投資者情緒、風(fēng)險承擔(dān)與股票收益

吳慧慧 遲駿

摘? ?要：本文從整體投資者情緒和投資者情緒分歧兩個維度，考察投資者情緒截面特征對股票定價的影響，并探究投資者情緒對股票定價的影響機制。一方面，分別使用投資者情緒橫截面均值和方差表征整體投資者情緒和投資者情緒分歧，并構(gòu)建同時包含整體投資者情緒和投資者情緒分歧的資產(chǎn)定價模型。另一方面，使用滬深A(yù)股上市公司2007—2020年面板數(shù)據(jù)， 實證檢驗上述理論模型的結(jié)論。理論和實證研究表明，整體投資者情緒和投資者情緒分歧均顯著正向影響股票收益，兩者的交互作用負(fù)向影響股票收益;整體投資者情緒和投資者情緒分歧均顯著提高風(fēng)險承擔(dān)水平，而風(fēng)險承擔(dān)水平的提高會增加股票收益，即風(fēng)險承擔(dān)在投資者情緒對股票收益的影響中起到了中介作用。

關(guān)鍵詞：整體投資者情緒;投資者情緒分歧;交互效應(yīng);風(fēng)險承擔(dān);股票收益

中圖分類號：F830.59? 文獻標(biāo)識碼：A? 文章編號：1674-2265（2022）01-0038-10

DOI：10.19647/j.cnki.37-1462/f.2022.01.005

一、引言

投資者情緒是指投資者持有的關(guān)于資產(chǎn)未來收益或投資風(fēng)險的錯誤信念（Baker和Wurgler）[1]，對股票市場中的金融異象有很強的解釋能力。縱觀現(xiàn)有研究可以發(fā)現(xiàn)，投資者情緒的理論模型構(gòu)建已趨于完善（De Long等，1990;胡昌生等，2017）[2，3]，同時投資者情緒的實證檢驗也得到了迅速發(fā)展和廣泛應(yīng)用（何誠穎等，2021）[4]。但是，仍有一些基本問題尚未得到解決。例如，如何準(zhǔn)確衡量投資者情緒截面特征對股票價格的影響？投資者情緒對股票價格的影響過程中是否存在有效的傳導(dǎo)機制？

依據(jù)徐楓和胡鞍鋼（2012）[5]、Bayar等（2015）[6]的分析框架，整體投資者情緒可以看成投資者情緒橫截面均值，而投資者情緒分歧可以看成投資者情緒橫截面方差。從這一意義上講，整體投資者情緒和投資者情緒分歧這兩個指標(biāo)可以高度概括投資者情緒截面特征（徐楓和胡鞍鋼，2012）[5]，而將兩者相結(jié)合進行研究，可以準(zhǔn)確衡量投資者情緒截面特征對股票定價的影響。然而，以往研究多是單獨考察整體投資者情緒或投資者情緒分歧與股票定價的關(guān)系（宋順林和王彥超，2016;尹海員和朱旭，2019）[7，8]，極少將兩者結(jié)合起來，存在一定缺陷。假設(shè)所有投資者對某只股票整體持樂觀態(tài)度，但投資者對該股票未來收益的態(tài)度分歧較大，那么較大的投資者情緒分歧很可能會減小樂觀的整體投資者情緒對股票價格的影響。同樣地，若所有投資者對某只股票未來收益的態(tài)度分歧較大，但投資者對該股票整體持樂觀態(tài)度，那么樂觀的整體投資者情緒很可能也會減小較大的投資者情緒分歧對股票價格的影響。因此，無論從整體投資者情緒還是投資者情緒分歧角度，單獨展開研究都難以全面描述投資者情緒截面特征對股票定價的影響，同時，也無法揭示出兩者之間的交互作用如何影響股票定價（金永紅和羅丹，2017）[9]。近年來，一些學(xué)者也意識到從整體和分歧兩個維度探討投資者情緒對股票定價影響的必要性，并在兩者對股票定價綜合影響的研究方面做了初步探索，例如Cen等 （2013）[10]、Kim等（2014）[11]、付萱和陸加徐（2015）[12]、Atmaz 和 Basak（2018）[13]及Han等（2019）[14]。但是這些文獻只是同時考察了整體投資者情緒和投資者情緒分歧與股票定價的關(guān)系，而沒有考慮兩者之間的交互作用如何影響股票定價，也沒有進一步探究投資者情緒對股票定價的影響路徑和傳導(dǎo)機制。

在投資者情緒與股票定價關(guān)系的研究中，現(xiàn)有文獻更多注重證明“影響是否存在”，而對“影響如何傳遞”的探討并不充分。本文將風(fēng)險承擔(dān)視為投資者情緒影響股票價格的重要渠道之一。風(fēng)險承擔(dān)水平的高低體現(xiàn)了投資者在投資決策過程中的冒險精神，風(fēng)險承擔(dān)水平越高，投資者追求收益的表現(xiàn)越強烈（Lian等，2019）[15]。Lian等（2019）[15]證實了貨幣政策對投資者風(fēng)險承擔(dān)的影響。邱玥丹（2014）[16]等研究表明性別、性格、國籍及教育水平等投資者個人特征均是影響風(fēng)險承擔(dān)的重要因素。特別地，投資者情緒也是影響風(fēng)險承擔(dān)的重要因素，Ganzach（2000）[17]、Statman等（2008）[18]、Kempf等（2014）[19]的實驗結(jié)論均表明樂觀投資者通常低估或忽視潛在風(fēng)險。從這個角度來看，較高的整體風(fēng)險承擔(dān)水平往往伴隨著整體投資者情緒的過度樂觀。然而根據(jù)我們目前掌握的文獻，鮮有研究關(guān)注投資者情緒分歧對風(fēng)險承擔(dān)的影響。此外，在風(fēng)險承擔(dān)與股票價格關(guān)系的研究中，傳統(tǒng)金融學(xué)理論中的風(fēng)險補償假說認(rèn)為，投資者風(fēng)險承擔(dān)水平越高，其要求的風(fēng)險補償越低，股票價格就越高，然而大量學(xué)者的實證研究結(jié)論并不支持該假說（陳工孟和芮萌，2003;Yu和Yuan，2011）[20，21]。 因此，從現(xiàn)有影響機制的研究來看，其仍存在以下有待解決的問題：首先，投資者情緒分歧如何影響風(fēng)險承擔(dān)？其次，整體投資者情緒和投資者情緒分歧對風(fēng)險承擔(dān)的綜合影響是怎樣的？最后，風(fēng)險承擔(dān)對股票價格的影響是否滿足風(fēng)險補償假說？這些問題為本文探索風(fēng)險承擔(dān)作為投資情緒影響股票價格的影響機制是否有效提供了思路。

