我国A股市场投资者情绪是定价因子吗？

邓学斌　高鲜

摘 要 以股票价格变化的强弱和方向反映投资者的心理预期，选取流通性指标作为股票交易强弱的指标，股票买卖行为的人气指标作为投资交易方向的指标，从交易强弱和交易方向两个角度构建了投资者情绪综合指标（简记为ISI）.选取2006年1月至2017年6月沪市A股上市公司为样本，进行了ISI与股票收益的时间序列分析和截面效应分析.研究结果表明，投资者情绪综合指标提高了预期收益率但降低了本期收益率，预期收益率具有显著的正向风险溢价.ISI自身也具有显著的正向风险溢价，对股票市场超额收益具有很好的解释能力.投资者情绪指标是中国股市一个重要的资产定价因子.

关键词 金融学;投资者情绪;主成分分析;资产定价

中图分类号 F832.5 文献标识码 A

Abstract The strength and direction of stock price changes reflect the psychological expectations of investors. This article selects liquidity index as a strength index of stock trading， stock trading behavior of sentiment index as the index of investment direction. Based on the sample of Ashare listed companies in Shanghai from January 2006 to June 2017， this paper constructs the investor sentiment index （ISI） and conducts the time series analysis and crosssectional effect analysis on the ISI and stock returns. The results show that the investor sentiment index improves the expected return rate but reduces the current return， presenting a significant positive risk premium for the expected return. At the same time， the ISI itself has a significant positive risk premium， which has a good explanatory ability to excess earnings of the stock market. Investor sentiment index （ISI） is an important asset pricing factor in China's stock market.

Key words Finance ;Investor sentiment; Principal Component Analysis; Asset pricing

1 引 言

近年来，学者们实证研究发现一些金融异象，例如“股权溢价之谜”、“无风险利率之谜”等，使得有效市场假说的“理性人”假设备受质疑，此后羊群效应、噪音交易理论等被陆续提出，行为金融理论逐步受到关注.投资者情绪将影响其投资行为，最终对资产价格产生影响.如何度量投资者情绪是问题的核心.现有投资者情绪的度量指标分为两类：第一类是直接指标，即通过实际调查投资者对市场的主观判断，归结为看涨、看跌和看平3种情绪，典型的有我国央视看盘指数以及美国的投资者智能指数等;第二类是间接指标，即找到金融市场的代理变量来测算市场情绪，有时选用单个代理变量.第三类是Baker和Wurgler利用主成分分析法得出BW综合性代理变量.有学者采用IPO 首日平均收益、IPO数量、新股发行占比、红利溢价、封闭式基金折价率、换手率等来构造投资者情绪的综合性指标.

2 相关文献回顾

投资者情绪的代理指标包括流通性因子和人气指标因子，其中流通性指标的影响比较明显，特别是在新股发行时，首日收益一般为正，在新股无法卖空的情况下，较高的换手率意味着投资者的乐观预期，此时的投机心理较强.随着金融市场的不断发展和金融异象的发生，Fama和French三因子模型不能涵盖所有的横截面收益，其中的不能解释部分常常与投资者情绪相关.可以考虑将投资者情绪作为除了市场溢价因子、规模因子和账面市值比因子以外的风险定价因子.De Long等建立的DSSW模型，从市场情绪角度解释超额收益来开拓资产定价模型，证实了非理性的投资行为反过来会影响资产价格.Yang和Zhang（2014）[1]研究了投资者情绪与资产收益的相关关系.赵胜民等（2016）[2]发现三因子模型比五因子模型更适合中国证券市场，而且因子定价模型的有效性因市场发展水平和投资理念而异.李志冰等（2017）[3]通过考察五因子模型在中国不同时期的运用，发现股改前市场风险因子占主导，而股改后，盈利能力、投资风格及动量因子的风险溢价显著.与此同时，高春亭和周孝华（2016）[4]也进行了相关研究.俞红海等（2015）[5]利用交易数据中的投资者IPO首日净买入构建情绪指标，发现IPO首日投资者情绪对IPO首日回报有显著正向影响，对IPO长期超额回报有显著负效应.Baker和Wurgler（2006）[6]利用主成分分析法选择多个隐性指标来构建投资者情绪综合指数.后来许多国内学者借助此方法，将封闭式基金折价率、IPO数量、上市首日收益率、市场交易量、换手率、投资者开户数及消费者信心指数等纳入到模型中，進行主成分分析来构造情绪指标.Stivers（2015）[7]在Baker和Wurgler的基础上删除基本面因素，构造了新的投资者情绪指标，该指标可以更好地捕捉到不合理的投资者情绪且该指数预测的回报要比之前的更准确.Jitmaneer（2017）[8]通过将交易量、涨跌比和价格波动等作为投资者情绪的代理变量，发现投资者情绪显着影响市盈率.郭芳婷等（2018）[9]研究投资者关注对股市崩盘的影响.文凤华等（2014）[10]也进行了相关研究.

