金融市场中投资者情绪研究进展*

闫 伟， 杨春鹏

(华南理工大学 经济与贸易学院，广东 广州， 510006)

现代金融理论产生于20世纪50年代， 并于70年代得到了长足的发展， 形成了一套较完备的体系。期间， Fama[1]首次提到了有效市场的概念， 并于1970年将这一概念深化提出了有效市场假说(EMH)， 其后得到了大量的研究和广泛的支持。事实上， 该假说与Markowitz[2]的现代资产组合理论(MPT)、 Sharpe等[3]的资本资产定价模型(CAPM)、 Black和Scholes[4]的期权定价模型(OPM)以及Ross[5]的套利定价理论(APT)等， 一并构成了现代金融理论的核心内容。有效市场假说被视作现代证券市场理论体系一大支柱， 也被视作现代金融经济学理论基石之一。然而， 有效市场假说在不断获得认可的同时， 也引发了学术界的各种争论。自70年代末以来， 证券市场涌现出了许多有悖于标准金融理论的投资者异常行为及金融市场异象(Anomalies)， 此时， 有效市场理论已无法对其做出合理的解释， 标准金融理论的完备体系面临了金融事实的挑战。自此， 学术界开始反思标准金融理论的基本假设即理性人假设是否正确， 并在此基础上构建了行为金融学基本分析框架， 它将心理学与行为学引入到金融决策分析过程中， 从不同的层面和角度对金融异象做出了探讨。自80年代开始， 行为金融学因其对金融异象的有力解释而逐渐得到学术界的认可， 成为标准金融理论的有效补充。到90年代， 行为金融学呈现出一片繁荣的景象， 越来越多的学者在这一领域做出了重要贡献， 使其成为一个体系完备、分支繁多的研究学科。自其产生到繁荣短短十几年时间， 已然动摇了EMH和MPT、 CAPM的权威地位， 特别是与CAPM和MPT相对应， Shefrin和Statman[6，7]提出了著名的基于行为金融学的两大理论， 即行为资产定价模型(BAPM)、 行为资产组合理论(BPT)， 这更为行为金融理论的探讨奠定了坚固的基石。另外自1998年至2001年， 众多学者从不同角度分别提出了几类资产定价模型， 如Barberis等[8]的BSV模型、 Daniel等[9]的DHS模型、 Hong, Stein[10]的HS模型和Barberis等[11]的BHS模型。但是， 上述行为金融理论模型均基于某类投资者在决策时的心理特征或认知偏差而展开， 其假设条件多是依据特定市场异象而设定的， 因此， 如此构建的理论模型只能解释相应的一种市场异象， 而不能同时有效解释其它金融异象。由于投资者心理活动和认知偏差最终影响的是其对未来市场的观念和情绪， 并经由情绪最终影响市场表现， 因此20世纪90年代开始， 作为行为金融学一大分支的投资者情绪研究逐渐兴起。

一、 情绪分类研究

虽然投资者情绪研究了近20年， 但由于情绪是一不可直接观察变量， 难以测度， 因此该方向的研究发展还不深刻， 仍停留在情绪与市场表现之间关系的实证研究上， 而暂未深入到情绪的资产定价和资产组合理论构建上来。在情绪与市场表现之间关系的实证研究方面又大致分为两类研究方法， 一类是“自下而上”的研究方法， 仍主要从投资者心理特征和认知偏差角度解析并阐述其对投资者情绪的作用机理和过程； 另一类是“自上而下”的研究方法， 指的是不考虑投资者情绪的形成机理， 而着重分析其与市场表现间的直接相互作用。对后一类的研究， 基本前提是投资者情绪的描述与表征， 即利用相关代理变量表示市场中全部投资者或部分投资者情绪的高涨或低迷， 从而将情绪量化并研究其与相关市场表现间的交互影响。对投资者情绪的描述及表征方式， 大致有如下三类：

其一是情绪的直接指标， 指的是通过对投资者的直接调查、 询问其对未来一定时期市场发展的看法， 并一般归类为看涨、 看跌和看平三种态度， 通过一定的数学计算如比率等， 表示出投资者的看涨情绪或看跌情绪。根据被调查者在金融市场中所处地位的不同性质， 情绪的直接指标又可以分为仅调查机构投资者的机构投资者情绪指标、 仅调查个人投资者的个人投资者情绪指标， 以及不区分被调查者属性的市场整体情绪指标。其二是情绪的间接指标， 指的是运用一定的数学手段， 以相关金融市场中一个或多个交易变量表示出投资者的情绪。按照采用交易变量的个数， 情绪指标可以分为单一性指标以及综合性指标， 即仅采用一个和采用多个交易变量分别描述情绪； 按照情绪的载体及相关交易变量属性的不同， 又可分为机构投资者情绪、 个人投资者情绪和市场整体情绪。其三是情绪的其它指标。这一类指标包括天气、 温度、 湿度、 日照长短、 月运周期等非金融市场交易变量。这些指标或许与资产市场表现有一定的相关性， 进而可能在一定程度上对其有预测能力， 但这类变量与金融市场跨度较大， 信息传导机制以及对情绪的效应影响机制要远弱于金融市场中交易变量的表现， 并且这类指标对情绪的影响很可能已经被包含在了金融市场中交易变量对情绪的影响之中， 因此本文不将此类代理变量作为研究内容。

国内外早期研究投资者情绪及其对市场作用时所运用的情绪指标大多是直接调查指标， 这或许与国外金融市场发展程度及研究机构数据调查、 保存的历史等条件有关。然而， 投资者对未来市场虽有一定的认知， 但是随着市场的发展与变化， 这类认知易受其自身各类行为偏差与心理偏差的影响， 其投资行为往往不会依照固有的认知而被执行， 从而市场表现也不会完全按照投资者认知延续开来。因此， 在面临样本选择风险的同时， 针对投资者情绪的直接调查数据本身还极有可能是有偏的， 即投资者对未来市场的涨跌看法与其未来实际发生的投资行为间极可能不一致， 进而与市场实际状况也不一致。故而， 运用对投资者的直接调查表征情绪在研究的出发阶段就有可能产生偏误。与此相比， 金融市场交易变量已经包含了投资者的各类特别是决策前与决策中的行为与心理偏差， 运用这些变量表征情绪或许更为准确。因此， 本文对以往关于间接表征投资者情绪的代表性研究文献做简要评述， 依此阐明现有研究之不足并指出未来的研究方向。

