股票市场收益与投资者情绪.docx

股票市场收益与投资者情绪.docx

《股票市场收益与投资者情绪.docx》由会员分享，可在线阅读，更多相关《股票市场收益与投资者情绪.docx（19页珍藏版）》请在冰豆网上搜索。

股票市场收益与投资者情绪

投资者情绪与股票市场收益

摘要：

本篇论文选择了换手率、消费信心指数、新增加开户数、IPO首日收益率和IPO数量、封闭基金折价率六个指标采用主成分分析法构建投资者情绪综合指标。

随后进行了相关性分析、ADF检验、格兰杰检验、回归分析等数据研究方法探究了投资者情绪指标与股票收益间的关系，发现投资者情绪和股票收益互为格兰杰原因。

本文还将股票市场按上证指数波动情况分为五个阶段，分别进行回归分析与相关性检验，经过比较发现熊市期间股票收益与投资者情绪显著正相关，比整个期间的相关性更加的显著。

关键词：

投资者情绪；股票收益；主成分分析

Investorsentimentandstockreturns

Abstract:

Thearticlehaschosensixfactors,includingturnoverrate,theconsumerconfidenceindex,numbersofnewaccounts,yieldonfirstdayofIPO,IPOnumberandtheclosed-endfunddiscount.Anditusetheirmonthlydatatoformacombinedinvestorsentimentindexbyusingprinciplecomponentanalysis.ThenweanalyzetherelationshipbetweenISI1andISI,alsousetheunitroottest,Grangercausalitytestandregressionanalysis.Stockmarkethasbeendividedfivestagesandtwocategories:

bullmarketandbearmarket.Theresultshasindicatedthatthebearmarkethasamoresignificantimpactoninvestmentsentimentthenthewholemarket.

Keywords:

investorsentiment;stockreturns；principlecomponentanalysis 

正文目录

一、导论５

（一）选题背景和研究意义５

1.选题背景５

2.研究意义５

（二）文献综述６

1.投资者情绪的度量６

2.投资者情绪与股票收益关系的研究７

3.投资者情绪对市场预测能力的研究７

（三）本文研究框架８

二、投资者情绪综合指标的构建８

（一）假设的提出８

（二）样本数据的选择与来源８

（三）投资者综合指标的构建９

1.指标的选取９

2.构建投资者情绪指标的方法９

（四）描述性统计１０

（五）剔除宏观因素前投资者情绪指标的构建１１

1.十二个变量的主成分分析１１

2.ISI1与十二个指标的相关性分析１３

3.投资者情绪指标ISI2的构建１４

（六）剔除宏观因素后投资者情绪指标的构建１５

三、投资者情绪与股票收益的实证分析１６

（一）ISI2与ISI的相关性分析１６

（二）序列的单位根检验１７

（三）变量的格兰杰因果检验１７

（四）回归分析１８

（五）区分牛熊市的股票收益与投资者情绪的研究１９

四、结论与建议２１

（一）结论２１

（二）政策建议２１

（三）展望２２

参考文献２４

一、导论

（一）选题背景和研究意义

1.选题背景

在参与市场时，投资者会产生乐观或者悲观的情绪，这些情绪贯穿投资行为的始终，因此将影响投资者的投资行为，从而影响资产价格。

投资者情绪与资产的系统偏差将会互相影响，使对方都进一步放大，如此循环往复，产生股市泡沫。

因此投资者情绪与股票收益间关系的研究将会很有意义。

中国证券市场仍属于新兴市场，从1990成立至今，短短二十五年，虽然发展迅速，但是由于股票市场成立时间短，各项制度并不完善，例如无卖空机制，还有政府的干涉严重，金融异象更加频繁，例如股市泡沫严重，股票指数大起大落。

股票市场大起大落，但实体经济运行并不如此，两者互相背离，因此股票的价格和收益也不能正确反映其真实的内在价值。

也就是说股市本应是国民经济的晴雨表，而我国的股市却丧失了晴雨表的功能。

例如2001年至2005年是中国股票的一个漫长熊市期，之后股市从2005年开始飞速上涨。

2006年，上证指数涨幅达到130%，2007年的中国股市更加的气势磅礴。

股价上涨激发了投资者的热情，增量资金蜂拥入市，投资者情绪十分高涨，愈来愈多的投资者根本不考虑公司资产的实际价值，这样的行为使得投机现象非常严重，从而使得中国股市的泡沫化开始不断地严重，到2007年10月上证综指最高达到6124点，仅仅28个月，指数从998点疯狂飙升到6241点，涨幅超过500％。

然而同期的代表宏观经济的基本经济指标如国内生产总值、居民个人收入和上市公司利润等并没有增长相同幅度，甚至相差甚远，因此可以认为股价的大涨幅是缺乏经济基础的。

另外2014年下半年开始了新一轮的牛市，但是经济下行压力却在增大。

这一方面是由于我国金融体系的不完整造成的，另一方面则是由于我国股市的投资者结构问题，个体投资者整体文化水平不高、参与股市时间不长以及投资知识不完备；中国的机构投资者也没有起到稳定市场的作用。

这些原因导致我国股票市场有着较强的投机性，也因此投资者情绪的影响更加广泛，我国股票市场也适合作投资者情绪与股票收益的探究。

2.研究意义 

第一，丰富投资者情绪研究结果，完善行为金融学方面的理论。

例如关于更有效的投资者情绪指标的构建，这样可以使实证结果更加可信，在这一方面我们还需要达成代理变量规范性方面的共识；另外除市场情绪外，构建单只股票的情绪指数也是我们的努力方向；根据我国特定市场环境形成系统完整的理论。

