理性选择理论视角下的新兴产业自愿退出现象研究——基于光伏产业VAR 的“市场情绪——自愿退出”实证检验

陈友芳，何晋铭，丁雅婷

（华南师范大学，广东 广州 510631）

针对新兴产业的过度进入，基于博弈论框架的解释框架均是把过度进入解释为进入博弈的纳什均衡，林毅夫等构建了一个 “行业内企业总数目不确知”的市场竞争两期动态架构，把过度进入解释为博弈均衡下的潮涌现象。［1］但是，针对博弈论框架下的解释，至今已有的实证研究只是证明了存在潮涌现象，并没有证明过度进入是纳什均衡现象。纳什均衡的本质是理性的参与人不会单方面后悔，在过度进入现象中，单方面后悔表现为企业投资者或主要股东会自愿退出新兴产业。如果新兴产业的企业退出行为是自愿的，就证明过度进入并非纳什均衡现象。本文以光伏产业为例，参考学者张宗军（2013）对主动退出的划分，把出于公司战略决策或章程规定的事由需要解散的，把国家企业信用信息系统中注销原因为“决议解散”的，均归为自愿退出行为。因此，要证明新兴产业过度进入是非纳什均衡现象，必须还要证实这样一个问题，即光伏企业的自愿退出行为是否受市场情绪支配？如果是，则意味着企业的自愿退出行为是非理性的，反之就说明这种自愿退出行为是理性的，从而彻底证明了过度进入不是纳什均衡现象。本文的目的集中在探讨光伏企业的自愿退出行为是否受制于市场情绪，为证明理性参与人是否存在单方面后悔情况做理论铺垫。本文以光伏产业为例，构建市场情绪指标，进而构建“市场情绪—自愿退出”VAR 模型，验证新兴产业的自愿退出行为是不是企业的非理性情绪行为。

1 市场情绪及其构建

1.1 市场情绪

市场情绪（sent），反映所有市场参与者对本市场发展状况的一种直接的、共同的情绪感觉，一般用证券市场的数据来构建情绪指数，反映整体投资者的一种共同的非理性情绪。现代心理学家津巴多倾向于把情绪理解为一种复杂的身体和心理变化模式，包括生理唤醒、感觉、认知过程、外显的表达以及特殊的行为反应，这些反应都是个体针对认为具有个人意义的情境做出的［3］。简单理解，投资者对市场中认为重要的情境做出的感知觉上的变化可称为市场情绪。一般而言，市场情绪通常被学者认为是市场群体行为的共同作用，是由不同投资者之间的相互作用决定的，个体行为会受自身情绪影响，也会受市场总体情绪的影响［4］。投资者间因没有严格的互动关系，所以他们是一种类群体或一种松散的、非正式的群体［5］，由这类群体产生的市场情绪是投资者非理性行为的结果，如Shiller 曾发现时尚、群体压力等社会性因素会影响人们投资态度与行为，进而导致股市的波动［6］。

在本文的研究中，整个光伏产业的企业投资者的过度进入是否受市场情绪支配？对于这些企业投资者的市场情绪究竟如何构建，是一个难题。选择我国上海和深圳证券交易所光伏概念板块的上市公司数据构建市场情绪指标，一是上海深圳两市的光伏概念板块的上市公司具有行业代表性，足以反映光伏产业的企业投资者的行为是否受市场情绪影响；二是股票市场状况对非上市公司投资者的行为有着重要影响。

1.2 市场情绪构建方法及指标选取

在已有研究中，构建市场情绪指标的方法包括以下四种。

1）直接获取式的情绪指标，又称直接指标，在行为金融学中是一个衡量非理性噪音交易者的重要指标。在实业界最受欢迎的是看跌指数（Bearish Sentiment Index），它是投资顾问看跌人数占总体投资顾问人数（包括看涨和看跌）的比重，它通常被认为是股票未来收益的反向预测指标［7］。

