理性与非理性:基于信念推理的视角

胡昌生，伍智力，池阳春

(武汉大学 经济与管理学院，湖北 武汉430072)

投资者的决策过程及投资者间的诱导机制一直是金融理论界与实务界的关注热点。根据传统的理性理论，市场中存在两类投资者:套利者，基于基本面进行交易;噪音交易者，基于“动物精神”交易。套利者通过理性交易，熨平了非理性交易导致的价格波动，成为高明投资者的代表。然而，回顾“选美竞赛”、“空中楼阁”［1］、“看公众未来的买卖行为出价”［2］、“博傻”等一系列经典理论，不难发现高明的投资决策与基本面没有必然的联系，基本面交易是被动的，真正高明的投资应是“先发制人，智夺群众，把坏东西让给别人”［1］，即通过对非理性情绪的预测乃至诱导获取超额收益。由此，高明的投资者与非理性投资者之间应存在一个信念推理过程:非理性投资者以“动物精神”(即“非理性情绪”)为特点，会根据前期价格变动推断未来收益，在信念推理过程中处于低阶;高明的投资者在信念推理过程中处于高阶，会对非理性投资者的交易行为进行推断并诱导。从表面上看，高明投资者与非理性投资者的行为具有趋同性，然而实际上，高明投资者担当了“动物精神”的领头者、控制者，其行为代表着理性情绪。

投资者情绪作为投资者决策的驱动因素之一，一直受到研究者的重视。已有的研究主要集中于两个方面:情绪对横截面收益的影响和情绪对市场总体收益的系统性作用。比如非理性情绪与资产收益之间具有反向预测关系［3－4］，不同特征的股票受投资者情绪影响程度不同［5］，情绪具有联动性［6］。但鲜有学者从情绪诱导的路径对投资者情绪进行阐释，本文拟从这方面进行拓展。考虑到高明的投资者与非理性投资者之间的“诱导性交易”与信念推理过程往往并不是通过直接交流完成的，而是要借助一些“媒介”，因此，本文选取了非理性投资者最容易接触到和进行参照的技术指标(KDJ 和MACD)作为“媒介”，进一步通过对情绪因子与技术指标进行双向VAR 和Granger 因果检验，判断理性情绪是否是技术分析指标的原因，非理性情绪是否是其结果，即“高明投资者”是否是“画图者”，非理性投资者是否是“看图者”。结果发现，理性情绪与非理性情绪之间的确存在一个信念推理的过程。

相对于现有的研究，本文的贡献在于:(1)通过总量市场信号对理性情绪与非理性情绪之间的诱导关系进行了识别与检验，为深入理解情绪指数提供了有益的参考;(2)通过KDJ 和MACD 这两个在实际中广泛运用的技术分析指标证明了金融市场中存在情绪诱导，并对情绪诱导的路径进行了一次有益的探索。

一、文献回顾与研究假设

本文的核心假设是，理性情绪能够通过技术指标这一“媒介”实现对非理性情绪的诱导。该假设源于以下几个方面:

(一)市场中存在“高明的投资”

关于“高明投资者”的研究证据比较薄弱，但Grinblatt 等从IQ 与投资者收益的关系着手［7］，而Kumar将投资者收益关于年龄、性别和受教育程度等变量进行分析［8］，都证明两者具有稳健的相关关系。这些研究从侧面说明了市场中一些投资者相对另一些投资者要“高明”。Hirshleifer 等指出根据与基本因素无关的“噪音”进行先期交易的投资者甚至会取得高于理性投资者的收益，这种超额收益并不是由于承担了额外的风险［9］，即“先发制人”可能会更高明，而这种高明投资更偏向情绪，与基本面毫无关系。De Long等人提出的反馈交易模型表明，在同时存在根据前期价格变化进行正反馈交易的投资者和理性投机者的市场中，当市场存在噪音信息时，理性投机者会推动价格进一步偏离基本价值，加剧市场波动，理性投机者则利用这种偏离获取额外收益［10］。胡昌生和池阳春进一步利用情绪的多维性区分了“高明投资者”与“低劣投资者”［11］。他们认为投资者是有限理性的，是“动物精神”与“经济人”的综合体，而权重的不同决定了高明投资者与低劣投资者的区分，基于此他们构建了理性情绪指数与非理性情绪指数，其中理性情绪代表着高明投资，能更早地预测市场收益。