有鑒于此，在行為金融學(xué)理論框架下，本文通過構(gòu)建一個簡單的理論模型試圖從整體投資者情緒和投資者情緒分歧兩個維度，考察投資者情緒截面特征對股票定價的影響以及風(fēng)險承擔(dān)在其中的中介作用。具體而言，本文分別使用投資者情緒橫截面均值和方差表征整體投資者情緒和投資者情緒分歧;基于Grossman和Stiglize（1980）[22]做法構(gòu)建同時包含整體投資者情緒和投資者情緒分歧的資產(chǎn)定價模型，從理論上研究整體投資者情緒和投資者情緒分歧對于股票價格的綜合影響，探究投資者情緒對股票定價的作用機理及傳導(dǎo)機制;在理論研究基礎(chǔ)上，基于滬深A(yù)股上市公司2007—2020年面板數(shù)據(jù)，構(gòu)建整體投資者情緒和投資者情緒分歧指標(biāo)，實證檢驗理論模型的結(jié)論。

本文主要貢獻在于：一方面，從整體投資者情緒和投資者情緒分歧兩維視角探究投資者情緒截面特征對股票定價的影響，豐富了投資者情緒對股票定價影響的理論分析框架。另一方面，本文構(gòu)建了完整的投資者情緒影響股票收益的影響路徑和傳導(dǎo)機制。該路徑以投資者情緒為起點，風(fēng)險承擔(dān)為中介，股票收益為終點，盡管已有很多學(xué)者研究投資者情緒對股票收益的影響，但是鮮有研究對其影響機制作進一步分析。

二、理論基礎(chǔ)與研究假設(shè)

假設(shè)經(jīng)濟體中存在兩種可交易的資產(chǎn)，一種是無限供給且收益率為0的無風(fēng)險債券，另一種是供給量為固定[x]單位的股票。股票在0時刻交易，1時刻返還清算價值[V]。清算價值[V]滿足正態(tài)分布[V～Nμ，δ2]，其中，[μ]為股票基礎(chǔ)價值，[δ2]衡量股票清算價值不確定性。

經(jīng)濟體中投資者是連續(xù)的，總?cè)藬?shù)正規(guī)化到1單位，用字母[i]標(biāo)注投資者，[i∈0，1]且[idi=1]。在該經(jīng)濟體中，投資者對股票價值的認(rèn)知包含個人的信念——投資者情緒[s]。已有研究表明，高漲的投資者情緒導(dǎo)致投資者高估資產(chǎn)價值而低估風(fēng)險，低落的投資者情緒導(dǎo)致投資者低估資產(chǎn)價值而高估風(fēng)險（Ganzach，2000;Statman等，2008;Kempf等，2014）[17-19]。因此，投資者[i]對股票清算價值的認(rèn)知可以表示為：

[Vi～Nμ+fsi，gsiδ2] （1）

其中，[si]為投資者[i]的投資者情緒，[fsi]為投資者情緒[si]的單調(diào)增函數(shù)，且滿足：（1）若[si>0]，則[fsi>0];（2）若[si<0]，則[fsi<0];（3）若[si=0]，則[fsi=0]。[gsi]為投資者情緒[si]的單調(diào)減函數(shù)，且滿足：（1）若[si>0]，則[gsi<1];（2）若[si<0]，則[gsi>1];（3）若[si=0]，則[gsi=1]。根據(jù)上述投資者情緒函數(shù)的性質(zhì)并考慮到模型的可處理性，不妨設(shè)[fs=αs]和[gs=exp-βs]，其中，[α]和[β]均為大于0的某固定常數(shù)，[α]和[β]越大，說明投資者對股票清算價值和清算價值不確定性的認(rèn)知受自身非理性情緒的影響越大。

借鑒 Atmaz 和 Basak（2018）[13]的做法，本文假設(shè)經(jīng)濟體中投資者情緒的橫截面分布滿足均值為[m]、方差為[v2]的正態(tài)分布，即[s～Nm，v2]。為了可以包括極端投資者情緒，投資者情緒區(qū)間為整個實數(shù)區(qū)間，即[s∈-∞，+∞]。因此，根據(jù)正態(tài)分布的性質(zhì)，參數(shù)[m]滿足[m=isidi]，表示投資者情緒橫截面均值，本文視為整體投資者情緒;參數(shù)[v2]滿足[v2=isi-m2di]，表示投資情緒橫截面離散程度，本文視為投資者情緒分歧。為了更直觀觀察不同投資者對股票清算價值的認(rèn)知，圖1模擬了三個不同投資者認(rèn)知的股票清算價值分布：一個悲觀的投資者（位于橫截面分布的30%下分位數(shù)），一個理性投資者（位于橫截面分布的中位數(shù)），一個樂觀投資者（位于橫截面分布30%上分位數(shù)）。其中參數(shù)取值如下：[μ=5]，[α=1]，[β=0.1]，[δ2=0.25]，[m=0]，[v2=0.25]。

