó)A股總情緒指數(shù)的信息溢出時(shí)變效應(yīng)

圖5 中國(guó)A股高漲情緒的信息溢出時(shí)變效應(yīng)

圖6 中國(guó)A股低迷情緒的信息溢出時(shí)變效應(yīng)

圖5高漲情緒信息溢出效應(yīng)表現(xiàn)與圖4較為相似，均在2007年和2016年達(dá)到了階段性的頂點(diǎn)，并在2012年達(dá)到了最低值。圖6低迷情緒的信息溢出效應(yīng)則表現(xiàn)出不一樣的特征。首先，低迷情緒只在2009年7月達(dá)到了對(duì)外溢出值的最高值，2009年7月是中國(guó)A股從6124高點(diǎn)腰斬后回升后的一個(gè)高點(diǎn)。從低迷情緒的凈溢出值看，2006～2009年間凈溢出值交替表現(xiàn)為正負(fù)值，但是進(jìn)入2010年后，凈溢出值就一直保持為負(fù)數(shù)，這與總情緒指數(shù)和高漲情緒的溢出效應(yīng)具有一定差異。綜合圖5和圖6來看，說明中國(guó)A股高漲情緒和低迷情緒的溢出存在較明顯的非對(duì)稱性，不僅表現(xiàn)在凈溢出值的正負(fù)向關(guān)系，而且可以看到高漲情緒的溢出指數(shù)值普遍高于低迷情緒的溢出指數(shù)值。

3.時(shí)間窗口的穩(wěn)健性檢驗(yàn)

時(shí)間窗口會(huì)對(duì)信息溢出模型的結(jié)論產(chǎn)生一定的影響。前文采用的均是100周的時(shí)間窗口，本節(jié)對(duì)時(shí)間窗口進(jìn)行穩(wěn)健性檢驗(yàn)，分別采用50、75、100、125和150周的窗口進(jìn)行分析，表7報(bào)告了不同周期下的檢驗(yàn)結(jié)果。其中，Panel A是總情緒指數(shù)的信息溢出效應(yīng)，Panel B是高漲情緒的信息溢出效應(yīng)，Panel C是低迷情緒的信息溢出效應(yīng)。

表7 時(shí)間窗口穩(wěn)健性檢驗(yàn)結(jié)果

表7中所列數(shù)值為不同市場(chǎng)指數(shù)情緒凈溢出值在樣本周期內(nèi)的均值，最后一列是市場(chǎng)總溢出值的均值。通過與表4和表5情緒靜態(tài)溢出值進(jìn)行比較后發(fā)現(xiàn)，單個(gè)市場(chǎng)的動(dòng)態(tài)溢出值均值表現(xiàn)出不一樣的方向性。如美國(guó)股市表現(xiàn)出了總體性的接受溢出特征，而歐洲股市則表現(xiàn)出總體性的對(duì)外溢出特征，亞洲股市則始終保持著總體性的接受溢出特征，而澳大利亞則表現(xiàn)出較明顯的對(duì)外溢出特征，這在不同的時(shí)間窗口下均是穩(wěn)健的。將表4和表5靜態(tài)溢出值特征結(jié)合起來可以看出，目前歐美股市仍然在世界占據(jù)了主導(dǎo)地位，而亞洲股市則更多地表現(xiàn)為被溢出的角色。從市場(chǎng)總溢出值可以看到，隨著時(shí)間周期的變大，無論是總情緒指數(shù)、高漲情緒還是低迷情緒，總溢出值均逐漸變?。磺腋邼q情緒的總溢出值均要高于低迷情緒，情緒溢出的非對(duì)稱性非常明顯。因此，綜合來看，在不同時(shí)間窗口下，投資者情緒的溢出效應(yīng)表現(xiàn)出較為相似的特性，說明研究結(jié)論是穩(wěn)健的。

4.亞洲區(qū)域投資者情緒的信息溢出

(1)投資者情緒的靜態(tài)溢出

本文分析亞洲區(qū)域投資者情緒的信息溢出特征，包括日本、韓國(guó)、中國(guó)香港恒生指數(shù)和中國(guó)A股4個(gè)股票市場(chǎng)。表8報(bào)告了亞洲股市間投資者情緒的靜態(tài)溢出效應(yīng)，其中，Panel A是總情緒的溢出效應(yīng)；Panel B是高漲情緒的溢出效應(yīng)；Panel C是低迷情緒的溢出效應(yīng)。

