天气对中国股票市场的影响

李占风，段满福，李 丹

(1.中南财经政法大学 a.统计与数学学院，b.金融学院，湖北 武汉 430073； 2.中国科学院大学 数学与系统科学研究院，北京 100190)

一、引言及文献综述

传统金融理论常认为投资者是完全理性的，不考虑情绪和心理等非理性因素。而诸多研究表明，投资者情绪和心理等非理性因素会对投资者的决策和投资行为产生重大影响。一方面，人的心情与决策和判断存在比较稳定的关系——好的心情通常伴随着对未来更积极乐观的评价，对风险的承担能力也会增加，有时甚至会忽略一些不好的信息的影响；而不好的心情则伴随着对未来更消极谨慎的评价，对风险的承担能力降低，通常会尽力回避诸如投资等风险行为[1]；另一方面，心情的波动通常会使得最终的决策不是最有效的，因为心情的波动会导致人们在决策的过程中把情感纳入进来，从而倾向于做出最满意而非最有效的决策[2]。假设投资者是完全理性的，不仅与理性和感性相结合的人性不符，而且无法解释证券市场上处置效应、羊群效应和长期反转效应等诸多“异常现象”。

然而，影响投资者情绪和心理的因素非常多，包括认知、环境、色彩、音乐、饮食和突发事件等，比如深蓝色和黑色容易让人情绪低落，而绿色则容易让人内心平静；饮食中长期缺乏维生素B容易让人暴躁和易怒等。此外，天气对人的情绪和心理的影响也是相对稳定和明显的：晴空万里、微风和煦的日子里，人们通常表现得更加活跃和兴奋；而在阴雨绵绵、乌云满布的日子里，人们则通常情绪低落和烦躁。除了这种直观的感受，天气对人的情绪和心理的影响已经得到了现代医学的验证：天气对人的情绪的影响跟人体丘脑上后方的松果腺体对光信号的反应有关。当天气晴朗的时候，由于光照充足，松果腺体会受到很大抑制，从而导致甲状腺素和肾上腺素等具有激发振奋功能的激素的浓度上升，人的情绪也就表现得比较活跃和兴奋；当天气阴沉的时候，由于光照不足，松果腺体的数量会明显增多，从而导致甲状腺素和肾上腺素的浓度降低，人的情绪也就表现得消极和低落[3]。那么，天气状况是否会通过影响投资者的情绪和心理进而影响股市呢？相对于股市的难以预测甚至是无法预测，天气的预测精度已经非常之高[4]，研究天气与股市之间的关系，有利于通过天气去做一些量化策略，提高收益，降低风险。对于主观交易的交易者来说，也有利于提高自身在交易中的理性，最终提高整个市场的有效性。

国外研究天气对股票市场影响的文献非常多，而且时间较早，时间跨度较长，选取的天气变量的相关度量指标主要包括日照、温度、湿度、降水、风速、气压、云层覆盖率和极端天气等。Saunders最早实证研究了纽约的天气对纽交所主要股票指数收益的影响，发现纽约股票交易所的股票收益与曼哈顿地区的云层覆盖比率呈负相关，即当地云层越多，股票收益率越低[5]。此后，Hirshleifer和Shumway利用1982—1997年间26个国家(地区)股票交易所的数据，进一步验证了云层覆盖率与股票收益之间的负向关系[6]。但这种关系并非存在于所有股市，1986年6月到2002年10月新西兰威灵顿的云层对新西兰证券交易所股票指数按市值加权的收益率不存在显著影响[7]。此外，Cao和Wei重点研究了温度对股票市场的影响，采用1962—2001年间台湾、日本等8个国家或地区的数据，发现温度对股指收益存在显著的负向影响，且该影响主要取决于由温度引发的冷漠和侵略两种情绪的平衡，低温环境易导致侵略情绪，进而提高风险偏好，导致股指收益提高，反之亦然[8]。Chang等发现天气会显著影响股市收益，还影响投资者的交易行为，如云层覆盖率对股价波动率和市场深度均具有负向作用。随后的研究主要分成对天气影响股市渠道和机制的研究与数据创新两大方向[9]。例如，Anna等通过多价格表法发现日照和好的天气能够提高投资者的风险承担能力，并通过心理测验进一步发现投资者情绪是天气影响投资者风险容忍度的渠道[10]。Smith和Zurhellen在Saunders的基础上使用考虑股利的收益率数据，并采用全新的天气数据集——美国国家海洋和大气管理局气象数据中心1948—2013年的数据，手工计算出纽约每个交易日早上6点到下午4点之间的平均云量数据，并且通过减去每周的平均云量进行了季节调整，最终证实了美国股市在晴天比阴天的收益率更高，而且发现日照对股市的影响在小市值股票上会更显著[11]。