事实上， 对于投资者情绪这一研究方向， 已有较精彩的综述， 如Brown和Cliff[12，13]综合评述并实证检验了多个表征情绪的代理变量。但他们仅依据其与机构投资者情绪直接调查指标II(投资者智能)和个人投资者直接调查指标AAII(美国个人消费者协会信心指数)间的相关性而对情绪代理变量进行分类的。然而， 正如前面分析所述， 直接调查指标本身就面临着投资者观念与行为有偏的质疑。因此， 本文不遵循这种分类标准， 而是首先依据采用代理变量的个数将该领域的研究大致分为两类暨两个阶段， 第一个阶段即2005年前， 主要研究单一代理变量对情绪的表征能力， 以Brown和Cliff[12，13]对各代理变量的综述为结束标志。虽然其后也有部分学者研究单一变量表征情绪， 但研究内容仍未超出上述作者所涉及的范畴；第二个阶段即2005年后， 主要研究综合性情绪指标的构建， 虽然Brown和Cliff[12]早已对此进行了初步研究， 但其构造的情绪指数并未被广泛采用， 因此该阶段研究以Baker和Wurgler[14，15]著名的BW情绪指标为代表。其次， 对于每个阶段， 又依据构建情绪载体的不同以及代理变量自身属性的不同区分为市场整体情绪、 机构投资者情绪及个人投资者情绪三个类别。下面， 对每一阶段每一类别的相关研究文献， 主要按照时间发展与结论异同的顺序进行归类梳理与简要评述。

二、 间接单一性情绪指标

间接单一性情绪指标指的是仅应用一个市场交易变量表征情绪。按照采用代理变量的内容和性质， 可分为单一性市场整体情绪、机构投资者情绪和个人投资者情绪。

(一)市场整体情绪指标

能够用来间接表征市场整体情绪的单一性指标较多， 其中表征能力较强的有股市换手率(turnover)、 IPO首日收益(first day return of IPO)及IPO数量(number of IPO)、 期权认沽认购比(put-call ratio)和涨跌比(ARMS)等。这类变量是机构投资者与个人投资者无明显占优时共同作用的结果， 其表现往往能够代表所有投资者的情绪， 因此可用来表征市场整体情绪。

较为熟悉的是股票市场流动性变量， 研究较多的其中一种度量即换手率， 是指当期成交股数与市场流通总股数之比， 它能一定程度上体现出投资者情绪高涨或低迷。另一种度量是买卖价差比(ratio of bid-ask spread)， 指的是收盘时卖价买价之差与均价的比值。早期以市场流动性视角研究其与股票横截面收益方面的文献有Amihud, Mendelson[16]， Brennan, Subrahmanyam[17]以及Brennan等[18]， 他们均认为月换手率高及买卖价差比低的股票其未来收益更低； 而以市场流动性视角研究其与市场总体时间序列纵向收益方面的文献有Chordia等[19，20]， Hasbrouck和Seppi[21]， Huberman和Halka[22]以及Amihud[23]等， 如上研究均支持市场流动性变量可预测未来收益。Jones[24]同时研究了换手率和买卖价差比对市场收益的影响， 他采用1900-2000间年数据发现两个代理变量对一年及更长时间的道琼斯未来收益有较高的预测能力， 高换手率预示着未来的低收益， 而高买卖价差比预示着未来高收益。以上文献虽未将流动性变量视作投资者情绪并从行为金融学角度进行分析， 但确实对两代理变量与股市间关系作了较全面的研究， 并得到了丰富的结论。Baker和Stein[25]从投资者情绪的角度研究了换手率， 采用1927-1998间纽约证券交易所(NYSE)的交易换手率年数据， 其实证研究结果表明换手率与美国芝加哥大学证券价格研究中心(CRSP)价值加权资产组合及等权重资产组合下期收益均负相关， 可较好地充当情绪指数。他们理论上解释了换手率所表征的情绪对未来收益的作用机理， 即投资者情绪高涨使得投资者交易增加， 以致市场流动性增强、 股票估值过高， 从而引致未来收益降低。事实上， 以市场流动性变量表征市场情绪是最为直接， 也是最为经验所支持的。这是由于大多情形下， 情绪的高涨或低迷总是与市场流动性密切相关。

Ljungqvist等[26]虽未应用某一代理变量表征投资者情绪， 但是他们发现IPO首日收益及IPO数量与市场情绪之间经验性相关， 即事实表明IPO行为大都发生在市场情绪高涨时期， 并据此构建了情绪投资者参与下的IPO定价模型。由此， 用IPO首日收益及数量或许能较好表征情绪。Brown和Cliff[13]采用1963.1-2000.12间月数据研究了IPO首日收益及数量与股票长期收益之间的关系， 发现两者与未来半年至三年长期收益显著负相关， 因此实证证明了IPO首日收益及数量对市场情绪的表征能力。实际上， 基于投资者情绪的IPO研究在20世纪90年代末达到高潮， 但是， 研究内容多是分析以直接调查表征的情绪和IPO首日收益及数量之间的关系。或许这与两个代理变量紧密关联、总被同时提及有关， 单以其中任何之一表征情绪都较为片面， 因此以其作为单一性情绪指标的研究较为罕见。在我国， 由于股市历史较短且IPO数次中断发行， 月数据及季数据本身较少的同时又造成了缺失现象， 因此并无关于IPO相关变量对情绪表征能力的研究。

在衍生品市场， 由于期权可以清晰的观测出投资者的看涨、看跌情绪， 对投资者情绪的研究有着一定的天然优势， 因此Dennis和Mayhew[27]研究了情绪对期权价格的作用。他们使用芝加哥期权交易所(CBOE)1986.4.7-1996.9.31间期权认沽认购比周数据作为市场情绪代理变量， 实证发现情绪等非系统因素比系统因素更能解释期权价格的正向偏差。从该层面来讲， 作者对将认沽认购比单独作为市场情绪的代理变量持认可观点。持有同样观点的还有Brown和Cliff[12]， 他们采用1987.7.24-1998.12.18间共596组周观测数据检验了认沽认购比与股票未来短期收益间的截面关系， 发现该代理变量与大盘股下期收益正相关， 而与小盘股负相关， 由此最终证明了该代理变量对情绪的表征能力。然而， Wang等[28]的研究结果与上述两文不同， 他们不仅从相关性层面进行了分析， 还研究了代理变量与市场表现之间的格兰杰因果关系。其采用1990.2.1-2001.12.31间日数据及周数据， 分析发现了认沽认购比、未平仓合约认沽认购比两个代理变量与标普100(S&P 100)指数弱负相关， 但通过格兰杰因果检验表明无论是日数据还是周数据， 这两个变量均不是S&P 100波动率的原因变量， 而是其结果变量。因此， 两代理变量均不适合单独用来表征情绪。Bauer等[29]采用2000.1-2006.3间认沽认购比日数据和月数据的滞后回归分析也得到了类似的结论， 即期权交易者情绪是市场历史收益的驱动结果， 滞后的认沽认购比本身并不能预测未来市场收益。