表8 亞洲區(qū)域投資者情緒信息溢出關(guān)聯(lián)表

從表8中可以得到以下觀點(diǎn)：第一，亞洲股市總情緒的總溢出值為25.36，低于全球股市的52.02，這雖然跟所選市場(chǎng)數(shù)量較少有關(guān)，但是也說明亞洲股市間情緒的聯(lián)動(dòng)相對(duì)而言并不密切；第二，中國(guó)香港恒生指數(shù)市場(chǎng)成為亞洲股市最主要的對(duì)外信息溢出來源，其總情緒、高漲情緒和低迷情緒的凈溢出值分別為9.27、13.08和9.37，韓國(guó)股市和中國(guó)A股則是主要的接受溢出對(duì)象；第三，亞洲區(qū)域市場(chǎng)同樣存在著較明顯的非對(duì)稱性，任意市場(chǎng)高漲情緒的對(duì)外溢出值和接受溢出值均要高于低迷情緒，同時(shí)高漲情緒的總溢出值為16.97，接近于低迷情緒總溢出值(8.26)的2倍。總體來看，雖然到目前為止，中國(guó)A股的總市值已經(jīng)達(dá)到了世界第二的規(guī)模，但是由于其開放度有待提升，其在全球乃至亞洲區(qū)域的影響力均還明顯不夠。

(2)投資者情緒的動(dòng)態(tài)溢出

同樣采用100周的時(shí)間窗口研究亞洲股市信息溢出的時(shí)變特征，圖7報(bào)告了總情緒指數(shù)、高漲情緒及低迷情緒總溢出值的時(shí)變特征。其中，實(shí)線為總情緒總溢出值的時(shí)變曲線、虛線為高漲情緒總溢出值的時(shí)變曲線，點(diǎn)線為低迷情緒總溢出值的時(shí)變曲線。從圖7可以得到以下結(jié)論：第一，三者的走勢(shì)大體相似，尤其是總情緒指數(shù)和高漲情緒指數(shù)的總溢出值曲線；第二，動(dòng)態(tài)窗口的非對(duì)稱性仍然十分明顯，高漲情緒總溢出值曲線始終保持在低迷情緒總溢出值曲線以上；第三，總溢出值曲線有3個(gè)較為明顯的高點(diǎn)，分別出現(xiàn)在2007年底至2009年初、2012年初至2013年上半年、以及2016年初至2017年上半年，第一階段對(duì)應(yīng)著次貸危機(jī)期間，第二階段則對(duì)應(yīng)著歐債危機(jī)階段，第三階段則是全球經(jīng)濟(jì)放緩及貿(mào)易摩擦的加劇，與圖3的走勢(shì)也是大體相似的，說明亞洲股市跟全球股市的聯(lián)動(dòng)性非常強(qiáng)，只是其整體影響力相對(duì)偏低而已。

圖7 亞洲區(qū)域投資者情緒信息溢出的時(shí)變特征

圖8展示了中國(guó)A股在亞洲區(qū)域總情緒指數(shù)的總溢出值時(shí)變特征(限于篇幅，高漲情緒和低迷情緒的圖形略)，其中，實(shí)線是對(duì)外溢出值；虛線是接受溢出值；灰色陰影部分為凈溢出值?？梢钥吹?，中國(guó)A股在亞洲區(qū)域的對(duì)外溢出值依次出現(xiàn)了3個(gè)高點(diǎn)，分別是2007年7月至2008年2月、2011年3月和2015年11月至2017年4月，尤其是2015年11月后A股對(duì)外溢出值出現(xiàn)了一個(gè)跳躍式上升，這3個(gè)高點(diǎn)分別對(duì)應(yīng)著A股的兩個(gè)牛市以及第一次股災(zāi)后的一個(gè)階段性高點(diǎn)，在這3個(gè)高點(diǎn)時(shí)期，A股均是表現(xiàn)出正的凈溢出值，而在其他時(shí)間段，則多表現(xiàn)為負(fù)的凈溢出值。這些特征與圖4表現(xiàn)出的A股在全球股市中的特征是相似的，只是在亞洲區(qū)域中，2015年的A股牛市及股災(zāi)表現(xiàn)出的影響力相對(duì)更大。

