投资者情绪与股票市场定价效率实证研究

王博

摘 要：

采用主成分分析方法，构造投资者情绪综合指数，并将所构造的标准化投资者情绪指数作为投资者情绪因子，代入Fama和French三因子定价模型。基于投资者情绪对不同风格指数、不同市值指数、不同行业指数的影响，分别选择上证A股指数、沪深300指数、上证50ETF、上证180ETF、大盘指数、小盘指数、银行板块、非银金融板块、房地产板块、有色金属板块、医药生物板块、钢铁板块作为投资组合代表，以研究投资者情绪对这些不同投资组合的差异性影响。并将耶鲁CCER中国股市投资者情绪信心指数标准化后，作为一个因子代入Fama和French三因子模型进行比较研究。实证检验证明了所构建的情绪资产定价理论模型的合理性，将投资者情绪作为一个因子加入到Fama和French三因子模型以后，资产定价模型定价效率有显著的提升。

す丶词：

非系统风险；情绪综合指数；投资者情绪；定价效率

の恼卤嗪牛2095-5960（2014）04-0039-09

；中图分类号：F830

；文献标识码：A

一、引言

资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是在马科维茨投资组合理论的基础上发展起来的。CAPM模型存在的主要不足是实证效果较差，定价效率存在问题。除了Fama＆MacBeth(1973)［1］的实证结果基本支持CAPM外，后来的检验基本否定了CAPM。在对CAPM有效性所做的实证研究中，最为著名的是Fama＆French(1992)［2］检验，其不仅完全否定了Е陋Ф怨善笔找娴慕孛娌钜斓慕馐湍芰Γ而且指出仅用公司规模和账面市值比这两个特征就能对股票收益的截面差异做出全面的解释。

实证检验中产生问题的原因在于该模型的理论基础，即马科维茨最优投资组合理论假设条件在现实中几乎无法得到有效满足。其假设的核心是：第一，投资者是理性的；第二，资本市场是完全有效的市场，没有任何摩擦阻碍投资。然而在现实生活中，人们的理性认知能力不可避免受到各种主客观条件限制，即人的行为理性是有限的，而绝非完全理性。马科维茨投资组合理论要求投资组合只包含系统风险，非系统风险通过扩大投资组合规模加以分散，但没有考虑投资分散化成本问题，而现实投资者必须要考虑投资分散化成本，因此市场并非是有效的。

Fama＆French(1993)［3］发现，市场组合超额收益不足以解释股票收益的时间序列差异，并构造了SMB和HML这两个反映公司规模和账面市值比的因素，在将这两个因子加入CAPM后，模型的解释能力大大提高，理论界将这个模型称为Fama＆French三因素模型。三因素模型考虑到了行业风险问题，将CAPM模型的系统风险表述拓展到行业层面，部分克服了CAPM的局限性，但投资组合中非系统风险残值仍然偏大。换句话说，这种延伸虽在一定程度上克服了CAPM以市场组合代替系统风险的局限性，但三因素模型并未完全解决包含非系统风险的投资组合定价问题。

行为金融理论是在对CAPM理论的质疑和挑战中发展起来的。行为金融学有两个更为现实的理论基础，即有限套利和投资者心態分析（金融心理学）。投资者心态和行为因素的表现形式是投资者情绪（investor sentiment），其一直是行为金融学解释市场异象的主要理论基础之一。由于不同投资者构建的投资组合所包含的非系统性风险因素存在差异，因此对市场变动的情绪也不可能相同，不同投资者情绪的力量此消彼涨，因此，由个别投资者的情绪合成为一种市场情绪，羊群效应则是这种市场情绪的充分反映。本文的研究以马科维茨投资组合理论为基本理论，在Fama＆French三因素模型基础上，引入市场投资者情绪因素，以便提高检验包含非系统风险的投资组合的定价效率。

市场情绪的系统性作用已经被理论和实证研究所证实。一些实证研究已经证实市场情绪对股票市场收益有系统性的影响，如Baker＆Wurgler(2006,2007)［4］［5］、Baker(2012)［6］、Brown＆Cliff(2004)［7］、Kumar＆Lee(2006)［8］、Lee et al(1991)［9］、Schmeling(2009)［10］、Verma＆Soydemir(2009)［11］、Yu＆Yuan(2011)［12］。同时，一些情绪资产定价模型已发展起来证实市场情绪在资产定价模型中的作用，如Yang＆Yan(2011)［13］、Yang（2012）［14］。

上述市场情绪与资产定价的国外相关文献，证明市场情绪不仅是行为金融学领域，也是整个资产定价领域一个很重要的影响变量，但现有文献对市场情绪是否作为定价因子而非仅为特征变量的研究还存在不足。从国外文献来看，也很少在同一篇文章中，分别采用间接情绪综合指数和直接情绪指数，并将市场情绪因子加入到资产定价模型对资产定价模型定价效率分别进行实证检验。本文拟着力从实证上检验国内市场情绪风险溢价显著性，尤其是探讨市场情绪可否作为影响资产定价的一个因子。

