一冷一热总关“情”：情绪beta与股票市场动态风格转换

胡昌生，陈 聪，池阳春

(1.武汉大学 经济与管理学院，湖北 武汉 430072；2.深圳南风阜财科技有限公司，广东 深圳 518000)

一、引言

在没有基本面信息变化的前提下，理性理论对投资者交易行为的预测是交易量很小或无交易，交易主要是满足投资者流动性和再平衡的需要。而现实中的交易量远远超过理性理论的预测。已有研究表明，投资者的交易行为已超过了理性模型的解释范畴，该现象被称为“交易量之谜”。

交易量之谜是一种金融市场中的典型异象，理性理论对此难以解释[1]。心理学实验表明人们是过度自信的，过度自信导致人们高估其知识，低估其风险，夸大对事件的掌控能力。在投资决策中同样会发生过度自信的行为。过度自信使人们曲解信息的准确性，高估分析信息的技能，从而过度交易，导致了交易量之谜的出现。因此，行为金融理论从投资者心理角度出发[2]，为解释交易量之谜开辟了一条新道路。

然而，鲜有研究立足于风格投资层面解释交易量之谜。Kumar发现，风格投资策略会产生显著的风格偏好动态转换(style preference dynamic shift)，个体投资者会系统性地将偏好在价值/成长、大盘/小盘极端风格组合之间转换。这种转换主要受前期极端组合收益差异和证券分析师的影响，与宏观经济变量无关。并且，这种风格偏好动态转换能对股票收益产生系统性的影响[3]。

尽管Kumar证实了个体投资者行为会导致极端风格组合交易之间呈现显著的负相关性，却未能捕捉到只分布于极端风格组合的超额交易[3]。因此无法解释风格轮动这一风格投资层面的交易量之谜。

二、文献综述

(一)风格投资与交易量之谜

大量研究证据表明，过度自信可以充分解释交易量之谜。过度自信的投资者会高估自己占有信息的准确性，对信息做出有偏的解释，即使在面临交易成本与预期收益下跌之时，仍然表现出巨大的交易强度[4]。

行为金融研究在解释交易量之谜上取得了重大进展，但是主要立足于单个资产，对于风格投资层面的探索鲜有问津。投资者往往为了简化投资决策过程，会按照某一指标对股票进行分组，将资金配置于不同风格组合中[5]。如果过度自信的投资者采取风格投资策略，便会使得风格组合表现出显著的交易强度。然而，注意力是一种稀缺的认知资源，投资者的交易会受到注意力驱动的影响[6]。即使将股票进行分组之后，仍然只会关注那些特征明显的风格组合，即极端风格组合。由此可得：风格投资会使得极端风格组合产生超额交易。此外，非理性投资者具有追逐前期收益的反馈交易特征，风格投资者会根据极端组合的相对收益做出反应。由于资金规模有限，在增加对某一极端风格组合的交易时必须从另一极端风格组合撤资、减少其交易，致使两个极端风格组合之间表现出显著的负相关性[3]。

综上，我们可以得出：市场风格轮动属于风格投资层面的交易量之谜，必须满足：极端风格组合的超额交易和极端风格组合之间的显著负相关性这两个条件。

(二)风格分类指标与情绪beta

现有研究中常见的风格包括大盘/小盘、价值/成长、赢家/输家、高/低股息收益等。Chen 等发现规模、账市比和股息收益这三种股票特征能捕捉到股票收益中与风格相关的趋势，投资者可以通过追逐趋势赢利(买入这些风格中的赢家组合，卖出输家组合)[7]。Froot等通过研究表明，机构投资者会按照规模、价值/成长及部门这三种指标对股票进行风格分类、形成风格投资行为[8]。

然而，现有的风格指标存在如下弊端：第一，Kumar发现极端风格组合交易之间存在显著的负相关性[3]，但是并未捕捉到完全分布于极端风格组合上的超额交易。因此，现有风格指标无法代表市场风格轮动，也无法直观体现风格投资是受基本面因素还是投资者情绪驱动。第二，投资者需要分别按照几种风格进行分组，仍然存在一定的决策成本。风格投资策略有待进一步简化。

