货币政策工具选择、投资者情绪及股市时变特征实证研究

苗金芳 米雪成 申祥鑫

本文通过主成分分析法选取股市成交金额、股市成交量、上证新增开户数、上证所平均市盈率、上证股票换手率构建综合投资者情绪指标。基于TVP-VAR模型实证及时点脉冲函数分析了法定准备金率、新增信贷与投资者情绪对股价的动态影响。研究结果显示：短期内，法定准备金率和投资者情绪对股价均产生显著的影响，随着时间和经济环境的变化，表现出显著的时变特征。时点脉冲函数实证显示，股市处于牛熊市时期，我国散户为主投资者非理性行为加剧了股价的异常波动。

一、引言

股票市场在现代资本市场的地位越来越重要，其投融资功能、资源配置功能和产权功能，对促进经济结构优化及资本积累和交易起着重要作用。维护股市稳健发展对于现阶段我国宏观经济运行以及提升居民家庭金融资产增值具有重要意义。

国内外研究表明货币政策、投资者情绪对股价波动产生影响。Kurov（2010）实证研究货币政策在不同的市场条件下，对投资者情绪影响具有显著的差异性，并且发现在股市低迷阶段，对投资者情绪变化更敏感的股票受货币政策的影响较大；陈其安、雷小燕（2017）认为投资者情绪一定程度上减弱了货币政策对股市的影响；乔晶（2018）运用网络爬虫将新浪财经的评论进行分析并从中提取投资者情绪指标，通过构建VAR模型得出投资者情绪影响货币政策对股市的作用；康海斌、王正军（2019）通过投资者情绪和货币政策对股市的分析，得出货币政策与股市波动的关系较弱。

本文在国内外相关研究的基础上，通过主成分分析法构建投资者情绪指标，并选取新增信贷额和法定存款准备金作为货币政策指标，运用TVP-VAR模型来研究三者之间的动态特征。

二、投资者情绪指标构建

衡量投资者情绪需要考察投资者参与市场交易活动的情况，目前度量投资者情绪主要有三种方法，分别为直接指标、间接指标、综合指标。直接指标通常用调查等方式获取投资者情绪指标，该数据能够直接体现投资者情绪变化；间接指标一般指从市场的交易活动中获取数据，当投资者参与市场交易活动时，会产生一系列不同的交易数据，通过这些数据能够客观地反映投资者情绪变化；综合指标综合情绪指数方面比较著名的是 BW（Baker 和 Wurgler，2006）指数，该指标选取新股发行量、新股首日回报率、新股发行筹集资金、稳定型公司与投机型公司估值水平、股票换手率以及封闭式基金折价率六个指标，从而构建综合的投资者情绪指标，使用降维方法为主成分分析。

本文投资者情绪指标构建基本原理是：首先选取市场上能够反映投资者情绪的7个指标，时间为2006年1月至2019年6月，均为月度数据；其次通过当期和滞后期的处理，把7个当期指标和7个滞后一期指标，共14个指标用主成分分析得出共同因子；然后分析共同因子与指标之间的相关系数，筛选出合适的投资者情绪指标;最后用留存的投资者情绪指标通过主成分分析法，构建综合投资者情绪指标（SENT）。根据我国股票市场发展情况，选择的指标分别为股市成交金额同比（MOY）、股市成交量同比（VOL）、上证新增开户数同比（NEW）、上证所平均市盈率（PER）、上证股票换手率（TURN）、CICSI基金折价率（NAV）和消费者信心指数（CCI）。最后运用主成分分析构建投资者情绪指标，考虑到各个指标衡量投资者情绪会出现一定的滞后性，有些指标会在当期呈现出投资者情绪的变化，所以将7个指标全部滞后一期，把7个当期指标和7个滞后一期指标共同放入投资者情绪指标构建中。

从表1可以看出KMO的值为0.766，大于0.5，同时Sig小于0.05，说明构建主成分分析有效；从表2得出前3个主成分的累计方差贡献率大于80%，可以有效地解释所有指标，从图1碎石图可以看出主成分1到主成分3的波动程度很大。由此可以得出，选取前三个主成分进行研究分析，通过SPSS构建主成分共同因子P1，再用P1与14个变量构建相关系数。

