投资者情绪与沪深股市表现

吴锦莲

摘要：本文选取了2008年1月至2020年12月的CICSI投资者情绪指数以及沪深300指数的数据，建立了投资者情绪与沪深股市变动之间的向量自回归模型，在模型构建的基础上，通过格兰杰因果关系检验以及脉冲响应函数，对投资者情绪以及沪深股市变动进行了分析，并结合股票市场的实际情况，对实证检验的结果进行了分析和解释。

关键词：投资者情绪;沪深股市;VAR模型

中图分类号：F832;F299.23

一、引言

传统金融学中存在“理性人假设”，然而在现实中投资者并不是完全理性的，投资者的情绪在很大程度上会影响投资者的交易行为，尤其在股票市场极度动荡的时候，这种效应可能更为明显。我国股票市场处于发展的初期阶段，相较于美国等发达国家，我国的市场还不够成熟、投资者的素养也有待提高。而且我国市场的个人投资者占比较大，其金融知识储备、信息获取方式与分析能力都与专业的机构投资者存在着较大差距，抵御市场风险的能力也不足，投资情绪可能更易受到市场的影响。因此，对我国沪深股票市场表现及投资者情绪进行探讨，对于我国股市的发展有着较大的意义。

二、文献综述

自行为金融学建立以来，股票市场表现与投资者情绪一直是学者重点研究的对象，并且也取得了一系列的成果。张博（2021）结合标准金融理论与行为金融，刻画了投资者情绪的生成机理，引入了投资价值、市场预期两个变量，建立了包含直接、间接两个方面的概念模型。易志高、茅宁（2009）在改进BS指数构建方法的基础上，选取更加符合中国市场的变量，构建了CICSI投资者情绪指标。童元松（2021）运用结构向量自回归模型，研究了中国投资者情绪、股票市场流动性和波动性之间的相互关系，得出三者自身运行惯性较强、且相互影响的结论。唐振鹏（2020）将极值理论引入行为金融学，探讨了投资者情绪对极端收益率的冲击，得出投资者极度负面情绪会加剧股市剧烈动荡的结论。黄创霞（2020）在情感倾向点互信息算法的基础上，加入了新的变量，检验了投资者情绪与市场收益率和成交量的互动关系。

三、实证研究

1.投资者情绪指标及股市指标选取

在投资者情绪指标的选取上，本文选取了剔除宏观影响、标准化后的CICSI指标作为投资者情绪的度量指标，是用以度量投资者情绪的综合性指标。在沪深股市表现方面，本文选取了月均沪深300指数，并将自由流通量作为权数、采用分级靠档确定成分股权重的方法反应我国沪深股市的表现状况。

本文选取了2008年1月至2020年12月的数据，其中CICSI指数来自于CSMAR数据库，沪深300指数来自于Wind资讯。在本文中，情绪指标时间序列以QX_CICSI.ts表示，沪深300指数月均值的时间序列则以MonAvgIndex.ts表示。

2.单位根检验

进行VAR模型的构建，需要各序列平稳。由于平稳序列不存在渐变趋势，因此可以避免“伪回归”问题的出现。对MonAvgIndex.ts序列以及QX_CICSI.ts序列进行ADF检验。根据检验结果，MonAvgIndex.ts序列以及QX_CICSI.ts序列的P值分别为0.05646和0.512，在5%的置信水平下，两序列均不显著，无法拒绝原假设，两序列为非平稳序列。因此，本文将上述两个序列进行一阶差分，分别得到差分后的序列dY.ts以及dQX_CICSI.ts，继续对差分后的序列进行ADF检验。整体检验结果如下：

一阶差分后，dY.ts序列以及dQX_CICSI.ts序列的P值均小于0.05，在5%的显著性水平下显著，因此拒绝原假设，一阶差分后的两序列皆为平稳序列。

3.协整检验

进行平稳性检验后，将对两序列进行协整检验，通过协整检验，可以排除两序列间的伪回归关系，同时，也能对两序列之间是否存在长期的协整关系进行检验。对回归后残差进行ADF检验，结果P值小于0.05，在5%的置信水平下，检验结果显著，可以拒绝原假设，即两序列之间存在长期协整关系。

4.模型构建

通过对CICSI指标以及沪深300指数的时间序列及其一阶差分后的序列进行ADF检验以及协整检验，可以确保构建向量自回归模型时不会出现伪回归的问题。同时，协整检验也证明了CICSI指标序列和沪深300指数序列之间存在着长期的协整关系。

因为一阶差分后的序列dY.ts以及序列dQX_CICSI.ts同阶单整，且一阶差分后的序列可以表示CICSI指标以及沪深300指数的变化率，具有一定的经济意义，因此，本文将使用序列dY.ts以及序列dQX_CICSI.ts进行向量自回归模型的构建。