基于上述弊端，我们提出情绪beta作为新的风格指标。首先，现有的风格指标均为研究所发现的结果，并非事先存在，也没有研究限定哪些指标可用于风格分类。投资者不会完全依据现有风格指标进行决策，因为市场风格有时是对一些概念股的炒作，与基本面因素无关，投资者更倾向于通过股票与“概念”的相关性进行分类，股票与“概念”的相关性通过股票的情绪特征——情绪beta进行体现更为合适，可以更显著地影响投资者对股票的关注度。其次，情绪beta由Glushkov所构建，用于体现个股的情绪敏感性[9]。研究表明，高情绪beta股票等价于规模较小、高波动、上市时间较短与成长型股票[9]。如果我们按照情绪beta对股票进行分组，便可全部囊括上述股票，进一步简化投资决策过程。并且，Glushkov发现，高情绪beta股票较之低情绪beta股票具有较高的超额收益，我们可以通过构建相应的风格投资组合来获取超额收益[9](1)从实务角度来看，中国的广发证券公司已经将情绪beta用于选股(http：//www.doc88.com/p-5397841724368.html)。。

(三)市场风格偏好动态转换的影响机制

根据行为金融理论，非理性投资者不具有信息优势，会凭借诸如前期资产收益的噪音进行交易，使得由前期资产价格变化引起的反馈交易成为非理性投资者的重要行为特征。因此，风格偏好转换可能受到极端风格组合收益差异的影响：Barberis等发现，风格投资者会买入前期上涨的风格组合、卖出前期下跌的风格组合，而与基本因素无关[5]。Teo等和Kumar分别发现了机构投资者和个体投资者的风格偏好转换与风格组合前期收益正相关的证据[3，10]。对于理性投资者而言，交易行为取决于基本面因素，风格偏好转换也会受到宏观基本面因素的影响[11]。

然而，现有研究都是基于投资者层面，如果我们将风格偏好动态转换研究拓展至市场层面，又会产生何种结论？因此，本文借鉴Kumar的实证模型，对市场风格偏好动态转换的影响机制进行了分析。

在金融市场中，套利者面临资本约束和有限投资期限问题，难以准确预测非理性投资者的偏好转换[3]，致使风格偏好在极端组合之间的转换所形成的协同性需求冲击无法通过套利充分消除，能够对股票组合收益构成系统性的影响。并且，当某一风格极端组合的前期收益上涨时，会使得投资者在当期对未来风格组合收益形成乐观预期、增加对该风格组合的需求。然而，由于投资者的资金规模有限，不得不卖出另一风格极端组合的股票、减少需求，使得风格偏好转换能够对两个极端风格组合收益构成显著、相反的影响[5](2)Barberis等的前提假设是风格投资者具有正向追逐风格前期收益的正反馈交易特征[5]。事实上，根据胡昌生等的研究，个体投资者受到损失厌恶与后悔厌恶的制约，更倾向于卖出已盈利的股票、买入已亏损的股票，表现出负反馈的交易特征[3]。并且，由于中国市场中的基本面交易者力量薄弱、个体投资者占据主导地位，市场层面的风格偏好转换可能也会与Barberis等的研究结论相悖：风格投资者具有反向追逐风格前期收益的负反馈交易特征。。此外，市场中还存在广泛的卖空限制，使得这种影响会存在区别。当市场中投资者情绪高涨时，由于卖空限制，理性投资者的意见不能得到充分的表达，非理性投资者占据主导；反之，当市场中投资者情绪低落时，非理性投资者淡出市场，理性投资者占据主导。由于个体投资者是非理性主体的典型代表，与理性主体的代表——机构投资者具有相反的需求特征与交易策略，导致不同情绪状态下的风格偏好动态转换对两个极端风格组合构成相反的影响。由于机构投资者是衍生品市场的主要参与者，不会受到卖空限制的显著影响[12]，致使卖空限制只会在情绪高涨时期对非理性投资者的卖出行为构成显著影响。