Sayim（2015）[11]研究美国机构和个人投资者情绪对证券市场（ISE）回报和波动的影响，表明美国投资者情绪构成了定价风险因子.Yang等（2015）[12]发现投资者交易行为和投资者情绪对Fama和French三个因子以外的超额收益有显着的影响，投资者交易行为对超额收益的影响比投资者情绪更为显着.Smales（2017）[13]认为那些主观价值更高或面临套利限制的公司，对投资者情绪的变化反应最为敏感.Li等（2017）[14]利用分位数格兰杰非因果关系检验来考察美国投资者情绪与股票收益之间的因果关系时采用Baker和Wurgler在2007年開发的情绪指数和消费者信心指数.PerezListon等（2016）[15]检验了投资者情绪是否影响美国道琼斯伊斯兰股票指数的回报和波动性.侯镇基（2015）[16]、刘司航等（2017）[17]也研究了投资者情绪与中国股市波动之间的关系.

综上文献梳理发现已构建的投资者情绪指标大都只体现在交易流动性上，且研究都局限于考虑指标本身相对于股票收益率的影响，并非从动态立体的角度考虑收益溢价.从量价角度对投资者情绪指标进行深度挖掘可能有价值.选取流通性指标（上交所股票成交量、股票成交额、IPO首日换手率、投资者开户数、市场月换手率、IPO月度数量、投资者信心指数、上证综指等8个指标）作为投资者交易强弱的指标，选取测度股票买卖行为的人气指标作为投资交易方向的指标.从交易强弱和交易方向两个角度对投资者情绪进行二元刻画，而且运用主成分分析法将各个变量的当期值与滞后值进行选择后提取出主要成分，从而减少信息损失.摆脱了传统的效应分析法，分别从时序效应和横截面效应来分析归纳投资者情绪作为定价因子的定价能力.

3 数据处理与指标构建

3.1 主要变量说明

从总指数水平、投资者信心指数、市场换手率、投资者开户数、交易量、交易额、IPO首日换手率、IPO月度数和人气性指标中提取出主要成分来构造投资者情绪综合指标.把市场溢价因子、市值规模因子、账面市值比因子等引入模型作为控制变量.基于GARCH-M（1，1）模型计算的上证综指月回报率方差VAR.研究投资者情绪综合指标ISI对资产定价的净效应，控制住其他经济不确定性因素.引入宏观经济景气指数JQI，增加构建的投资者情绪综合指标的可信度.

样本选取2006年1月至2017年6月期间，从Resset数据库获取上海证券交易市场的月度数据.选用上证综指来刻画中国股票市场的表现是因为严太华和陈明玉（2009）[18]发现上证综指和沪深300指数的相关性，两者高度相关.为了使样本更具代表性、研究更具实际价值，对沪市股票做如下处理：（1）剔除连续三年亏损、退市预警的*ST股票和连续两年亏损、特别处理的ST股票;（2）剔除三个月内上市的新股;（3）剔除银行、证券、保险等金融类公司.