二、情绪综合指数构造

（一）投资者情绪具体指标选择

世界各国投资情绪的组成指标不尽相同，因而选择合适的组成指标尤为关键，本文选取的情绪代理指标既反映了市场总体情绪的变动（市场换手率），也反映了机构投资者情绪（封闭式基金折价率）和个人投资者情绪（消费者信心指数），因此具有较强的合理性。所选取的各情绪代理指标数据时间范围为2002年1月—2013年12月。各具体指标如下：

1.消费者信心指数(CCI)

从人们的主观意识来看，投资者信心指数比消费者信心指数能更好地衡量投资者情绪变化，但通过实证检验，情况远非如此，如薛斐（2005）［15］通过实证研究表明消费者信心指数能更好地代表投资者情绪的变化。因此，本文选取消费者信心指数（Consumer Confidence Index，简称CCI）作为投资者情绪的代理指标。自1997年12月，中国国家统计局景气监测中心开始编制消费者信心指数，并通过《中国消费者信心监测报告》定期发布最新的指数数据，每月更新一次。

2.市场换手率(Turn)

Baker＆Wurgler (2004)［16］通过实证检验的方法证明，能够反映市场整体流动性的换手率可作为投资者情绪的理想指标。换手率在一定程度上反映了市场的流动性（Baker＆Stein，2004)）［17］，本文选取上证综指月累计成交金额和月累计流通市值作为计算换手率的原始数据，换手率的计算公式为Turn璽=TV璽 TMV璽АＦ渲校Turn璽为在t时期的上证综指换手率，TV璽为t期上证综指月累计成交金额，TMV璽为t期上证综指月累计流通市值。Turn璽В即整体换手率，可以直接通过Wind数据库提取，不需要做预处理，其时间跨度、频率可以根据需要自由选取。

3.IPO首日溢价率（IPOR）

在各国股票市场中，IPO发行时间较长。随着时间推移，IPO首日溢价率表现出明显的波峰和波谷，波峰也称为“热发行市场”，并且作为“IPO抑价之谜”（Loughran，1994）［18］。当投资者热衷于投资的时候，较高的投资需求，推动了IPO价格高于股票内在价值，这与高IPO首日溢价率相一致（Baker＆Wurgler，2007；Dorn，2009)［16］［19］。本文选取的IPO首日溢价率指标（IPOR）通过相应时间段内的IPO首日溢价率的算术平均求得。具体公式为：IPOR=∑N iPC璱－PI璱/PI璱 NАＦ渲校琋表示该期间首次公开发行股票数量，PC璱П硎镜趇支股票首日收盘价，PI璱П硎镜趇支股票发行价， PC璱－PI璱/PI璱П硎镜趇支股票首日回报率。

4.封闭式基金折价率（CEFD）

封闭式基金折价交易是不争的事实，最早认为封闭式基金折价变化是投资者预期的结果。DSSW(1990)［20］的噪声交易者模型认为，封闭式基金主要投资者的交易行为都是随机性的。Datar(2001)［21］、张雅慧等（2012）［22］、夏芳（2012）［23］认为股票市场流动性对封闭式基金折价交易有影响。Lee et al(1991)从行为金融学的角度来解释“封闭式基金折价之谜”。行为金融学认为，封闭式基金折价率变化是个人投资者情绪变化的充分反映，由此认为具有相同投资者结构的具体投资品种，也将受到类似的投资者情绪的影响。

本文采取的计算公式为：CEFD璽=∑n i=1P﹊t－NAV﹊t NAV﹊t n,д饫飊代表沪深股票市场本期发行的封闭式基金数量；P璱为基金i于每月最后一个交易日的收盘价；NAV﹊t为每月最后一个交易日的单位净值；N璱为基金i的份额；CEFD璽г诖笥0时表现为溢价，小于0时表现为折价。