2）间接分析式的情绪指标，又称间接指标。部分学者认为封闭式基金折价率并不能很好地体现市场情绪，而另一部分学者则认为封闭式基金折价率能很好地反映投资者的情绪，Neal 和Wheatley 在1998 年曾讨论过用封闭式基金代理市场情绪能较好预测未来收益等。［8］如2017 年诺贝尔经济学奖得主Richard H·Thaler 同时在其《赢家的诅咒》一书中指出噪音交易者的非理性干扰越大，封闭式折价率会越大［9］。

3）主成分分析式的情绪指标，这是一种用多个直接或间接指标合成的综合指标。Baker and Wurgler以BW 模型为理论依据，并从创业板的特点出发，依据数据的可得性、可靠性原则及前人的研究基础，选取了成交额、换手率、新增开户数、股票型基金仓位等指标构建情绪指标，此外创新性地选取了两融余额这个指标［10］。此后，他们在2007 年进一步指出用Top Down 的方法，把市场情绪作为一个潜在变量，把各代理指标作为外显变量，用一种极为简化的模式，即使用主成分分析的方式把繁多的外显代理变量进行浓缩，以更精准地构建情绪指标。目前国外学术界建立市场（投资者）情绪指标的方法多采用基于BW 模型的主成分分析法。当然这种方法也不是完美的，在2014 年曾有中国学者指出，由于根据主成分分析构建的指标的公共因子很容易存在共同噪音的部分，从而降低了合成出来的情绪指标的解释力度［11］。

4）大数据分析式的情绪指标，这是现今互联网数据技术进步的产物。大数据的力量让样本无限接近甚至等于总体的条件，绝对是分析、预测现实世界最好的保证。可这种情绪指标存在一个致命的弱点：构建一个市场大数据系统的成本十分昂贵，一般只有大规模的实业公司才考虑，学术界一般不考虑。

考虑学术界的现状与可行性，本文选择采用主成分分析法，运用代理指标构建市场情绪指标。代理指标包括显性代理指标和隐性代理指标。显性代理指标通常是采用使用调查数据编制而成的、一般属于某组织协会或机构的指数等，如央视看盘指数、看跌指数、AAII 指数（美国散户投资人情绪指数）、投资者职能指数等。隐形代理情绪指标是通过采用股票交易市场中的相关指标去衡量或代理市场情绪程度，如封闭式基金折价率、消费者情绪指数等。本文初始选择了六个隐性代理情绪指标，分别是：封闭式基金折价率、每月成交量、每月市盈率、每月换手率、每月市销率、创新程度的高低。由于目前对用封闭式基金折价率衡量市场情绪的评价褒贬不一，以及反映创新程度高低的数据过于主观，最终决定使用四个隐形情绪代理指标来综合反映市场情绪：每月成交量、每月市盈率、每月换手率、每月市销率。

换手率（TURNym）：每月股票市场中光伏概念板块的换手率。换手率是反映股票流通性强弱的重要指标。换手率高，表明股票的交投活跃，流通性强，有较强的变现能力，反之亦成立。

市盈率（PEym）：每月股票市场中光伏概念板块的市盈率。市盈率反映二级市场的估值水平，其反映了上市公司盈利等财务持续状况。该指标常常用来作为构建市场情绪的代理变量。一般而言，其估值水平越高，表明市场情绪越高涨。

成交量（TVym）：每月股票市场中光伏概念板块的成交量。成交量是判断市场情绪的重要指标。通常情况下，成交量大，说明市场越活跃。

市销率（PSym）：每月股票市场中光伏概念板块的市销率，市销率可用于衡量一个市场板块或整个市场的相对估值。市销率越小，其投资价值越高，若市销率超过10 时，通常被认为风险过大。其中，y指的是年份，m指的是月份。