另外， Wang等[28]还研究了另一代理变量， 即涨跌比， 对情绪的表征能力。涨跌比指的是统计周期内单位成交量的上涨家数与下跌家数之比， 该变量已经成为广泛接受的交易性指示指标。其针对涨跌比的不含S&P 100指数收益率的滞后回归分析发现， 该代理变量是S&P 100指数波动率的格兰杰原因， 且能较好反映波动率， 因此该代理变量可单独用来表征情绪；然而一旦加入S&P 100指数收益率重新做滞后回归， 则涨跌比这一变量对S&P 100指数波动率的预测能力就极为有限了。因此， 涨跌比这一代理变量在一定程度上能够刻画市场情绪， 这与Brown和Cliff[12]对该变量的分析结论相同。

此外还有文献研究了其它一些市场情绪代理变量， 如Achelis[30]新高新低比(HI/LO)、 Brown和Cliff[12]腾落指标(ADL)、 保证金借款变化(change in margin borrowing)、 未补抛空差额变化(change in short interest)、 卖空比例(short sales to total sales)等， 然而Brown和Cliff[12]实证研究发现以上代理变量均不能较好的预测未来收益， 特别是大盘股与小盘股收益之间的差异性， 即规模溢价。因此认定这些代理变量不能较好地表征情绪。

综上， 以单一代理变量表征情绪的研究中， 各方结论分歧较大。这可能是因为面对复杂的市场， 仅以一个代理变量表征情绪仍然比较片面， 从而造就了数据对实证结果的偶然性， 使得不同研究者得到的结论亦有不同。从作用机理上来讲， 以上代理变量对市场整体情绪均有一定程度的影响， 因而就未来的研究内容而言， 市场整体情绪的刻画仍将是一研究重点， 但其研究方法应规避上述研究方法的弊端， 须采用多个代理变量综合表征情绪， 这也是近些年来， 特别是Baker和Wurgler[14，15]构建的BW情绪指标之后， 该领域相关研究的发展趋势。

(二)机构投资者情绪指标

受限于与机构投资者相关数据获取较难以及数据周期较长等原因， 能够间接用来表征机构投资者情绪的单一性指标较少， 这类代理变量主要有基金资产中的现金比例、 机构持股占比及标普500(S&P 500)股指期货净头寸变化等。

基金资产中的现金比例是情绪的负向代理变量， 可以很好地刻画机构对后市的看法， 一般来讲， 基金经理持有现金的比例越大， 其对后市越看淡， 因此情绪越低迷； 反之比例越小， 则对后市越看好， 情绪越高涨。Brown和Cliff[12，13]采用1963.1-2000.12间该代理变量月数据研究发现其与代表机构投资者情绪的直接测度II指数的相关度要大于与代表个人投资者情绪的直接测度AAII的相关度， 且该变量与大盘股组合未来一月收益显著正相关， 与小盘股组合未来一月收益不显著地负相关。因此该代理变量能够较好的代表机构投资者情绪。

在股票市场上， 与基金资产中的现金比例相对应的一个变量是机构的持股占比， 两个变量是密切相关的。机构持股占比也能较好描述机构投资者的情绪， 是其正向代理变量。Bernile和Lyandres[31]以机构投资者持有的俱乐部股票的比例为代理变量构建投资者情绪指标， 研究了其对足球俱乐部类特殊股票价格的影响。他们通过对2000.1-2006.5间欧洲冠军联赛和欧洲足协杯的赛后结果对体育股的价格影响进行了分析， 通过情绪对每家俱乐部超额回报的回归分析表明： 投资者对某个俱乐部带有偏好， 并且对这个俱乐部过去的成绩进行评价， 如果得出积极的结果， 就会导致该俱乐部的股价上升； 如果得出负面的结果， 就会导致该俱乐部的股价下降。即机构投资者情绪与该类股票价格正相关， 表明机构投资者持股比例也能够较好的表征情绪。

在期货市场上， Wang[32]将投资者分为大投资者和小投资者， 采用1993.1-2000.3间S&P 500股指期货净头寸周数据， 构造了投资者情绪指标， 其构造方式为

其中NPit表示第i类投资者在第t周的净头寸。分析发现小投资者情绪几乎不能预测收益, 越大的投资者的情绪对收益的预测能力越强， 且大型投机者情绪是一正向指标， 而大型套期保值者情绪是一弱反向指标。Han[33]同样以S&P 500股指期货净头寸代表情绪， 研究了情绪与期权价格间的关系。他采用1988.1.4-1997.6.24间股指期货净头寸周数据研究发现投资者情绪影响期权价格和资产定价机制， 证实了有限套利增加了情绪对期权价格的影响， 会导致期权微笑更弯曲。

在我国， 机构投资者数据获取较为困难， 特别是数据周期较长， 一般机构持股等信息为季度性发布， 因此该代理变量只适合表征其长期情绪。但由于我国股市历史较短， 早期数据保存度较差， 如果采用这类代理变量可能面临着小样本问题的责难。对于短期机构投资者情绪的刻画， 或许可以采用其它易得代理变量更高频的数据。

(三)个人投资者情绪指标

能够用来表征个人投资者情绪的间接性单一交易代理变量有封闭式基金折价率、 共同基金净买量(net purchases of mutual funds)、 共同基金净赎回率(net mutual fund redemptions)、 零股买卖率(ratio of odd-lot sales to purchases)、 买卖失衡指标(buy-sell imbalance)、 灰色市场(欧洲IPO的预发行市场)的价格、 非预期投资者开户增长率、 小额交易占比(the proportion of small trades)等。