3.2 人气性指标的构造

学者们选取的直接性指标对投资者的代表性具有一定局限性.间接指标性指标虽然客观存在，但对投资者的反应比较滞后且存在噪音.选取总指数水平、投资者信心指数、市场换手率、投资者开户数、交易量、交易额、IPO月度数、IPO首日换手率等指标，再加入反映交易方向的人气性指标，从二维角度反映投资者情绪.而人气指标AR是以开盘价为基准，并以最高价和最低价反映在交易周期内买卖双方力量的博弈.反应一个周期内的开盘价在该周期内的价格波动情况来反映多空人气的技术指标.以月为计量周期，其公式如式（1）所示.

其中，Hi表示交易周期中的最高价，Oi表示该周期的开盘价，Li表示交易周期中的最低价，n为交易周期数.

如果一只股票在一定交易时间段内的人气性指标等于1，表明在当前市场该股票的涨跌幅一致，且股票买入者和股票卖出者的多空力量达到平衡.当人气性指标大于1，表明在当前市场该股票的涨幅大于跌幅，且市场的多方力量占据优势.当人气性指标小于1，表明当前市场该股票的涨幅小于跌幅，且市场的空方力量占据优势.用SZI表示上证综合指数，CCI 表示投资者信心指数，SMT表示上交所市场月换手率，SZN表示上交所投资者开户数，SZV表示上交所股票成交量，SZE为上交所股票成交额，IPON表示IPO月度数量，IPOT 表示IPO首日换手率，MKT表示市场溢价风险因子，SMB 表示市值规模风险因子，HML表示账面市值比风险因子，rt表示市场收益率，VAR表示上证综指回报率方差， JQI表示中国宏观经济景气指数;其中MKT，SMB，HML均按流通市值计算 .

3.3 投资者情绪综合指标的构造

结合学者们已有的研究，对显著影响投资者情绪的变量进行主成分分析，提取主成分来构造指标，加入反映交易方向的人气性指标来更加全面和系统地构造投资者情绪综合指标.

由于所取的变量间可能存在相应的滞后关系，在引入SZI、CCI、SMT、SZN、SZV、SZE、IPON、IPOT和AR指标的基础上还引入它们的滞后一期项，共从这18个变量中提取主成分来构建投资者情绪的综合指标.在进行因子分析之前，为了克服变量之间由于单位不一致导致模型偏误的问题，首先对这18个变量进行标准化处理.然后，对18个变量进行KMO检验和巴特利球形检验.18个变量的总体KMO检验系数为0.732，巴特利球形检验结果Sig为0.00.表明变量之间存在相关性，适合做主成分分析.

主成分分析的统计结果显示，主成分有4个，累计贡献率达到81%，其中，第一主成分提取SZV（-1）、SZE（-1）、SMT（-1）、SZI、CCI等5个指标的基本信息;第二主成分提取了SZN等指标的基本信息;第三主成分提取了IPON、IPON（-1）指标的信息;第四主成分主要提取了AR变量的信息.因此，构建的四个主成分基本提取了以上8个变量的基本信息，由主成分的表达式可得投资者情绪的综合指标ISI1.

两次运用主成分分析方法，通过选择当期变量和滞后变量构造了投资者情绪综合指标ISI1，该指标是在9个变量及其滞后变量中提取的主成分，但是需要在当期变量和滞后变量中进行选择，因此通过计算ISI1与该18个变量的Pearson相关系数，在当期变量与滞后变量中选择与ISI1相关系数较大的，从而将得到的9个变量作为构造下一层次的投资者情绪综合指标，结果见表1.