(四)文献述评

从现有研究来看：第一，现有文献只是基于投资者层面展开，尚未拓展至市场总量层面；第二，现有的风格分类指标无法捕捉到市场风格轮动现象；第三，风格投资策略依然会在一定程度上耗费投资者的精力与成本，有待进一步精简。因此，本文将从如下视角进行研究：一是本文第一次将风格偏好特征及其动态转换的研究拓展到整个市场，并且发现市场层面与投资者层面的风格偏好及其动态转换有很重要的差异(3)与现有投资者层面研究不同的是，首先，市场层面的风格偏好转换与短期动量指标(前1个月收益之差)并不存在显著的关系，而是与中期动量指标(前6个月平均收益之差)具有很强的负相关性。其次，在未给出的结果中，我们使用方差比率(Variance Ratio)和VAR分析检验了情绪beta极端组合风格偏好的持续性，结果表明情绪beta极端组合风格偏好并不具有持续性。这与Kumar的研究结论相反[3]。，不仅为我们理解投资者行为之间的相互作用和加总过程提供了一个有益的参考，而且对于中国股市所存在的热点频繁切换及风格轮动杂乱现象提供了合理解释，对于维护股市的健康运行具有重要的实践意义；二是本文第一次将股票的情绪beta作为风格分类指标，结果表明在所有的风格分类中，市场交易在高/低情绪beta极端组合之间的转换能使得整个市场表现出最为显著的风格轮动现象，这不仅为我们理解市场中风格产生和消失的机制提供了一个新的视角，更从风格投资层面解释了交易量之谜；三是在对极端组合收益的解释中，本文将投资者情绪纳入考虑，直接证明了投资者情绪在风格轮动中的作用。

三、风格特征的比较

风格投资过程的第一步是投资者根据股票的某一特征进行分组。在这一部分，我们选取了情绪beta、规模、账市比和动量这些分组指标，分别根据每一指标的滞后一期值将当期样本股票按照从低到高的顺序分为10组，主要考察不同股票分组之间交易的分布以及其相关性，具体如下：风格的“轮动”，极端组合之间的交易是否存在显著的替代关系(负相关性)；风格的“热度”，同一风格分类的超额交易是否完全位于极端风格组合。同时具有以上特点风格分类更容易产生市场中此起彼伏的“热点”。

(一)样本数据来源

本文的样本数据为全部A股，变量来源于国泰安数据库与Wind数据库，基于数据可得性，样本覆盖区间为2003年1月至2018年12月(4)本文的样本区间包含了2007年的世界经济危机。在经济危机期间，经济增长遭遇致命冲击，为金融市场带来系统性风险，进一步加剧了投资者对于未来市场的悲观预期，增加股票收益的波动率。在此，详细研究2007年的特殊时期将超出本文范围，故不予详述。。

(二)风格分类指标

1.情绪beta。我们借鉴Baker等的方法构建投资者情绪指数[13](5)本文省略了构造投资者情绪指数的具体过程，如有需要可与作者联系索取。，并且遵循Glushkov的方法，通过如下实证模型进行24个月的滚动回归、提取情绪beta[9]：

rtj，t-rft=αi+βj，tSentit+γj，tRmrft+φj，tSmbt+φj，tHmlt+κj，tLiqt+εj，t

(1)

其中，rtj，t表示股票j在t时期的收益率，rft为无风险利率，Sentit为投资者情绪指数，Rmrf、Smb与Hml为Fama and French三因子，Liq为Pastor and Stambaugh流动性指标，αi为常数项，βj，t为情绪变量的回归系数，即情绪beta，εj，t为随机扰动项。

2.动量指标。我们借鉴Kumar的方法，以前j个月的平均收益作为动量指标[3]。为了避免考察期间不同导致的结果差异，我们选取多个月份指标，分别考虑j为1、3、6、9、12的情形。具体计算方法为：

(2)