（二）投资者情绪组成指标及其滞后项的主成分分析

本文将所选择的投资者情绪指标及其滞后项进行主成分分析，为消除各情绪代理变量单位的差异性影响，在进行主成分分析前，先将各情绪代理变量进行标准化处理。

根据上文选取的四个情绪代理指标，可以获得四个情绪代理指标及其对应的滞后项共八个指标。选取这八个指标，采用累计解释力85%准则进行主成分分析。

ケ1主成分分析法下的各主成分解释力

主成分

特征根

方差解释力

累计解释力主成分1

3.3575

0.4220

0.4220 主成分2

1.9886

0.2430

0.6650 主成分3

1.1825

0.1430

0.8080 主成分4

0.8192

0.1020

0.9100 主成分5

0.3413

0.0430

0.9530 主成分6

0.2263

0.0270

0.9800 主成分7

0.0563

0.0120

0.9920 主成分8

0.0261

0.0080

1

表2主成分分析法下的各主成分系数

主成分

CCI

TURN

IPOR

CEFD

CCI_

TURN_

IPOR_

CEFD_1

0.5075

-0.0323

0.1696

0.4633

0.521

-0.0102

0.1863

0.4430 2

0.116

0.0075

0.6113

-0.3295

0.0796

0.1493

0.5961

-0.3431 3

0.043

0.7316

0.0263

0.023

0.0166

0.6672

-0.1714

0.0496 4

0.081

0.6796

0.0423

-0.0578

0.0257

-0.7235

0.0455

-0.0625 5

-0.525

0.0811

0.3066

0.3673

-0.4352

-0.0281

0.3082

0.469 6

0.0631

0.098

-0.7015

-0.0313

-0.0666

0.0986

0.6946

0.0223 7

0.6118

-0.0291

0.0611

-0.3071

-0.6920

0.0123

-0.0383

-0.2220 8

-0.2896

0.0375

-0.0378

0.6683

0.2366

0.0143

0.0552

-0.6410

如表1所示，选取前三个主成分和前四个主成分时，累计解释力分别达到8167%和9045%。根据累计解释力85%准则，本文将选择前四个主成分来构造投资者情绪中间指数。根据表2，构造相应模型，得到投资者情绪中间指数Index﹙1В具体如下：

Index﹙1=0.2743CCI+0.1796TURN+0.2542IPOR+0.1188CEFD+0.2635CCI－+0.0633TURN－+0.2243IPOR－+0.1138CEFD－ （Ⅰ）

同時，将中间指数与4个组成指标及其对应的滞后项进行相关性分析，结果如表3所示。根据相关性分析结果，中间指数Index﹙1в氲逼谙费者信心指数、当期换手率、当期封闭式基金折价率及IPO月度溢价的相关性更强。

ケ3中间指数Index﹙1в胱槌芍副昙捌涠杂χ秃笙畹南喙匦苑治

Index﹙1

CCI

TURN

IPOR

CEFD

CCI_

TURN_

IPOR_

CEFD_〖BHD〗Index﹙1

1

CCI

0.8978

1

TURN

0.1642

0.0082

1

IPOR

0.6382

0.3573

0.0293

1

CEFD

0.5650

0.6553

-0.0598

-0.1033

1

CCI_

0.8912

0.9448

-0.043

0.3525

0.6881

1

TURN_

0.143

0.0016

0.1723

0.159

-0.0684

0.0066

1

IPOR_

0.618

0.3893

-0.1089

0.7591

-0.0759

0.359

0.0224

1

CEFD_

0.5345

0.6035

-0.0321

-0.1251

0.9684

0.672

-0.0451

-0.0893

1

（三）构建月度投资者情绪指数SENT1У墓菇í

根据以上投资者情绪中间指数的相关性分析，可以判断是选择组成指标还是选择其滞后项。基于以上结果，本文将运用主成分分析法构造最终的月度投资者情绪指数。采用累计解释力85%准则，中间指数Index﹙1в氲逼谙费者信心指数、当期换手率、当期封闭式基金折价率及IPO月度溢价的相关性更强。因此，本文选用上述指标，进行主成分分析，结果如表4。

ケ4主成分分析法下的各主成分解释力

主成分

特征值

方差解释力

累计解释力 主成分1

1.7120

0.4318

0.4318 主成分2

1.1123

0.2712

0.7030 主成分3

0.9751

0.2440

0.9470 主成分4

0.2081

0.0530

1.0000

表5月度投资者情绪的主成分系数

主成分

CCI

TURN

CEFD

IPOR 主成分1

0.7255

-0.0351

0.2722

0.6341 主成分2

0.0933

0.4354

0.7932

-0.4215 主成分3

0.0135

0.8995

-0.3893

0.2011 主成分4

-0.6842

0.0393

0.3863

0.6182

根据累计解释力85%准则，本文将选择前三个主成分构造投资者情绪指数（见表5）。根据表5，构造模型，得到情绪综合指数SENT1В具体如下：

SENT1=0.3563CCI+0.3431TURN+0.2547IPOR+0.2143CEFD （Ⅱ）

考虑到情绪指标中可能含有宏观因素的影响，因此，需要剔除相关的宏观经济变量的影响。本文选取工业生产增加值（IAV）、居民消费价格指数(CPI)、工业品出厂价格指数（PPI）和宏观经济景气指数(MBCI)作为经济基本面的代理变量。

首先对CCIАⅹTURNАⅹIPORАⅹCEFDЫ行标准化处理，并与IAV、CPI、PPI、MBCI进行相关性分析，可得表6。

ケ6宏观经济变量与情绪指标相关系数

CCI

TURN

IPOR

CEFD IAV

0.536*

0.436*

0.487

0.362 CPI

0.238

0.378

0.326

0.284 PPI

0.173

0.329

0.438*

0.542* MBCI

0.274

0.495*

0.037

0.046

注:***、**、*分別表示1%、5%、10%水平上统计显著。

由表6可以看出，宏观经济变量与情绪指数之间大部分都具有相关性。将情绪变量与宏观经济变量进行线性回归，并将得到的残差序列作为非理性投资者情绪的代表。并且用RCCIАⅹRTURNАⅹRIPORАⅹRCEFDП硎荆再将其进行主成分分析（取1、2主成分，前两个主成分贡献达86.17%），可得情绪综合指数SENT1为：