相对于国外大量的相关文献，国内关于天气对股票市场影响的相关研究则屈指可数。有学者运用GARCH回归证明了某些天气变量确实能影响投资者情绪，进而影响上证综指的收益率。陆静发现仅温度和极端天气对上交所票收益率存在显著影响，但是多个天气指标对市场换手率和波动率等交易行为存在显著影响，因此认为投资者情绪影响投资决策不等价于投资者情绪影响资产定价[12]。近年来，也有研究表明空气污染对中国股市收益存在负向影响，且小市值股票和“彩票类”股票的收益更容易受到雾霾的影响[13]；并且较高的空气质量会使市场倾向于获得更高的收益率、更低的波动率和换手率[14]。

总的来说，无论是采用单个国家或地区的数据，还是采用多个国家或地区的面板数据；无论是采用短时间区间，还是采用长时间区间；无论是采用以往文献中的数据的计算方法，还是使用全新的数据，国外文献都证明了天气对股票市场的影响是存在而且显著的，但是这种影响的结果并不完全一致，可能是因为不同国家或地区的投资者素质、当地的气候环境、交易所的制度和规则等等各个方面存在差异。而国内的相关研究相对较少，各个天气指标对沪深交易所股票的影响究竟怎样，对不同市值、不同β系数的股票的影响是否存在差异，对机构投资者和个人投资者的影响是否相同等问题还没有相关的研究去验证。鉴于此，本文收集国内天气指标数据，选取各类上证指数的换手率、波动率、收益率作为被解释变量，相关天气指标作为解释变量，设置季节性调整、日历效应为控制变量，进行多元线性回归，分别对上海天气对上证A股指数、不同风险股票、机构投资者和个人投资者、不同市态股市的影响进行检验，并考虑交易所所在地以外的其他城市的天气，进一步检验中国股票市场的天气效应是否依然存在。

二、理论分析与研究假设

(一)天气对中国股市的影响

自Saunders于1993年最早研究天气与股票市场之间的关系以来，越来越多的实证研究都验证了天气对股票市场的显著影响，并发现天气不仅影响股市收益，还会通过影响投资者情绪，来影响投资者的价值评估与交易行为。目前，美国、欧洲、日本、韩国和台湾等国家或地区的天气效应已经逐渐得到验证，那么天气指标是否对中国股票的收益率、波动率和换手率有影响呢？

本文以上海天气对上证A股指数的影响为例，提出假设1：上海天气对上证A股指数有影响。

(二)天气对不同β系数的投资组合的影响差异

股票市场中不同的股票，其风险是不同的。在股票市场中，β系数常用来评估股票的系统性风险，β系数的绝对值越大，表明单个股票或者股票组合相对于大盘的波动幅度越大，通常意味着该股票或者股票组合的风险越大。投资者风险偏好越高，则越可能青睐高β系数的股票或者提高β系数高的股票在投资组合中的比重。由于天气可能通过影响投资者的情绪，进而影响投资者的风险偏好。

基于此，本文提出假设2：天气对β系数不同的投资组合有着不同的影响。

(三)天气对机构投资者和个人投资者的影响差异

由于信息优势、专业背景、资金规模等的差异，股票市场的投资者通常被分为机构投资者和个人投资者，两者的理性程度与投资情绪、选股规模偏好存在显著差异。机构投资者可以在中期正确地对市场收益进行预测，而个人投资者的预测通常是错误的；个人投资者常常只注重历史业绩而忽略风险，而机构投资者看重剔除风险因素的超额收益；投资于新兴市场的美国基金会更偏好规模大的股票。