为了把宏观经济基本面因素从市场情绪指标中剥离出来，降低市场情绪指标的系统误差。选取消费者物价指数（CPI）以及生产者物价指数（PPI）这两个指标作为宏观经济基本面因素的代表指标。

1.3 市场情绪的构建

选取2014 年1 月1 日至2019 年3 月31 日之间在国内上海和深圳股票交易市场上市的所有光伏概念板块公司。所使用的代理变量包括换手率TURNym，市盈率PEym，成交量TVym，市销率PSym以及消费者物价指数CPI、生产者物价指数PPI，所有的数据来自同花顺数据库、前瞻数据库和WIND 数据库。

为了避免宏观经济周期对市场情绪指标构建的影响，两个宏观经济指标进行了以10 为底的对数处理。此外，在正式进行主成分分析之前，将所有的情绪代理变量和宏观经济指标的数据都用SPSS 19.0软件进行标准化处理，以排除单位的影响，便于进行分析。以4 个情绪代理变量依次为因变量，以消费者物价指数CPI、生产者物价指数PPI作为自变量进行回归，将4 次回归得到的4 个残差作为该指标除去宏观经济因素影响后的新代理变量，并进行标准化。在使用四个新代理变量进行主成分分析前，对数据实行KMO和巴特利球形特检验，发现KMO取值为0.694，接近0.7，可接受，即所有变量间的简单相关影响大于其偏相关的影响，适合做进一步分析。同时，巴特利特球形检验在0.001 水平上显著，证明相关矩阵不太可能是单位矩阵，所有变量适合进行主成分分析。最后把所有情绪代理变量进行线性组合以达到降维的目的。把4 个代理变量合成为一个主成分，即得分即为市场情绪指数，其累计方差解释率达到了84.627%。为计算主成分的特征向量，如表1 所示，所用变量均是剔除宏观经济影响后得到的新代理变量。各指标的特征值均十分高，能较大限度地利用它们拟合出综合情绪指数。

表1 提取主成分的成分矩阵

经计算得到的主成分得分及表达式如下：

由表达式可知，成交量、市销率、换手率、市盈率都能较好地拟合市场情绪sent指数。

为了保证市场情绪指数具有稳定性，需要进行一致性检验。为考察本文构建的市场情绪sent指数能在多大程度上反映出光伏市场的变化情况。在得到情绪sent指数的得分后，将市场情绪sent 指数得分和光伏股票市场散点图的趋势线（下图中称为“光伏指数”）进行拟合，结果如图1 所示：两者在2014—2018 年月底趋势上几乎一致，而差别仅体现在变化幅度上，这说明sent情绪指数能够体现出股票市场的情绪变化。本文编制的sent情绪指数在一定程度上先于股指体现的变化，2015年5 月 和2015 年11 月、2017 年9 月、2018 年9月的几次峰值均表现出情绪变化先于光伏概念股票市场变化的特征。

2 “市场情绪-自愿退出”模型构建

建立WAR模型，将市场情绪与企业自愿退出数的滞后值进行回归，假定两者存在滞后P期的时滞关系，则可得一个P阶VAR模型表达式：

图1 情绪指数得分和光伏指数的一致性检验

在此模型中，βp为第p期待估计参数N×N的阶矩阵，εt是N×1 阶随机误差列向量，市场情绪指数sent与企业自愿退出数exit都会视为内生变量，把被解释变量的滞后变量也作为解释变量，可以避免因不太成熟的理论导致的系统误差，即避免了对内生变量及外生变量的划分不准确导致的影响，使得结果更贴近真实。使用Excel 与Eviews 8 对光伏市场情绪指数与光伏企业自愿退出关系①情绪指数为对换手率、成交量、市盈率、市销率四个指标利用主成分分析方法构建的数据结果，自愿退出数来自在企业公开信息网——天眼查上进行按自愿退出规则逐个筛选的。进行研究。