在表征个人投资者情绪的间接单一性交易指标中， 最为常用、 研究最多的是封闭式基金折价率。之所以将封闭式基金折价率与个人投资者情绪联系起来， 是沿袭了国外基金资本市场的特点。众多国外学者认为， 由于封闭式基金绝大多数为个人持有， 机构持有率占比较低， 因此国外相关研究常用封闭式基金折价率表征个人投资者情绪。对于以该代理变量能否表征个人投资者情绪的问题， 较著名的是1993年美国金融界引发的大争论。一方以Lee, Shleifer和Thaler为首， 主张封闭式基金折价率能够表征个人投资者情绪； 另一方以Chen, Kan和Miller为首， 持有相反观点。争论的形式是在金融领域著名杂志Journal of Finance上面连续发表的几篇文章。

Lee等[34]分别做了十个不同规模级别股票资产组合价值加权平均月收益率对封闭式基金组合价值加权折价率月变化及NYSE上市公司股票组合价值加权平均月收益率的回归。统计结果显示， 价值加权折价率的变化与最大规模公司股票(第十个10%的股票组合)收益正相关， 而与其它规模公司股票收益负相关， 其中与最小规模公司股票(第一个10%的股票组合)收益间的负相关系数数值最大。由此， 作者得出结论“当个人投资者对封闭式基金和小盘股更加乐观时， 这些股票表现较好， 基金折价率较低； 反之， 当个人投资者对封闭式基金和小盘股更加悲观时， 这些股票表现较差， 基金折价率较高”。为了检验回归的稳健性， 他们将二十年数据区间划分为两部分， 其中， 后十年封闭式基金折价率数据与小盘股收益数据回归分析发现两者几乎无关， 该结论也使得其后的部分研究者放弃了两者均受情绪支配这一假定。但是， Lee等[34]将这一结果不仅不视作对其检验的拒绝， 反而认为是对其结论的支持。他们认为， 在1980至1988年间， 机构投资者对最小规模公司股票持有百分比增加了两倍多， 因此， “个人投资者情绪仍反映了封闭式基金折价率， 但已经不再能较好反映小盘股价格”。其后， 出现了对这一观点持赞成意见的众多研究， 较有代表性的有Neal和Wheatley[35]， 他们采用1933-1993间年数据， 也研究了封闭式基金折价率对未来收益的预测能力。其封闭式基金价值加权平均折价率数据及各股票收益月数据分析结果表明封闭式基金折价率与小公司股票未来一个月、 一季度、 一年、 两年、 三年及四年预期收益均正相关， 且相关系数随预测时间延长而增大， 但封闭式基金折价率与大公司股票预期收益无关。这一结论可用Lee等[34]文献的描述来解释， 即小公司股票大多是被个人投资者持有， 而大公司股票主要被机构投资者持有。因此封闭式基金折价率能够预测小公司股票未来收益及规模溢价。国内在关于封闭式基金折价作为个人投资者情绪代理变量方面的研究中， 伍燕然、 韩立岩[36]的研究方法和结论较为深刻， 他们利用投资者情绪解释了封闭式基金折价之谜， 并且论证了投资者情绪是资产定价的重要因素。通过国内数据检验了封闭式基金价格的过度波动， 分析了国内市场的非有效性和投资者的不完全理性， 利用其它反映情绪的指标即IPO月平均首日收益率， 间接证明了封闭式基金折价率也是个人投资者情绪较好的代理变量。

自Lee等[34]之后， 他们的这一观点得到了主要来自Chen等[37]的反驳。他们坚持认为封闭式基金折价率与小公司股票收益之间既没有较强的联动性， 其相关系数也不显著， 因此不能支持Lee等[34]的两种现象均受情绪支配这一结论。故而， 延伸Lee等[34]文献的研究思路， Chen等[37]重新选取数据、 设置变量， 研究了投资者情绪与封闭式基金折价率间的关系， 着重分析了机构持有小盘股占比与封闭式基金折价率间的关系， 重新检验了上文中的研究结论。他们将小盘股又分为两类组合， 一类是机构持股占比低于10%的组合， 另一类是机构持股占比高于10%的组合。直观而言， 对较少机构持有的小盘股来说， 若基金折价率确是个人投资者情绪的代理变量， 则应有以下两个推论： (1)横向而言， 两类组合表现应不同， 即机构持有率较低的股票收益与基金折价率的相关性较强， 而持有率较高的股票收益与基金折价率的相关性较弱； (2)纵向而言， 即使将二十年的时间区间分为前后十年两部分， 持有率较低的股票收益与基金折价率间的相关性应持续较强， 而持有率较高的股票收益与基金折价率的相关性应持续较弱。然而， 他们的实证研究结果表明： (1)并未发现横向差异， 即两类组合股票收益与基金折价率间的相关性差别不大； (2)以机构持有率较低的股票组合为例， 发现后十年组合收益与基金折价间率的相关系数比前十年的相关系数降低了58.4%。因此， 基于上述两点认识， Chen等[37]拒绝了Lee等[34]所得结论， 即否认了封闭式基金折价率是个人投资者情绪变化的代理变量。同样认为该代理变量不具有情绪表征能力的还有Elton等[38]和Brown和Cliff[13]等文献。Elton等[38]采用1979.1-1993.1间267只共同基金月数据代表情绪， 研究了其与收益间的关系， 其结论与Chen等[37]相同， 即判定封闭式基金折价率不能较好表征个人投资者情绪。Brown和Cliff[13]采用1963.1-2000.12间月数据分析封闭式基金折价率对股票横截面效应时指出， 该代理变量不能较好预测不同市值股票未来半年至三年的收益， 因此他们也不支持将封闭式基金作为投资者情绪的代理变量。

综上， 封闭式基金折价率能否较好表征情绪这一问题由于各方实证结果的不一致使得对该代理变量意见分歧较大， 实证结果的不同或许可以选取数据及控制变量的不同来解释。排除统计分析的意义， 理论上来讲封闭式基金折价率与情绪间的反向联动效应还是得到众学者认可的。因此， 后续研究可以暂时放弃讨论该单一代理变量能否表征情绪的问题， 而应着重从该代理变量及其它代理变量中提取出与投资者情绪相互影响的成分， 并分析其与市场表现间的关系。在我国， 应慎重考虑将封闭式基金折价作为个人投资者情绪代理变量， 这是由于我国基金的持有状况并不满足国外的假设条件， 和国外基金大多为个人持有这一状况有较大不同。我国基金持有者中， 机构投资者占据相当大的份额， 因此， 该代理变量具体能够表征我国哪类投资者的情绪尚需实证考察。

