个体投资者情绪、网络自媒体效应与股票收益

胡昌生, 陶 铸

(武汉大学 经济与管理学院,湖北 武汉 430072)



个体投资者情绪、网络自媒体效应与股票收益

胡昌生, 陶 铸

(武汉大学 经济与管理学院,湖北 武汉 430072)

个体投资者情绪变动会影响股票收益吗？本文以东方财富股吧发帖量作为个体投资者情绪的代理，研究个体投资者情绪、网络自媒体效应与股票收益可预测性之间的关系。我们发现，个体投资者情绪通过网络自媒体传播可以系统地影响股票收益，且存在显著的可预测性。具体而言，发帖量越高的组合，短期收益越高，表现出短期的动量效应；其次，当对样本股性质进行区分后，小市值、低账面市值比和机构投资者持股比低的股票对个体投资者情绪变动更加敏感，呈现出明显的情绪跷跷板效应。进一步地，经风险因子调整之后，零成本套利投资组合仍能获得显著的超额收益，且超额收益来源于前期低发帖量组合，情绪依然是情绪。

个体投资者情绪；发帖量；网络自媒体效应；股票收益

1 引言

我国股票市场是一个典型的以个体投资者占比居多的市场。在整个A股交易中，中小散户占据绝对比重。由于个体投资者普遍表现为非理性，其情绪容易受到市场中各种噪音信号的影响，是典型的噪音交易者[1]，从而导致我国股票市场上股价的剧烈波动。个体投资者情绪的波动是否构成对股票短期收益的可预测性？这是一个重大的金融理论与现实问题。针对这一问题，目前学界通过两种途径进行了有益的探索：一是直接通过个体投资者交易数据，构造投资者情绪的代理，如Kumar和Lee的BSI指数[2]，来探讨个体投资者情绪变化对股票价格是否产生系统性的影响。二是间接通过媒体情绪，即媒体效应，来研究投资者情绪与股票价格波动间的关系。近年来，随着互联网的普及，自媒体成为投资者尤其是个体投资者获取信息的主要渠道，较为典型的有股吧、推特、微博等。网络在信息传播过程中扮演着日益重要的角色，但网络在传播信息的同时，也在传播着噪音。投资者情绪由过去的口口相传[3]变为网络传播，这就决定了情绪在市场上的传播无论在速度、参与性还是便利性方面，都极大地超越以往。

东方财富网是国内最大的财经资讯网站，据艾瑞研究，2014年12月该网站日均覆盖人数超过1500万人。本文以东方财富股吧发帖量作为个体投资者情绪的代理，有足够大的样本覆盖，同时，由于其更加贴近市场，信息汇集程度高，有别于推特、微博等其他网络自媒体，可以很好地反映个体投资者情绪的波动。有些研究从关注度的角度来解释投资者买卖行为与价格和交易量之间的关系。正如罗伯特·席勒所言，股票价格与交易量是投资者关注的结果[3]，投资者关注度高的股票，往往对应着情绪的高涨，反之亦然。股吧发帖量的高低既是投资者关注的结果，更是投资者情绪的表达和传播。个体投资者情绪在网络自媒体上的表达，形成了网络自媒体情绪。对于不同特征的股票，投资者情绪表达是不同的，这就是情绪可预测性在横截面上的差异性问题。这样的一种影响机制即为网络自媒体效应。

