疫情背景下投資者情緒與股價關(guān)系研究

楊麓寧

【摘要】文章通過主成分分析法構(gòu)建情緒指數(shù)體系。在通過ADF檢驗后，文章構(gòu)建了VAR模型，具體探究投資者情緒與滬深300指數(shù)收盤價的相互影響關(guān)系，并通過Granger因果檢驗研究其中情緒與價格之間的因果關(guān)系，最后進行脈沖響應(yīng)分析，進一步研究投資者情緒和收盤價之間長期的相互影響效應(yīng)。

【關(guān)鍵詞】投資者情緒；股票價格；脈沖響應(yīng)分析；VAR模型；行為金融

【中圖分類號】F830.59

一、引言

行為金融學(xué)以市場參與主體非理性假設(shè)為基礎(chǔ)，在傳統(tǒng)金融學(xué)理論的基礎(chǔ)上納入心理學(xué)、行為科學(xué)等學(xué)科的研究。從行為金融學(xué)角度來看，市場中存在理性投資者和非理性投資者，理性投資者通常根據(jù)基本面信息做出決策，在股價偏離內(nèi)在價值時實施套利；而非理性投資者可能會受到過度自信、羊群效應(yīng)等心理的影響，做出不合理的投資決策，因此，市場競爭并非完全有效。其中，投資者情緒發(fā)揮著重要作用。

我國A股市場具有個人散戶投資者占比高的特點，容易出現(xiàn)集體的非理性行為，在新冠肺炎疫情蔓延的背景下，對于投資者情緒的度量具有重要作用。通過深入分析市場環(huán)境和投資者心理，構(gòu)建切實有效的投資者情緒指標體系，采取對應(yīng)措施，最小化投資者情緒引發(fā)的風(fēng)險，推動經(jīng)濟的平穩(wěn)發(fā)展。

二、投資者情緒指數(shù)的構(gòu)建

（一）指標選取

本文選取了五個間接情緒指標，構(gòu)造了復(fù)合指標體系，選取結(jié)果如表1所示。

（二）數(shù)據(jù)來源與處理

研究從RESSET數(shù)據(jù)庫和Wind數(shù)據(jù)庫中，選擇了2020年1月21日至2022年2月9日的495個工作日的日度數(shù)據(jù)，進行市場情緒的實證研究，探究其與收盤價之間的關(guān)系。

（三）情緒指數(shù)的構(gòu)造—主成分分析法

考慮到投資者情緒與市場收盤價之間存在時滯，故將五個間接指標滯后一期，再進行主成分分析。

經(jīng)過主成分分析，得到Y(jié)1的貢獻率為41.479%，Y2的貢獻率為20.363%，為此構(gòu)建情緒指數(shù)：

根據(jù)得到的情緒指數(shù)MICI最終表達，情緒指數(shù)與換手率、成交量和漲跌幅呈正相關(guān)關(guān)系，與歷史市盈率相對盈利增長比率和市盈率呈負相關(guān)關(guān)系?？傮w來看，情緒指數(shù)MICI反映了市場的投資者情緒狀況，MICI值越大時，表明投資者情緒越高漲，股市行情上行。

三、情緒指數(shù)市場效果檢驗——基于滬深300指數(shù)

（一）單位根檢驗

為避免出現(xiàn)偽回歸現(xiàn)象，要求時間序列平穩(wěn)，因此需要對價格和情緒指數(shù)做單位根檢驗。為確保檢驗的可信度，本文采取ADF檢驗、PP檢驗以及KPSS檢驗分別對price和MICI進行單位根檢驗。其中ADF檢驗與PP檢驗原假設(shè)為存在單位根，KPSS檢驗原假設(shè)為不存在單位根。結(jié)果如表2所示。

表2結(jié)果顯示，在原始指標變量下，價格price在ADF檢驗和PP檢驗中均無法在10%顯著水平下拒絕原假設(shè)，情緒指數(shù)MICI在ADF檢驗中無法拒絕原假設(shè)，在PP檢驗中在10%顯著水平下拒絕原假設(shè)，兩變量在KPSS檢驗中在1%顯著水平下拒絕原假設(shè)，即認為price存在單位根。依據(jù)MICI大部分檢驗的結(jié)果，我們認為MICI不存在單位根。在經(jīng)過一階差分處理后，兩變量在1%顯著水平下拒絕ADF檢驗與PP檢驗原假設(shè)，而不拒絕KPSS檢驗原假設(shè)。綜合來看，MICI為平穩(wěn)序列，price為一階單整序列。

