投资者情绪量化研究概述

王昊明

（埃克塞特大学 商学院，英国 德文郡EX4 4PU）

随着后工业化时代的到来，行为经济学的研究较多关注投资者情绪对市场变化的影响。这里仅对投资者情绪的量化研究进行概述。

一、投资者情绪的定义

投资者情绪根植于投资者的认知和心理，是投资者在决策和执行过程中的主观因素。由于投资者情绪千变万化，因此，有关投资者情绪的定义众说纷纭。1997年，行为经济学家Shleifer认为投资者情绪是一种认知过程，这种认知会影响交易时的信念和交易价值的判断。2000年，Shleifer对概念进行补充，指出：投资者情绪是对未来资产收益的系统性预期偏差，这种情绪反映了不同投资者的共同误判［1］。Mehra 和 Sah 以及 Baker和 Wurgler则将投资者情绪定义为投资者的投机偏好或乐观和悲观态度，Brown和Cliff认为，投资者情绪是对整体市场的乐观或悲观情绪，投资者情绪的内涵其实就是人们的主观认知。投资者情绪研究突破了传统的金融理论研究框架，旨在分析非理性群体的信念或投资行为对股市的影响［2］。

二、投资者情绪的起源

与传统金融不同，行为金融考虑了情绪这样的主观因素，试图将行为分析与资产定价相结合作为主要研究内容。投资者情绪起始于噪声交易者。1986年，Black将投资者群体分为“理性”和“噪声”交易者，噪声交易者是指将“噪声”作为真实的内部信息进行交易的投资者。市场上的噪声交易者常受市场情绪和主观认知的影响，使得决策过程具有持续的噪声特征［3］。因此，对噪声交易者的界定可以说是对投资者情绪研究的起源。此后，经济学家们在构建资产定价模型时通常将投资者分为理性交易者和非理性交易者两类。前者根据传统的资产定价理论进行股票交易，即套利者，后者则接受市场不完全信息的刺激交易股票，即噪声交易者。

Long等构建了DSSW模型，认为基于情绪的噪声交易会导致金融资产价格出现预期偏差，导致资产价格波动。噪声交易理论和行为资产定价都是从心理学和社会的视角分析投资者的认知偏差和心理特点，探讨投资者情绪的机理，研究情绪对股票回报等市场收益的影响。行为金融学的研究和投资者情绪殊途同归，在行为金融学早期，单一指标被广泛用于研究［4］。Lee等专注于分析情绪与封闭式基金折价，他们分析了封闭式基金的加权平均折现率，发现个人投资者持有大部分小型股和封闭式基金，其中小市值股收益和基金折价变化是正相关，两者相关系数大［5］。更重要的是，1993 年，Brauer发现7%左右的基金收益波动都能被噪声交易解释，说明噪声交易对基金收益波动有着影响［6］。Lowenstein等的研究进一步发现投资者决策和情绪波动密切相关。这体现在评估股价时投资者更乐意做出满意的决定，尽管这不是最优的选择。Brown和 Cliff将研究重点放在市场规模和情绪的关系上，发现大盘股更容易受到主观情绪的影响。其中他们将收益区间分为长短期并分别研究情绪在其中的解释能力。在短期区间内，股市收益率和投资者情绪水平是情绪的重要解释变量。在长期区间内，情绪更容易使得资产价格被错误定价，并和未来1-3年的收益呈负相关关系，由此说明情绪在长期区间内也和股市存在着联系，并能解释市场价值和真实价值的不统一现象。Mendel和Shleifer剖析了不同类型投资者之间的相互作用是如何导致定价错误的，这种错误定价和噪声有关，投资者们有时会将噪声误认为是正确信息，以此为依据去交易，将市场对情绪的反应放大，使得资产被错误定价。

当然，也有部分经济学家持有不同的意见，Solt和Statman对投资者情绪是否能正确预测市场未来走向持有不同的看法。他们认为，股评家和分析师可以归于噪声交易者，而噪声交易者的欲望和判断，甚至他们的情绪，都无法预测未来的股票回报，投资者情绪不具有预测股市的能力。此外，Clarke、Brown和 Cliff、Verma、Kling和 Gao等研究也发现，投资者情绪指标并不能显著影响市场收益率指标，虽然两者存在一定的联系，但投资者情绪对股市回报的预测能力并不强。