在基金市场， 除了研究封闭式基金折价率和情绪间的关系外， 共同基金净买量也被视作情绪的正向代理变量。这意味着随着基金净买量的增加， 资金的持续流入即是投资者情绪高涨的表现。Neal和Wheatley[35]研究了该代理变量对情绪的表征能力， 采用修正的1941-1993年间的年数据及各股票收益月数据， 发现其与小盘股未来长期收益显著负相关， 与大盘股未来收益正相关但不显著， 意味着该代理变量能够刻画规模效应。Brown和Cliff[13]也研究了共同基金净买量对股票未来收益的长期影响， 采用1963.1-2000.12间该代理变量月数据发现其与大盘股未来长期收益显著正相关， 与小盘股未来收益亦正相关但不显著， 这与Neal和Wheatley[35]的统计分析结果大相径庭， 或许是由于两文采用的数据区间和周期不同、 以及控制变量的不同造成的。由于Brown和Cliff[13]的分析结果表明该代理变量不能够区分出股票的规模效应， 因此他们否认了该代理变量对情绪的表征能力。我们认为， 由于规模效应这一标准并非是其能较好表征情绪的充分条件， 因此单以此来判断其表征能力并不合理， 该代理变量尚需进一步的分析。

除了封闭式基金折价率及共同基金净买量代表个人投资者情绪外， 部分学者还用共同基金净赎回率、零股买卖率两个代理变量反映个人投资者情绪。Neal和Wheatley[35]还检验了上述两个代理变量对未来收益的预测能力， 得到了如下结论： (1)共同基金净赎回率年数据及各股票收益月数据分析结果显示净赎回率与小公司股票预期收益弱正相关， 而与大公司股票预期收益弱负相关。因此， 共同基金净赎回率能够有效地预测规模溢价； (2)尽管较长时间以来零股买卖率一直被当做预测收益的一个因子， 但Neal和Wheatley[35]修正的1941-1993年间的年数据及各股票收益月数据分析表明它并不具有预测未来收益的能力。Brown和Cliff[12]采用1987.7.24-1998.12.18间零股买卖率周数据和月数据研究了其对股票下期收益间的截面关系， 发现该代理变量不能对收益进行预测， 因此判定该代理变量不能较好表征投资者情绪。Brown和Cliff[13]还检验了零股买卖率对未来半年至三年长期收益的预测能力， 进而说明了其对情绪的表征能力。他们采用1963.1-2000.12间月数据的结论与Neal和Wheatley[35]的结论类似， 即同样发现零股买卖率不能较好预测未来收益。

还有部分学者研究了其它代理变量对个人投资者情绪的表征能力， 如Kumar和Lee[39]用个人投资者的买卖失衡指标(即股票主买成交量与主卖成交量之差对总主买卖成交量的占比)代表其情绪， 通过分析1991-1996年超过185万个人投资者的买卖交易， 发现了这些交易者系统相关， 即个人买入(或卖出)行为一致。而且， 与De Long等[40]的噪音交易者模型相符， 个人交易解释了个人关注度高的股票， 如小盘股、机构持有度低的股票以及低价股， 特别是高套利成本股票的收益联动性， 研究支持了投资者情绪在回报形成中的作用。Cornelli[41]采用灰色市场1995.11-2002.12间欧洲12国的2723次IPO的价格作为个人投资者情绪的代理变量： 较高的灰色市场价格表示过度乐观的情绪， 而较低的灰色价格表示过度悲观的情绪， 发现当个人投资者对市场过于乐观时， 他们出价就会高于股票基本价值。张强, 杨淑娥[42]采用我国股市1998.5-2007.4间非预期投资者开户增长率月数据作为投资者情绪波动的代理变量， 并将时间区间划分为1998.5-2002.4及2002.4-2007.4两个时间段， 回归分析发现投资者情绪波动可以解释除账面市值比外其它各类特征(个股风险、股票市值、盈余价格比、净利润增长率)股票组合的超额收益， 因此认定情绪是影响股票间收益差异的重要因素。Bradley等[43]采用小额交易占比表征情绪， 研究了1993.1.1-2003.12.1间美国IPO二级市场首日交易回报， 研究发现小额交易占比与首日交易期回报率(open-to-close return)之间存在着强正相关， 验证了一个一致认同的观点， 即个人需求及其情绪能推高IPO价格。然而， 此观点同时意味着过度乐观的个人投资者最终会经历反转， 但他们在对上市后公司股票长期收益研究中并未发现类似的反转。

综上， 与市场整体情绪间接单一性指标的研究类似， 以单个代理变量表征机构投资者情绪、 个人投资者情绪时， 对部分变量的表征能力意见分歧亦较大， 部分学者支持将其作为情绪的代理变量， 但另外一些学者对此持反对意见。从原理上分析， 以上代理变量都与情绪有关， 当情绪高涨或低迷时这些变量应该会有不同方向的变化。然而， 单单用某一个代理变量还不能完全表征两类投资者的情绪， 因此， 近些年来， 特别是Brown和Cliff[12,13]对各类代理变量做了归类评述后， 并以BW情绪指标为代表， 越来越多的研究倾向于以多个代理变量综合表征情绪， 由此开启了综合性情绪指标研究之门。

三、 间接综合性情绪指标

如上所述的每一个代理变量对投资者情绪均有一定的刻画能力， 但仅仅采用单一代理变量表征情绪， 或许并不全面， 还不能完全刻画出投资者情绪的波动。因此， 众学者的研究逐渐转向综合性投资者情绪指标的构建上来。间接综合性情绪指标指的是应用一定的数学手段， 将多个市场交易变量所包含的信息融合为一个情绪指标。以往研究用多个代理变量表征情绪时， 大多文献采用的数学方法是主成分分析， 从多个变量中提取出一个最重要的元素即为投资者情绪。Brown和Cliff[12]指出， 以主成分分析的方法可以很好地从多个变量提取出所不能直接观察到的投资者心理状态的测度。其后对间接综合性情绪指标的研究大多应用了主成分分析这一数学工具。本文仍按照采用代理变量的类别和性质以及研究对象的不同， 将这一类指标分为综合性市场情绪、机构投资者情绪和个人投资者情绪指标。