从表1可以看出，所选的9个指标均与投资者情绪正相关.通过比较当期变量、滞后变量与ISI1的相关系数，发现上证综指SZI、投资者信心指数CCI、IPO首日换手率IPOT、IPO月度数量IPON、人气指数AR的当期变量与ISI1的相關系数要大于其滞后期变量;上交所市场月换手率SMT、投资者开户数SZN、交易量SZV、交易额SZE的滞后变量与ISI1的相关系数要大于其当期变量，因此选择SZI、CCI、SMT（-1）、SZN（-1）、SZV（-1）、SZE（-1）、IPON、IPOT、AR变量再次构造投资者情绪综合指标ISI2.

根据前面的分析，选择SZI、CCI、SMT（-1）、SZN（-1）、SZV（-1）、SZE（-1）、IPON、IPOT、AR变量再次利用主成分分析方法构造投资者情绪综合指标ISI2，通过计算，其表达式为

所以最终确定ISI2为投资者情绪的综合指标ISI，即ISI=ISI2，这有别于前人已有的研究，原因在于加入度量交易方向的人气指数AR，能够从二维角度更确切的刻画投资者情绪综合指标;而且考虑了当期值和滞后值，更加符合客观实际;最后是选取的主成分的解释能力很强，既能减少信息损失又能很快提取重要成分.为了检验ISI与股票预期收益率的关系时控制经济周期变量对收益的影响，建立如下回归方程：

其中，ret代表t月末的预期收益，JQI代表经济周期变量，通过上证100的月度收盘价转化为收益率序列.研究ISI与当期收益率的关系，模型为

在回归之前对各变量数据进行标准化处理，结果如表2所示.A部分检验ISI与预期收益的关系，从第三列可以看出，控制所有状态变量的情况下，ISI的系数为正，且在1%的显著性水平下通过t检验，在已设定的三个模型中，ISI均与预期收益显著正相关.B部分检验ISI与当期收益的关系，在三个模型设定中，ISI与当期收益率在1%的水平下显著负相关.为了考察结果的稳健性，进一步以沪深300指数进行了相关研究，结果均显示ISI提高了预期收益率但降低了本期收益率，且其影响程度在统计意义上均非常显著，因此，ISI对预期收益具有显著的正向风险溢价.

4 投资者情绪的截面效应分析

首先，使用随机贴现因子的方法构造衡量ISI的因子模拟投资组合FISI;同理，构造衡量投资者情绪冲击的因子模拟投资组合FVAR，以控制其他经济不确定性因素.然后，构造不同ISI风险敞口的投资组合进行初步的定价分析，若ISI是资产定价因子，则不同ISI风险敞口的投资组合应该有不同的超额收益.其次，在经典Fama-French三因子模型的基础上，加入投资者情绪因子和收益率波动因子，检验模型回归系数是否显著，根据前面得到的结果来检验ISI是否具有显著溢价.

4.1 投资者情绪冲击的构造

为了提取出ISI中的冲击部分，即不可预期部分，只有风险因子的不可预测部分能带来风险溢价.因此采用GARCHM（1，1）模型计算的上证综指月回报率方差VAR来控制其他经济不确定性影响.首先对时间序列进行平稳性检验，通过ADF检验，发现ISI序列和VAR序列均是平稳时间序列;再运用AR（p）模型对两个不确定性变量ISI和VAR建模，通过观察其自相关函数图和偏自相关函数图对模型滞后阶数进行选择，结果显示ISI序列、VAR序列的滞后阶数都为2，故将残差序列提取出来作为投资者情绪的冲击，在截面定价分析中使用.

模型1-3是为了比较带有投资者情绪综合指标的多因子模型相对于三因子模型对预期收益率的解释力度是否有所提高.当投资者情绪的模拟因子投资组合的系数显著异于零时，构造投资者情绪的模拟因子对股票的收益影响明显.同时，为了从FISI，t中除去由FVAR，t所代表的收益率波动的不确定性冲击，得到投资者情绪综合因子的纯效应，在加入FISI，t模拟因子的基础上又加入FVAR，t模拟因子.对所有符合条件的股票按照规模指标和账面市值比指标分成5×5组合，表3分别汇报了三因子模型、加入投资者情绪的四因子模型以及改进的五因子模型的回归截距值及其t值.