SENT1=0.315RCCI+0.438RTURN+0.346RIPOR+0.535RCEFDВá螅┆

三、基于投资者情绪的资产定价模型实证研究

（一）样本选取的标准及具体处理方式

为考虑投资者情绪对不同风格指数、不同市值指数、不同行业指数的影响，本文分别选择上证A股指数、沪深300指数、上证50ETF、上证180ETF、大盘指数、小盘指数、银行板块、非银金融板块、房地产板块及有色金属板块作为投资组合代表，以研究投资者情绪对这些不同组合的差异性影响。本文的研究时段为2002年1月—2013年12月。〖JP〗

之所以选择上述组合的原因是上证A股指数、沪深300指数代表市场的整体波动情况，可以考察投资者情绪对股票市场整体价格变化影响。同时沪深300指数也是股指期货合约和即将推出的股指期权合约的标的物。上证50ETF和上证180ETF属于ETF（Exchange Traded Fund），即交易型开放式指数基金，又称交易所交易基金，是采用“被动管理”方式跟踪特定证券指数，能在证券交易所上市交易，并用构成证券指数的一揽子证券进行申购和赎回的证券投资基金，目前都很活跃。行为金融理论认为，投资者行为和心理偏差是导致资产价格偏离基础价值的主要原因，那么投资者的行为和心理偏差能否影响ETF的收益变化呢？下文将回答上述问题。当前，部分学者尝试从投资者情绪角度解释ETF变化现象，但研究结论还存在一定争议，下文拟从投资者行为和心理偏差角度解释A股市场ETF价格变化的原因。上证50ETF和上证180ETF同时也是机构投资者构建沪深300股指期货相关的期现套利模型工具。本文选择申万风格指数的大盘指数和小盘指数作为代表股票市场市值的大小。

选择申万一级行业指数作为划分行业分类标准的依据是，目前《申银万国行业指数》设立一级行业指数28个，其较证监会行业分类标准更细。选择银行板块、非银金融板块、房地产板块、有色金属板块是因为银行板块、非银金融板块的市值较大，同时也是大盘蓝筹股的代表，可以反映投资者情绪对大盘蓝筹股的变化影响。选择房地产板块的原因是，近年来我国房地产行业价格上涨幅度大，受投资者投机影响大，房地产价格存在泡沫。有色金属板块受国际市场有色金属价格变动的影响较大，市场投资者炒作引起价格剧烈波动。

（二）本文所构建的情绪资产定价理论模型的具体说明

本文所构建的情绪资产定价模型为：

R﹊t－R璮=α0+α1R﹎t－R璮+α2SMB璽+α3HML璽+α4SENT璽+ε璱Вá簦┆

R﹊tХ直鸫表上证A股指数、沪深300指数、上证50ETF、上证180ETF、大盘指数、小盘指数、银行板块、非银金融板块、有色金属板块、房地产板块、医药生物板块、钢铁板块等投资组合月度收益率；R﹎t为上证综合指数月收益率；各投资组合i在t月的月度收益率为R﹊t=玪n玃﹊,t/P﹊,t－1В其中，P﹊,tШ酮P﹊,t－1Х直鸨硎靖魍蹲首楹蟟在t月和﹖-1月的收盘价；R璮为一年期定期存款利率折算成的无风险收益率；SMB璽П硎驹谑奔鋞时，小规模市值公司股票投资组合的平均收益率与大规模市值公司股票投资组合的平均收益率差额，该指标体现公司规模溢价因素，SMB璽=SL璽+SM璽+SH璽 3-BL璽+BM璽+BH璽 3В华HML璽П硎驹谑奔鋞时高账面市值比的股票投资组合与低账面市值比的股票投资组合平均收益率的差值，该指标体现公司的价值因素，HML璽=SH璽+BH璽 2-SL璽+BL璽 2В华SENT璽为本文所构建的情绪综合指数因子。根据这些投资组合月度收益率，分别对情绪资产定价模型进行回归分析。然后，本文根据情绪资产定价模型各个影响因素的统计显著性及情绪资产定价模型的整体判定系数R2В来判断各个组成因素对我国股票市场预期收益率影响，以此作为评价情绪资产定价理论模型的定价效果。

（三）基于不同情绪指数的资产定价模型实证估计及结果分析

1.基于投资者情绪综合指数的资产定价模型实证结果分析

将本文所构建的情绪综合指数SENT1В加入到模型（Ⅳ）中，单位根检验表明因子平稳，得到的实证检验结果如表7。

ケ7包含投资者情绪因子的FF三因子模型实证检验

组合

Е联0

Е联1

Е联2

Е联3

Е联4

R2000002(上证A指）

1.138

(1.252)