因此，本文提出假设3：天气对机构投资者与个人投资者有着不同的影响，且影响程度与股票市值有关。

(四)天气在股票市场不同市态下的影响差异

在不同市态背景下，投资者的心理和行为会有不同的特点。在牛市中，股市赚钱效应明显，投资者整体情绪偏向乐观，更偏好风险；而在熊市中，股市赚钱效应较弱，投资者整体情绪偏向悲观，变得更厌恶风险。美国股市的波动持久性在熊市中更高；而中国股市的波动持久性、“新高效应”在牛市中更高；牛市信息具有显著的收益正冲击效应，而在熊市中则正相反[15]；投资者更关注牛市中当期股价的正向压力，但是在随后的价格反转中则更关注熊市[16]。尽管已有文献证明中国股票市场的天气效应不会对股票市场的收益率产生显著影响[12，14]，但是基于牛、熊市周期的分样本回归可能存在显著的影响。

因此，本文提出假设4：天气对不同市态下的股市有不同的影响。

(五)天气与股票交易的地域性问题

目前大部分研究都延续了Saunders的做法，即采用交易所所在地的天气数据作为整个市场天气的代理变量。尽管交易所所在地的证券交易量通常是所有地区交易量最高的，而且远高于其他地区，采用交易所所在地的天气有一定的合理性。但任何交易所的订单均来自于全国各个地区，甚至来自于全球各个地区，因此订单提交者的情绪更可能受到他自身所在地天气的影响，不可能完全受交易所所在地天气影响。因此，如果考虑交易所以外地区天气对投资者的影响，股票市场的天气效应是否依然存在，有待进一步检验。

据此，本文提出假设5：即使考虑交易所所在地以外的其他城市的天气，中国股票市场的天气效应依然存在。

三、研究设计

(一)数据来源和样本选择

本文通过Python爬虫技术抓取全球第一家在线天气服务提供商Weather Underground网站中的天气数据，包括国内各城市的温度、湿度、海平面气压、能见度、风速等。各城市营业部成交金额数据来自于上交所官网公布的《上交所市场统计年鉴》(2005年至2015年)和深交所官网公布的《深交所市场统计年鉴》(2013年至2015年)。股票数据主要来源于国泰安数据库，部分来源于锐思金融研究数据库。为了尽可能使得时间区间较长，且横跨牛熊市，本文的时间区间选择为2005年1月1日至2015年12月31日。并选择了代表整个股票市场运行状况的上证A股指数、代表不同β系数股票组合的上证380高β指数和上证380低β指数、代表不同市值规模股票组合的上证超级大盘指数、上证中盘指数和上证小盘指数。

(二)变量说明

1.被解释变量。本文主要研究中国股票市场的天气效应，即天气对中国股票市场的影响。最能代表股票市场的交易行为的变量有：收益率、波动率和换手率。

收益率(RET)是指每日股票市场指数的涨跌百分比，本文采取对数收益率的形式，计算公式见式(1)。这是所有投资者最为关注的部分，正是它吸引来了股市的投资者。

RET=lnindext-lnindext-1

(1)

波动率(VOL)是标的资产投资回报率的变化程度的度量，其计算公式如下式(2)。其中，indexh和indexl和分别为每日股票市场指数的最高值和最低值。这一指标反映了投资者的意见分歧程度，波动率越大表明投资者的意见分歧程度越高。

(2)

换手率(TUR)是反映市场交易活跃程度最重要的技术指标之一，指在一定时间内市场中股票转手买卖的频率，具体某一段时期内的成交量占流通总股数的百分比。换手率高一般意味着股票流通性越强，但也往往表现出较强的投机性，导致股价起伏较大，风险也相对增加。

2.主要解释变量。为避免了多重共线性，本文在对天气变量进行相关性检验后，剔除温度、露点温度和气压这三个与季节性絮乱(SAD)高度相关的天气变量，选取湿度(HUM)、能见度(VIS)、风速(WSP)和云层覆盖率(COV)作为天气的度量指标。