根据表3的相关系数图可以看出MOY，TURN和VOL的滞后一期作为指标比较优，而NEW和PER的当期指标比较优，NAV和CCI的相关性比较低，说明把基金折价率和消费者信心指数作为投资者情绪指标不太合适。通过剔除相关系数小于0.5的指标，再把同个指标的“当期”和“滞后期”与P1的相关性比较，最终选取五个变量来构建投资者情绪指标，分别为MOYt-1，TURNt-1，NEW，VOLt-1和PER。

将上述留存的5个指标进行主成分分析，构建出综合投资者情绪指标。

如表4 所示，KMO 和 Bartlett 的检验可以看出，KMO为0.643，大于0.5，同时Sig小于0.05，表明可以有效构建主成分分析。如表5所示，用留存的5个指标做主成分分析，通过主成分分析的各项指标发现，由于前两个主成分的累计方差贡献率达到86.314%，表明前两个主成分对所有指标的信息涵盖程度达到将近86%；同时第一主成分的特征值大于1，第二主成分的特征值接近于1；从图2的碎石图可以看出前两个主成分曲折程度较大。综上可以得出，选取前2个主成分继续进行投资者情绪指标的构建。

如表6所示成分得分系数矩阵，由此可以根据每个变量的得分系数，推导前两个主成分F1和F2，具体公式如下：

通过计算得到的F1和F2，再进行加权得出最终的投资者情绪指标SENT，权重为每个成分的方差贡献率占前两个主成分累计方差贡献率的比值，公式如下：

綜合投资者情绪SENT的最终公式为：

首先将投资者情绪SENT和上证指数T进行标准化处理，分析其波动情况。如图3所示，投资者情绪和上证指数的走势大致相同。从波动程度来看，投资者情绪的变动大致先于上证指数的变动，说明投资者情绪有一定的预警作用，二者具有较强的相关性。

以上投资者情绪指标SENT和上证指数T做一阶差分获得平稳性数据，进行格兰杰因果检验，如表7可以得出，投资者情绪和上证指数的格兰杰因果检验，所得出的P值均小于0.05，说明两者之间存在统计意义上的格兰杰因果关系。

三、模型构建与指标选取

（一）向量自回归模型构建

模型构建依据吴丽华（2014）TVP-VAR模型参考。具体如下：时变参数向量自回归模型（TVP-VAR）是在SVAR模型中引入时变特征，首先构建一个简单SVAR模型：

根据式（5），是k*1维列內生向量，p为滞后阶数，t表示月度，t=p+1，…，n； A为K*K维的矩阵 ；F为滞后项系数的K*K维矩阵；=K*1维随机扰动项～N（0，）。A和分别表示为：

然后把（5）简化如下：

在式（7）中，系数参数和都是随机变化的，根据Primiceri（2005），令表示矩阵中下三角中元素的堆积向量，对数随机波动率矩阵，且对于所有的j=1，…，k，t=s+1，…，n，设。TVP-VAR模型中的所有参数服从随机游走，

其中，。

假设时变参数的冲击不相关，并且、、都是对角矩阵。（8）式中假定所有参数服从一阶随机游走过程，Primiceri（2005）指出该假设可以允许参数暂时或永久性变动，可充分捕捉潜在经济结构的渐变或突变；对于模型的估计Nakajima（2011）采用MCMC（马尔科夫链蒙特卡罗）方法估计更加精确有效。