假定經(jīng)濟體中每個投資者有相同的CARA效用函數(shù)：[uW=-exp-γW]，其中，[γ]為絕對風(fēng)險厭惡系數(shù)，財富[W]服從正態(tài)分布。0時刻，每個投資者具有相同的初始財富[W0]，并通過選擇對股票的需求量來最大化1時刻預(yù)期財富效用，即：

[maxE-exp-γW1，iΩi?maxEW1iΩi-12γVarW1iΩi]? （2）

其中[Ωi]為投資者[i]在進行交易時所擁有的信息集。公式（2）進一步可以整理為：

[EW1iΩi-12γVarW1iΩi=EW0+XiV-pΩi-12γVarW0+XiV-pΩi] （3）

由極值條件知，投資者[i]對股票的最優(yōu)需求量為：

[Xi=EVΩi-pγVarVΩi=μ+αsi-pγexp-βsiδ2] （4）

市場出清[iXidi=x]得均衡價格：

[p=μ+αm+αβv2-expβm+β2v22γδ2x-1] （5）

上市表明股票價格包括四部分：第一部分為股票基礎(chǔ)價值（[μ]）;第二部分刻畫了整體投資者情緒對股票價格的直接影響（[αm]）;第三部分刻畫投資者情緒分歧對股票價格的直接影響（[αβv2]）;第四部分中[expβm+β2v22γδ2x]是描述投資者整體風(fēng)險承擔(dān)水平的一個因子（Mendel 和Shleifer，2012）[23]，顯然投資者風(fēng)險承擔(dān)水平越高，其要求的風(fēng)險補償越低，股票價格越高。此外，公式（5）還表明整體投資者情緒和投資者情緒分歧均可通過提高風(fēng)險承擔(dān)水平而間接正向影響股票價格，即整體投資者情緒和投資者情緒分歧對股票價格的正向影響有一部分是通過風(fēng)險承擔(dān)實現(xiàn)的。

具體而言，整體投資者情緒和投資者情緒分歧對股票價格的影響分別為公式（6）和（7）：

[?p?m=α+βexpβm+β2v22γδ2x-1] （6）

[?p?v2=αβ+β22expβm+β2v22γδ2x-1] （7）

公式（6）表明整體投資者情緒正向影響股票價格（[?p?m>0]），整體投資者情緒越樂觀，股票價格越高，這與以往的研究結(jié)論相同;公式（7）表明投資者情緒分歧與股票價格也存在正向關(guān)系（[?p?v2>0]），隨著投資者情緒分歧的加劇，股票價格隨之上升。該結(jié)論說明，即使不存在賣空限制（Miller，1977）[24]，在本文模型設(shè)置中，投資者情緒分歧也導(dǎo)致股票價格的高估。從公式（6）還可以發(fā)現(xiàn)投資者情緒分歧越大，整體投資者情緒對均衡價格的影響越小。同樣，從公式（7）還可以發(fā)現(xiàn)整體投資者情緒越高漲，投資者情緒分歧對股票價格的影響越小。因此，整體投資者情緒和投資者分歧之間存在交互效應(yīng)，且整體投資者情緒和投資者分歧的交互作用負(fù)向影響股票價格。

根據(jù)上述模型分析，可以看出整體投資者情緒和投資者情緒分歧均顯著影響股票價格且風(fēng)險承擔(dān)在兩者對股票價格的影響中起到中介作用。具體來看，可以給出本文實證分析的三個基本假設(shè)：

假設(shè)1：整體投資者情緒和投資者情緒分歧均正向影響股票價格。

假設(shè)2：整體投資者情緒與投資者情緒分歧的交互作用負(fù)向影響股票價格。

假設(shè)3：風(fēng)險承擔(dān)在整體投資者情緒與投資者情緒分歧對股票價格影響中起到中介作用。

三、實證研究設(shè)計與數(shù)據(jù)說明

（一）變量定義

1. 被解釋變量。本文使用對數(shù)收益率作為被解釋變量，即[Ri，t=lnpi，t-lnpi，t-1]，其中[pi，t-1]和[pi，t]分別為第[i]只股票在第[t-1]年和第[t]年的收盤價。

2. 解釋變量。關(guān)于市場層面整體投資者情緒的度量， 學(xué)術(shù)界已形成較為完善的方法。然而市場層面整體投資者情緒指標(biāo)忽略了不同上市公司的截面特征，因此，使用該類指標(biāo)考察個股層面的微觀定價問題顯然有失偏頗。區(qū)別于以往研究，本文構(gòu)建個股層面整體投資者情緒。張慶和朱迪星（2014）[25]指出個股整體投資者情緒可用股票當(dāng)前市值與實際價值之間的差來衡量?；诖耍疚慕梃bRhodes-Kroft等（2005）[26]的研究，使用分離估值水平的方法得到個股整體投資者情緒指標(biāo)。具體而言，本文將股票市場估值分離為股票內(nèi)在價值與股票非理性情緒導(dǎo)致的錯誤定價兩個部分，用股票市場估值的自然對數(shù)與反應(yīng)股票基本面的變量進行回歸：

[LnQi，t=α0+α1LnSizei，t+α2LnNIi，t+α3Levi，t+εi，t] （8）

其中，[LnQi，t]表示上市公司市場價值的自然對數(shù)，[LnSizei，t]表示上市公司規(guī)模的自然對數(shù)，[LnNIi，t]表示上市公司凈利潤的自然對數(shù)，[Levi，t]表示上市公司的資產(chǎn)負(fù)債率。Rhodes-Kroft等（2005）[27]認(rèn)為，公司規(guī)模、盈利能力和杠桿率是擬合股票內(nèi)在價值最重要的因素。因此，本文把公式（8）的擬合值[LnQi，tf]作為股票內(nèi)在價值的替代變量，對殘差[LnQi，te=LnQi，t-LnQi，tf]標(biāo)準(zhǔn)化后，得到股票相對于其他股票被高估或低估的程度，即個股整體投資者情緒的替代變量[Senti，t]。

