消费者信心对股票市场的非线性影响——基于时变参数模型的研究

刘子钊

（南京财经大学，南京 210046）

一、引言

投资者情绪（investorsentiment）是行为金融学的重要主题，而市场情绪又是影响股票价格的重要因素。我国的股票市场与我国的经济发展情况严重背离，传统的分析方法在应用于我国A股市场分析时似乎都失去了原本的效果，作为影响市场重要因素的消费者信心指数，对我国A股市场的影响是与经济发展一样完全背离还是具有其他特殊的效应？现通过追踪消费者信心指数对A股市场影响的变化轨迹得到更加准确的结论。

二、文献综述

自Black(1986)引入噪声交易以来，国外学者的相关研究主要集中在投资者情绪的变化是否构成系统性的噪声交易风险、投资者情绪与股票收益及其波动性的相关性、投资者情绪能否对股票收益作出预测等问题展开。目前国内研究方向大致有两方面，一方面是研究投资者情绪与封闭式基金之间的相关关系，不过这一部分研究意见分歧较大，至今未形成获得统一认可的观点（张俊喜和张华，2002；金晓斌等，2002；薛斐，2005）。另一研究方向是通过投资者情绪指数与股市收益关系的实证研究结果讨论二者之间的相关性。饶育蕾与刘达锋（2003）用通过收集央视机构看市与中国证券报机构看市水平值，实证分析了投资者情绪水平与未来收益的相关关系，但发现统计上并不显著。王美今等（2004）利用央视看盘历史数据，结合EGACH-M(1，1)模型发现投资者情绪的变化对收益呈现非线性的关系，在投资者情绪高时，收益显著增加；而投资者情绪较低时，收益则会显著减少。除此之外，程昆、刘仁和（2005），张强等（2007）也曾利用“央视看盘”数据进行了实证研究，但央视看盘这一数据依然存在一定的统计偏差问题。王汝芳和田业钧（2009）在VAR模型基础上对消费者信心指数与股票市场之间的关系进行了研究。国外学者在这方面的研究较早也较为全面。Otoo（1999）发现，股票的上涨会导致增强消费者信心指数，二者呈相互影响的正向反馈关系。Fisher和Statman（2000）发现消费者信心指数可以预测一部分股票收益，特别对于NASDAQ收益和小公司股票收益有较强的预测精度，消费者信心指数是投资者情绪比较好的代理变量。Fisher和Statman（2003）发现消费者信心与随后的1个月、6个月、12个月的股票收益成负相关关系，但这种关系在统计上并不总是显著。Qiu和Welch（2004）发现消费者情绪指数的变化与小盘股及散户持股度高的股票的关联更为密切。综合以上分析，由于股票市场变化较大，可能存在状态转移导致条件概率的不一致，不同的作者在不同的时间段研究结论有时显著有时不显著，而国内对于投资者信心与股票收益之间的非线性影响研究较少，这说明中国股票市场的投资者情绪研究还不够完善。随着计量经济学模型的不断发展完善，对于相关关系存在时变特征的研究也愈来愈多，因此选用时变参数模型研究投资者信心对股市影响的动态特征。

三、数据处理与实证分析

（一）数据处理

为了更全面的研究影响A股变化的因素，首先选取市场变动因素（含国房景气指数、消费者信心指数）、宏观经济变动因素（含GDP增长率、居民消费价格指数）、宏观货币政策调整因素（含M2增长率、利率），样本区间为2001年1月—2013年12月为了方便对模型进行处理，对所有数据进行了预处理，数据说明及处理方法见表1。

表1 数据说明及处理

（二）DAG（有向无环图）分析

由于股票市场的波动服从伽马分布(雷鸣、谭长春等，2007)，因此在对股票市场影响因素研究时，使用格兰杰因果检验检验变量相关关系将无法满足“卢卡斯批判”。现使用Spirtes et al.（2000）提出的“有向无环图”（DAG）分析方法,，通过分析变量扰动项之间的相关系数及偏相关系数，来正确识别扰动项之间的同期因果关系,进而为正确变量之间的关系提供客观依据，从而避免了上述传统研究方法存在的局限性。DAG是基于数据本身进行的分析，但是当样本数量较少时，DAG分析可能会出现“低估”现象，此时可将显著性水平提升至20%[参见Awokuse（2006）的做法。]，采用Spirteset al.（2000）提出的PC算法进行DAG分析，囿于样本数量，选择20%的显著性水平，通过Tetrad IV软件实现。分析结果如图1所示。

图1 DAG分析结果

如图1所示，节点（nodes）内表示变量名称，带箭头的线（edges）表示变量的关系，箭头所指的变量表示受到同期变量的影响（如AINDEX变量与CCI变量，表示AINDEX在同期受到CCI的影响），据此可以看出，A股市场主要受到通货膨胀因素、消费者信心因素和货币政策中货币发行量的影响，间接受到房屋价格因素的影响，而完全不受经济增长和利率水平变化的影响，这也符合我国经济高速增长而我国股市“熊冠全球”的现实。

（三）状态空间模型与估计结果

基于A股市场波动较强，传统的OLS估计与VAR估计对变量相关关系的描述将会受到制约，因此选取含有时变参数的状态空间模型进行估计，通过时变参数的变化研究变量之间的相关关系及这种关系的变化轨迹。在DAG分析的基础上，将模型设定如下。