其中，momjl，t为第l只股票根据前j期收益计算得到的动量指标，rtl，t为该股票第t期的收益。

3.规模指标。为了减少价格变化的影响，我们将上一季度末的个股流通市值作为规模指标：个股的流通股数与收盘价的乘积。

4.账市比指标。与规模指标相一致，为了降低价格变化所产生的影响，我们通过上一季度末股票的账面价值与市场价格之比作为账市比指标。

(三)风格偏好的度量

在通过风格分类指标对样本股进行分组之后，本文计算市场对于每一组股票的风格偏好程度。基于投资者层面的研究常常用股票的持有量和买卖差异来反映风格偏好[2]，这在拓展到市场层面时会遇到障碍。对于任何股票，市场层面的持有量(标准化后)始终为1，买卖始终相等。对此，我们用交易量来反映市场层面的风格偏好(6)交易量也常常被用来反映投资者的有限关注[14-15]，对极端组合的风格偏好在很大程度上也与投资者的有限关注有关。，计算每一组的平均成交额。为了剔除股票规模对结果的影响，我们对每一只股票的成交额进行规模调整：

(3)

(4)

每一组股票非预期的风格偏好为：

spus，t=sps，t-spes，t，s=1，2，…，10

(5)

(四)比较分析

为了比较不同风格分类在捕捉到市场“热点”轮动方面的代表性，我们考察基于哪一种风格指标的分类所得到的极端组合能具有高于市场平均水平的交易强度，并且极端组合之间的交易分布具有显著的负相关性。

表1 Panel A中的前10行给出了每一种风格分类的超额交易分布，最后一行给出的是极端组合超额交易的相关系数。在所有分类指标中，情绪beta极端组合表现出了较强的负相关性(-0.696)，非预期交易主要集中在两个极端组合上，见图1。然而，对于其他风格分类来说，普遍表现为负相关性不足或超额交易未完全分布于极端组合。

从Panel B可以发现，在所有的风格分类指标中，情绪beta极端组合交易的放大最具有对称性，并且交易放大的程度也是最高的，极端组合之间产生“热点”和风格轮动的特征表现得最为明显。而其他风格分类要么“热度”不够，要么“热点”只集中在极端组合的一端而难以发生“轮动”。

表1 超额交易分布

注：括号中表示的是相关性检验所产生的p统计值。50%，L1(50%，H10)表示当H10(L1)组交易下降50%时，L1(H10)组的交易水平。0.01，L1(0.01，H10)表示当H10(L1)组交易下降至0.01时，L1(H10)组的交易水平。

为了进一步理解市场中风格轮动的动态特征，我们在图2中给出了情绪beta极端组合标准化后的交易时间序列图。结果与表1的分析高度吻合。

(a) 情绪beta

(b) B/M图1 非预期交易分布

图2 情绪极端组合时间序列(标准化)

(五)替代效应

投资者将极端组合视为特殊组合忽略掉中间情形，其交易偏好在极端组合之间转换会使极端组合之间的交易分布具有负相关性。需要注意的是，即使不把极端组合当成特殊组合，当投资者增加某一些股票的交易时，相对而言，其他股票的交易会减少，产生交易偏好的负相关性，即所谓的“替代效应”[3]。但是，如果投资者不把极端组合特殊对待，那么，对其他股票交易的减少应该是均匀分布的，而不是集中在另一极端组合上，从而产生的负相关程度也会较低，为了排除极端组合交易分布的负相关性是由替代效应所致这一可能性，我们考察比较极端组合交易分布负相关程度是否远远大于由替代引致的负相关水平。

为了计算由替代效应导致的负相关性，我们考虑将股票分为q+1组。假设一个冲击使得某一极端组合的交易需求随机增加ε。如果只是由于替代效应，那么投资者应该以相同的概率随机地从其他q组股票减少交易。设u是一个随机变量，服从二项分布(1，1/q；0，1-1/q)。另一极端组合交易相应的变化为-uε，二者的相关系数为：

(6)

从上式可以看到，由替代效应导致的负相关性随着分组的减少而增强，如果我们只把股票分为两组(q=1)，那么相关性必为-1。在10组的情况下(q=9)，如果对极端组合的需求没有趋势(E(ε)=0)，上式达到最大值-1/3。在最大限度地排除替代效应后，情绪beta、账市比和规模极端组合仍然具有很强的负相关性。其他风格分类极端组合的负相关性在最大限度地排除替代效应后则会变得十分微弱，甚至为正。当然，如果考虑到极端组合需求的趋势(E(ε)≠0)，由替代效应引起的负相关性会减弱，从而在排除替代效应后极端组合能保持更强的替代关系(7)本文所考虑的是替代效应的最大可能情形，Kumar用模拟的方法检验了极端组合之间的替代效应，结果相对于本文偏低[3]。。