投資者情緒分歧比較抽象， 難以直接進行度量，因此，選擇合適的代理變量尤為重要。李維安等（2012）[27]指出投資者情緒分歧衡量指標(biāo)的選擇應(yīng)以最能體現(xiàn)廣大中小投資者的投資者情緒的差異為依據(jù)。因此，參考李維安等（2012）[27]的相關(guān)研究，本文采用年度平均換手率來衡量股票投資者情緒分歧，即[Toi，t]表征第[i]只股票在第[t]年的投資者情緒分歧。

進一步地，考慮到整體投資者情緒、投資者情緒分歧和市場趨勢之間的相互影響，本文參照 Kumar和Lee（2006）[28]對整體投資者情緒及投資者情緒分歧指標(biāo)做了如下正交化處理：

[Senti，t=α0+α1Rm，t-Rf，t+α2Toi，t+εi，t] （9）

[Toi，t=β0+β1Rm，t-Rf，t+β2Senti，t+εi，t] （10）

其中[Rm，t]、[Rf，t]分別為第[t]年的市場收益率和無風(fēng)險利率;殘差視為整體投資者情緒凈值和投資者情緒分歧凈值，分別標(biāo)記為[NetSenti，t]和[NetToi，t]。令[ΔNetSenti，t=NetSenti，t-NetSenti，t-1]表示第[i]只股票在第[t]年整體投資者情緒的變化，則[ΔNetSenti，t>0]說明第[i]只股票在第[t]年整體投資者情緒變得樂觀或更樂觀，[ΔNetSenti，t<0]說明第[i]只股票在第[t]年整體投資者情緒變得悲觀或更悲觀;令[ΔNetToi，t=NetToi，t-NetToi，t-1]表示第[i]只股票在第[t]年投資者情緒分歧的變化，[ΔNetToi，t>0]說明第[i]只股票在第[t]年投資者情緒分歧加劇，[ΔNetToi，t<0]說明第[i]只股票在第[t]年投資者情緒分歧減小。由于股票收益是股票價格的變化值，借鑒王美今和孫建軍（2004）[29]，本文實證部分將使用[ΔNetSenti，t]和[ΔNetToi，t]作為主要解釋變量。

3. 中介變量。由于風(fēng)險承擔(dān)帶有強烈的主觀意愿，因此，關(guān)于投資者風(fēng)險承擔(dān)的度量最具有說服力的辦法是通過對所有投資者作問卷調(diào)查直接得到。然而，由于無法避免被調(diào)查投資者說謊，這種問卷調(diào)查結(jié)果有時也會失真?；诖?，參考Coles等（2006）[30]的做法，本文使用股票收益波動率間接衡量投資者整體風(fēng)險承擔(dān)水平，特別地，為了去除市場波動的影響，使用股票特質(zhì)超額收益波動率作為風(fēng)險承擔(dān)的代理變量。借鑒鄧雪春和鄭振龍（2011）[31]的做法，本文構(gòu)建了股票年度特質(zhì)收益波動率指標(biāo)。先使用股票年內(nèi)日數(shù)據(jù)進行Fama-French三因素模型回歸，回歸公式如下：

[Ri，t，k-Rf，t，k=γ0+γ1Mktt，k+γ2Smbt，k+γ3Hmlt，k+εi，t]

（11）

其中，[Ri，t，k]表示股票收益率，[Rf，t，k]表示無風(fēng)險利率，[Mktt，k]表示市場溢酬因子，[Smbt，k]表示規(guī)模因子，[Hmlt，k]表示賬面市值比因子。為了保證年內(nèi)回歸的有效性，在回歸過程中剔除正常交易日數(shù)目不足年內(nèi)總交易數(shù)50%的股票。在此基礎(chǔ)上，利用回歸殘差的樣本標(biāo)準(zhǔn)差得到股票[i]在第[t]年的特質(zhì)超額收益波動率。參考以往文獻，本文將得到的標(biāo)準(zhǔn)差序列年度化，即可得到第[i]只股票第[t]年的年度特質(zhì)超額收益波動率，即：

[IVOLt=std（εi，t）×ni，t] （12）

其中，[ni，t]為股票[i]在第[t]年的總的交易天數(shù)。該指標(biāo)越大，說明個股層面的風(fēng)險水平越高，則投資者需要承擔(dān)的風(fēng)險就越高。與整體投資者情緒和投資者情緒分歧相同，本文使用風(fēng)險承擔(dān)增量[ΔIVOLi，t]作為中介變量，[ΔIVOLi，t>0]說明投資者對第[i]只股票整體風(fēng)險承擔(dān)水平提升，[ΔIVOLi，t<0]說明投資者對第[i]只股票整體風(fēng)險承擔(dān)水平降低。

4.控制變量。為了控制其他因素對股票收益的影響，本文還在回歸模型中加入了已有研究發(fā)現(xiàn)的其他可能的影響因素作為控制變量。具體包括：公司規(guī)模（[LnSize]），機構(gòu)持股比例（[InsRatio]），非流動性因子（[Illiq]）以及Carhart四因子——市場溢酬因子（[Mkt]）、市值因子（[Smb]）、賬面市值比因子（[Hml]）和動量因子（[Umd]）。公司規(guī)模（[LnSize]）取公司總資產(chǎn)的自然對數(shù);非流動性測度指標(biāo)參照 Amihud（2002）[32]定義，即非流動性指標(biāo)越大，表明股票流動性越低。以上控制變量均滯后一期處理。與此同時，為了控制股票收益率可能存在的自相關(guān)性，引入滯后一期收益率作為控制變量。此外，本文在回歸分析中還控制了年份與行業(yè)固定效應(yīng)。