（二）变量指标选取

1.货币政策指标选取。伴随金融经济的不断发展，各国中央银行逐渐形成了与其相适应的货币政策工具。本文将法定存款准备金率和新增信贷作为货币政策指标。

（1）法定存款准备金率DR。其变动影响整个社会信贷规模和可有资金数量，当法定存款准备率提高时，能够有效减少流入股市的资金。数据源于东方财富网数据中心。

（2）新增信贷XIN。新增信贷增加时，表明企业能够获得更多融资，从而增加企业的投资活动。数据是金融机构人民币信贷的贷款同比。数据源于中国人民银行。

2.股价指标选取。上证指数月末值T。本文选取上证指数每月月末值作为股价的代理指标。数据来源于东方财富网。

四、实证分析

首先对上述的变量做z-score标准化处理，以便消除不同变量单位和数量级的影响，时间是2006年1月至2019年6月，并且均为月度数据，对处理后的数据用小写字母表示为dr（法定存款准备金率），xin（新增信贷），t（上证指数月末值），sent（投资者情绪指标）。再利用OxMetrics6计量软件，对TVP -VAR模型进行分析。

（一）平稳性检验

在进行时间序列数据分析时需要检验数据是否平稳，通过Eviews9.0对上述变量进行平稳性检验，如表8所示4个变量中dr和t是不平稳的。为了使数据保持一致稳定性，对4个变量分别做一阶差分，结果显示如下。

（二）参数估计结果

在进行TVP-VAR模型之前，需要对模型参数进行后验估计，通过MCMC方法进行10000次抽样，舍弃前1000次作为预烧值，表9所示参数估计的结果。

从表9中可以看出CD统计量小于临界值1.69，不能拒绝抽样结果平稳的原假设，其结果是收敛的；无效因子比较小，低于100次，相比较10000次的抽样样本很少，表明后验分布是有效抽样。

（三）实证结果分析

1.等间隔脉冲函数。如图4所示，TVP-VAR模型提供等间隔脉冲函数，滞后期为1个月、3个月和6个月以此考察短期和中长期效应。

（1）法定准备金率、新增信贷对投资者情绪影响。由图4第一张图看出，当法定存款准备金率DR受到一个标准差的正向冲击，短期内投资者情绪都表现为稳定的负向响应，当法定存款准备金率提高时，公众投资者情绪呈现消极情绪，符合理论预期。由此可见，法定存款准备金率在短期可以很好地改变投资者情绪。从中长期来看，投资者情绪的响应程度较小，2008年之前呈现微弱的正向效应，紧缩的货币政策并没有抑制股市，说明2006年至2008年牛熊市转换期间，投资者情绪的作用抵消了货币政策长期调控股市的力度。

从图4第二张图看出，当新增信贷XIN受到一个单位标准差的正向冲击，不同滞后期下投资者情绪产生的响应不同。短期来看，2011年之前投资者情绪为正向响应，之后由正转负。中长期来看，新增信贷受到一个标准差的正向冲击后，投资者情绪受到的响应与短期的走势正好相反，新增信贷对投资者情绪的影响随着时间的推移不断变化，具有显著的时变特征。

（2）法定准备金率、新增信贷对股价的影响。如图4第三张图所示，在法定存款准备率DR受到标准单位正向冲击后，短期内股市响应为稳定负向。2015年以来供给侧结构性改革，我国的货币政策开始由宽松逐渐变为紧缩，通过提高存款准备金率在短期内可以有效抑制股市；从中长期来看，法定存款准备金率对股价的影响随着时间的变动，其效应逐渐减弱。如图4第四张图所示，当新增信贷XIN受到标准单位的正向冲击时， 2017年之前，股价的短中长期的响应均为正向，符合理论预期。

（3）投资者情绪对股价的影响。如图4第五张图所示，投资者情绪SENT受到标准单位正向冲击后，投资者情绪对股价的影响存在波动性。如图4第六张图所示，在股价T受到标准单位正向冲击后，投资者情绪在短期内基本是稳定的正向效应，中长期的脉冲效应基本接近零左右。

2.时点脉冲响应函数。时点脉冲响应函数是选择特定时点的脉冲函数，本文选取时间点分别为2006年10月、2015年4月和2017年6月三个不同的时间点，原因是这三个时间代表我国股市表现为显著的牛市、熊市特征。2006年10月大致处于我国牛市的初始阶段，此阶段是2007年牛熊市转化开始前期，宏观经济运行良好；2015年4月是我国牛市上涨猛烈的阶段，属于牛市的高潮阶段；2017年6月基本处于2015年牛熊市转化之后的低点震荡阶段，货币政策稳健中性偏紧。