2.039***

(5.963)

1.3603***

(7.782)

0.3538***

(3.613)

4.372***

(7.232)

0.9053 000300(沪深300）

0.576

(1.086)

1.658***

(7.691)

1.4835***

(6.984)

0.2850***

(2.968)

8.215***

(16.510)

0.9435 510050（华夏上证50ETF）

1.084

(1.193)

1.593***

(4.864)

1.1918**

(2.233)

0.2658***

(4.896)

5.178***

(11.243)

0.9174 510030(华宝兴业上证180价值ETF)

0.723

(0.943)

2.126***

(6.862)

0.9656***

(9.166)

0.7843***

(13.353)

1.577**

(2.196)

0.9228 801811（大盘指数）

0.612

(0.745)

0.787***

(4.335)

1.3695***

(5.454)

0.7542***

(4.236)

2.039**

(2.284)

0.8769 801813(小盤指数)

0.447

(0.521)

1.423***

(6.819)

0.5698**

(2.146)

1.154***

(4.513)

5.587***

（6.968）

0.9313 801780

（银行）

1.268**

（2.304）

0.626***

（3.287）

0.3268***

（6.93）

0.8698***

（9.891）

1.078

（1.513）

0.8854 801790(非银金融)

-0.328

（-0.654）

3.016***

（7.598）

1.4526***

（5.527）

0.4546***

（8.985）

1.496**

（2.254）

0.9087 801180

（房地产）

0.793

（1.266）

1.682***

（4.985）

0.713**

（2.243）

0.2614***

（3.983）

3.698***

（6.598）

0.9316 801050(有色金属)

0.588

（1.416）

2.519***

（6.648）

0.7846***

（8.288）

0.6928***

（8.646）

2.796***

（5.204）

0.9148

注：*、**、***、分别表示10%、5%、1%水平上显著；括号中的值为相应系数的t统计量。下同。 オ

由表7中实证结果可知：第一，在加入了情绪因子后，常数项Е联0г10个回归模型实证结果中，除了银行板块仅在5%的显著性水平下通过t检验，其余的9个回归模型中，常数项均没有通过t检验，因此资产定价模型中常数项为0的假设得到了验证。

第二，对于Е联2В即股票组合超额收益率对于公司规模因素的敏感度。在10个回归模型实证结果中Е联2Ь通过t检验，因此Е联2是显著异于0的。表明规模溢价现象是存在的，在改进后的资产定价模型中，应将规模溢价因素反映到资产定价模型中去。

第三，对于Е联3Ш酮Е联4В分别为股票投资组合超额收益率相对于HML因子和情绪因子的敏感度。 Е联3Ь通过t检验，即Е联3是显著异于0的，因此，在改进后的资产定价模型中，应该把HML因子考虑进去。Е联4С了银行板块没有通过t检验之外，其余均通过t检验，仍然可以认为在大多数情况下，Е联4是显著异于0的，投资者情绪对于股票市场收益率的影响是显著的。因此，在资产定价模型中，应当考虑投资者情绪因素。对于情绪因子，银行板块没有通过t检验，也与银行板块本身市值大，不易操纵有关，即所受投资者情绪变化影响小。

第四，对于Е联1В即股票投资组合超额收益率相对于市场投资组合超额收益率敏感度。实证结果表明，在10次回归模型中，均在1%的显著性水平下通过t检验，可以得出市场投资组合超额收益率相对于股票收益率是显著的，在包含投资者情绪的FF三因子模型中应包括市场投资组合超额收益率。

第五，对整体上衡量基于投资者情绪的资产定价模型效率，可主要从调整的系数R2Ю垂鄄臁Ｔ10次回归中，调整后的R2ё畹椭滴08769，最高为09435，90%以上的R2Ц鍪有8个，R2平均值为09138。从可调整的系数R2Ю纯矗基于不同指数、不同市值风格、不同行业组合来说的因子定价模型R2系数非常高，说明组合超额收益方差变化可更好地由因子定价模型来解释。因此基于投资者情绪的Fama＆French三因子资产定价模型（Ⅳ）对股票收益率的预期变化有更强解释力。

从表7中情绪因子系数的对比来看：第一，沪深300指数受情绪因子的影响最大，系数为8215，并且在1%的显著性水平下通过t检验。沪深300指数是反映我国A股市场整体表现的指数，对投资者从整体上把握国内股票市场的变化起到很大的作用，具有非常实用的投资价值。沪深300指数样本占沪深股票市场约七成左右市值，具有极强的投资代表性和很强的领先预示作用，且在预测股票市场的顶部和底部时起着相当有效的作用，也证明了本文所构建情绪综合指数的有效性。上证A股指数受投资者情绪的影响也非常大，情绪因子系数为4372，并且在1%的显著性水平下通过t检验，上证A股指数从整体上反映上海A股市场上股票价格的变动情况，也从整体上表明了投资者情绪对股票市场上定价的影响。