2.1 单位根及协整检验

为了不改变原序列的变化趋势并消除异方差影响，对自愿退出（exit）进行对数化处理，而情绪指数（sent）由于存在负数，若进行对数化处理则会损失相关数据。采用单位根检验方法对情绪指数和自愿退出的时间序列数据进行平稳性检验。自愿退出（Inexit）与情绪指数（sent）单位根检验结果如表2 所示。

表2 各变量单位根检验结果

单位根检验表中显示了情绪指数与对数化后的自愿退出数都在0.05 水平下显著，故Inexit序列接受具有单位根检验（C，T，0），自愿退出数存在常数项和时间趋势，即原阶平稳；sent序列接受具有单位根检验（0，0，0），不存在常数项和时间趋势，即原阶平稳。两指标为同阶单整，符合协整检验条件。采用Johansen协整的特征根迹（Trace）检验，其原假设为两变量之间不存在/最多存在N个协整变量②None 协整检验的原假设为：两变量之间不存在协整变量，其备择假设为：两变量之间存在协整变量；At most 1 协整检验的原假设为：两变量之间最多存在1 个协整变量，其备择假设为两个变量之间至少存在1 个协整变量。，检验结果如表3 所示，在不存在协整变量检验（p＜0.05）结果显示：情绪指数与自愿退出数之间存在协整向量；在最多存在一个协整变量检验（p＞0.05），结果显示：情绪指数与自愿退出数之间最多只有一个协整向量，故可进行构建向量自回归（VAR）模型。

表3 Johansen 协整检验表（特征根迹检验）

2.2 滞后阶数确认

使用信息准则确定滞后阶数，信息准则一般配合其他4 个检验指标进行检验，结果如表4 所示。

在向量自回归模型滞后期检验表中，五个检验的最佳滞后期指标中除了SC 不显著外，其余四个指标都认为滞后3 期为最佳滞后期，因此确认构建滞后3 期的VAR 模型。

2.3 模型建立与稳定性检验

根据协整检验与基于信息准则确认的最佳滞后期后，将建立情绪指数sent与企业自愿退出数exit的VAR（3）模型。为再次确保VAR（3）模型的数据稳定性，对其单位根的分布情况进行检验，图2 中的6 个单位根都小于1，全部落在单位圆里，说明本次构建的模型有效且稳定。

表4 向量自回归模型滞后期检验表

图2 单位根分布图

根据模型的回归统计量与检验结果的参数估计，回归方程（标准OLS 回归）如下：

在上述模型的回归中，能看出VAR 模型的拟合度较高，各个方程调整后R2分别达到0.926 3，0.758 9，说明本次模型拟合比较理想，故可以进行下一步格兰杰因果检验，以鉴别市场情绪指数与自愿退出两时间序列变量之间的因果关系。

3 “市场情绪-自愿退出”模型解析

针对光伏企业投资者的自愿退出行为是否受到市场情绪的影响，即市场情绪是否是自愿退出的原因，本文从三个方面分别展开深入分析。

3.1 格兰杰因果检验

通过协整检验证明了市场情绪指数与企业自愿退出数之间存在长期稳定关系，但不知道这个稳定关系是否具有统计学意义上的因果关系，若是，原因是市场情绪指数，还是自愿退出呢？

经模型检验得出，在滞后三期，0.01 的显著性水平下可以认为：市场情绪指数变化不是引起自愿退出数变化的Granger 原因（x2=1.138，df=3，p=0.767 9＞0.01）；自愿退出数的变化是引起市场情绪指数变化的Granger 原因（x2=14.421，df=3，p=0.002 4＜0.01）。结果显示，市场情绪不是引起光伏企业自愿退出的原因。可能的原因是企业投资者们不是单纯看到光伏市场的变化就直接判断目前市场的走向，并跟随市场情绪做出退出光伏市场的决定，而是经过深思熟虑，客观权衡了自身继续留在光伏市场中的利弊后做出的理性选择。同时，自愿退出数的变化能解释市场情绪指数的变化，这是因为光伏市场中某些企业的自愿退出行为导致光伏市场产生变化，无论这种变化是积极的还是消极的，或多或少都会影响到光伏股票市场的波动，影响到整个光伏企业投资者对待现实市场的看法与由此产生的情绪。