（1）法定准备金率、新增信贷对投资者情绪的影响。如图5第一张图所示，对法定存款准备金率标准单位的正向冲击后，投资者情绪在三个时间点的脉冲效应走向基本一致，并且方向变化也相同，期初表现为负向效应，在第五期转为正向效应。从脉冲的响应程度来看，2006年10月时间点的变化幅度更加剧烈，随着观察期的推进，到2007年牛市持续上涨将近10个月，投资者情绪异常高涨，对法定存款准备金率的反应波动性更大，而2015年4月和2017年6月时间点的响应程度基本一致，股市在低位震荡。

如图5第二张图所示，当新增信贷受到标准单位的正向冲击后，投资者情绪的脉冲响应在不同的时间点出现不同的效应，2006年10月前两期为正向效应，之后第三期转为负向效应，第六期又转变成正向效应，最后随着滞后期的增加，波动持续大约十期后减弱，2015年4月和2017年6月的脉冲响应走势基本一致，前两期为负向效应，在第三期转为正向，随着期数增加，效应逐渐减弱。

（2）法定準备金率、新增信贷对股价的影响。如图5的第三张图所示，股价对法定存款准备金率的脉冲响应在不同的时间点基本走势一致，当法定存款准备率受到正向冲击时，股价的当期响应都为负向，然后出现波动，在第四期左右转为正向效应，在第五期又变为最大负向效应，最后反复波动至第十期维持在零附近。可以看出，在三个不同时间点，法定存款准备金率提高在当期内显著降低股价，但是很快在第四五期出现明显波动。

如图5第四张图所示，新增信贷受到标准单位的正向冲击后，股价在三个不同时点的脉冲响应变化趋势有所差异，随着期数的增加，股价的脉冲响应出现波动。

（3）投资者情绪和股价的影响。如图5第五张图所示，投资者情绪受到标准单位的正向冲击时，不同时间点下，股价脉冲响应的走势基本一致，当期效应都为正向，然后随着期数的推进，股价的脉冲响应会出现波动，最终不断减弱至十期左右保持稳定，在2006年10月和2015年4月的影响程度明显高于2017年6月，说明在牛熊市转化阶段，投资者情绪对股价的影响更大。如图5第六张图所示，股价受到标准单位的正向冲击，投资者情绪的脉冲响应走势同样基本一致，第一期为正向效应，然后四期出现负向效应，最后波动不断减弱。由此可以看出，投资者乐观情绪的提高在短期内能够提高股价，在从中期来看这种影响仍然不稳定。

五、结论及启示

（一）研究结论

1.货币政策工具选择对投资情绪的影响。短期内，引导投资者情绪动向的货币政策工具来看，法定存款准备率比新增信贷更有效，但中长期法定存款准备金率效果逐渐减弱，新增信贷具有时变性和不确定性，说明若政府通过频繁调整货币政策，达到长期稳定影响投资者情绪的变动是不现实的。

2.关于货币政策工具选择对股价的影响。短期内法定存款准备金率比新增信贷更有效，并且随着我国市场不断改善，法定存款准备金率对股市的调剂能力越来越强，但中长期观测，两者对股价的影响均具有不确定性，货币政策不能长期稳定的引导股价的走向。

3.投资者情绪和股价的影响。通过等间隔脉冲函数图看出，短期内投资者情绪对股价影响比较显著。由于短期投机性的影响，投资者过多关注短期收益的变化，未能制定长期理性的投资策略。

4.综合三者之间的变化关系。可以得出，短期内，货币政策可以有效引导投资者情绪和股市价格。但长期来看，货币政策效力不断减弱，由于我国股市个人投资者占主体地位，且更关注短期收益，投资者情绪可迅速将货币政策的效力抵消，从而削弱了货币政策对股市的调控能力。