本文以发帖量作为个体投资者情绪的代理，研究投资者情绪与股票收益可预测性之间的关系。具体地，文章从三个层面展开：首先，我们分析了投资者情绪是否对当期股票收益存在短期可预测性问题。本文按照发帖量的高低将样本股划分为高、中和低三种不同的组合，结果表明发帖量高的组合对应着当期高收益，反之亦然。在不考虑交易成本的情形下，高发帖量组合相比低发帖量组合具有显著为正的收益溢价，呈现出明显的短期动量效应[4,5]，与Barber和Odean买入热门股效应一致[6]。进一步地，本文构造零成本套利组合，即买入上期发帖量低的股票，卖出上期发帖量高的股票，研究结果表明投资组合能够获得风险调整之后的超额收益。其次，本文分别考察了在不同期间上个体投资者情绪对股票收益影响的横截面差异，将上述三种不同发帖量组合进一步按照规模、账面市值比、机构持股比例等因素进行划分，实证结果表明小市值、低账面市值比、低机构持股比组合获得的超额收益更为显著，这与Baker和Wurgler的情绪跷跷板效应相吻合，即投资者情绪对于套利成本高的股票影响更大[7]。此外，为了更深入地考察个体投资者的非理性特征，本文引入了价格因素，结果发现在当期高收益情形下，高发帖量组合较低发帖量组合存在收益为正的溢价，显著大于低收益组合下对应的收益差。前期高收益组合在当期获得低收益，而前期低收益组合在当期获得高收益，表明个体投资者情绪主要受价格变动的牵引，进一步验证了个体投资者情绪的非理性特征。

相对于已往的文献，本文的创新之处在于：(1)本文以网络自媒体的发帖量数据作为个体投资者情绪代理，将网络自媒体效应与传统的他媒体效应区分开来，具有理论上的创新性。(2)将网络自媒体效应与股票收益的可预测性及其在横截面上的差异性联系起来，产生了重要而有趣的市场发现。(3)通过引入机构投资者持股比例变量，证实市场在传播信息的同时也在传播噪音，市场并不因信息传播效率的提高而变得更加有效。以上研究丰富了投资者情绪理论，加深了我们对投资者非理性行为的认识。

2 文献综述与研究假设

大量的实证研究表明，个体投资者在市场中处于信息劣势，其交易行为并非源自对股票基本面信息变化的认知，而是源于他们的情绪变化，且更易受到噪音信息的影响[1]。股票价格在面对情绪冲击时，不是表现为反应过度就是表现为反应不足。Kumar和Lee,王永锋和胡昌生通过构造反映投资者情绪的BSI指数，证明投资者情绪会对资产价格产生系统性的影响[2,8]。进一步地，Baker和Wurgler将情绪区分为理性和非理性，非理性情绪作为投资者“动物精神”的反映，在短期对资产价格有正向影响[7,9]，存在短期动量效应。伴随着互联网的普及，更多的投资者通过股吧、微博等自媒体获取、交流投资信息。由于网络媒体情绪具有很强的渲染性，带有正面或者负面情绪的信息传播得更快更广，投资者的投资决策无疑会受到这类媒体情绪的影响[10]。股吧发帖量的高低能够很好地反映个体投资者情绪的变化。因此，提出本文的第1个假设：

假设1 个体投资者情绪对股票价格构成系统性的影响，情绪越高的股票短期收益越高，存在由情绪驱动的短期动量效应。

个体投资者存在非理性特征，如实现效用[11]和赌博偏好[12]。在实际交易中，投资者往往并非完全遵循风险与收益对等的理性原则，在投资决策时会偏好某些特征的股票，如小市值、机构持股比例较低、高成长性、低价和高波动性等具有较高套利成本的股票[13]，因而这类股票的收益受到个体投资者需求和情绪变动的影响更为显著。进一步研究表明，对于不同特征的股票而言，情绪的作用效果并不一样。Baker和Wurgler发现了情绪跷跷板效应，即投资者情绪对于不同套利难度的股票价格的影响程度不一致，定价过于主观和套利难度较大的股票会更多地受到投资者情绪的影响[7]。进一步地，Bartov等以推特作为研究对象，发现盈余公告前10天在推特上所表达的多空观点与盈余公告期股票的超额收益存在正向关系，特别地，对于小市值、低分析师关注和低媒体报道的股票来说，相关性更为显著，这意味者信息透明度低的股票更易受到投资者情绪的影响[14]。因此，提出本文的第2个假设：