三、投资者情绪指标

（一）直接情绪指标

经济学家逐渐关注投资者情绪与市场、测量与量化以及对资产回报的影响研究，一些学者倾向于使用直接的情感指标。1987年7月，美国个体投资者协会对成员进行情感调查，并获得AAII指数，自此后，该指数被广泛用作为投资者情绪的代理指标。1993年De Bondt研究了标准普尔500指数与美国个人投资者情绪指数之间的关系。他使用AAII调查中的三个回答选项进行回归分析，牛市（BULL）、熊市（BEAR）和中性（NEUT）分别代表看涨、看跌和中立（NEUT=100-BULL-BEAR）的态度。研究发现，他们的结果与Fisher等的结果相反，标准普尔指数和美国个人投资者情绪指数在显著水平上呈正相关［7］。1994年Bernstein等研究了华尔街策略情绪指数和华尔街标准普尔500指数，前者对后者具有反向的指示，并具有一定的预测能力。2000年Fisher等人用美国个人情绪指数构建了BI指标:BIt=〚Bulls〛t/(〚Bulls〛t+〚Bears〛t)，其中，BIt代表 t时期的投资者情绪指数，Bullst代表t时期的看涨数，Bearst代表t时期的看跌数。他们通过研究BSI和SP500指数的收益率，发现情绪指数有能力预测回报率，两者呈显著负相关。情绪每增加1%，回报率就下降0.1%，情绪可作为回报率的反向指标［8］。

除了AAII指数，常见的直接指标还有密歇根大学消费者信心指数 （年度）。2003年Charoenrook使用该指标来代表投资者情绪，试图用情绪来解释股市回报，测试其是否对未来收益具有预测能力。结果显示，不论是月度还是年度，情绪都能预测市场超额收益，并不受大环境好坏的影响。这一结论说明非完全理性信念普遍影响着整体股市对情绪的作用［9］。2004年 Brown 和 Cliff使用了 BI投资者智力指数，他们发现，情绪代表市场参与者对市场规范的预期。牛市时，无论平均水平如何，投资者预期收益都高于平均水平，但投资者情绪对股票回报率的预测能力并不强，市场回报率反过来又会影响投资者情绪。2007年Schmeling分别对机构投资者和个人投资者的情绪进行对比研究，发现无论散户还是机构，情绪都会对股票市场产生影响。预测市场收益率能被消息灵通的机构投资者正向预测，而散户投资者则反向预测市场趋势。由于机构投资者往往能更快获取市场变化的消息，当他们认为散户投资者的情绪过于乐观时，他们会认为资产的定价已经偏离了其内在价格，并会产生与个体投资者相反的悲观情绪，反之亦然［10］。

（二）间接情绪指标

投资者情绪的间接量化通常使用一些能够间接反映投资者情绪的金融市场交易数据。1998年Neal和Wheatley使用三种指标来作为间接衡量指标，封闭式基金折价、零星销售购买比例以及共同基金净赎回。通过对1933-1993年数据的研究，认为：规模溢价能很好地被封闭式基金折价和共同基金净赎回解释，但是销售购买比例不显著，不具有良好的预测能力［11］。为测量投资者情绪对未来股价的预测能力，1998年Clarke和Statman使用投资者智能指数作为投资者情绪指标。结果表明，该指标与道琼斯工业标准普尔500指数的关系不显著。研究发现，自1964年以来，投资者情绪在短期预测中效果良好，但长期则又会发生逆向预测，像以4周代表的短期SP500高收益使投资者对股票看涨，26周或52周代表的长期SP500高收益使得投资者的收益发生反转。因此，基于这个结果，在牛市和熊市中，投资者预测股票收益的能力并不强［12］。