（二）協(xié)整檢驗

單位根檢驗顯示MICI為平穩(wěn)序列，price為一階單整序列，可能存在協(xié)整關(guān)系。為提高檢驗的精度，需要進一步進行協(xié)整分析。常見的協(xié)整檢驗有Johansen協(xié)整檢驗和E-G兩步法，本研究采用Johansen協(xié)整檢驗方法中的跡統(tǒng)計量檢驗法和最大特征值檢驗法。表3給出股票價格price與投資者情緒指數(shù)MICI是否與其他任一變量存在協(xié)整關(guān)系，由結(jié)果可知，在5%的置信水平下，跡統(tǒng)計量和最大特征值的P值均小于0.05，拒絕協(xié)整關(guān)系為0個的原假設(shè)，說明投資者情緒和股票價格之間存在長期穩(wěn)定的協(xié)整關(guān)系，可以構(gòu)建VAR模型進行進一步的分析。

（三）VAR檢驗

對各個時間序列數(shù)據(jù)進行平穩(wěn)性檢驗，初步檢驗發(fā)現(xiàn)，滬深300收盤價和市盈率存在單位根，為非平穩(wěn)時間序列，故對其進行一階差分，差分后通過檢驗。在進行VAR分析前，判定模型的最優(yōu)滯后階數(shù)為6階。

由此可得出VAR模型的回歸方程：

對上述VAR 模型進行檢驗，表4報告了實證結(jié)果。

當(dāng)情緒指數(shù)MICI為因變量，收盤價為自變量時，在滯后的前三階，收盤價對投資者情緒存在正向影響，在1%的水平下顯著，說明短期內(nèi)股票走勢向好對于投資者情緒的高漲具有一定推動作用。股市利好能夠提升投資者信心，吸引更多投資者進入市場，進一步推動股市的繁榮，再次激發(fā)投資者的樂觀情緒。而從滯后四階開始，收盤價對投資者情緒出現(xiàn)了反向作用，說明股價對于投資情緒的提振作用不具有長期性。對于MICI的滯后項，正負系數(shù)交替出現(xiàn)，且都較為顯著，說明在選取期限內(nèi)，投資者情緒波動大，市場上的各種變動都會導(dǎo)致其情緒的起伏。這也與疫情期間，投資者更容易因為金融異象產(chǎn)生悲觀情緒的現(xiàn)狀相符。

當(dāng)dprice為因變量，MICI為自變量時，隨著滯后階數(shù)的增加，系數(shù)由正轉(zhuǎn)負，說明投資者情緒對于股票價格的提高有一定推動作用，但影響具有波動性。對于dprice的滯后項，滯后一階和二階的系數(shù)為正，說明在短期內(nèi)股市價格對自身具有正向的影響；滯后三至五階的系數(shù)為負，說明這種正向影響逐漸得到修正，使股票回歸其基礎(chǔ)價值；但影響都不顯著，表明歷史價格對當(dāng)前階段的收盤價的解釋效力不強。

（四）Granger因果檢驗

格蘭杰因果檢驗?zāi)軌蚍治鲎兞恐g的因果關(guān)系，依據(jù)構(gòu)建的情緒指數(shù)MICI，進行MICI和滬深300指數(shù)收盤價dprice之間的檢驗，結(jié)果如表5所示。

選定上文的最優(yōu)滯后階數(shù)6時，在1%的顯著性水平下拒絕了滬深300收盤價不是投資者情緒變化的Granger原因的零假設(shè)，即價格的變化會導(dǎo)致投資者情緒的變化。當(dāng)股市處于上行態(tài)勢，投資者通常會形成看漲的判斷，情緒趨向于樂觀。同時，投資者情緒變化也是股票價格變化的原因，上述結(jié)論與前人的多數(shù)結(jié)論相似。

（五）脈沖響應(yīng)分析

為了進一步分析收盤價和投資者情緒之間長期的相互影響效應(yīng)，還需要進行脈沖響應(yīng)分析。

1.VAR模型平穩(wěn)性檢驗

滬深300指數(shù)收盤價（dprice）與投資情緒（MICI）的VAR模型特征方程的特征根都在單位圓內(nèi)，說明VAR模型是穩(wěn)定的。

2.脈沖響應(yīng)分析

VAR模型的原理表明，當(dāng)變量受到?jīng)_擊后，除對當(dāng)期變量產(chǎn)生影響外，還會產(chǎn)生滯后效應(yīng)。因此有必要對這種滯后效應(yīng)進行分析，需要考慮脈沖響應(yīng)函數(shù)。脈沖響應(yīng)函數(shù)能夠反映對某變量施加沖擊之后對其他變量的動態(tài)影響，描述沖擊后的變化趨勢。圖1分別給出MICI和dprice受到?jīng)_擊之后，另一變量的脈沖響應(yīng)，其中橫坐標為滯后階數(shù)，縱坐標為脈沖影響。