假设2 个体投资者情绪对股票价格的影响存在横截面差异，小盘股、成长股及机构持股比低等套利难度高的股票对情绪变动更加敏感，更易受到个体投资者情绪的影响。

为了考察投资者情绪是否构成一个独立的影响股票收益的因子，在假设1和假设2的基础上，我们进一步提出本文的第3个假设：

假设3 个体投资者情绪对股票收益的系统性影响在排除了已知的风险因子后，依然显著存在。个体投资者情绪是一个独立的影响股票收益的因子。

个体投资者情绪通常具有助长助跌的反馈特征，与价格之间存在较为明显的反馈关系[15]。投资者情绪的变化会对资产价格产生影响，而资产价格的变化反过来又会影响投资者情绪。Kaniel等的研究表明在月度水平上个体投资者会买入前期价格下跌的股票，卖出前期上涨的股票，表现出负反馈的特征[16]。进一步地，Merton认为，在信息不完全的市场中，未被市场广泛认知的股票由于其特有的风险未被完全分散，故需要更高的未来收益作为补偿，即Arbel等的冷门股效应[17]，反之，被市场广泛认知的股票带来当期市场价值的上升，未来收益降低[18]。因此，提出本文的第4个假设：

假设4 个体投资者情绪易受股票价格变动的牵引，且超额收益主要来源于前期低情绪股票组合，呈现出显著的冷门股效应。

3 数据来源和变量选取

3.1 数据来源

本文用python网络爬虫从东方财富股吧中抓取样本股发帖量的周度数据作为个体投资者情绪的代理。为防止单纯考察某一市场股票对实证结果产生影响，我们随机从全市场中抽取954只股票作为研究对象。相比于以往类似研究，本文将研究时间跨度拓展至2年(2013年1月1日到2014年12月31日)，从而使研究结论更具有一般性。与此同时，为了排除新股上市的事件效应，我们抽取的样本股票均在2013年之前上市。为了确保实证结果的准确性，在数据处理的过程中，我们排除样本股中每期停牌的股票。鉴于本文使用发帖量作为个体投资者情绪的代理，我们排除期间所有与公司基本面相关的帖子，包括新闻报道、公司公告和研报，避免基本面因素对研究问题产生影响。本文所使用的收益率、股东权益、账面市值比等数据均来自国泰安数据库。机构持股比例数据来自锐思数据库。

3.2 变量选取

本文主要研究作为个体投资者情绪代理的股吧发帖量对股票收益的影响，因此自变量为股吧发帖量，因变量为投资组合的收益率。本文所使用的控制变量包括：市场因子(rmrf)、规模因子(smb)、价值因子(hml)以及动量因子(umd)。其中rmrf是全市场加权平均综合收益率与三个月期定期存款利率之差的周度数据；smb和hml指标的构建与Fama和French类似[19]，考虑到样本区间的限制，与三因子模型不同的是，本文根据季度股东权益、账面市值比数据进行滚动分组，得到周频率指标；最后，我们按照Carhart的方法构造umd[20]，然而考虑到样本限制，本文按照前一个月的股票收益大小进行排序。定义umd为全市场收益率前30%组合和后30%组合在下一个月的周收益率之差，组合每月更新一次。

4 实证结果与分析

为了考察个体投资者情绪对股票价格是否构成系统性的影响及其作用机制，本文首先研究当期发帖量对当期股票收益的影响及在横截面上的差异性。其次，为了检验个体投资者情绪是否为独立存在的影响股票收益的风险因子，本文排除其他风险因子的影响，对其进行进一步研究。再次，考虑个体投资者情绪的非理性特征，本文引入价格因素，验证投资者情绪是否受到价格因素的牵引。最后是稳健性检验。