其中SVXt表示对应变量的时变参数，假设其服从随机游走过程（式（2）），Xt=[CCIt，M2t，CPIt]’，表示对应的变量，Ut表示的是除了模型中涉及的变量之外的其他不可观测因素（如国政策变化、外股市冲击等等），服从随机游走过程（式（3）），假设残差都服从正态分布。在此基础上对模型进行估计，而估计的结果只有当Xt=CCIt时，模型的估计结果较为理想，因此最终选择模型形式如下：

AINDEXt=SVt*CCIt+Ut+εtεt～d.i.i（0，1）（4）

SVt=αSVt-1+σtσXt～d.i.i（0，1）（5）

Ut=βUt-1+τtτt=d.i.i（0，1）（6）

对上述状态空间模型进行估计，得到相应的估计结果，首先对比一下估计模型结果的预期走势与实际走势，对比结果如图2所示。

图2 预期走势与实际走势对比图

如图2所示，Predicted表示预期走势，Actual表示实际走势，两者之见的拟合度较高，表明模型的估计结果较为理想，进一步，我们看一下时变参数最终状态的估计结果，见表2。

表2 状态空间模型估计结果[SV1表示模型中的SV，SV2表示模型中的U，下同。]

如表2所示，SV1的最终状态值只有-0.0009，P值也较大，表明在最终状态下消费者信心指数对A股市场的影响极为微弱且不显著，而其他不可观测因素对A股影响极为显著，结合前文DAG模型的分析可以发现，A股市场与我国宏观经济发展、货币政策脱节的现象比较明显，而且不受市场因素变化的影响，受市场情绪变化的影响微弱，较多人所说“A股市场上是政策市”这一论断具有一定的依据，而这种情况的主要原因是我国股票市场制度不健全，市场化程度较低，因此推进市场化进程对发挥A股市场的资源配置功能及其重要，也是当期工作的重中之重。由于A股股指数据是取对数处理，所以即使统计数据不显著，依然有分析的价值，图3为SV的变化轨迹。

从图3中可以看出，CCI的系数SV的变化轨迹较为明显，虽然多数时间都在0上下波动，但正是这种波动导致了系数正负号的改变，这也就说明消费者信心对A股股指的影响具有非线性的特征，通过仔细交叉对比发现，A股市场在06-08年间的大牛市推动了消费者信心指数出现了一个小的峰值，即在牛市过程中，A股指数的不断上涨会导致消费者信心对A股的正向推动作用不断上升，而在A股走弱的过程中，消费者信心对A股的支撑作用也会不断下降，而在01-03年、11-13年间，由于股票市场的疲软，消费者信心指数长期在0上下波动，甚至出现对A股市场的负面作用，较为显著的表明市场情绪对A股市场的影响在不同股市行情下具有完全不同的效果。

图3 SV变化轨迹

图4 消费者信心指数参数变化与A股变动对比图

四、结语

现通过DAG方法和状态空间模型的建立和分析，得到以下结论。

（一）我国A股市场的市场化程度较低

受市场因素较小，受到政策等因素影响较大，这对我国股票市场发挥社会融资和资源配置的功能是不利的，也不利于国民通过股票市场实现财富增值和保值，因此进一步完善我国的股票市场制度，不断推进我国股票市场的市场化进程具有十分重要的意义。

（二）消费者信心对A股市场具有非线性的作用

在股票市场疲软时，消费者信心对股票市场的影响几乎可以忽略不计，但是当股票市场表现较为强劲时，消费者信心对A股的影响力将随着A股股指的不断上升而不断增强，这要求我们在牛市中要保持清醒，在盲目乐观的情绪对A股的影响不断增强的情况下，预防泡沫膨胀带来的风险，但与此同时也应了解在牛市中整体信心的增强能够保证股票指数的进一步上涨，不应由于过分谨慎而错失财富增值的机会。

[1]雷 鸣，谭长春，缪柏其.运用生存分析与变点理论对上证指数的研究[J].中国管理科学，2007(10).

[2]杨子晖.财政政策和货币政策对私人投资的影响研究——基于有向无环图的应用分析[J].经济研究，2008(5).

[3]程 昆，仁 和.投资者情绪与股市的互动研究[J].上海经济研究，2005(11).

[4]王美今，孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究，2004(10).

[5]王汝芳，田业钧.消费者信心指数与股票市场收益的实证研究[J].经济与管理，2009(12).

[6]饶育蕾，刘达锋.行为金融学[M].上海：上海财经大学出版社，2003.

[7]薛 斐.基于情绪的投资者行为研究[C].复旦大学，2005.

[8]高铁梅.计量经济方法与建模Eviews应用与实例[M].北京：清华大学出版社，2009.

[9]Spirtes，P.，C.，Glymour，and R.，Scheines，2000，Causation，Prediction，and Search，2nd Edition，MIT Press．

[10]Awokuse，Titus O.，2006，“Export-led Growth and the Japanese Economy:Evidence from VAR and Directed Acyclic Graphs”，Applied Economics，Vol.38(5)，pp.593-602．