综上，可以看到基于情绪beta指标的风格分类能很好地捕捉到市场中的“热点”产生和风格轮动现象，因此在接下来的两个部分，我们主要考虑基于情绪beta的风格分类。

四、情绪beta风格偏好动态转换的影响因素

根据Kumar，非理性投资者往往会基于股票的历史收益对未来收益进行预测，表现出反馈交易的行为特征。因此，风格偏好动态转换可能会受到极端风格组合收益差异的影响[3](8)与单个资产的反馈交易不同，风格层面的非理性投资者是根据极端风格组合的相对收益变化做出决策，表现出相对收益追逐(relative performance chasing)的行为特征[5]。。另外，理性投资者属于知情主体，会根据基本面信息做出交易决策。因此，风格偏好动态转换也会受到宏观基本面因素的驱动。综上，我们在本节借鉴Kumar的实证模型，选取动量指标、公司盈利指标与宏观经济指标作为解释变量[2]。具体的变量来源及构建方法如下。

(一)变量介绍

1.风格偏好动态转换。在同一风格之内，我们用该风格组合中所有股票月频交易差异的等权平均值来表示整个市场对该投资组合风格偏好的动态转换。具体的计算公式为：

(7)

其中，spss，t表示风格组合s第t期的偏好转换，其他符号的定义与式(5)相同。进一步，极端组合的风格偏好动态转换为：

spsdt=sps10，t-sps1，t

(8)

spsd变量能够捕捉到市场对于风格1或10组合的偏好，spsd大于0表明了市场对风格10组合具有更显著的乐观预期。

2.动量指标。由于非理性投资者会表现出追逐“热点”的反馈交易行为，对基本面因素表现出反应过度或反应不足，风格偏好动态转换可能受到极端风格组合收益差异的影响[3]。为了避免过于依赖所考察的收益期间，同时也为了避免相互重叠的区间过多，我们考虑短期、中期和长期三种情形，首先选取前1、6、12个月的动量指标，计算方法如式(4)所示。因此，极端组合之间动量收益的差为：

momjdt=momj10，t-momj1，t，j=1，6，12

(9)

3.公司盈利指标。除了极端风格组合收益差异之外，投资者也会通过盈余来预测未来资产收益[3]。因此，本文选取了每股盈余、营业收入增长率和盈余动量作为公司层面的盈余指标。

极端组合之间每股盈余(e_be)的差为：

e_bedt=e_be10，t-e_be1，t

(10)

营业收入为公司经营过程中确认的营业收入，其增长率(gst)为：

gsi，t=salei，t/salei，t-1

(11)

其中，salet为第t期的营业收入，极端组合之间的营业收入差为：

gsdt=gs10，t-gs1，t

(12)

盈余动量的构建方法来源于Chan 等[16]和Kumar[3]，计算公式为：

(13)

emdq=em10，q-em1，q

(14)

4.宏观经济指标。如果投资者属于理性主体，会根据基本面因素做出投资决策，风格偏好动态转换可能会受到宏观经济变量的影响[3]。在宏观经济指标的选取上，基于数据的可得性和对中国实体经济运行状况的反映程度，我们选取工业增加值增速比率(iavr)、居民消费价格指数(cpi)和宏观景气指数(mci)这三个指标。

(二)回归分析

为了研究风格偏好动态转换的影响因素，我们考虑如下多因素回归模型：

spsdt=α0+α1mom1dt+α2mom6dt+α3mom12dt+α4emdq-1+α5gsdt-1+α6e_bedt-1+α7iavrt-1+α8cpit-1+α9mcit-1+εt

(15)

上式可以适用于所有风格分类动态转换影响因素的研究，在这一部分，我们主要考虑将情绪beta极端组合风格偏好动态转换的差异作为被解释变量(spsd)。对于其他风格分类指标，我们将在后续进行统一的比较。