4.1 发帖量与当期股票收益

由于在股吧发帖的往往是个体投资者，为了考察个体投资者情绪的变化是否对股票价格产生系统性影响，本文首先根据发帖量将样本股票分为高(H)、中(M)和低(L)三个不同的组合，考察组合间的收益溢价是否显著异于0。其次，为了检验情绪跷跷板效应是否存在，本文按照市值、账面市值比等风格特征，分别将不同发帖量的组合进行二次分组。接下来，进一步检验个体投资者情绪是否具有非理性特征，即个体投资者情绪是否会对非理性投资者持股比高的股票价格影响更大，本文纳入机构投资者持股比例变量。最后，为了考察投资者情绪是否存在“价格—情绪”的反馈特征，本文按照前期和本期的收益率分别分组进行考察。上述分组均按照30%分位数和70%分位数进行划分，其中发帖量和收益率等组合每周滚动调整一次，考虑到公司特征数据的可得性，市值、账面市值比、机构持股比等组合每季度滚动调整一次，后文将不再赘述。

表1 发帖量对当期股票收益的影响

注：1，2，3分别表示高、中和低分组。

表1中，第一行是不同发帖量股票组合的平均周度收益率，高发帖量股票组合较低发帖量组合而言，超额收益显著异于0。实证结果表明，在短期，发帖量对于股价产生正向的压力，发帖量越高，对应的股票收益越高。检验结果支持假设1，个体投资者情绪对股票价格构成系统性的影响，且呈现出短期动量效应。

接下来，本部分检验股吧发帖量对不同特征股票的影响是否存在明显的差异。面板A表明，对于小市值股票而言，高发帖量与低发帖量组合收益之差为2.08%，远高于大市值股票的溢价。面板B的结果显示，对于低账面市值比的股票，高发帖量组合相比低发帖量组合存在0.98%的超额收益，高于高账面市值比组合的0.50%，可见，账面市值比低的股票更容易受到发帖量的影响。进一步地，从面板C可以看出，在高机构持股比情况下，高发帖量与低发帖量组合收益之差为0.71%，相对于低机构持股比组合而言，实证结果表明机构投资者有助于减少个体投资者情绪对股票市场的影响。实证结果支持假设2，即情绪跷跷板效应的存在[7]，也与Kumar和Lee，Han和Kumar对个体投资者的行为研究相吻合[2,13]。

比较面板D和E。在面板D中，当期高收益高发帖量的组合，较当期高收益低发帖量组合能获得3.32%的超额收益；相应地，对于当期低收益高发帖量组合来说，对应的超额收益为-5.54%。在高发帖量情况下，高收益组合将获得正异常收益，低收益组合将获得负异常收益，即个体投资者情绪具有助长助跌的效用，表现为典型的非理性特征[21]。在面板E中，前期高收益组合的当期收益显著低于前期低收益组合。这可能由于资产价格的修复，当期高媒体情绪组合对应着下一期的低收益，相应地，前期低情绪组合由于情绪溢价较低，本期获得更高的收益。结合本表第一行的实证结果，这里的分析表明，前期高收益组合对应着当期低发帖量，反之亦然。个体投资者情绪易受资产价格变动的牵引，超额收益来源于前期低发帖量股票，存在冷门股效应[17]，假设4得证。

4.2 进一步分析

为了证明个体投资者情绪是否构成影响股票收益的一个独立的风险因子，必须对其他的风险因子进行排除。基于此，我们构造零成本套利投资组合，即买入前一周低发帖量组合，卖出前一周高发帖量组合，每周更新一次，进而形成一组周度超额收益的时间序列数据。接下来，本文用超额收益分别对以下三个模型进行回归。具体如下

模型1rlt-rht=αt+β1t×rmrft+εt

模型2rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+εt

模型3rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+β4t×umdt+εt

其中rlt-rht为投资组合的超额收益，rlt为t-1期低发帖量组合在t期的平均收益率，rht为t-1期高发帖量组合在t期的平均收益率，αt为截距项，εt为随机扰动项，其余变量均已在上文介绍，本部分不再叙述。

表2 前期发帖量对当期股票收益的影响

注：*，**，***分别表示在10%，5%，1%显著性水平下显著；括号里数字表示参数的标准误。下同。

由面板A的结果可知，对上述三个模型回归的截距项均显著为正，这说明根据前期发帖量所构造的套利组合在经过市场因子、规模因子、价值因子和动量因子调整之后，当期仍能获得显著为正的超额收益。进一步地，随着风险因子数量的不断增加，虽然截距项逐渐减小，但均在99%的置信水平下显著。实证结果表明个体投资者情绪能够对股票收益产生系统性的影响，并且经过风险因子调整之后，该情绪对收益的预测性依然稳定存在，结果证实假设3的成立。