第二，从大盘指数和小盘指数受情绪因子影响的大小来看，小盘指数受情绪因子的影响较大，系数为5587，并且在1%的显著性水平下显著，而大盘指数受情绪因子的影响系数为2039，在5%的显著性水平下显著。此结果与Baker＆Wurgler(2006)的实证结论相一致，即小市值股票更容易受到投资者情绪的影响，这也符合中国股票市场的实际。即由于个人投资者所占的比重非常高，由此所造成的投资者非理性成分非常大，小市值股票更容易受操纵，因此受投资者情绪的影响也就较大。

第三，从投资者情绪对行业影响的角度来看，投资者情绪对房地产行业、有色金属行业、医药生物行业、钢铁行业的影响差异具有显著性，情绪因子系数分别为3698、2796、2345和1896，并且在1%的显著性水平下显著。房地产行业受投资者情绪的影响最大，这也与实际相符，即近几年来中国城市房地产价格高企、房地产泡沫非常严重，也预示着对房地产市场的调控势在必行。同时有色金属行业受投资者情绪的影响也很大，即从2007年开始，一直到2014年，国际宏观经济政策、国际国内经济环境的变化直接导致了国际有色金属价格的大幅波动，影响了相应行业股票的业绩，使得不确定性显著增加，因此有色金属行业的股票受投资者情绪的影响非常大。最不受投资者情绪影响的是银行板块，情绪因子系数不显著，这也与银行板块市值大，不易被市场操纵有很大的关系。

第四，从投资者情绪对上证50ETF和上证180ETF的影响来看，系数分别为5178和1577,并且分别在1%和5%的显著性水平下显著。本文研究结论与国外研究存在显著不同，国外的研究文献没有发现投资者情绪影响ETF指数的实证证据。笔者认为国内外研究的显著差异原因是，在欧美成熟股票市场中ETF为中长期投资工具，投资者的投资策略以中长期投资为主，所以市场情绪的短期波动不会造成对ETF投资者的投资决策产生重大影响。与国外成熟市场不同，A股市场的波动非常剧烈，市场投机性非常浓厚，以长期持有作为投资策略将导致ETF投资者处于较高市场风险，因此完全消除投资者行为和心理偏差对ETF定价效率的影响是不可能的。

2奔尤胍鲁CCER中国股市投资者信心指数的资产定价结果实证分析

为了更好地评价本文所构建的基于投资者情绪的资产定价理论模型实证检验效果，本文将北京大学中国经济研究中心与耶鲁大学共同编制的反映中国股市投资者信心指数的耶鲁CCER中国股市投资者信心指数（时间范围为2008年9月—2013年12月），代入基于投资者情绪的资产定价理论模型，单位根检验表明因子平稳，实证结果如下表8。

ケ8包含耶鲁CCER情绪风险因子的FF三因子模型实证检验

组合

Е联0

Е联1

Е联2

Е联3

Е联4

R2000002(上证A指）

1.056

(1.544)

1.988**

(2.259)

1.4055***

(6.948)

0.7566***

(4.298)

3.091***

(6.584)

0.8992 000300(沪深300）

0.484

(1.376)

1.589***

(6.889)

1.4302***

(7.083)

0.3957***

(2.746)

6.118***

(10.096)

0.9013 510050（华夏上证50ETF）

2.161***

(3.088)

1.242***

(4.558)

1.1805**

(2.178)

0.2505***

(4.769)

5.295***

(7.146)

0.7983 510030(华宝兴业上证180价值ETF)

0.646

(1.129)

1.896***

(5.594)

1.408**

(2.023)

0.7958***

(8.355)

1.488**

(2.255)

0.8485 801811（大盘指数）

0.595**

(1.903)

0.6813***

(3.397)

0.7095

(1.108)

0.159

(1.245)

1.049**

(2.177)

0.7856 801813(小盘指数)

0.503

(1.178)

1.396***

(7.074)

0.5341**

(2.207)

1.251***

(4.793)

2.305***

（5.964）

0.9417 801780

（银行）

2.049***

（3.189）

0.598***

（3.517）

0.2986***

（8.243）

0.1403

（1.173）

1.169

（1.525）

0.6853 801790(非银金融)

-0.592

（-1.268）

2.698***

（8.572）

1.4635***

（5.937）

0.5526***

（7.928）

1.323**

（2.107）

0.8013 801180

（房地产）

0.695

（1.316）

1.776***

（3.958）

0.628

（1.537）

0.2435***

（3.872）

3.595***

（7.118）

0.9216 801050(有色金屬)

0.1939**

（2.240）

1.505**

（2.319）

0.6855

（1.1276）

0.6545***

（7.558）

1.249***

（4.543）

0.8085

由表8中实证结果可以得出：第一，在加入了情绪因子之后，对于常数项Е联0г10个回归模型实证结果中，有4次通过t检验，对于其余的6个回归模型中，常数项均没有通过t检验。因此资产定价模型常数项为0的假设得到了验证。