3.2 “市场情绪-自愿退出”脉冲响应函数分析

在建立VAR 模型后，需要对模型内的变量关系进行进一步检验，在模型中常用的方法为脉冲响应函数，因为脉冲响应函数能较为全面地反映市场情绪与自愿退出之间的动态关系。本文构建的“市场情绪—自愿退出”模型是一个非理论性的模型，在谈论市场情绪与自愿退出两者之间的相互影响时，不能单讨论情绪变量对退出变量的影响，也不能单看退出变量对情绪变量的影响，必须分析一个变量的误差项的变化对模型冲击时的动态影响。在进行脉冲响应分析前已对残差序列进行相关检验，发现两者的残差序列相关性（0.090 3）很弱，因而适合进行脉冲响应分析。

“市场情绪—自愿退出”的脉冲响应函数可表达为①Csentj（q）表示第j 个扰动项在第q 期的影响参数，即市场情绪中的第j 个扰动项在第q 期对市场情绪的影响系数，具体表现为市场情绪对yj单位脉冲的响应；εjt 为第j 个扰动项在t 时刻对市场情绪造成的影响，又被称为新息。：

t=1，2…，T；k为变量个数。

此时，由情绪变量ysent引起的yj的脉冲就是Csentj（1）、Csentj（2）、Csentj（3）等等，由这些脉冲累计的响应就是

采用广义脉冲的方法分解市场情绪对自愿退出的影响以及自愿退出对市场情绪的影响。

首先，分析自愿退出对市场情绪的脉冲响应函数，结果如图3 所示。具体而言，自愿退出数对市场情绪的冲击总体是负向，尽管第一个月的时候自愿退出对市场情绪指数是正向影响，也就是说自愿退出数越多，市场情绪越高涨。此时的市场可能表现为一种情绪持续低落前的缓冲，可以解释为自愿退出对市场的影响存在滞后，在短期内光伏市场中企业减少会导致其他继续经营的企业对资源的竞争相对缓和，此时市场中各种营业指标会短期假性的上涨，不明真实情况的企业就会认为光伏市场有变化的趋势，最终导致情绪指数的上涨。从第二个月开始，自愿退出数对市场情绪为负向影响，即自愿退出数量越多，市场情绪越低落。此时光伏市场更多地表现为一种持续的低落状态。由于企业自愿退出数量不断提高，市场的总体情况变得不景气，成交量下跌、流通率下降、货物囤积滞销等，让仍在经营的企业对市场并不抱有太多期望。

图3 自愿退出对市场情绪的脉冲响应图

其次，再分析市场情绪对自愿退出的脉冲响应函数，结果如图4 所示。显示市场情绪对自愿退出的影响总体是正向，说明市场情绪越乐观的时候光伏市场中企业的自愿退出数越多，相反，市场情绪越悲观，光伏市场中企业自愿退出数越少。这是一个违反直觉的结论，因为一般来说，理性投资人会最大化自身利益，当市场情绪乐观时，不知情的企业更愿意投资进入光伏市场，而市场情绪悲观时，他们更希望撤资离开光伏市场。可脉冲冲击函数显示市场情绪越乐观，自愿退出的数量越多，这与直觉的理解不符。但这也从另一方面也证实了因果关系检验的结果——企业投资者对光伏市场非理性的情绪不是引起他们自愿退出的原因。