(一)市场整体情绪指标

综合性市场整体情绪指标在构建过程中所选择的代理变量通常比较繁杂， 有前述的能单独表征市场整体情绪的代理变量， 也有能表征个人甚至机构投资者情绪的代理变量。在此方面较为著名的是Baker和Wurgler[14]， 其构建的指标常被后来的学者称之为BW情绪指标。他们采用封闭式基金折价率、换手率、IPO数量、IPO首日收益率、新股发行占比以及分红六个年数据以主成分分析构造了投资者情绪综合指标， 主要研究了投资者情绪对股票收益的横截面的影响。证明了更易被主观估价、 高投机、 难套利的股票受情绪影响更加敏感， 发现当投资者情绪指标值偏低时， 小盘股、 新股、 高波动股、 亏损股股、 不分红股、 极端成长股的价值被低估， 因而其未来收益相对偏高。而当投资者的情绪高涨时， 情况恰恰相反。另外， 通过他们的情绪指标显示， 情绪对价值型股票和成长型股票的影响大小是相似的。继承作者之前的研究， Baker和Wurgler[15]仍运用上述文章六个代理变量的月数据， 通过主成分分析方法， 构建了情绪的综合指标。随后检验了该情绪指标数值和四十年来历史泡沫之间的图像验证关系， 结果表明该情绪指标能够很好地反应历史泡沫发生的时间。但是， 这一定性结论对实践操作只有参考意义， 因为作者同时指出， 历史泡沫大体发生在情绪指标值较高时， 但具体什么时候、 什么程度才会出现仍不可确定。对构造的情绪综合指标， 通过回归分析解释了当前收益的截面效应， 结果显示情绪对高投机、 难套利的股票当前收益影响更大。随后， 仍利用该情绪指标预测股票的未来收益， 截面效应表现为： 当情绪较高时(大于其平均值0)， 投机性股票未来收益平均要低于债券类股票。Yu和Yuan[44]同样使用Baker和Wurgler[14]的投资者情绪指数作为情绪的度量， 以NYSE-AMEX平均加权指数作为股市的代理变量， 检验证实了对波动性的市场反应在时间上是非同质的， 但是取决于非理性情绪， 当情绪低的时候整个市场比在情绪高的时候更关注波动性。并且在情绪低落的时期， 期望回报与波动性表现出更强的负相关性。也就是说， 如果波动性即代表着风险， 在悲观情绪时期， 投资者会更关注于风险， 并且此时， 风险与回报的负相关关系比在乐观情绪时期更强。Kurov[45]也使用Baker和Wurgler[14]的投资者情绪指数月数据作为情绪的度量， 采用1990.1-2004.11间129组货币政策研究了货币政策通过投资者情绪最终影响股市收益间的关系。他发现熊市中的货币政策要比牛市时的货币政策对投资者情绪影响更大， 同样情绪对股市收益也更大。

Liao等[46]采用2003-2007间美国基金市场770只基金所持有527只股票的共31093组月交易数据观测值(包含17095组买入数据和13998组售出数据)， 选取十个代理变量， 即个股平均收益、 个股平均成交量、 S&P500指数收益、 罗塞尔(Russell)2000指数收益、 S&P500指数成交量、 S&P500指数期权认沽认购比、 IPO首日收益、 IPO发行量、 NYSE股票换手率、 共同基金净买量， 运用主成分构造情绪指标， 分析了情绪对基金经理交易行为的一致性。回归分析发现情绪对其买入行为、售出行为及整体交易行为均有正向影响， 即随着情绪指标值的增加， 基金经理行为趋于一致。

张强, 杨淑娥[47]采用1998.5至2006.12间的市场换手率、封闭式基金折价率和投资者开户增长率等月数据作为投资者情绪指数的代理变量， 应用因子分析法构造综合投资者情绪指数。这一点与Baker和Wurgler[14,15]的思想是类似的。仍利用作者前期研究方法(张强等[48])， 即OLS和GARCH-M回归分析方法分析了中国股市投资者情绪及波动与股票收益间的关系。研究结果表明：(1)情绪对当期收益正相关， 与未来一个月、 两个月及三个月收益负相关。(2)情绪上涨和下跌对股票价格的影响不对称， 情绪上涨对股票价格的影响要比下降强的多， 这与Verma R和Verma P[49]的研究结论一致。黄德龙[50]应用市场换手率、 封闭式基金折价率、 A股新开户比率2005.6.20-2008.1.11日数据作为情绪的综合代理变量， 用主成分分析法提取了情绪指标。利用EGARCH模型实证检验了投资者情绪对不同类别股票收益的五条自然逻辑假说， 研究了情绪对多个股票指数的影响。结果表明情绪指标对股票横截面效应的解释能力和对未来收益的预测能力。

除了仅采用金融市场交易变量构造情绪指标外， 蒋玉梅, 王明照[51]还采取了间接指标与直接指标相结合的方式构造市场情绪。他们采用1999.5-2008.4间封闭式基金折价率、 消费者信心指数、 A股新增开户数、 换手率四个代理变量月数据， 运用主成分分析方法综合表示市场情绪， 主要分析了情绪对股票组合横截面收益的不同效应。通过将所选股票按照不同公司特征分别划分为十组， 回归分析发现： 情绪乐观时， 有形资产率低、 资产负债率高、 无现金分红的股票会有超额收益， 而情绪悲观时情况相反； 低价股、 亏损型、 高账面市值比、 利润增长率较极端的股票在情绪乐观时虽会有超额收益但统计上不显著； 而情绪对按照规模和机构持股比例构造的投资组合横截面效应解释乏力。易志高和茅宁[52]采用封闭式基金折价、 市场交易量、 IPO数量级上市首日收益、 新增投资者开户数和消费者信心指数六个代理变量， 以主成分分析方法构建了中国市场的投资者情绪指数。