2006年Kumar和Lee通过分析1991至1996年间的185万个散户投资者交易数据，发现散户投资者交易时有同步性。不透明股票往往市值小、价值和机构所有权都比较低，这种类型的股票往往容易受到个体投资者的情绪影响，并难以套利。这种个体投资者的股票回报，宏观经济分析数据和收益预测的补充都不能很好地解释这样的结果，这样可反向推测出情绪影响着股票收益［13］。Glushkov指出，20世纪80年代，机构投资者远离了情绪敏感的股票，但20世纪90年代以来，机构投资者增加了情绪敏感的股票。通过估计个股对情绪变化的敏感性，发现有一些股票难以估值，难以套利。这些股票具有相似的特点，如市值小、发行时间短、卖空约束高、波动性大、股息低，市值较小的股票情绪敏感度较高。

在对情绪和市场研究中，经济学家的关注点从投资者情绪对股价的作用逐渐转移到如何更好地量化投资者情绪。为了更好地测量情绪，在研究中，经济学家从开始的单一指标，逐渐使用不同的复合指数来测量消费者的情绪指数。

（三）复合情绪指标

2006年Baker和Wurgler采用主成分分析法，分析证明了有较高波动性、较小市场价值、上市年限短、难评估、盈利能力较低、没有分红，和极端成长性特征的难估值股票更容易受投资者情绪影响，不过这仅仅是在双因子模型中，当拓展到多因子模型时，这个结论就不再像之前一样显著［14］。2007年Verma基于Baker和Wurgler的情绪指数，首次将投资者情绪指数分为完全理性情绪指数和有限理性情绪指数。其中有限理性情绪指数具有后发性特点，是指投资者对过去信息所作出的情绪反应［15］。2008年Burghardt运用欧洲权证交易所银行发行权证的1 810万笔交易数据集，构建散户投资者情绪指数。经过数据量化，最终发现散户投资者情绪是股票定价过程的一个重要部分，并很好地衡量了投资者情绪，这个发现为他的后续操作提供了思路。德国DAX指数成份股的每日情绪指数是通过衍生品市场交易数据构建的，30只成份股根据其情感价值进行分类，形成了高、中、低三种投资。计算各组第二天的平均收益率，和投资者情绪高的组合相比，低情绪的平均超额收益更加显著［16］。Wurgler和Baker等人分析了情绪对世界主要股票市场的影响，并发现市场之间的传播机制，建立了六大股票市场 (美国、英国、日本、德国、法国、加拿大)，投资者情绪指数分为全球(世界)指数和6个本地(国内)指数。他们发现全球情绪是国家水平收益的反向预测，全球和本地市场情绪都是市场内横截面回报时间序列的反向预测因素。当情绪高时，未来回报率低，相对难以套利和估值。个人的资本流动形成了一种机制，使得情绪在全球范围内扩散［17］。2012年 Berger和Turtle在BW研究的基础上，将公司按照透明度分组并进行量化分析，最后发现投资者主观情绪更容易影响那些不透明性质的股票［18］。

四、结语

投资者情绪的量化研究越来越多元化，并逐渐向着复合指标、与大数据结合的整合方向发展。为了证明投资者情绪是否具有横截面上的解释能力，经济学家用不同的方法量化投资者情绪，并证明了投资者情绪在大多数情况下对市场有着重要的影响。但是，对于利用投资者情绪对市场影响进行精准预测方面，一直难以有较大的突破。随着计算机语言在金融领域的渗透和应用，基于人工神经网络和人工智能的方式使得投资者情绪量化研究有了更多的选择。除了对于股票收益等资产价格的横截面分析外，利用计算机编程能够实时监控股市的走向和投资者情绪的变化，更容易将主观因素量化并纳入综合考量。现在，金融领域的研究更加体现跨领域知识的交叉应用，很多学者使用计算机语言编写网络爬虫，从互联网媒体中抽取舆论，通过此举，可以不断更新投资者对市场的情绪，并以此来反映投资者对股市、对国内经济的态度。因此，可以预见的是，随着互联网技术的发展、多维度大数据分析手段的运用和人工智能以及机器学习技术的融合，投资者情绪量化分析的研究将会朝着越来越全面，越来越真实以及时效性越来越强的方向发展。

总之，投资者情绪方面的研究是行为金融学、投资者情绪指标以及投资者情绪对资产定价和收益解释作用的研究，这都是为了解决现实中的金融异象和传统金融理论难以解释的问题。而现代社会的技术支持为以后的投资者情绪量化研究提供了更多的手段和选择。