回归结果如表2所示。在列(1)单独以动量指标作为解释变量的回归中，中期动量指标(mom6d)是风格偏好动态转换最为显著的影响因素(9)调整的R方达到了26.1%，远远高于用公司盈利指标和宏观经济变量单独进行回归的调整的R方。。在列(4)控制其他影响因素之后，中期动量指标仍然在1%水平上具有显著性。因此，某一极端风格前6个月平均收益越低，越可能成为市场中的“热点”，使得风格偏好发生转换。反之，短期与长期动量指标都不具有显著性，无法构成风格偏好动态转换的影响因素。

在其他的影响因素中，尽管列(3)中宏观经济变量具有显著性，但是居民消费价格指数(cpi)的显著性水平并不高，并且调整的R方仅为5.8%。公司盈利指标虽然在单独回归中(列(2))只有盈余动量(emd)具有显著性，但是调整的R方达到了8.4%，高于宏观经济变量。在纳入所有影响因素的回归中(列(4))，公司盈利指标与宏观经济变量均不具有显著性，但是中期动量指标(mom6d)依然在1%水平上具有显著性。

总的来说，中期动量指标是情绪beta风格偏好动态转换最为重要的影响因素，情绪beta风格偏好的动态转换具有很强的反向追随中期收益的特点。公司盈利指标和宏观经济变量对风格偏好动态转换的影响都相对微弱。

表2 情绪beta风格偏好动态转换的影响因素

注：对风格偏好动态转换变量(spsd)进行标准化处理。L.表示滞后算子。*、**、***分别表示10%、5%、1%的显著性水平。括号中给出的是经过Newey-West调整的t统计量。不再赘述。

在本节的稳健性检验中，我们根据其他几种风格分类指标来重复第四部分的实证研究。研究结果与第四部分高度吻合。

五、情绪beta风格偏好动态转换与收益

为了研究情绪beta风格偏好动态转换对极端组合收益的影响，我们借鉴了Kumar的做法[3]，将风格偏好动态转换差异(spsd)作为共同因子，引入Fama和French三因子作为控制变量，并把投资者情绪作为条件变量，构建一个用于市场横截面收益研究的多因子模型，以此检验风格偏好动态转换是否对极端组合收益具有增量解释力以及投资者情绪状态在风格偏好转换影响极端组合收益中的作用。不同的是，我们没有考虑动量因子，因为我们在回归中将投资者情绪作为状态变量，以直接说明风格偏好转换对收益的影响受到情绪的驱动，但是非理性投资者往往会对前期价格变化做出反应，具有追逐动量的特征，容易与动量因子所包含的非理性成份产生冲突、导致共线性的存在，我们因此将动量因子从模型中舍去。

由于卖空限制，不同情绪状态下的风格偏好动态转换会对极端风格组合收益构成不同的影响，我们在风格偏好动态转换变量的回归系数中引入情绪虚拟变量，以考察情绪beta的spsd对收益的影响程度与情绪状态之间的关系，基本的回归方程为：

rts，t-rft=α+β1rmrft+β2smbt+β3hmlt+

(β4+β5Dt)×spsdt+εs，t

(16)

其中，rts，t表示风格组合s的收益率(10)属于风格s的所有股票的等权收益率。，rft为无风险利率，rmrft，smbt和hmlt分别为市场因子、规模因子和账市比因子，Dt为虚拟变量，在情绪高涨时期取1(11)本文借鉴姜永宏等的方法，以上证指数月收益率>(<)0作为牛(熊)市的衡量标准，并将牛(熊)市设定为情绪高涨与低落时期[17]。，εs，t为随机扰动项。在这一部分，我们用情绪beta极端组合的动态偏好转换变量(spsd)作为传统三因子之外的解释变量，将极端组合超额收益作为被解释变量进行上式的回归(12)即情绪beta极端组合之间的spsd对高情绪beta组合和低情绪beta组合的收益分别进行回归，在式(15)的基础上，一共产生2种回归形式。。