综上， 由于以单一代理变量表征情绪或许不够全面， 因此众学者逐渐转向对综合性投资者情绪指标的构建上来。值得庆幸的是， 与单一代理变量对情绪表征能力的认可度不同， 综合性市场情绪指标的表征能力未受到众学者的批判， 其对市场表现的预测能力和对横截面效应的区辨能力得到了一致认可。因此， 一方面加强了对投资者情绪研究的认可度， 一方面还为未来的研究指明了方向， 即应该撷取多个市场交易变量综合性表征投资者情绪。然而， 在表征综合市场情绪指标时所用的代理变量较为繁杂， 有市场表现类变量， 也有市场结构类、特定产品如基金和IPO类， 甚至衍生产品类等变量。如上研究方法， 即对于具体选取哪些代理变量更为科学这一问题， 学术界还没有形成统一认识， 若对各变量随意不分门别类有讨论性地选取， 则可能会犯统计性错误， 同时也不利于对投资者情绪研究科学框架的构建。因此， 下一步研究应该围绕代理变量的科学选取方法而展开。另外， 虽然大多研究均支持情绪对当期收益有正向影响、对未来收益有负向影响这一结论， 但由于各研究采用的数据周期不同， 因此未来还需研究情绪的期限结构， 即不同时间周期的情绪对当期收益及未来收益的影响方向及作用大小。

(二)机构投资者情绪指标与个人投资者情绪指标

针对机构投投资者及个人投资者的综合性指标指的是采用多个仅能体现机构投资者表现或个人投资者表现的变量所构建的情绪指标。由于大多研究并未按照本文对情绪按载体分类的方法， 因此该方面的研究还未见涉及， 可能会成为未来一个重要的研究方向。如何通过多个交易变量分别描述、刻画或解释机构与个人投资者情绪， 并研究两者间的交互式关系及分别对市场表现的影响， 是一亟待解决的问题。

四、 现有研究不足及未来研究展望

迄今为止， 有关投资者情绪的研究大多是实证研究， 其情绪指标的表征是一关键问题。由于单一代理变量不足以完全刻画复杂的投资者情绪， 因此众学者逐渐转向了综合性情绪指标的研究中。然而， 该方面的研究主要有两个问题： 其一是研究方法不具有标准性， 即代理变量的选取问题， 由于受限于数据的可得性等原因， 不同的学者在构建情绪指标时选取的代理变量亦有不同， 但对如何更为规范性地选取情绪代理变量这一问题， 该方面尚缺乏科学的判断及统一的认识； 其二是研究内容不具有完整性， 这一问题可用现有文献投资者情绪构建总结表(表1)来阐述。

表1 不同类型投资者情绪构建结果比较

由表1总结看出， 综合性情绪指数的研究仅仅围绕市场整体情绪而展开， 缺乏市场情绪中个人投资者和机构投资者各自的描述及其内在联系的探讨， 这将是未来研究的重点。另一方面， 除市场情绪外， 更为重要的、更具有实际指导性的是应该建立单只股票的情绪指数。至今， 个股情绪指标构建方法还很少， 主要有两种： (1)Kaniel等[53]提出基于个人账户交易量数据的情绪指标; (2)Frazzini和Lamont[54]提出基于某股票的股权基金资金流的情绪指标。而这两类指标也仅仅是单一性指标， 在一定程度上并不能完全刻画股票情绪特征， 因此， 未来可以向综合性个股情绪指数发展， 这也是一重要的研究方向。如上这些方面， 即是未来研究的重点内容。

继而， 在上述未来研究的基础上， 应基于BAPM、BPT及其它理论， 探究情绪资本资产定价模型(Sentiment Capital Asset Pricing Model, SCAPM)及情绪资产组合理论(Sentiment Portfolio Theory, SPT)， 构建起情绪金融市场(Sentiment Financial Market)的统一理论框架， 更贴近实际、科学恰当地描述金融市场。

五、 结语

投资者情绪的研究已有约二十年的时间， 期间众学者主要围绕情绪与市场表现间的关系而展开讨论。国外学者采用投资者情绪的代理变量较多， 部分采用直接调查指标， 而另一部分则采用间接指标， 均得到了丰富的结论。国内由于研究起步较晚， 数据可得性、适用性低等原因， 对单一代理变量表征情绪的研究鲜见涉及， 大多以直接调查或综合性指标两种方法表征情绪， 并研究其与股指收益间的关系。本文将有关投资者情绪间接表征的研究按照其所采用代理变量的个数大致分为两类暨两个阶段， 前一阶段主要研究单一代理变量对情绪的表征能力， 后一阶段主要研究综合性情绪指标的构建， 时点划分以Brown和Cliff[12,13]对各代理变量的综述为标志。对于每个阶段， 又按照情绪载体划分为市场整体情绪、 机构投资者情绪及个人投资者情绪三个类别， 对以往研究每一类别情绪间接表征较有代表性的文献做了简要评述， 并通过分析该领域两个阶段、 三个类别的研究结果和思路， 指出了现有研究的不足及未来的研究方向。

参考文献：

[1] Fama E. Efficient capital markets: A review of theory and empirical work [J] . Journal of Finance, 1970, 25(2): 383-417.

[2] Markowitz M. Portfolio selection [J] . Journal of Finance, 1952, 7(1): 77-91.

[3] Sharpe W. Capital asset prices: A theory of market equilibrium under conditions of risk [J] . Journal of Finance, 1964, 19(3): 425-442.

[4] Black F, Scholes M. The pricing of options and corporate liabilities [J] . Journal of Political Economy, 1973, 81(3): 637-654.

[5] Ross S. The arbitrage theory of capital asset pricing [J] . Journal of Economic Theory, 1976, 13(3): 341-360.

[6] Shefrin H, Statman M. Behavioral capital asset pricing theory [J] . Journal of Financial and Quantitative Analysis, 1994, 29(3): 323-349.

[7] Shefrin H, Statman M. Behavioral portfolio theory [J] . Journal of Financial and Quantitative Analysis, 2000, 35(2): 127-151.

[8] Barberis N, Shleifer A, Vishny R. A model of investor sentiment [J] . Journal of Financial Economics, 1998, 49(3): 307-343.

[9] Daniel K, Hirshleifer D, Subrahmanyam A. Investor psychology and security market under and overreactions [J] . Journal of Finance, 1998, 53(6): 1839-1885.

[10] Hong H, Stein J. A unified theory of underreaction, momentum trading, and overreaction in asset markets [J] . Journal of Finance, 1999, 54(6): 2143-2184.

[11] Barberis N, Huang M, Santos T. Prospect theory and asset prices [J] . The Quarterly Journal of Economics, 2001, 116(1): 1-53.

[12] Brown G, Cliff M. Investor sentiment and the near-term stock market [J] . Journal of Empirical Finance, 2004, 11(1): 1-27.

[13] Brown G, Cliff M. Investor sentiment and asset valuation [J] . Journal of Business, 2005, 78(2): 405-440.