(二)非理性投资者具备规律性的分析范式

现实中的金融市场并不是按CCAPM 所预测的那样以完美的线性方式运行，而是一个复杂的系统。在这个系统中，投资者行为相互交织，使得金融市场呈现混沌无序的特征。但是，金融市场在表现出混沌无序特征的同时，也表现出一定的秩序性。Tversky 和Kahneman 发现人们倾向于过度使用表征性启示帮助判断，导致估计概率时忽视了基率。另外，趋势性或随机游走的模式也是人们对股票价格习惯性的判断［12］，De Bondt 的实验研究表明投资者会根据过去的价格序列进行交易，在一定条件下能产生与反馈机制一致的泡沫，甚至泡沫会重复产生［13］。非理性投资者“框架分析”的规律性成为理性投资者信念推理并诱导的基础，研究情绪诱导机制有助于理解金融市场的复杂性并探寻这种复杂性背后的规律。

(三)投资者情绪对资产价格有系统性的影响

Ozdenoren 和Yuan 的研究表明，投资者具有很强的协同动机，Barberis，Shleifer 和Wurgler 发现非理性投资者的交易会使不同股票的收益率呈现联动的特征，投资者之间并非隔离的［6］。Kumar 和Lee 通过分析个体投资者的交易数据，发现他们常常同时买卖股票，股票之间收益存在显著的联动性［5］。Kaustia 和Knupfer 研究发现当周围人群投资业绩表现良好时，其他投资者更容易加入市场，反之则不然［14］。非理性情绪的联动性是情绪对资产价格具有系统性影响的前提，也是“高明投资者”通过信念推理、情绪诱导获得超额收益的基础。

综上，本文的研究假设如下:

假设1:理性情绪影响技术指标，而其本身不受技术指标影响。

在接下来的研究中，将证明理性情绪是未来收益的良好正向预测指标，这意味着理性情绪投资者总是能先市场一步，实现收益。技术指标作为可以影响投资者的重要中介变量，理性情绪投资者会利用交易、信息等因素实现对其影响，相反，他们却不会因自己诱导控制的技术指标而改变情绪。

假设2:非理性情绪受到技术指标影响，而其本身不影响技术指标。

二、实证研究

(一)理性情绪指数与非理性情绪指数构建

Baker 和Wurgler 最早将主成分分析法引入复合投资者情绪指数的度量中，他们对封闭式基金折价率、成交量、IPO 发行数量、发行首日收益率、股利收益率、股票发行占证券发行的比例六个情绪代理变量进行主成分分析，构造了复合投资者情绪指数(BW 指数)［15］。本文在BW 指数构建方法的基础上参考借鉴胡昌生和池阳春［11］的方法获得了理性情绪指数(sentra)与非理性情绪指数(senti)。

本文选取的情绪代理变量包括换手率、封闭式基金折价率、投资者新增开户数和消费者信心指数，期间为2003年1月至2011年12月。其中换手率为流通市值加权的全部A 股换手率，来源于锐思数据库;消费者信心指数来自wind 数据库;市场整体的封闭式基金折价率是根据锐思数据库封闭式基金折价率的日数据，按交易天数平均后，以净值为权重加权形成;投资者新增开户数来源于wind 数据库，本文参考胡昌生和池阳春［11］的方法以开户数增速作为投资新增开户数的代理值，以降低股票市场发展对开户数的影响，即:

opent=t 期新增净开户数/t－1 期累计总开户数。

分别将选取的四个情绪代理变量的当期值及它们各自的滞后一期值(Lturn、Lcefd、Lopen、Lcci)，共八个变量进行主成分分析，提取特征值大于1 的主成分构造一个综合变量，进而计算八个变量与综合变量之间的相关系数，比较每个代理变量的当期值和滞后一期值各自与综合变量的相关系数，相关系数较大的选作情绪因子。本文选择当期的换手率(turn)、滞后一期的封闭式基金折价率(Lcefd)、滞后一期的投资者新增开户数(Lopen)和当期的消费者信心指数(cci)作为情绪因子。然后将情绪因子对宏观经济变量(同比消费价格指数cpi、宏观经济景气指数mic 和工业增加值增速iavr)进行回归，剔除宏观经济周期的影响，对获得的残差值主成分分析，提取特征值大于1 的第一主成分和第二主成分。

通过历史情景解读法(Anecdotal History)研究第一主成分、第二主成分与沪深300 指数变化趋势的关系，结果发现:第一主成分与市场价格变化有明显提前滞后关系，有比较好的预测性;第二主成分变化与沪深指数变化没有显著的关系。