第二，对于Е联2В即股票组合超额收益率对于公司规模因素的敏感度。在10个回归模型实证结果中， 有7次通过t检验。因此可以认为在大多数情况下，Е联2是显著异于0的，即应当在包含情绪因子的Fama和French三因子资产定价模型中，考虑规模溢价因素影响。

第三，对于Е联3Ш酮Е联4В分别为股票的投资组合超额收益率相对于HML因子和情绪因子的敏感度。对于Е联3В有8次通过t检验，可以得出在大多数情况下，Е联3显著异于0，即在对资产定价模型的改进中，应当在模型中考虑HML因子。对于Е联4В即股票投资组合超额收益率相对于投资者情绪因子敏感度。除银行板块没有通过t检验之外，其他板块均通过t检验，因此可以得出在大多数情况下，Е联4显著异于0，投资者情绪对于股票市场收益率的影响是显著的。因此，在资产定价模型当中，应当考虑投资者情绪因素。对于情绪因子，银行板块没有通过t检验，其原因与上文论述相同。

第四，对于Е联1В即股票投资组合超额收益率相对于市场投资组合的超额收益率敏感度。实证检验结果证明，所有10次回归均通过t检验。表明市场投资组合超额收益率相对于股票收益率影响是显著的，包含情绪因子的Fama和French三因子模型应该将市场投资组合超额收益率考虑进去。

第五，对于整体上衡量基于投资者情绪的资产定价模型效率，可主要从调整的系数R2Ю垂鄄臁９鄄獾髡后的R2В在10次回归中，调整后的R2ё畹臀06853，最高为09417，90%以上R2Ц鍪有3个，80%以上R2Ц鍪有4个，R2平均值为08391，从定价效果上看，仍然大约有16%的风险变化没有得到解释。因此，从整体上看，基于投资者情绪的情绪资产定价理论模型的定价效率要优于包含耶鲁CCER中国股市投资者信心指数的情绪资产定价理论模型定价效率。

从表8中情绪因子系数的对比来看：第一，沪深300指数受情绪因子的影响最大，系数为6118，并且在1%的显著性水平下通过t检验。上证A股指数受投资者情绪的影响也非常大，情绪因子系数为3091，并且在1%的显著性水平下通过t检验。上证A股指数从整体上反映上海A股市场上股票价格的变动情况，表明了投资者情绪对股票市场上定价的影响。

第二，从大盘指数和小盘指数受情绪因子影响的大小来看，小盘指数受情绪因子的影响较大，系数为2305，并且在1%的显著性水平下显著；而大盘指数受情绪因子的影响系数为1049，在5%的显著性水平下显著。这也与Baker＆Wurgler(2006)的实证结果相一致。

第三，从投资者情绪对行业影响的角度来看，投资者情绪对房地产行业、有色金属行业、医药生物行业、钢铁行业的影响差异具有显著性，情绪因子系数分别为3595、1249、3145和1769，并且在1%的显著性水平下显著。房地产行业受投资者情绪的影响最大，这也与实际相符。与直接综合情绪指数因子系数相反的是，有色金属行业受投资者情绪的影响相对很小，系数为1249。非银行业金融板块受情绪因子影响系数为1323，并且在5%的显著性水平下显著。最不受投资者情绪影响的是银行板块，情绪因子系数不显著。

第四，从投资者情绪对上证50ETF和上证180ETF的影响来看，系数分别为5295和1488,并且分别在1%和5%的显著性水平下显著，因此也得出投资者情绪显著影响ETF指数的结论。

第五，从整体上看，在将耶鲁CCER中国股市投资者信心指数作为一个因子，加入到Fama和French的三因子资产定价模型以后，对资产定价模型有一定的解释力，但没有本文所构造的情绪综合指数定价效果好，这与耶鲁CCER中国股市投资者信心指数存在调查范围小、调查时间短、局限性较大等有很直接的关系。

四、结论及政策建议

本文采用主成分分析方法构造了情绪综合指数，在Fama＆French三因子模型基础上，构建了基于投资者情绪的资产定价理论模型，并将模型实证研究扩展到不同风格市值指数、不同行业指数、甚至不同ETF投资基金，研究了投资者情绪对这些投资组合的显著差异性影响。最后，对所构建的情绪综合指数与耶鲁CCER中国股市投资者情绪信心指数对情绪资產定价理论模型定价效果进行了比较分析。

文章的主要结论是：（1）沪深300指数受情绪因子的影响最大，上证A股指数也受投资者情绪的显著影响。（2）小盘指数受情绪因子的影响较大。（3）从投资者情绪对行业影响的角度来看，投资者情绪对房地产行业、有色金属行业、医药生物行业、钢铁行业的影响具有显著差异性。（4）本文的研究结论与国外研究存在较大差别，本文发现投资者情绪显著影响上证50ETF和上证180ETF。从实证的角度证明了在加入投资者情绪因子以后，情绪资产定价理论模型的可靠性和有效性。

本文研究结论具有非常重要的政策涵义：市场情绪对A股市场ETF指数影响显著，即表明中国股票市场投资者以短期投资为主要投资策略，如果长期发展下去，将使ETF指数成为短线投机的投资工具。若出台有效的政策措施吸引中长期投资者加入，将对ETF指数在 A股市场的长期、稳定、可持续发展起关键性作用。

お

参考文献：

［1］Fama E F,Macbeth J D. Risk, Return, and Equilibrium: Empirical Tests ［J］. Journal of Political Economy, 1973, 81(3): 607-636.