圖8 中國(guó)A股情緒在亞洲區(qū)域的信息溢出時(shí)變效應(yīng)

五、結(jié)論與建議

采用2004年1月至2019年6月的谷歌搜索指數(shù)來分別表示全球各股票市場(chǎng)的投資者情緒，利用Diebold信息溢出模型研究了投資者情緒在全球的擴(kuò)散機(jī)制，研究結(jié)果發(fā)現(xiàn)：第一，全球股市投資者情緒的聯(lián)動(dòng)性較高，其信息總溢出值達(dá)到了52.02；第二，歐美股票市場(chǎng)是全球情緒傳染的主要對(duì)外溢出來源，而亞洲股市無論是在靜態(tài)窗口還是在動(dòng)態(tài)窗口，均處于接受溢出的位置；第三，投資者情緒的傳染具有顯著的非對(duì)稱性，表現(xiàn)為高漲情緒的信息溢出效應(yīng)要顯著高于低迷情緒的信息溢出效應(yīng)，無論是在靜態(tài)窗口還是動(dòng)態(tài)窗口，無論是在全球市場(chǎng)還是在亞洲區(qū)域市場(chǎng)，非對(duì)稱性都顯著存在；第四，在全球市場(chǎng)中，中國(guó)A股除了在2007年和2015年兩次牛市后期表現(xiàn)出較明顯的凈對(duì)外溢出，其他時(shí)間均表現(xiàn)出明顯的接受溢出狀態(tài)，說明由于開放程度不夠，中國(guó)A股的對(duì)外影響力還完全不能與其規(guī)模體量相匹配；第五，通過對(duì)亞洲區(qū)域市場(chǎng)的研究發(fā)現(xiàn)，亞洲股市投資者情緒的整體聯(lián)動(dòng)性要低于全球市場(chǎng)，其信息總溢出值僅為25.36，僅相當(dāng)于全球市場(chǎng)信息總溢出值的一半；第六，中國(guó)香港恒生指數(shù)市場(chǎng)是亞洲市場(chǎng)最主要的對(duì)外溢出來源，中國(guó)A股和韓國(guó)股市則是主要的接受溢出對(duì)象。

本文采用網(wǎng)絡(luò)大數(shù)據(jù)及Diebold信息溢出模型分析了投資者情緒在全球的擴(kuò)散機(jī)制，是對(duì)行為金融及風(fēng)險(xiǎn)傳染理論的有力補(bǔ)充，同時(shí)也具有較強(qiáng)的實(shí)踐應(yīng)用價(jià)值。第一，中國(guó)A股無論在全球市場(chǎng)還是亞洲區(qū)域，其情緒的對(duì)外影響力以及接受溢出能力均非常小，這是由于中國(guó)A股國(guó)際化程度不足所導(dǎo)致的，這雖然讓中國(guó)A股避免了外部極端風(fēng)險(xiǎn)的傳染，也大大降低了A股在國(guó)際上的影響力以及國(guó)際投資人投資A股的信心。因此，在建立必要的金融防火墻的基礎(chǔ)上，應(yīng)加大A股的開放程度、引入更多的國(guó)際投資者，逐步擴(kuò)大A股在全球的影響力。第二，隨著全球市場(chǎng)整合程度的增加，情緒更容易在市場(chǎng)間進(jìn)行傳導(dǎo)，風(fēng)險(xiǎn)也很容易從一個(gè)市場(chǎng)擴(kuò)散到另一個(gè)市場(chǎng)，無論是對(duì)于市場(chǎng)監(jiān)管層還是個(gè)體投資人來說，加大對(duì)外部風(fēng)險(xiǎn)的監(jiān)控和防范，均是一項(xiàng)越來越重要的工作。第三，從投資實(shí)踐層面來看，高漲情緒更容易在全球市場(chǎng)溢出，說明投資者更容易因?yàn)槠涓邼q情緒而加大在全球資產(chǎn)的配置力度；相反，低迷情緒則更容易讓投資人縮減在特定市場(chǎng)的投資規(guī)模。因此，對(duì)于全球資產(chǎn)配置者來說，應(yīng)該加強(qiáng)自身風(fēng)險(xiǎn)敞口的管理，尤其是在高漲情緒支配時(shí)，適當(dāng)降低風(fēng)險(xiǎn)敞口是避免極端危機(jī)事件侵蝕投資效益的重要舉措。