表1 第一主成分、第二主成分对未来收益的预测分析

由于错误定价在未来趋向回复，导致理性情绪与非理性情绪最大的区别在于对未来资产收益预测能力的差异，以往的研究结论发现，非理性情绪与未来有收益存在显著的反向预测关系，而市场中机构投资者代表的理性情绪与未来资产收益存在良好的正向预测关系。因此，本文将沪深300 指数月收益分别对第一、第二主成分的1 ～12 阶滞后变量、宏观经济变量mic、cpi、iavr 作回归分析，考察情绪成分对股市未来收益预测能力的变化。回归方程为:

其中情绪成分系数结果如表1 所示。

不难发现，剔除了宏观经济变量的影响后，第一和第二主成分对沪深300 指数收益率有显著的影响。第一主成分(f1)在对未来12月内的收益均具有正向的预测作用，而第二主成分(f2)对未来收益的解释能力仅在前3 个月是显著正向，随后转为不显著，并在8 个月后转为显著负向，符合Baker and Stein(2004)中对非理性情绪的描述。综上所述，第一主成分(f1)在较长期限内仍能保持对市场价格正向的预测作用，具有典型的理性情绪特征，是“高明的投资”;而第二主成分(f2)的预测由正转负，反映了市场中的非理性情绪，即仅能在短期盈利，长期会因为错误定价纠正而受到损失。

(二)技术指标构建

本文采用的技术指标是非理性投资者最容易接触到和进行参照的KDJ 和MACD 指标。

KDJ 指标也称随机指标，作为一项动量指标，通过选定周期内股票或指数最高价位、最低价位及收盘价计算支撑位与阻力位水平，从而反映价格走势的强弱和超买超卖现象。本文选择KDJ(9，3，3)作为KDJ 指标，数据来源于大智慧。

MACD(moving average convergonce and divergence)是移动平均线的一种变形，通过运用快速与慢速移动平均线聚合与分离的征兆功能，加以双重平滑运算，来分析、研究市场的走势，从而决定买、卖时机。

技术指标所发出的具体买卖信息需要对指标中的值进行综合考虑，如MACD 指标中的DIFF、BAR，KDJ 指标中的K、D、J 值。为了简化分析，本文选取其中对买卖信号影响最大的J 值和MACD 值。这里不打算对技术指标如何计算、如何根据技术分析指标进行买卖给予详细的叙述。

(三)双变量分析

表2 ～表5 是非理性情绪与技术指标(包括J 指标与MACD 指标)双变量分析的结果。其中表2 与表3 给出的是理性情绪与J 指标的结果，可以看到，理性情绪对J 指标有显著的影响，Wald 检验也说明理性情绪是J 指标的Granger 原因。反之则不然，J 指标对理性情绪没有显著的影响。

表2 理性情绪sentra 与J 指标双变量VAR 结果

表3 理性情绪sentra 与J 指标双变量Granger Causality Wald 检验

表4 与表5 给出了理性情绪与MACD 的双变量分析结果。结果与J 指标的分析一致，不同的是理性情绪对MACD 的影响更显著。因此，高明的投资者在市场中是“画图者”，其本身却不会受技术分析图形影响。

表4 理性情绪sentra 与MACD 指标双变量VAR 结果

表5 理性情绪sentra 与MACD 指标双变量Granger Causality Wald 检验

表6 ～表9 是非理性情绪与技术指标(包括J 指标与MACD 指标)双变量分析的结果，其中表6 与表7给出的是非理性情绪与J 指标的结果，可以看到，非理性情绪对J 指标没有显著的影响，Wald 检验也说明J 指标显著影响非理性情绪。表8 与表9 给出了理性情绪与MACD 的双变量分析结果，同样表明非理性情绪受到技术指标显著的影响，而其本身不影响技术指标。因此，市场中“低劣的投资”仅仅只是“看图者”，受到“高明投资者”的诱导。

表6 非理性情绪senti 与J 指标双变量VAR 结果

表7 非理性情绪senti 与J 指标双变量Granger Causality Wald 检验

表8 非理性情绪senti 与MACD 指标双变量VAR 结果

表9 非理性情绪senti 与MACD 指标双变量Granger Causality Wald 检验

表10 与表11 给出了囊括理性情绪、非理性情绪与技术分析指标的多变量Granger 因果检验的结果。从中我们在多变量条件下再次确认了“高明的投资者”是市场中的“画图者”，“低劣的投资者”是市场中的“看图者”。