湿度(HUM)过高会使注意力下降、疲惫增加，从而影响投资者的情绪波动。

能见度(VIS)指观察者离物体多远时仍然可以清楚看见该物体。当低能见度的阴霾天气出现时，由于光线不足，很容易使人的心情忧郁和情绪低落。

风速(WSP)可以影响人体的代谢速度，对体温和情绪产生作用，并且风速对股市收益具有明显的负面作用，风速越高，股票市场收益率越低，反之亦然。

云层覆盖率(COV)对于市场收益率具有负面影响。人们在云层稀少、阳光明媚的时候会变得更加乐观，更可能投资股票。

3.控制变量选取。季节性情绪紊乱(Seasonal Affective Disorder,SAD)是指由于地球围绕太阳公转带来的日照时间长短变化，引起人体日光摄取量的增减，从而导致体内荷尔蒙分泌变化，生理机能紊乱或失调。日照时间逐渐变短将会引起投资者更为消沉，减少交易活动，反之则会增加交易活动。因此，本文参照 Kamstra 等[17]的方法计算情绪紊乱指标(SAD)，并加入模型中作为控制变量。

同时，本文还考虑了中国股票市场存在的“日历效应”。日历效应可分为周效应(Week)和月效应(Month)，周效应表示指标在周内各日表现出不同的特征；月效应表示指标在不同月份具有不同的特征。

综上，本文确定加入回归模型中的所有变量名称及其含义如下表。

表1 变量名称及其含义表

(三)模型设定

为了实证考察股票交易与天气变量之间的关系，本文借鉴参考已有文献，建立了三个多变量回归模型，见下式(3)～(5)。

(3)

(4)

(5)

四、实证结果与分析

(一)描述性统计

表2为本文各个变量的描述性统计表。2005年1月1日至2015年12月31日共有2 671个交易日，由于不同股票市场指数发布的时间不同，因此在2005年1月1日至2015年12月31日之间不同股票指数的观测值的个数会有差异。

在天气变量中，湿度与能见度最大值的标准差比平均值的标准差小，说明对于湿度和能见度而言，极值变量的波动小于均值变量的波动。但是对于风速而言，则正好相反，其极值的波动大于均值变量的波动。接下来根据前文构建的式(3)～(5)三个多元回归模型，针对5个不同的假设依次进行分析。

(二)上海天气对上证A股指数的影响

下表3中，回归方程(1)～(3)采用最大值衡量湿度、能见度和风速；回归方程(4)～(6)则采用平均值。

表2 描述性统计表

从回归方程(1)～(3)的结果可以看出，在控制了日历效应和季节性絮乱之后，各个天气变量对股价指数收益率没有显著影响，即投资者的情绪波动不会导致资产定价的失衡；最大湿度对上证A股指数的波动率产生显著的正向影响；最大湿度和最大能见度对上证A指数的换手率均产生显著的负面影响。而在以往众多文献中认为对股票市场有显著影响的云层覆盖率，在本文的实证结果中，对股指收益率、波动率和换手率的影响在统计学意义上均不显著。

从回归方程(4)～(6)的结果可以看出，当采用天气变量的平均值代替最大值后，原本显著的湿度变量变得不显著，而能见度变量不仅显著性降低(P值变大)，而且回归系数的绝对值也降低。因此，每个交易日的平均天气状况对股票市场投资者的影响要小于当天天气状况的最大值。下面采用最大值对假设2至4进行检验。

(三)天气对不同β系数的投资组合的影响

表4中，回归方程(1)和(2)采用上证380高β指数的数据，表示高β系数的投资组合，回归方程(3)和(4)采用上证380低β指数的数据，表示低β系数的投资组合。由于各个数据库没有对应的该指数的换手率数据，故被解释变量仅包含了收益率(RET)和波动率(VOL)。

表3 上海天气对上证A的影响表

注：* 、**、***分别表示在10%、5%、1%水平下显著。下同。

表4 不同β的投资组合的回归结果表

对比高β投资组合和低β投资组合的回归结果发现，最大湿度显著影响高β组合和低β组合的波动率，最大能见度对高β组合的股指收益有显著的负向影响但所有天气变量对低β组合的收益率均没有显著影响。可见，天气对高β系数的投资组合的影响比低β系数的股票的投资组合的影响更大，从而验证了假设2。