（二）樣本選擇與數(shù)據(jù)來源

本文以 2007—2020 年滬深兩市 A 股上市公司為研究樣本，剔除證監(jiān)會行業(yè)分類中歸屬金融類的股票、變量數(shù)據(jù)缺失的股票以及所有ST公司股票。與以往研究相同，為了消除異常值的影響，本文對所有連續(xù)變量進行了上下 1%的 Winsorize 處理。文中所用數(shù)據(jù)均取自國泰安數(shù)據(jù)庫和萬得數(shù)據(jù)庫。

（三）實證設(shè)計

由理論模型可知，整體投資者情緒和投資者情緒分歧均通過兩個途徑影響股票收益：一是直接導(dǎo)致股票價格的錯誤估值;二是引致風(fēng)險承擔(dān)水平發(fā)生變化而修正股價。此外，整體投資者情緒與投資者情緒分歧的交互作用負(fù)向影響股票收益。基于以上理論模型結(jié)論，本文建立如下相關(guān)實證檢驗?zāi)Ｐ汀?/p>

1. 整體投資者情緒、投資者情緒分歧與股票收益。為了考察整體投資者情緒和投資者情緒分歧對股票收益的影響，本文構(gòu)建回歸模型（13）：

[Ri，t=γ0+γ1ΔNetSenti，t-1+γ2ΔNetToi，t-1+γ3Ri，t-1+j=410γjControlsi，t-1+εi，t] （13）

依據(jù)理論模型，若整體投資者情緒及投資者情緒分歧均對股票價格產(chǎn)生正向影響，則[γ1]和[γ2]應(yīng)該顯著為正。

2. 整體投資者情緒與投資者情緒分歧的交互作用與股票收益。為進一步考察整體投資者情緒與投資者情緒分歧的交互作用對股票收益的影響，在模型（13）中引入整體投資者情緒的變化和投資者情緒分歧的變化的交互項，并建立如下實證模型：

[Ri，t=λ0+λ1ΔNetSenti，t+λ2ΔNetToi，t+λ3ΔNetSenti，t×ΔNetToi，t+λ4Ri，t-1+j=511λjControlsi，t-1+εi，t]? ?（14）

本文重點關(guān)注交互項系數(shù)[λ3]的符號和顯著性水平。依據(jù)假設(shè)2，若整體投資者情緒與投資者情緒分歧的交互作用負(fù)向影響股票價格，則模型（14）中交互項系數(shù)[λ3]應(yīng)顯著為負(fù)。

3. 風(fēng)險承擔(dān)中介效應(yīng)檢驗。借鑒溫忠麟和葉寶娟（2014）[33]的中介效應(yīng)檢驗方法，本文以模型（13）、模型（15）和模型（16）組成一個完整的檢驗風(fēng)險承擔(dān)中介效應(yīng)的模型：

[ΔIVOLi，t=?0+?1ΔNetSenti，t+?2ΔNetToi，t+j=39?jControlsi，t-1+εi，t] （15）

[Ri，t=φ0+φ1ΔNetSenti，t+φ2ΔNetToi，t+φ3ΔIVOLi，t+φ4Ri，t-1+j=511φjControlsi，t-1+εi，t] （16）

具體檢驗步驟如下：第一步，檢驗整體投資者情緒和投資者情緒分歧是否對股票收益產(chǎn)生正向影響，即模型（13）中系數(shù) [γ1]和[γ2]是否均顯著為正。第二步，若 [γ1]和[γ2]均顯著為正，再檢驗?zāi)Ｐ停?5）的系數(shù)[?1]和[?2]以及模型（16）的系數(shù)[φ3]，若三個系數(shù)均顯著為正，本文進行第四步檢驗;若三個系數(shù)不同時顯著，則需要采用Bootstrap 方法進行相應(yīng)的補充檢驗，即進行第三步檢驗。第三步，若系數(shù)[φ3]不顯著，則采用Bootstrap 方法檢驗[?1]和[φ3]的乘積是否為0，或[?2]和[φ3]的乘積是否為0;若系數(shù)[φ3]顯著，系數(shù)[?1]顯著而系數(shù)[?2]不顯著，則采用Bootstrap 方法檢驗[?2]和[φ3]的乘積是否為0;若系數(shù)[φ3]顯著，系數(shù)[?2]顯著而系數(shù)[?1]不顯著，則采用Bootstrap 方法檢驗[?1]和[φ3]的乘積是否為0。第四步，檢驗?zāi)Ｐ停?6）中系數(shù)[φ1]和系數(shù)[φ2]的顯著性。若系數(shù)[φ1]和系數(shù)[φ2]均顯著，說明風(fēng)險承擔(dān)起到部分中介作用，即整體投資者情緒和投資者情緒分歧對股票收益的影響均只有一部分是通過風(fēng)險承擔(dān)實現(xiàn)的，支持上述理論模型的結(jié)論;若系數(shù)[φ1]顯著而系數(shù)[φ2]不顯著，說明整體投資者情緒變化對股票收益的影響只有一部分是通過風(fēng)險承擔(dān)實現(xiàn)，而投資者情緒分歧對股票收益的影響完全通過風(fēng)險承擔(dān)實現(xiàn);若系數(shù)[φ1]不顯著而系數(shù)[φ2]顯著，說明整體投資者情緒對股票收益的影響完全通過風(fēng)險承擔(dān)實現(xiàn)，而投資者情緒分歧對股票收益的影響只有一部分是通過風(fēng)險承擔(dān)實現(xiàn);若系數(shù)[φ1]和系數(shù)[φ2]均不顯著，說明整體投資者情緒和投資者情緒分歧對股票收益的影響均完全通過風(fēng)險承擔(dān)實現(xiàn)。