（二）启示

1.基于上述实证分析货币政策和投资者情绪对股价的影响均存在时变特性和滞后性。不同的经济背景条件下产生的效应均有差异。货币当局通过货币政策引导股票市场价格走向，需要考虑多方面因素，包括宏观经济态势、国际贸易环境、投资者情绪等，单纯依靠货币政策达到稳定的引导并不足够。

2.通常伴随经济过热出现牛市特征。频繁通过调整货币政策来稳定股市非最优选择。应该从多个角度入手，一方面需要给市场投资者传递预警信息，减少投资者非理性投资行为，另一方面要尊重市场自我调节机制，在此基础上通过循序渐进的调整方针，制定稳健柔和的干预手段。

3.提高股票市场投资者的金融素养。减少投资者非理性行为，降低金融市场波动性，同时改善股票市场投资者结构。我国散户众多，个人投资者是股市的主体，具有非理性和投机性特征，因此增加机构投资者的比例，提高股票市场的稳定性和抗风险能力。

4.应继续完善市场监督体系。加强监管的流程，强化监督的执行效率，进一步完善入市退市机制，提高上市公司的质量和投资者的专业性，让市场能够真正体现股票的投资价值，从而使资源配置更加有效率。

参考文献：

［1］Kurov A. Investor sentiment and the stock markets reaction to monetary policy［J］. Journal of Banking&Finance，2015，47（24）：2514-2522.

［2］陈其安，雷小燕.货币政策、投资者情绪与中国股票市场波动性：理论与实证［J］.中国管理科学，2017，25（11）：1-11.

［3］乔晶.货币政策对股票市场的影响——基于投资者情绪的视角［D］山西财经大学.2018.

［4］张前程，杨德才.货币政策、投资者情绪与企业投资行为［J］.中央财经大学学报，2015（12）：57-68.

［5］康海斌，王正军.投资者情绪与货币政策对股市波动影响的实证［J］.统计与决策，2019，35（13）：174-176.

［6］Chandler Lutz.The Impact of Conventional and Unconventional Monetary Policy on Investor Sentiment［J］.Journal of Banking & Finance .2015.2-8.

［7］周怡. 投资者情绪对中国货币政策传导的实证研究［D］.复旦大学，2012.

［8］陈影，郑重.我国货币政策对投资者情绪的影响［J］.上海金融，2017（02）：17-24.

［9］司登奎，李小林，江春.央行外汇干预、投资者情绪与汇率变动［J］.统计研究，2018，35（11）：58-70.

［10］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.

［11］魏星集，夏维力，孙彤彤.基于BW模型的A股市场投资者情绪测度研究［J］.管理观察，2014（33）：71-73+76.

［12］吴丽华，傅广敏.人民币汇率、短期资本与股价互动［J］.经济研究，2014，49（11）：72-86.

［13］Primiceri， G. E.， Time Varying Structural Vector Auto-regression and Monetary Policy， Review of Economic Studies， 2005（3）： 821-852.

［14］Nakajima J， Kasuya M， Watanabe T. Bayesian analysis of time-varying parameter vector autoregressive model for the Japanese economy and monetary policy［J］. Journal of the Japanese & International Economies， 2011， 25（3）：225-245.

［15］刘丽文，王镇.投资者情绪对不同类型股票收益影响的实证研究［J］.金融理论与实践，2016（02）：90-97.

［16］杨晓兰，沈翰彬，祝宇.本地偏好、投资者情绪与股票收益率：来自网络论坛的经验证据［J］.金融研究，2016（12）：143-158.

［17］王健俊，殷林森，叶文靖.投资者情绪、杠杆资金与股票价格——兼论2015～2016年股灾成因［J］.金融经济学研究，2017，32（01）：85-98.

基金项目：本文受青海民族大学一流学科建设一般项目（JG202106）资助。

作者单位：苗金芳，青海民族大学经济与管理学院，副教授，国际金融学博士；米雪成、申祥鑫，青海民族大学经济与管理学院，金融专业硕士研究生。