在账面市值比分组的子样本中，最大规模组与最小规模组的平均回归截距在模型1、模型2、模型3的值分别为1.1964321，0.2562223和0.240933.在规模指标分组的子样本中，较高账面市值比组合与较低账面市值比组合的平均回归截距在模型1、模型2、模型3的值分别为0.3238453，0.29161065和0.2024855.

在加入投资者情绪模拟因子和收益率波动因子以后，考虑投资者情绪的四因子模型和改进的五因子模型与原有的FamaFrench三因子模型相比，其截距项系数都有所降低，而且从整体来看，模型2和模型3的截距项系数均小于三因子模型的截距项系数，这说明在三因子模型的截距项里包含的风险通过投资者情绪因子得到了解释.

从表4看，三因子模型在25组股票组合中的平均调整拟合优度系数为0.88444，而考虑投资者情绪因子的模型2和改进后的多因子模型3的平均调整拟合优度系数均为0.9999，接近于1，说明模型2和模型3比三因子模型的拟合效果更好.通过模型1-3的对比，发现在1% 显著性水平下，模型1和模型2的市场因子均有25组通过显著性检验，说明影响中国A股市场波动的主要风险来自于市场风险.规模因子和账面市值比因子的显著性组数明显小于25组.在1% 显著性水平下，模型1的规模因子有16组，而账面市值比因子只有5组，在5% 显著性水平下，规模因子有18组，账面市值比因子有7组，在10% 显著性水平下，规模因子有20组，而账面市值比因子只有8组，表明规模因子和账面市值比因子在内的公司特有风险对股票市场的影响力是有限的.从投资者情绪因子的显著性水平来看，模型2和模型3中的组数均达到25组，且其t值所对用的伴随概率均接近于0，因此，投资者情绪指标在中国A股市场定价显著，且其对超额收益具有明显的解释能力.

选用考虑交易强弱和交易方向的投资者情绪综合指标，并通过因子模拟投资组合剔除掉与定价无关的信息，来反映中国A股市场投资者情绪，从考虑投资者情绪的四因子模型和剥离收益不确定性波动的五因子模型回归结果来看，回归截距项均明显小于经典三因子模型，且拟合优度调整R2均大于三因子模型，因此，投资者情绪指标优化了三因子模型，在市场因子、规模因子和账面市值比因子的基础上，投资者情绪因子对投资者情绪带来的风险补偿水平得到了合理的解释.

4.4 稳健性检验

这个改进后的四因子模型对于所有的“规模-账面市值比”组合产生的超额收益是否都具有很好的解释能力呢？为此，进一步选取“规模2-账面市值比”5组作为研究代表，来进行稳健性检验，从而消除对按特定指标进行分组的干扰因素.对“规模2-账面市值比” 5组仍采用未考虑投资者情绪模型与考虑投资者情绪模型对股票预期收益的解释能力进行对比检验.得到经典三因子模型（模型1）、考虑投资者情绪后的四因子模型（模型2）以及加入收益波动率因子的五因子模型（模型3）的进一步回归检验结果.具体结果如表5所示.

从表5的统计结果来看，经典的FamaFrench三因子模型可以解释单只股票收益率的89%，投资者情绪因子在此基础上又提高了10%的解释力度，且市场因子的影响很显著，表明我国资本市场是以市场风险为主导的.模型2、模型3的截距项接近于0，拟合优度接近于1，且投资者情绪因子在1%的水平上显著，这与表3、表4的结论基本一致，从个股收益率的角度再一次证明投资者情绪是股票收益的重要定价因子.