四、實證檢驗結(jié)果與分析

（一）變量統(tǒng)計性分析

表1列出了解釋變量、被解釋變量以及相關(guān)控制變量的描述性統(tǒng)計結(jié)果。被解釋變量股票收益的均值為-0.0474，標(biāo)準(zhǔn)差為0.5004。樣本期間投資者整體風(fēng)險承擔(dān)增量均值為-0.0048，標(biāo)準(zhǔn)差為0.1122，最大值和最小值分別為0.4517和-0.8880，表明投資者對不同股票的風(fēng)險認(rèn)知存在顯著差異。去除市場趨勢的投資者情緒增量均值為0.0167，標(biāo)準(zhǔn)差為0.9436，說明我國A股市場整體投資者情緒是趨向樂觀的。去除市場趨勢的投資者情緒分歧增量的均值為-0.1967，表明我國A股市場的交易量整體處于下降趨勢;標(biāo)準(zhǔn)差4.1709及最小值和最大值之間差值達到24.4435，表明不同行業(yè)之間流動性差別較大。其他控制變量與已有研究相比不存在明顯差異。

表2給出了主要變量的Pearson相關(guān)系數(shù)和Spearman相關(guān)系數(shù)。由表2可知，股票收益與投資者情緒增量顯著正相關(guān)，說明在不考慮其他因素的前提下，投資者情緒的增加可以提高股票收益;股票收益與投資者情緒分歧增量也顯著正相關(guān)，說明在不考慮其他因素的前提下，投資者情緒分歧的增加也可以提高股票收益，這就初步證實了本文假設(shè)1。此外，風(fēng)險承擔(dān)增量與投資者情緒增量顯著正相關(guān)，風(fēng)險承擔(dān)增量與投資者情緒分歧增量顯著正相關(guān)，再結(jié)合風(fēng)險承擔(dān)增量與股票收益之間顯著正相關(guān)關(guān)系，可以推斷整體投資者情緒和投資者情緒分歧均可通過提高風(fēng)險承擔(dān)水平增加股票收益，進而初步證實本文的假設(shè)3。其他變量之間的相關(guān)性也與已有研究基本保持一致，各變量之間的相關(guān)系數(shù)基本小于0.7的經(jīng)驗水平，且未發(fā)現(xiàn)方差膨脹因子VIF大于10的情況，故可認(rèn)為模型不存在嚴(yán)重的多重共線性。

（二）整體投資者情緒、投資者情緒分歧與股票收益

表3給出了整體投資者情緒、投資者情緒分歧與股票收益的回歸結(jié)果。由表3可以看出，在考慮所有控制變量的條件下：首先，表3列（1）結(jié)果顯示，整體投資者情緒的變化與股票收益存在顯著的正向關(guān)系，回歸系數(shù)為0.0782，且在1%水平下顯著，說明當(dāng)整體投資者情緒更樂觀（悲觀）時，股票收益顯著增加（減少）。其次，表3列（2）結(jié)果顯示，投資者情緒分歧變化與股票收益也存在較為顯著的正向關(guān)系，回歸系數(shù)為0.0064，且在1%水平下顯著，說明當(dāng)投資者情緒分歧增加（減小）時，股票收益顯著增加（減小）。最后，表3列（3）結(jié)果表明，整體投資者情緒的變化、投資者情緒分歧的變化對股票收益的聯(lián)合作用效果也是顯著為正，回歸系數(shù)分別為0.0830和0.0087，均在1%水平下顯著。由以上分析可知，綜合考慮整體投資者情緒及投資者情緒分歧對股票收益的解釋力時，股票收益會隨著整體投資者情緒的高漲而增加，也會隨著投資者情緒分歧的加劇而增加，這與本文理論模型的推導(dǎo)結(jié)論相一致，假設(shè)1得證。

（三）整體投資者情緒與投資者情緒分歧的交互作用與股票收益

按照交互效應(yīng)的研究思路，在表3列（3）的基礎(chǔ)上，表4列（3）加入整體投資者情緒的變化和投資者情緒分歧的變化的交互項后，交互項系數(shù)為

-0.0016，在1%水平下顯著，因此，假設(shè)2得到了驗證。此外，在表3列（1）的基礎(chǔ)上，表4列（1）加入整體投資者情緒的變化和投資者情緒分歧的變化的交互項后，交互項的系數(shù)為-0.0013，在5%水平下顯著，該結(jié)論表明，投資者情緒分歧對整體投資者情緒與股票收益之間的關(guān)系具有顯著負(fù)向調(diào)節(jié)作用。在表3列（2）的基礎(chǔ)上，表4列（2）加入整體投資者情緒變化和投資者情緒分歧變化的交互項后，交互項的系數(shù)為-0.0022，在1%水平下顯著，表明整體投資者情緒對投資者情緒分歧與股票收益之間的關(guān)系也具有顯著負(fù)向調(diào)節(jié)作用。

（四）風(fēng)險承擔(dān)的中介效應(yīng)檢驗

表5給出了整體投資者情緒、投資者情緒分歧與風(fēng)險承擔(dān)的回歸結(jié)果。由表5可以看出，在考慮所有控制變量的條件下：首先，表5列（1）結(jié)果顯示，整體投資者情緒的變化正向影響風(fēng)險承擔(dān)的變化，回歸系數(shù)為0.0122，且在1%水平下顯著，說明當(dāng)整體投資者情緒更樂觀（更悲觀）時，風(fēng)險承擔(dān)顯著提升（降低）。其次，表5列（2）結(jié)果顯示，投資者情緒分歧的變化與風(fēng)險承擔(dān)的變化也存在較為顯著正向關(guān)系，回歸系數(shù)為0.0057，在1%水平下顯著，說明當(dāng)投資者情緒分歧增加（減?。r，風(fēng)險承擔(dān)也顯著提升（降低）。最后，表5列（3）結(jié)果表明，整體投資者情緒的變化、投資者情緒分歧的變化對風(fēng)險承擔(dān)的聯(lián)合作用效果也是顯著為正，回歸系數(shù)分別為0.0149和0.0061，均在1%水平下顯著，說明整體投資者情緒越樂觀、投資者情緒分歧越大的股票，投資者整體風(fēng)險承擔(dān)水平越高，而整體投資者情緒越悲觀、投資者情緒分歧越小的股票，投資者整體風(fēng)險承擔(dān)水平越低，該結(jié)果與前文理論模型的推導(dǎo)結(jié)論相一致。