[14] Baker M, Wurgler J. Investor sentiment and the cross-section of stock returns [J] . Journal of Finance, 2006, 61(4): 1645-1680.

[15] Baker M, Wurgler J. Investor sentiment in the stock market [J] . Journal of Economic Perspective, 2007, 21(2): 129-151.

[16] Amihud Y, Mendelson H. Asset pricing and the bid-ask spread [J] . Journal of Financial Economics, 1986, 17(2): 223-249.

[17] Brennan M, Subrahmanyam A. Market microstructure and asset pricing: on the compensation for illiquidity in stock returns [J] . Journal of Financial Economics, 1996, 41(3): 441-464.

[18] Brennan M, Chordia T, Subrahmanyam A. Alternative factor specifications, security characteristics, and the cross-section of expected stock returns [J] . Journal of Financial Economics, 1998, 49(3): 345-373.

[19] Chordia T, Roll R, Subrahmanyam A. Commonality in liquidity [J] . Journal of Financial Economics, 2000, 56(1): 3-28.

[20] Chordia T, Roll R, Subrahmanyam A. Market liquidity and trading activity [J] . Journal of Finance, 2001, 56(2): 501-530.

[21] Hasbrouck J, Seppi D. Common factors in prices, order flows, and liquidity [J] . Journal of Financial Economics, 2001, 59(3): 383-411.

[22] Huberman G, Halka D. Systematic liquidity [J] . Journal of Financial Research, 2001, 24(2): 161-178.

[23] Amihud Y. Illiquidity and stock returns: cross-section and time-series effects [J] . Journal of Financial Markets, 2002, 5(1): 31-56.

[24] Jones C. A century of stock market liquidity and trading costs [J] . Columbia University, Working paper , 2002.

[25] Baker M, Stein J. Market liquidity as a sentiment indicator [J] . Journal of Financial Markets, 2004, 7(3): 271-299.

[26] Ljungqvist A, Nanda V, Singh R. Hot markets, investor sentiment, and IPO pricing [J] . Journal of Business, 2006, 79(4): 1667-1702.

[27] Dennis P, Mayhew S. Risk-neutral skewness: evidence from stock options [J] . Journal of Financial and Quantitative Analysis, 2002, 37(3): 471-493.

[28] Wang Y, Keswani A, Taylor S. The relationships between sentiment, returns and volatility [J] . International Journal of Forecasting, 2006, 22(1): 109-123.

[29] Bauer, R, Cosemans M, Eichholtz P. Option trading and individual investor performance [J] . Journal of Banking and Finance, 2009, 33(4): 731-746.

[30] Achelis S. Technical analysis from A to Z [M]. New York, McGraw-Hill, 1999.

[31] Bernile G, Lyandres E. Understanding investor sentiment: the case of soccer [J] . Boston University, Working paper, 2007.

[32] Wang C. Investor sentiment: market timing and future returns [J] . Applied Financial Economics, 2003, 13(12): 891-898.

[33] Han B. Limits of arbitrage, sentiment and pricing kernel: evidence from S&P 500 options [J] . Ohio State University, Working paper, 2005.

[34] Lee C, Shleifer A, Thaler R. Investor sentiment and the closed-end fund puzzle [J] . Journal of Finance, 1991, 46(1): 75-109.

[35] Neal R, Wheatley S. Do measures of investor sentiment predict returns? [J] . Journal of Financial and Quantitative Analysis, 1998, 33(4): 523-547.

[36] 伍燕然, 韩立岩, 不完全理性、投资者情绪与封闭式基金之谜[J] . 经济研究, 2007, 42(3): 117-129.

[37] Chen N, Kan R, Miller M. Are the discounts on closed-end funds a sentiment index? [J] . Journal of Finance, 1993, 48(2): 795-800.

[38] Elton E, Gruber M, Busse J. Do investors care about sentiment? [J] . Journal of Business, 1998, 71(4): 477-500.

[39] Kumar A, Lee C. Retail investor sentiment and return comovements [J] . Journal of Finance, 2006, 61(5): 2451-2486.

[40] De Long J, Shleifer A, Summers L, Waldmann R. Noise trader risk in financial markets [J] . Journal of Political Economy, 1990, 98(4): 703-738.

[41] Cornelli F, Goldreich D, Ljungqvist A. Investor sentiment and pre-IPO markets [J] . Journal of Finance, 2006, 61(3): 1187-1216.

[42] 张强, 杨淑娥, 中国股市横截面收益特征与投资者情绪的实证研究[J] . 系统工程, 2008, 26(7): 22-28.

[43] Bradley D, Gonas J, Highfield M, Roskelley K. An examination of IPO secondary market returns [J] . Journal of Corporate Finance, 2009, 15(3): 316-330.

[44] Yu J, Yuan Y. Investor sentiment and mean-variance relation [J] . Journal of Financial Economics, forthcoming.

[45] Kurov A. Investor sentiment and the stock market’s reaction to monetary policy [J] . Journal of Banking and Finance, 2010, 34(1): 139-149.

[46] Liao T, Huang C, Wu C. Do fund managers herd to counter investor sentiment? [J] . Journal of Business Research, forthcoming.

[47] 张强, 杨淑娥, 噪音交易、投资者情绪波动与股票收益[J] . 系统工程理论与实践, 2009, 29(3): 40-47.

[48] 张强, 杨淑娥, 杨红, 中国股市投资者情绪与股票收益的实证研究[J] . 系统工程, 2007, 25(7): 13-17.

[49] Verma R, Verma P. Noise trading and stock market volatility [J] . Journal of Multinational Financial Management, 2007, 17(3): 231-243.

[50] 黄德龙, 投资者情绪指数及中国股市的实证[J] . 系统科学与数学, 2009, 29(1): 1-13.

[51] 蒋玉梅, 王明照, 投资者情绪与股票横截面收益的实证研究[J] . 经济管理, 2009, 31(10): 134-140.

[52] 易志高, 茅宁, 中国股市投资者情绪测量研究：CICSI的构建[J] . 金融研究, 2009, 11: 174-184.

[53] Kaniel R, Saar G, Titman S. Individual investor trading and stock returns [J] . Journal of Finance, 2008, 63(1): 273-310.

[54] Frazzini A, Lamont O. Dumb money: mutual fund flows and the cross-section of stock returns [J] . Journal of Financial Economics, 2008, 88(2): 299-322.