接下来，我们考察超额收益的来源问题。本文分别买空前期低发帖量组合和卖空前期高发帖量组合，将两组收益分别对上述三个模型进行回归。对比表2中面板B和C，其中低发帖量组合的截距项显著异于0，而高发帖量组合的截距项并不显著异于0。上述结果表明，不考虑交易成本，卖空上一周高发帖量组合不能获得风险调整之后的超额收益，而买空上一周低发帖量股票将获得显著的超额收益，即关注度不足带来股票未来的超额收益。实证结果与Fang和Peress的研究一致[22]，即媒体效应来自于低媒体报道的股票，而非高媒体报道的股票，同时也与Merton的结论相吻合[18]，当期未被广泛关注的股票，在未来能获得更高的收益，进一步支持前文的假设4。

表3 前期发帖量对当期股票收益影响的横截面差异

在表3中，本文考虑了在不同公司特征下，组合的超额收益对风险因子回归后截距项的差异。面板A表明，网络自媒体效应显著存在于中、小市值组合，而对于大市值组合来说，回归截距项在统计上均不显著异于0。可见，个体投资者情绪对股票收益的影响存在规模上的差异。在面板B中，高账面市值比组合的回归截距项均不显著异于0，而中、低账面市值比股票组合能够获得统计上显著的超额收益，即成长股受个体投资者情绪的影响更大。同理，面板C表明，中、低机构持股比例组合的回归截距项在一定的置信水平下显著，而机构持股比例高的组合截距项均不显著。表3的结果表明，在排除了其他风险因子的影响后，个体投资者情绪对股票收益的影响在横截面上的差异性依然独立地存在，再次验证假设2和3的成立。

4.3 稳健性检验

前文的实证中，本文将周一到周日发帖量之和作为个体投资者情绪的代理，以此研究情绪对股价的影响。为了避免上市公司在非交易日公布的基本面相关公告对交易日股价产生影响，本文的稳健性检验是通过缩减样本容量的样本内检验(去除掉非交易日的发帖量数据)，重复表2的实证，结果与上文保持一致。

5 结论与启示

互联网的普及极大地拉近了人与人之间的距离，为人们的信息与情感交流提供了便利。在金融市场上，互联网极大地提升了信息传播的效率，使投资者能够迅速获取投资信息。一般地，市场信息传播效率的提高理应带来市场定价效率的提高。事实则不然，本文的研究表明，以东方财富网为代表的网络媒体传播手段的大量普及，一方面加大了公司基本面信息在市场上传播的广度和深度，但另一方面也传播了市场的噪音。具体而言，首先，投资者的非理性特征并未因市场信息传播效率的提高而消失，非理性情绪依旧会对资产价格产生系统性的影响，并且呈现为显著的横截面差异，其中小市值、低账面市值比和低机构持股比的股票更易受到情绪的冲击，对非理性情绪的敏感性更高。其次，个体投资者的非理性情绪还会导致资产价格的错位，表现为高媒体情绪对应着当期高股票收益，低媒体情绪预示着下一期高股票收益。最后，价格与情绪之间存在反馈关系，即索罗斯所说的反身性[23]，高收益组合网络媒体情绪的高涨能带来异常的正收益，反之亦然。以上的结果表明，尽管互联网改变了信息传播的方式与效率，却未能改变投资者的非理性，情绪依然是情绪。

本文的研究为投资者和监管者提供了有益的参考。投资者可以利用网络自媒体上投资者情绪的非理性特征，制定投资策略，获得显著的超额收益；对于监管者而言，可以将个体投资者情绪作为重要的监测指标，据此制定针对性措施，时刻防范由情绪剧烈变化导致的资本市场大幅波动，维护市场健康有序运行。

[1] Barber B M, Odean T, Zhu N. Systematic noise[J]. Journal of Financial Markets, 2009, 12(4): 547-569.