图4 市场情绪对自愿退出的脉冲响应图

3.3 “市场情绪-自愿退出”的方差分解分析

在“市场情绪—自愿退出”模型中，脉冲响应函数描述了一个内生变量的冲击对另外一个内生变量所带来的影响，继而进一步探讨每一个结构的冲击对内生变量的贡献（相对贡献率RVC）究竟有多少，即结构冲击对内生变量方差的变化程度，以更近一步了解不同内生变量对其他变量冲击的相对程度，方差分解分析可以更好地把握“市场情绪-自愿退出”变量间的影响关系及贡献程度。

对于市场情绪而言，首先根据脉冲响应存在表达式：

其中括号里是市场情绪中第j个扰动项εj从无限过去到现时对市场情绪ysent影响的总和，若记Var（εjt）=σjj，即σjj为第j个扰动项的方差，当认为εj无序列相关时其方差可表达为：

同时，考虑把第j个扰动项对市场情绪从无限过去到现在的影响，用方差进行衡量并假定扰动项向量协方差矩阵∑为对角矩阵，此时市场情绪ysent的方差就是上述k项简单相加，表达为：

此时，基于自愿退出的方差对市场情绪冲击确定相对贡献度，并将其定义为：

通过有限s项能近似真实结果，本模型近似相对贡献度为：

针对自愿退出对市场情绪的相对方差贡献度而言，市场情绪的增长变化受其自身影响呈现出逐步衰减的趋势，从最初的99%减少到第十期的85%，而自愿退出对市场情绪的影响呈现逐步上涨的趋势，从初始毫无影响直到第10 期上升达到最大值为16%（RVCexit→sent（10）=16%），由此看出自愿退出能较好地影响到市场情绪的变化，见表5。

针对市场情绪对自愿退出的相对方差贡献度而言，企业自愿退出数的增加受到其自身影响的影响较小，在10 期影响下仍较为稳定地保持在99%附近；市场情绪对自愿退出的影响上涨十分缓慢，甚至可以忽略不计，近10 期的影响，市场情绪对自愿退出影响的仅上升到0.7%（RVCexit→sent（10）=0.7%），即可认为市场情绪对自愿退出的影响并不大，见表6。

表5 市场情绪的方差分解结果

表6 自愿退出的方差分解结果

综上，经过情绪指数与自愿退出数两变量的平稳性检验与协整检验，可以发现：两者之间存在一个稳定的关系，利用信息准则等确定最佳滞后期为滞后3 期后，可以构建“市场情绪—自愿退出”VAR（3）模型；通过对VAR模型进行格兰杰因果检验、脉冲响应函数分析以及方差分解分析，多证据指向在两者之间的相互关系中自愿退出对市场情绪的影响要大于市场情绪对自愿退出的影响。

4 结论与讨论

1）光伏企业的自愿退出是投资者的理性选择。

光伏市场情绪指数无法合理解释光伏企业的自愿退出，光伏企业的自愿退出行为并不是受光伏市场情绪的支配。由此可以得出：光伏企业投资者的自愿退出是这些企业投资者的理性选择，这些企业并不是像“潮涌理论”及其他博弈论框架下的相关解释认为的那样，新兴产业的过度进入是企业投资者之间的纳什均衡。本文的结论表明，一旦理性的企业会自愿退出市场，说明它们存在单方面反悔现象，从而证明新兴产业的过度进入不是纳什均衡现象，说明现有的博弈论框架并不是对过度进入的合理解释，而是需要提供基于博弈论的其他解释。

2）自愿退出行为会降低光伏市场上非理性情绪。

光伏企业的自愿退出行为会对市场情绪造成负冲击，光伏企业自愿退出的数量越多，光伏市场的非理性情绪反而越低，企业的自愿退出反而有助于市场理性化程度的提高，从侧面进一步印证了企业的自愿退出是一个深思熟虑的理性行为。说明光伏企业自愿退出的理性行为给市场中非理性的决策者一个榜样，提醒了盲目地待在光伏市场并不能获益甚至不能存活，企业在光伏市场中可以理性地选择退出，待非理性的情绪决策者冷静下来后，市场不再出现过度的负面情绪。