(四)天气对机构投资者和个人投资者的影响

以往的文献对机构投资者和个人投资者的区分常用的方式有三种：其一，采用上交所公布的Topview的持仓数据，但Topview的数据仅有2007年6月1日至2009年1月1日共19个月的数据，样本区间太短，结果的稳健性待考究；其二，采用中证统计月报中披露的个人和机构投资者的新增开户数来度量，但该数据为月度数据；其三，通过按机构投资者持股比例大小不同进行分组来分别刻画机构投资者与个人投资者的行为，机构投资者持有比例高的投资组合更多地反映出机构投资者的行为，而机构投资者持有比例低的投资组合的市场特征会更多地反映个人投资者的行为。本文选择第三种方法来度量机构投资者和个人投资者。

值得注意的是⊕和⊙算子不仅完成了交叉操作，还在一定程度上实现了变异操作，因此必须进行约束性条件的检验，确保有效性.

为了在同一市值规模上比较机构投资者和个人投资者的不同影响，本文首先将投资组合按总市值分为大小两个组别；再按机构投资者持股比例将每个组别再分为高低两组；将各组股票的流通市值作为权重，计算各组合的收益率、波动率和换手率。得到回归结果见表5与表6，其中，(1)～(3)表示个人投资者组合，(4)～(6)表示机构投资者组合。

表5 低市值水平下，机构投资者组合和个人投资者组合的回归结果表

表6 高市值水平下，机构投资者组合和个人投资者组合的回归结果表

可见，在低市值的水平下，天气变量对个人投资者的影响要大于机构投资者，表明机构投资者的投资素养和心理素质比个人投资者确实更强；而在高市值水平下，湿度和能见度对机构投资组合的波动率和收益率有显著的负面影响，天气效应对机构投资者的影响大于个人投资者，这可能因为A股市场的个人投资者的资金规模非常小，其投资决策和投资行为难以对大市值股票产生影响，而且国内长期以来小市值投资策略的收益显著高于大市值，个人投资者更青睐小市值股票，进一步降低了个人投资者对大市值股票的影响。因此，验证了假设3。

(五)不同市态下天气对股票市场影响的差异

对于不同市态的划分，即如何将股市划分为牛市和熊市，国内外相关研究众多，但并无一致的意见，本文采用目前界定较明晰的Pagan与Sossounov的非参数方法[18]。首先根据式(6)和(7)初步判断股价的波峰与波谷，如果时刻t对应一个波峰，则表示是在3个月的时间窗口中的最大股价；如果时刻t对应一个波谷，则表示是在3个月的时间窗口中的最低股价。

(6)

(7)

为了避免连续波峰或者连续波谷的出现，去除连续波峰中的价格较低者和连续波谷中的价格较高者。此外，为了囊括较短时期内大幅度涨跌对应的牛熊市，也为了排除虚假牛熊市，对牛熊市进行进一步处理：如果牛市和熊市的单程时常不超过4个月，则股价逆转前后的涨跌幅必须大于20%，否则剔除该波峰或者波谷；剔除持续时间小于6个月的牛、熊市周期。据此划分的牛熊市情况见下表7。

表7 牛熊市划分情况表

由于本文的全样本区间为2005年1月1日至2015年12月31日，而2005年1月1日至2005年6月6日的熊市区间属于始于2004年4月7日的熊市周期；此外，2015年12月23日至2015年12月31日的熊市区间属于结束于2016年1月27日的熊市周期。为了保持牛熊市周期的完整性，本部分实证剔除2005年1月1日至2005年6月6日、2015年12月23日至2015年12月31日的样本，只保留13个交替的牛熊市完整周期。实证结果见下表8。回归(1)～(3)为牛市周期样本，回归(4)～(6)为熊市周期样本。

从回归方程(1)和(4)可以发现，最大湿度对牛熊市股指收益率的回归系数均显著，且在牛市中为正值，在熊市中为负值，两者绝对值大小几乎相等，说明牛市中，最大湿度越大，股票市场倾向于更高的收益率；而在熊市中，最大湿度越大，股票市场倾向于更低的收益率。正是因为天气变量在牛熊市周期对股市收益的影响方向相反、大小近似相等，使得国内以往的实证研究结果认为，天气变量对股市收益的影响不明显[12，14]，投资者情绪仅影响投资者决策行为而对资产定价没有影响[12]。