表6列（1）表明風(fēng)險承擔(dān)的變化正向影響股票收益，回歸系數(shù)為1.2607，且在1%水平下顯著，在分別控制整體投資者情緒的變化、投資者情緒分歧的變化以及同時控制整體投資者情緒的變化和投資者情緒分歧的變化后，表6列（2）（3）和（4）中風(fēng)險承擔(dān)的變化與股票收益的回歸系數(shù)分別為1.2006、1.2498和1.1698，均在1%水平下顯著，說明股票收益隨著風(fēng)險承擔(dān)水平的提升而增加。 進一步地，在控制了風(fēng)險承擔(dān)的變化后，表6列（2）中整體投資者情緒的變化與股票收益的回歸系數(shù)為0.0680，且在1%水平下顯著;表6列（3）中投資者情緒分歧的變化與股票收益的回歸系數(shù)為0.0014，且在1%水平下顯著;表6列（4）中整體投資者情緒的變化和投資者情緒分歧的變化與股票收益聯(lián)合影響的回歸系數(shù)分別為0.0702和0.0037，均在1%水平下顯著。因此，可以判斷風(fēng)險承擔(dān)在整體投資者情緒、投資者情緒分歧與股票收益之間起到部分中介作用，假設(shè)3得到證實。

（五）穩(wěn)健性檢驗

為了保證實證檢驗結(jié)果的穩(wěn)健性，本文使用如下方法重新檢驗理論模型結(jié)論：（1）使用公司規(guī)模、財務(wù)杠桿、資產(chǎn)回報率三個指標(biāo)作為反映股票基本面的變量，對股票平均估值進行回歸，將標(biāo)準(zhǔn)化后的殘差作為整體投資者情緒的替代變量，進一步地，正交化處理得到整體投資者情緒凈值和投資者情緒分歧凈值，表7給出了相應(yīng)的檢驗結(jié)果。（2）分別以上證A股上市公司和深證A股上市公司為研究對象，表8和表9分別給出了相應(yīng)的檢驗結(jié)果。以上穩(wěn)健性檢驗結(jié)果均可證實理論模型結(jié)論。

五、研究結(jié)論與啟示

本文分別使用投資者情緒橫截面均值和方差表征整體投資者情緒和投資者情緒分歧，從兩維角度刻畫投資者情緒截面特征，并基于Grossman和Stiglitz（1980）[22]模型框架建立同時包含整體投資者情緒和投資者情緒分歧的資產(chǎn)定價模型，論證整體投資者情緒、投資者情緒分歧與股票價格之間的內(nèi)在機理，考察風(fēng)險承擔(dān)在投資者情緒影響股票價格中的中介作用。同時，本文以2007—2020年滬深A(yù)股上市公司為研究對象，構(gòu)建整體投資者情緒和投資者情緒分歧指標(biāo)，實證檢驗理論模型結(jié)論。本文理論分析和實證研究表明：第一，整體投資者情緒和投資者情緒分歧均正向影響股票收益，整體投資者情緒越樂觀，投資者情緒分歧越大，股票收益越高，反之，股票收益越低;第二，整體投資者情緒和投資者情緒分歧的交互作用負(fù)向影響股票收益，同時整體投資者情緒對投資者情緒分歧與股票收益的正向關(guān)系有顯著的負(fù)向調(diào)節(jié)效應(yīng)，投資者情緒分歧對整體投資者情緒與股票收益的正向關(guān)系也有顯著地負(fù)向調(diào)節(jié)作用;第三，風(fēng)險承擔(dān)對股票收益有正向影響，整體投資者情緒和投資者情緒分歧均正向影響風(fēng)險承擔(dān)，且風(fēng)險承擔(dān)在整體投資者情緒和投資者情緒分歧對股票收益的影響中起到部分中介作用。

本文研究結(jié)論對政策制定者與投資者都有一定的啟示。對監(jiān)管部門來說，要充分認(rèn)識到投資者情緒等非理性因素的存在，強調(diào)對個人投資者的教育和引導(dǎo)，豐富其金融投資基礎(chǔ)知識，增強風(fēng)險意識，進而防止投資者情緒等非理性因素導(dǎo)致的巨大市場泡沫，促進金融市場健康穩(wěn)定的發(fā)展。對投資者而言，應(yīng)將風(fēng)險承擔(dān)水平維持在合理范圍，減少投資者情緒等非理性因素對投資行為的影響。此外，投資者可以通過觀察其信息交易量的變化來對該只股票的回報做出大致判斷，若某只股票處于整體投資者情緒高漲（低落）的時期，股票信息交易量的劇烈變化可能預(yù)示著該只股票近期走弱（強），從而構(gòu)建相關(guān)投資策略來增加收益。

參考文獻：

[1]Baker M，Wurgler J. 2006. Investor Sentiment and the Cross-section of Stock Returns [J].The Journal of Finance，61（4）.

[2]De Long J B，Shleifer A，Summers L H，et al. 1990. Noise Trader Risk in Financial Markets [J].Journal of Political Economy，98（4）.

[3]胡昌生，彭楨，池陽春.反饋交易、交易誘導(dǎo)與資產(chǎn)價格行為 [J].經(jīng)濟研究，2017，52（5）.

[4]何誠穎，陳銳，薛冰，何牧原.投資者情緒、有限套利與股價異象 [J].經(jīng)濟研究，2021，56（1）.