先进行滞后阶数的选择，在AIC、HQ、SC、FPE四个判定准则下，给出的滞后阶数分别为8、4、2、8。为使建立的向量自回归模型最简化，本文选取SC判定准则所确認的2阶滞后，建立向量自回归模型。

5.格兰杰因果关系检验

在VAR模型构建完成之后，再进行格兰杰因果检验，以探讨dQX_CICSI.ts序列与dY.ts序列、投资者情绪变动与沪深300指数变动之间的关系。格兰杰因果关系检验的结果如下：

根据上述检验结果，在5%的置信水平下，无法拒绝“序列dY.ts不是dQX_CICSI.ts序列的格兰杰原因”的原假设，因此，不能认为沪深300指数变化是投资者情绪变动的格兰杰原因;同时，在5%的置信水平下，拒绝“序列dQX_CICSI.ts不是序列dY.ts的格兰杰原因”的原假设，接受备择假设“序列dQX_CICSI.ts是序列dY.ts的格兰杰原因”，因此，可以认为投资者情绪的变动是沪深300指数变动的格兰杰原因。综上，投资者情绪变动和沪深300指数变动之间存在着单向格兰杰因果关系。

6.脉冲响应分析

经过格兰杰因果关系检验后，本文将进行脉冲响应分析进一步考察投资者情绪变动和沪深300指数变动之间的动态关系。脉冲响应函数展现了一个随机扰动项、一个标准差的冲击，对另一个变量的影响动态过程。本文所得脉冲响应如下：

从脉冲响应图来看，dY.ts序列对来自于自身的冲击具有正向的反应，且随着期数的变大，反应逐渐变小，5期之后逐渐趋于0;而对于dQX_CICSI.ts的冲击，其响应几乎为0。dQX_CICSI.ts序列对于来自与自身的冲击，其响应较小。而对于来自dY.ts序列的冲击，在1期及2期时，存在明显的负向响应，且1期时响应幅度大于2期;在期数为3期时，存在明显正向的响应，之后随着期数的增加，响应幅度趋近于0。

7.实证总结

经过上文中的向量自回归、格兰杰因果检验以及脉冲响应分析，本文检验了投资者情绪变动以及沪深300指数变动之间的关系，具体关系总结如下：

从向量自回归来看，沪深300指数的变动和投资者情绪的变动之间，有着较为显著的关系;从格兰杰因果关系检验结果看，5%置信水平下，存在投资者情绪变动对沪深300指数变动的单向格兰杰因果关系。从脉冲响应分析结果看，投资者情绪的变动，受到沪深300指数变动的冲击下，响应较为明显，沪深300指数变动对其自身冲击，响应较为明显。

四、分析与建议

从上文实证结果来看，我国沪深300指数和投资者情绪指标之间存在较大的关系，且相互影响的关系较为显著。

从投资者的角度来看，我国沪深股票市场的投资者多数为散户投资者，他们未接受过系统的金融学教育，不能对我国金融市场有一个明确的认识，投资理性程度不足。同时，散户投资者承受风险的能力较弱，当股票市场出现较大波动时，为了减少自身承担的风险，或者追求更多的收益，散户投资者会出现更多的非理性交易行为。从沪深股票市场本身的角度来看，我国股票市场建立的时间较短，市场还不够成熟，相关功能还没有得到充分的发挥，从而导致沪深市场表现容易受到非理性投资者情绪的影响。

针对上述原因，提出以下两点建议：第一，加快“去散户化”进程，提高我国股票市场机构投资者比重。通过提高股票市场的机构投资者比重，减少股票市场波动对投资者整体的情绪影响、提高投资者整体的投资理性程度。第二，加快推行我国股票市场制度改革和建设，强化对市场信息的监管，严格信息披露制度，增加市场有效性。通过严格信息披露制度，强制上市公司充分、真是地披露应该公开的信息，可以增加市场的信息数量，提高信息更新、流通速度，从而提升市场的有效性。

参考文献

[1]花贵如，周树理，刘志远，靳光辉.产业政策、投资者情绪与企业资源配置效率[J].财经研究，2021，47（01）：77-93.

[2]黄创霞，温石刚，杨鑫，文凤华，杨晓光.个体投资者情绪与股票价格行为的互动关系研究[J].中国管理科学，2020，28（03）：191-200.

[3]唐振鹏，吴俊传，冉梦，張婷婷.考虑投资者情绪的中国股市自激发效应研究[J].中国管理科学，2020，28（07）：1-12.

[4]童元松.投资者情绪、股市流动性与波动性的关系研究[J].技术经济与管理研究，2021（02）：76-82.

[5]易志高，茅宁.中国股市投资者情绪测量研究：CICSI的构建[J].金融研究，2009（11）：174-184.

[6]张博，扈文秀，杨熙安.投资者情绪生成机理的研究[J].中国管理科学，2021，29（01）：185-195.

3966501908247