表10 sentra、senti 与J 指标多变量Granger Causality Wald 检验

表11 sentra、senti 与MACD 指标双变量Granger Causality Wald 检验

三、总结

基于以上结果可以看到，理性情绪与非理性情绪之间确实存在一个信念推理的过程，“高明的投资者”会通过技术指标这一“媒介”对“低劣的投资者”进行诱导，从而抢占先机。作为市场中“高明的投资者”，理性投资者会意识到自己的交易行为本身会影响技术分析的“图形”，从而能够形成对非理性投资者的“诱导”。显然，作为对非理性投资者进行诱导的“媒介”，必须要具有普及性与广泛性，本文仅使用了KDJ 和MACD 这两个最常用的技术指标，除了技术分析指标以外，市场中还存在其他的诱导“媒介”，特别是媒体信息。现有的研究也表明，市场中媒体所传播出来的信息会影响投资者的交易行为，使得资产价格偏离其基本价值［16］。因此，在进一步的研究中，我们可以搜集数据构建媒体情绪指标，通过检验理性情绪、非理性情绪和媒体情绪指标三者之间的关系，考察媒体信息在“情绪诱导”的过程中是否发挥了“媒介”的作用。对诱导“媒介”进行更广泛的挖掘也将为信念推理的有效性提供有益的补充。

本文的研究具有重要的现实意义。存在情绪诱导的金融市场中，资产价格容易偏离“基本价值”，导致市场的价格信号扭曲，资源配置功能受损。众多投资者，特别是中小投资者，通常会遭受巨大损失。相对于发达国家成熟市场而言，中国作为发展中的新兴市场，历史较短、制度不尽完善、投资者受教育程度低、市场投机性等特征明显，而这放大了情绪诱导的不利影响［17］。因此理解市场中的情绪诱导机制有助于政府提高金融市场监管水平、保护投资者利益，促进金融市场发挥配置资源的决定性作用。对于政府而言，一方面可以通过定期发布情绪指数、情绪风险警示等方式加强市场情绪监管，另一方面也可以通过舆论、互联网监管等途径强化对情绪的引导。对于中小投资者而言，情绪诱导机制的研究有利于其认识到非理性情绪对自身收益所带来的负面影响，增强甄别信息的能力，进而学会控制情绪，抵制市场中“噪音”的影响。

［1］凯恩斯． 就业、利息和货币通论［M］． 徐毓枬，译．北京:商务印书馆，1997．

［2］Soros G．The Crisis of Global Capitalism［M］． New York:Public Affairs，1998．

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

［4］Brown G，M Cliff． Investor Sentiment and Asset Valuation［J］． Journal of Business，2005，78(2):405－440．

［5］Kumar A，Lee C． Retail Investor Sentiment and Return Comovements［J］． The Journal of Finance，2006，61(5):2451－2486．

［6］N Barberis ，A Shleifer，J Wurgler ．Comovement［J］． The Journal of Finance，2005，75(2):283－317．

［7］Grinblatt M，M Keloharju，J Linnainmaa． IQ，Trading Behavior，and Performance［J］．Journal of Financial Economics，2012，104(2):339－362．

［8］Kumar A．Who Gambles in the Stock Market?［J］． Journal of Finance，2009，64(4):1889－1933．

［9］Hirshleifer D，A Subrahmanyam ，S Titman． Feedback and the Success of Irrational Investors［J］．Journal of Financial Economics，2006，81(2):311－338．

［10］De Long J，A Shleifer，L Summers ，R Waldman． Positive Feedback Investment Strategies and Destabilizing Rational Speculation［J］．Journal of Finance，1990，45(2):375－395．

［11］胡昌生，池阳春． 投资者情绪:理性与非理性［J］． 金融评论，2012(6):46－62．

［12］A Tversky，D Kahneman． Judgment under Uncertainty :Heuristics and Biases［J］． Science，1974，185:1124－1131．

［13］De Bondt W F M．Betting on Trends:Intuitive Forcasts of Financial Risk and Return［J］．International Journal of Forecasting，1993(9):355－371．

［14］M Kaustiaa，S Knüpfer ． Peer Performance and Stock Market Entry［J］． Journal of Financial Economics．2012，104(2):321－338．

［15］Baker M，Wurgler J． Investor Sentiment in the Stock Market［J］． Journal of Economic Perspectives，2007，21(2):129－151．

［16］游家兴，吴静． 沉默的螺旋:媒体情绪与资产误定价［J］． 经济研究，2012(7):141－152．

［17］贺力平，王珏． 中国股市的波动性及国际比较［J］．金融评论，2010(4):1－17．