实证结果如表3所示。首先，在不考虑投资者情绪作为虚拟变量的回归中(行(2)、(5))，情绪beta风格偏好动态转换对两个极端组合的收益都有显著的影响，并且其系数符号具有相反性(13)投资者面临资金规模约束，在配置资产过程中，不同风格组合会形成竞争。由于spsd是通过两个极端组合风格偏好动态转换之差得到，当投资者对极端组合的关注度及未来预期形成差异时，由风格偏好转换所引致的资金在不同极端组合之间的流动会对组合收益构成显著、相反的影响。。

其次，当把投资者情绪作为虚拟变量纳入回归方程后，不同情绪状态下的风格偏好动态转换对极端风格组合构成了相反的影响。在投资者情绪的低落时期(Dt=0)，spsd对高情绪beta极端组合收益构成了显著的正向影响，对低情绪beta极端组合收益也构成了显著的反向影响(14)因为理性投资者是衍生品市场的主要参与者，卖出行为不会受到卖空限制的显著影响[12]。。反之，在投资者情绪的高涨时期(Dt=1)，spsd×D对于两个极端组合的系数符号与情绪低落时期完全相反(15)由于非理性投资者与理性投资者的反向交易行为所致。。但是，风格偏好动态转换并未强化高情绪beta极端组合收益的趋势，反而降低了该组合的当期收益，说明情绪高涨时期的风格偏好动态转换未能准确体现股票价格走势，只是包含了噪音。此外，spsd×D对高情绪beta极端组合收益的反向影响不具有显著性，是因为非理性投资者所面临的卖空限制所致。所以，在考虑投资者情绪状态之后，情绪beta的spsd对极端组合收益的影响在情绪低落时期更加显著。

根据这部分实证结果，我们可以据此构建投资策略：通过在情绪低落时期买入高情绪beta极端组合、卖出低情绪beta极端组合，在情绪高涨时期买入低情绪beta极端组合、卖出高情绪beta极端组合，分别获取0.74%-(-0.69%)=2.43%与1.7%-(-0.49%)=2.19%的无风险收益率。

表3 风格偏好动态转移与收益的关系

在以上稳健性检验中，我们通过其余几种风格分类指标进行第五部分的研究。实证结果与上文保持一致。

六、总结

本文基于投资者非理性的视角，对现有的风格分类指标进行了拓展，提出了情绪beta这一更具代表性的风格分类指标，并与传统的规模、账市比和动量等风格分类指标进行了广泛的比较：考察了不同风格分类指标所形成的超额交易分布与极端风格组合之间的替代关系，研究了市场风格偏好动态转换的影响因素，并对风格偏好动态转换对股票收益的影响进行了分析。研究结果表明：第一，在所有风格分类中，情绪beta极端组合产生了仅次于账市比与规模分类的负相关性与集中在极端组合的超额交易、具有“U”形特征，从而能产生市场风格，并使风格发生“轮动”；第二，市场层面的风格偏好动态转换具有反向追逐中期收益的特征，是一种负反馈的非理性行为；第三，情绪beta风格偏好动态转换对组合收益具有系统性的影响，由于不同情绪状态下的投资者结构存有差异，使得系数在情绪高涨与低落时期形成相反的符号，分别产生显著的动量效应、微弱的反转效应与显著的动量效应、反转效应。因此，在市场层面，“热点”产生及风格轮动的显著特征是市场的风格偏好在高情绪beta和低情绪beta组合之间相互转换，并伴随着当前流行风格交易量的放大和价格的上升。

综上，本文从风格投资层面解释了交易量之谜，丰富了投资者情绪理论，具有一定的理论意义。对于金融监管和指导投资也具有重要的借鉴意义。在金融监管方面，可以帮助我们更好地理解资产价格在横截面上发生波动的驱动因素，分析投资者情绪的作用，抚平资产价格的过度波动。在指导投资实践方面，我们可以通过构造在情绪低落时期买入高情绪beta极端组合、卖出低情绪beta极端组合，在情绪高涨时期买入低情绪beta极端组合、卖出高情绪beta极端组合的投资策略，获取可观的无风险收益，帮助投资者从纷繁复乱、难以琢磨的市场流行趋势中找到市场“热点”产生及其动态变化的基本特征，把握市场的“脉搏”。