表8 基于牛熊市分样本的天气对上证A股的影响表

对比回归方程(2)和(5)发现，在牛市中，各个天气变量对股票市场波动率的影响均不显著；而在熊市中，最大湿度和最大能见度对股票市场波动率的影响显著，并且各主要天气变量对股市波动率的回归系数的绝对值也更大。说明牛市中天气对股市的波动性没有显著影响，但在熊市中天气则会显著影响股市的波动性。根据回归方程(3)和(6)也可以发现，最大湿度、最大能见度对股票市场换手率的影响在5%的显著性水平下显著，而且熊市中天气变量的回归系数的显著性更高。可能是因为熊市中赚钱效应较低，投资者情绪偏向悲观和消极，更容易受到外界因素(如天气)的影响，而做出更多的非理性交易，最终导致股市的波动率和换手率较牛市中更高。

综上，天气对股票市场的影响在牛熊市中差异明显，天气在牛、熊市中均会对股票市场的收益率产生显著影响，在熊市中对波动率和换手率的影响较牛市中更为显著，投资者情绪不仅影响投资者的决策行为，而且会影响投资者对投资标的的价值判断。因而，验证了假设4。

(六)全国天气对股市的影响

通过整理2005年至2015年上海证券交易所市场统计年鉴，获取全国所有证券公司营业部A股成交金额的数据，并计算全国各城市2005年至2015年A股成交额占全国总成交额比重的平均值，前20名城市的成交额占比见表9。

表9 2005-2015年各城市营业部成交额占全国的比重表

可以看出，上海的成交金额占全国总成交额比重的平均值高达17.2%，遥遥领先，而从第20名后的城市的成交金额占比低于1%。因此，前20个城市代表了全国最主要的投资者的A股交易。另外，由于Weather Underground在这20个城市中的第9至第20名的12个城市中有5个城市没有天气数据或者没有横跨2005—2015年的数据，由于这5个城市的成交金额占全国的比重均低于2%，累积占比小于8%，因此本文剔除这5个城市，采用15个城市的成交金额占比作为权重，对这15城的天气数据进行加权平均，得到代表全国天气的天气指标。按城市调整的天气对上证A的影响结果见下表10。

表10 按城市调整的天气对上证A的影响表

从表10的回归结果可以看出，按城市进行调整的天气变量对股票市场的影响依然是显著的，且比仅用上海天气更显著。此外，与上海天气变量的影响不同，按城市调整的天气变量，平均值比最大值要更能反应股票市场的天气效应。因此，验证了假设5。

五、结语

本文以2005—2015年Weather Underground网站中的天气数据，实证分析了天气对国内A股市场收益率、波动率和换手率的影响，发现天气确实对国内A股市场存在影响，它通过影响投资者情绪进而影响投资者的短期风险偏好，对高β投资组合的影响大于对低β投资组合的影响；在低市值的水平下，天气对个人投资者的影响要大于机构投资者，而在高市值水平下，正相反。

与以往研究类似，本文认为湿度、能见度和风速对股票市场的波动率和收益率有显著影响。但与以往研究认为天气对股市收益率不存在显著影响不同，本文基于牛、熊市的分样本回归，得到天气对牛、熊市的收益率存在方向相反、大小近似相等的显著影响。

本文考虑交易所所在地以外城市的天气，发现全国天气对A股市场的影响比上海天气的影响更强烈，进一步说明天气确实对国内A股市场存在影响。

诚然，本文回归模型的R2均不高，天气并非中国股市的决定性因素，如果加入宏观经济等主要因素，模型拟合效果势必提高。但本文所阐释的天气对投资者情绪、行为的各种影响，有助于投资者进一步了解自身投资偏好，从而削弱天气对投资情绪的影响，降低投资决策的失误率。同时，本文也为投资者将天气效应加入量化投资策略提供了一定的理论支撑。