5 结 论

在已有的研究基础上，通过两次主成分分析，从投资者交易强弱、交易方向进行横向提取，从当期值和滞后值进行纵向提取，构造全面反映投资者情绪的综合指标.在控制其他宏观经济条件和收益率不确定性波动对情绪的影响下，构造投资者情绪模拟因子投资组合，除去与定价无关的信息，单独研究投资者情绪指标的净效益.此外，在FamaFrench三因子模型的基础上，加入投资者情绪因子及收益率不确定性波动因子，构建了一个能较好反映投资者情绪波动的综合指数ISI，且对预期收益具有显著的正向风险溢价.

参考文献

[1] YANG C，ZHANG R. Does Mixedfrequency Investor Sentiment Impact Stock Returns？Based on the Empirical Study of MIDAS regression model[J].Applied Economics，2014，46（9）：966-972.

[2] 赵胜民，闫红蕾，张凯. FamaFrench五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J].南开经济研究，2016（2）：41-59.

[3] 李志冰，杨光艺，冯永昌，景亮. FamaFrench五因子模型在中国股票市场的实证检验[J].金融研究，2017（6）：191-206.

[4] 高春亭，周孝华. 公司盈利、投资与资产定价：基于中国股市的实证[J].管理工程学报，2016，30（4）：25-33.

[5] 俞红海，李心丹，耿子扬. 投资者情绪、意见分歧与中国股市IPO之谜[J].管理科学学报，2015，18（3）：78-89.

[6] BAKER M，WURGLER J. Investor Sentiment and the CrossSection of Stock Returns[J]. Journal of Finance，2006，61（4）：1645-1680.

[7] STIVERS A.Forecasting Returns with Fundamentalsremoved Investor Sentiment[J].International Journal of Financial Studies，2015，3（3）：319-341.

[8] JITMANEER J，BOONLERT.Does Investor Sentiment Affect Price Earnings Ratios[J]. Studies in Economics and Finance，2017，34（2）： 183-193.

[9] 郭芳婷，黃创霞，陈宪，文凤华. 产权性质、投资者关注与股价崩盘风险[J].经济数学，2017，34（4）：97-105.

[10]文凤华，肖金利，黄创霞，陈晓红，杨晓光. 投资者情绪特征对股票价格行为的影响研究[J].管理科学学报，2014，17（3）：60-69.

[11]SAYIM，MUSTAFA，RAHMAN，et al. The Relationship Between Individual Sentiment， Stock Return and Volatility： Evidence From the Turkish Market[J].International Journal of Emerging Markets，2015，10（3）：504-520.

[12]YANG C P，ZHOU L Y. Investor Trading Behavior， Investor Sentiment and Asset Prices[J].North American Journal of Economics and Finance，2015，3（4）：42-62.

[13]SMALES. The Importance of Fear： Investor Sentiment and Stock Market Returns[J].Applied Economics，2017，49（34）：3395-3421.

[14]LI H Q，GUO Y，PARK，et al.Asymmetric Relationship Between Investors' Sentiment and Stock Returns： Evidence From a Quintile Noncausality Test[J]. International Review of Finance，2017，17（4）：617-626.

[15]PEREZLISTON， DANIEL，HUERTA， et al. Does Investor Sentiment Impact the Returns and Volatility of Islamic Equities？[J].Journal of Economics and Finance，2016，40（3）：421-437.

[16]侯镇基. 信息偏离度、投资者情绪与内在价值——基于上证指数2005-2014年的实证分析[J]. 华东经济管理，2015，29（9）：174-180.

[17]刘司航，黄创霞，陈宪等.PLS情绪指数对中国股市风险收益关系的影响研究[J]. 经济数学，2017，34（3）：88-95.

[18]严太华，陈明玉.基于马尔科夫切换模型的上证指数周收益率时间序列分析[J].中国管理科学，2009，17（6）：33-38.

[19]ANG， ANDREW， HODRICK， et al. The CrossSection of Volatility and Expected Returns[J]. Journal of Finance，2006，61（1）：258-299.