[5]徐楓，胡鞍鋼.異質(zhì)信念、投資者情緒與企業(yè)增發(fā)偏好 [J].經(jīng)濟科學(xué)，2012，（5）.

[6]Bayar O，Chemmanur T J，Liu M H. 2015. A Theory of Capital Structure，Price Impact，and Long-run Stock Returns under Heterogeneous Beliefs [J].Review of Corporate Finance Studies，4（02）.

[7]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 [J].管理科學(xué)學(xué)報，2016，19（5）.

[8]尹海員，朱旭.投資者異質(zhì)信念、預(yù)期演化與股票市場流動性 [J].中國管理科學(xué)，2019，27（10）.

[9]金永紅，羅丹.異質(zhì)信念、投資者情緒與資產(chǎn)定價研究綜述 [J].外國經(jīng)濟與管理，2017，39（5）.

[10]Cen L，Lu H，Yang L. 2013. Investor Sentiment，Disagreement，and the Breadth-Return Relationship [J].Management Science，59（5）.

[11]Kim J S，Ryu D，Seo S W. 2014. Investor Sentiment and Return Predictability of Disagreement [J].Journal of Banking and Finance，42.

[12]付萱，陸加徐. A股市場投資者情緒、異質(zhì)信念與市場超額收益研究 [J].財會通訊，2015，（24）.

[13]Atmaz A，Basak S. 2018. Belief Dispersion in the Stock Market [J].The Journal of Finance，73（3）.

[14]Han B，Lu L，Zhou Y. 2019. Two Trees with Heterogeneous Beliefs：Spillover Effect of Disagreement [J].Journal of Financial and Quantitative Analysis，54（4）.

[15]Lian C，Ma Y，Wang C. 2019. Low Interest Rates and Risk-Taking：Evidence from Individualinvestment Decisions [J].The Review of Financial Studies，32（6）.

[16]邱玥丹.投資者風(fēng)險承擔(dān)水平中性別差異因素影響的實證研究 [J].金融監(jiān)管研究，2014，（5）.

[17]Ganzach Y. 2000. Judging Risk and Return of Financial Assets [J].Organizational Behavior and Human Decision Processes，83（2）.

[18]Statman M，F(xiàn)isher K L，Anginer D. 2008. Affect in a behavioral asset-pricing model [J].Financial Analysts Journal，64 （2）.

[19]Kempf A，Merkle C，Niessen A. 2014. Low Risk and High Return-Affective Attitudes and Stock Market Expectations [J].European Financial Management，20 （5）.

[20]陳工孟，芮萌.中國股票市場的股票收益與波動關(guān)系研究 [J].系統(tǒng)工程理論與實踐，2003，（10）.

[21]Yu? J， Yuan? Y. 2011. Investor? Sentiment? and? the? Mean-Variance? Relation? [J].Journal? of Financial Economics，100（2）.

[22]Grossman S J，Stiglitz J E. 1980. On the Impossibility of Informationally Efficient Markets [J].The American Economic Review，70（3）.

[23]Mendel B，Shleifer A. 2012. Chasing Noise [J].Journal of Financial Economics，104（2）.

[24]Miller E M. 1977. Risk，Uncertainty，and Divergence of Opinion [J].The Journal of finance，32（4）.

[25]張慶，朱迪星.投資者情緒、管理層持股與企業(yè)實際投資——來自中國上市公司的經(jīng)驗證據(jù) [J].南開管理評論，2014，17（4）.

[26]Rhodes-Kropf? M，Robinson D，Viswanathan S. 2005. Valuation Waves and Merger Activity：The Empirical Evidence [J].Journal of Financial Economics，77（3）.

[27]李維安，張立黨，張?zhí)K.公司治理、投資者異質(zhì)信念與股票投資風(fēng)險——基于中國上市公司的實證研究 [J].南開管理評論，2012，15（6）.

[28]Kumar A，Lee CMC. 2006. Retail Investor Sentiment and Return Comovements [J].The Journal of Finance，61（5）.

[29]王美今，孫建軍.中國股市收益、收益波動與投資者情緒 [J].經(jīng)濟研究，2004，（10）.

[30]Coles J L，Daniel N D，Naveen L. 2006. Managerial Incentives and Risk-Taking [J].Journal of Financial Economics，79（2）.

[31]鄧雪春，鄭振龍.中國股市存在“特質(zhì)波動率之謎”嗎？ [J].商業(yè)經(jīng)濟與管理，2011，（1）.

[32]Amihud Y. 2002. Illiquidity and Stock Returns：Cross-section and Time-series effects [J].Journal of Financial Markets，5（1）.

[33]溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進展，2014，22（5）.

Investor Sentiment，Risk-Taking and Stock Return

Wu Huiui1/Chi Jun2

（1.Yangzhou University，Yangzhou? ?225127，Jiangsu? ?China;

2.Guizhou Minzu University，Guiyang? ?550025，Guizhou，China）

Abstract：From two dimensions of overall investor sentiment and investor sentiment disagreement，this paper examines how the cross-sectional characteristics of investor sentiment impacts stock price，and further explores the impact mechanism of investor sentiment on stock price. On the one hand，separate measures of cross-sectional mean and variance of investor sentiment are used to characterize overall investor sentiment and investor sentiment disagreement，and construct asset pricing models that incorporate both overall investor sentiment and investor sentiment disagreement. On the other hand， the findings of the above theoretical model are empirically tested using panel data of A-share listed companies in Shanghai and Shenzhen for the period 2007-2020. Theoretical and empirical studies suggest that both overall investor sentiment and investor sentiment disagreement significantly and positively affect stock returns，and that the interaction of the two negatively affects stock returns; both overall investor sentiment and investor sentiment disagreement significantly increase the level of risk-taking，and an increase in risk-taking increases stock returns，i.e.，risk-taking plays a mediating role in the effect of investor sentiment on stock returns.