其中，圖1中上圖描述了投資者情緒MICI受到?jīng)_擊之后，收盤價dprice的響應(yīng)。觀察可知，對投資情緒施加正向股市收益的沖擊之后，股票價格會發(fā)生正向變化，在第二期之后回落至零點以下，產(chǎn)生負向變化，在第四期逐漸回升，趨于平穩(wěn)。這說明投資者的非理性因素顯著，且存在頻繁的短期交易行為，當(dāng)投資者情緒因受到正向沖擊而高漲后，股票價格出現(xiàn)上升，但之后投機行為逐漸消除價格中的非理性因素，收盤價逐漸回歸價值。

圖1中下圖描述了收盤價dprice受到?jīng)_擊之后，投資者情緒MICI的變化趨勢。當(dāng)對收盤價施加正向的沖擊之后，投資者情緒樂觀，一直位于零點以上，并在滯后四階之后趨于平穩(wěn)。這表明，投資者情緒與股票價格同向變化，且股價的沖擊對投資者情緒的正向影響具有一定的持續(xù)性。

（六）方差分解分析

圖2為方差分解分析結(jié)果，其中縱軸表示貢獻率（單位：%），橫軸表示期數(shù)。在投資者情緒演進的過程中，前兩期由于自身沖擊作用使其貢獻率達到100%，之后受市場波動、經(jīng)濟環(huán)境演變等因素影響，自身沖擊緩慢下降，也體現(xiàn)了區(qū)間內(nèi)投資者情緒波動大的特征。若不考慮投資者情緒的自身影響，股票價格變動對投資者情緒的貢獻率從0%持續(xù)上升至60%，說明股價對投資者情緒的解釋力不斷增強。此外，投資者情緒對股價變動的貢獻度較穩(wěn)定，維持在20%左右。股票價格自身作用的貢獻度維持在80%左右且有所上升，說明股票價格的自身沖擊作用較穩(wěn)定。

四、研究結(jié)論

本文的研究結(jié)果發(fā)現(xiàn)：股票走勢向好對于投資者情緒的高漲具有一定推動作用；新冠肺炎疫情暴發(fā)的兩年來，投資者情緒波動大，市場上的各種變動都會導(dǎo)致情緒的起伏，更容易受到金融異象的影響；在短期內(nèi)，股市價格會對自身產(chǎn)生顯著的正向影響，但會隨著時間的推移逐步回歸其基礎(chǔ)價值，通過歷史價格難以較為準確地預(yù)測當(dāng)前及未來價格。

上述實證結(jié)果可以為新冠肺炎疫情下我國股票市場的發(fā)展和完善提供參考。在我國股票市場發(fā)展歷史較短、投資者情緒波動大的背景下，可以從以下方面入手，推動市場的穩(wěn)健發(fā)展：一是規(guī)范金融市場的信息發(fā)布，為投資者提供具有全面性、準確性和客觀性的信息，同時提高投資者的專業(yè)知識水平和風(fēng)險防范意識，避免情緒過分波動；二是完善股票波動率檢測機制，采取適當(dāng)干預(yù)措施，保證醫(yī)藥等重點行業(yè)穩(wěn)定發(fā)展。

主要參考文獻：

[1]吳慧慧，遲駿.投資者情緒、風(fēng)險承擔(dān)與股票收益[J].金融發(fā)展研究，2022（1）：37-47.

[2]王東嶺，劉永濤.機會主義盈余管理、投資者情緒與股價崩盤風(fēng)險[J].當(dāng)代金融研究，2022，5（1）：20-37.

[3]祝小全，陳卓.隱性杠桿約束、流動性風(fēng)險和投資者情緒[J].金融研究，2021（10）：171-189.

[4]汪昌云，武佳薇.媒體語氣、投資者情緒與IPO定價[J].金融研究，2015（9）：174-189.

[5]楊墨竹.ETF資金流、市場收益與投資者情緒：來自A股市場的經(jīng)驗證據(jù)[J].金融研究，2013（4）：156-169.

[6]姜富偉，孟令超，唐國豪.媒體文本情緒與股票回報預(yù)測[J].經(jīng)濟學(xué)（季刊），2021，21（4）：1323-1344.