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

[3] 罗伯特·席勒.非理性繁荣[M].李心丹译.北京:中国人民大学出版社,2001.35-58.

[4] Jegadeesh N, Titman S. Returns to buying winners and selling losers: implications for stock market efficiency[J]. The Journal of Finance, 1993, 48(1): 65-91.

[5] Hillert A, Jacobs H, Muller S. Media makes momentum[J]. Review of Financial Studies, 2014, 27(12): 3467-3501.

[6] Barber B, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors[J]. The Review of Financial Studies, 2008, 21(2): 785- 818.

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

[8] 王永锋,胡昌生.交易偏好、公司特征与股票收益——基于我国个体投资者交易数据的实证检验[J].投资研究,2013,32(1):119-131.

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

[10] Stieglitz S, Linh D X. Emotions and information diffusion in social media——sentiment of microblogs and sharing behavior[J]. Journal of Management Information Systems, 2013, 29(4): 217-248.

[11] Barberis N, Xiong W. Realization utility[J]. Journal of Financial Economics, 2012, 104(2): 251-271.

[12] Barberis N, Huang M. Stocks as lotteries: the implications of probability weighting for security prices[J]. American Economic Review, 2008, 98(5): 2066-2100.

[13] Han B, Kumar A. Speculative retail trading and asset prices[J]. Journal of Financial and Quantitative Analysis, 2013, 48(2): 377- 404.

[14] Bartov E, Faurel L, Mohanram P. Can twitter help predict firm-level earnings and stock returns[R]. Rotman School of Management Working Paper(SSRN 2631421), 2015. 1- 44.

[15] De Long J B, Shleifer A, Summers L H, et al.. Positive feedback investment strategies and destabilizing rational speculation[J]. Journal of Finance, 1990, 45(2): 375-395.

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

[17] Arbel A, Carvell S, Strebel P. Limited information as a source of risk[J]. The Journal of Portfolio Management, 1983, 39(3): 57-63.

[18] Merton R C. A simple model of capital market equilibrium with incomplete information[J]. Journal of Finance, 1987, 42(3): 483-510.

[19] 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.

[20] Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57- 82.

[21] 胡昌生,池阳春.投资者情绪与资产价格波动性研究[M].武汉:武汉大学出版社,2014.94-121.

[22] Fang L, Peress J. Media coverage and the cross-section of stock returns[J]. The Journal of Finance, 2009, 64(5): 2023-2052.

[23] 乔治·索罗斯.超越金融:索罗斯的哲学[M].宋嘉译.北京:中信出版社,2010.1-50.

Individual Investor Sentiment, Network We-media Effect and Stock Returns

HU Chang-sheng, TAO Zhu

(SchoolofEconomicsandManagement,WuhanUniversity,Wuhan430072,China)

Does the individual investor sentiment affect stock returns？By using the number of posts on East Money Stock Post Boards as a proxy variable, this paper analyzes the relationship among the individual investor sentiment, the network we-media effect, and the predictability of stock returns. We find that individual investor sentiment can influence stock returns through the spread of network we-media which produces a significant predictability. Specifically, stocks with the more number of posts will earn higher in short-term, showing a short-term momentum effect. When distinguishing the sample stocks by corporation identity, empirical results indicate that individual investor sentiment more significantly affects the small scale stocks, low book-to-market stocks and stocks with low institutional ownership, showing a distinguished “Sentiment Cogging Effect”. Furthermore, after risk adjustment, the zero-cost arbitrage portfolio still produces significant excess returns, and those returns are derived from the previous low number of posts stocks, sentiment remains emotional.

individual investor sentiment; number of posts; network we-media effect; stock returns

2016- 06-26

国家自然科学基金资助项目(71671134)；国家自然科学基金青年资助项目(71401128)

F832.5

A

1003-5192(2017)03- 0050- 06

10.11847/fj.36.3.50