［2］Fama E F, French K R. The Cross Section of Expected Stock Returns ［J］.The Journal of Finance ,1992,47(2): 427-465

［3］ Fama E F, French K R. Common Risk Factors in the Returns on Stocks and Bonds ［J］.Journal of Financial Economics ,1993,33(1):3-56.

［4］Baker M, Wurgler J.Investor Sentiment and the Cross-Section of Stock Returns ［J］.The Journal of Finance ,2006,61(4):1645-1680.

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

［6］Baker, M., Wurgler, J., Yuan, Y. Global, local and contagious investor sentiment［J］.Journal of Financial Economics ,2012,104: 272-287.

［7］Brown G W, Cliff M T. Investor Sentiment and the Near-Term Stock Market［J］.Journal of Empirical Finance ,2004,11(1):1-27.

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

［9］Lee C, Shleifer A, Thaler R H. Investor Sentiment and the Closed-End Fund Puzzle ［J］.The Journal of Finance ,1991,46 (1): 75-109.

［10］Schmeling, M. Investor sentiment and stock returns: some international evidence ［J］. Journal of Empirical Finance ,2009,16 (3): 394-408.

［11］Verma R, Soydemir G. The Impact of Individual and Institutional Investor Sentiment on the Market Price of Risk ［J］. The Quarterly Review of Economics and Finance , 2009,49 (3): 1129-1145.

［12］Yu, J., Yuan, Y.,Investor sentiment and the mean-variance relation ［J］. Journal of Financial Economics,2011, 100 (2), 367-381.

［13］Yang, C., Yan, W. Dose high sentiment cause negative excess return? ［J］. International Journal of Digital Content Technology and Its Application ,2011,5 (12): 211-217.

［14］Yang, C., Xie, J., Yan, W. Sentiment capital asset pricing model［J］. International Journal of Digital Content Technology and its Applications ,2012,6 (3): 254-261.

［15］薛斐. 基于情绪的投资者行为研究［D］.上海:复旦大学博士学位论文,2005: 145.

［16］Baker M, and Wurgler J. A Catering Theory of Dividends ［J］ .The Journal of Finance ,2004,59(3): 1125-1165.

［17］Baker, & Jeremy C. Stein. Market liquidity as a sentiment indicator ［J］. Journal of Financial Markets, 2004,7:271-299.

［18］Loughran, T., Ritter, J. R. & Rydqvist, K. Initial public offerings: International insights［J］.Pacific-Basin Finance Journal, 1994,2: 165-199.

［19］Dorn D. Does Sentiment Drive the Retail Demand for IPOs? ［J］.Journal of Financial and Quantitative Analysis ,2009,44(1):85-108.

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

［21］Datar, V. Impact of liquidity on premia discounts in closed-end funds［J］.The Quarterly Review of Economics and Finance ,2001,41: 119-135.

［22］张雅慧,万迪昉,付雷鸣. 媒体报道与IPO绩效：信息不对称还是投资者情绪？——基于创业板上市公司的研究［J］.证券市场导报,2012(1):70-77.

［23］夏芳.盈余管理、投资者情绪与股价“同涨同跌”［J］.证券市场导报,2012(8):49-56.

Investor sentiment and the stock market pricing efficiency of empirical research

WANG Bo

(Institute of Economics ,Liaoning university ,Shen yang Liao ning 110136,China)

Abstract：

In this paper, Using principal component analysis method, Constructing sentiment.comprehensive index.To the standardization of the constructed as investor sentiment factor, Joining the sentiment index factor into Fama and French three factors pricing model, CAPM model and Fama and French based on investor sentiment index of different style, different value index, the ﹊nfluence of different industry index, Selecting the Shanghai A share index respectively, the CSI 300 index, the Shanghai 50ETF, the Shanghai 180 ETF ,the market index, the index of small cap, the banking sector, the financial sector, the real estate, non-ferrous metal plates, medical biological plate, steel plate, for representing these portfolios in order to research on the differences between these different combinations of investor sentiment in Chinese stock market .And the Yale CCER investor confidence index after standardization has joined into Fama and French three factors are compared. Empirically ﹑roving sentiment asset pricing theory model has been constructed by rationality, Investor sentiment index as asset pricing factor, After joining the Fama and French three factors model,It has markedly improved the pricing efficiency of asset pricing model.

Key words：

non systematic risk;sentiment composite index; investor sentiment; pricing efficiency

責任编辑：常明明

吴锦丹 萧敏娜 常明明