第二，此课题的研究能够促使投资者理解情绪的影响作用，做出理性的投资决策。

如果大部分投资者都能理性决策，那么中国证券市场就能够更好更快的发展。

第三，政府能更充分的了解两者的关系，从而让制定相应的政策制度，改善监管方法监管效率，使得中国股票市场又好又快发展。

（二）文献综述

本篇论文的综述从三个方面进行汇总分析，分别是投资者情绪的度量、投资者情绪与股票市场收益率的关系、投资者情绪的收益预测能力。

1.投资者情绪的度量

Lee、Shleifer（1991）等人认为封闭基金折价率能够间接代表投资者情绪。

QiuandWelch（2004）则认为消费者信心指数能够间接代表投资者情绪，其拟合度比封闭基金折价率更好。

Lemmon、Portniaguina（2006）也以为消费信心指数能够充分代表投资者情绪。

Baker、Stein（2004）认为股市换手率能够较好地代表投资者情绪。

Brown、Cliff（2005）则认为IPO数量和首日收益率能够较好的代表投资者情绪。

饶育蕾和刘达峰（2003）则认为“央视看盘”中的数据能够代表投资者情绪。

刘仁和和陈柳钦（2005）则认为是“好淡指数”能够代表投资者情绪。

伍燕然和韩立岩（2007）则认为IPO换手率以及交易所的月开户数能够代表投资者情绪。

以上都是单一的投资者情绪代理指标。

近年来，学者们较常用的是投资情绪综合指标。

在此，Baker和Wurgler（2006）所采用的主成分分析法比较典型，此复合指标包含IPO数量及IPO上市首日收益率、封闭基金折价率、股票发行的比例、交易量、股利收益等6个指标。

此后学者多采用主成分分析法进行复合指标构建。

例如杨淑娥，张强（2009）采用封闭基金折价率、换手率和开户增长率等月度数据，利用主成分分析法构建投资者情绪综合指数。

除此方法以外，也有其他构建复合指标的方法，例如卡尔曼滤波方法。

池丽旭等（2012）就是采用卡尔曼滤波方法来剔除市场噪声的影响，构建了真正的投资者情绪综合变量。

2.投资者情绪与股票收益关系的研究

Lee等（2002）利用投资者情绪智商指数，表明投资者情绪与超额收益正相关。

Brown和Cliff（2004）的实证结果表明同期股票市场收益率受投资者情绪的影响，存在显著相关关系。

程昆，刘仁和（2005）采用看涨人数占投资者人数的比例表示投资者情绪，结果表明投资者中期的情绪指数和短期的情绪指数都对股票市场的收益率有影响，但中期的投资者情绪影响更大；两个不同期间长短的情绪也受股票收益的影响，但短期的投资者情绪指数受到的影响较大。

陈彦斌（2005）也认为投资者情绪波动会影响资产价格的变动。

伍燕然和韩立岩（2007）实证检验结果表明情绪对长期市场收益的负向影响和情绪对短期市场收益的正向影响。

王美今、孙建军（2007）根据我国股市证明：

投资者情绪对股票收益率的影响显著。

朱伟骅、张宗新（2008）认为，股票价格的变化和投资者情绪存在对应关系。

黄德龙、文凤华和杨晓光（2009）实证结果表明投资者情绪比上一期上升，则当期股票收益率上升；投资者情绪低落，则当期收益率下降，两者的变动幅度与影响强度成正比。

张强、杨红、杨淑娥（2007）实证结果表明机构投资者的情绪对股票价格的影响非常大，而个人投资者情绪对股票收益几乎没有影响。

马晓逵、孙杰（2012）实证发现投资者情绪综合指数能较好的解释中国股票市场的波动。

3.投资者情绪对市场预测能力的研究

DeLong,Shleifer,Summers及Waldman（1998）提出了一个基本模型：

噪音交易模型,认为噪声交易者们能够进行正反馈，实证发现通过DSSW模型的交易者能够持续预测历史收益。

然而国内学者对投资者情绪持有不同观点，大多数认为投资情绪不具有市场预测能力。

饶育蕾和刘达峰（2003）认为投资者情绪不具有预测市场收益率的能力。

宋军和吴冲峰（2003）认为投资者情绪能够进行反向预测市场，但是结果不具备显著性。

余佩琨、钟瑞军（2009）对中国个人投资者情绪的首次研究结果表明市场收益可以预测个人投资者情绪，反之则不行。

（三）本文研究框架

本文遵循文献综述—指标构建—实证研究—经济意义分析的研究思路，先后运用主成分分析，平稳性检验，Granger因果检验，简单回归和相关性检验，趋势图分析深入地探讨我国股票市场中投资者情绪变动与股票收益之间存在的关系。

全篇论文主要分为，具体安排如下：

第一部分，导论。

主要讲述本篇论文的研究背景、意义、框架及文献综述。

综述从三个方面进行汇总分析，分别是投资者情绪的度量、投资者情绪与股票市场收益率的关系、投资者情绪的收益预测能力。

第二部分，投资者情绪综合指标的构建。

首先介绍本文所采用的六个指标的定义和来源，接着采用主成分分析法，构建一个投资者情绪综合指数；然后进行情绪指标与十二个指标间的相关性分析，选择最终的五个指标再次用主成分分析构建ISI2；最后剔除选择的五个指标中的宏观因素，即生成残差序列，构建最终的ISI。

第三部分，由浅入深地进行实证分析：

先用平稳性检验和Granger因果检验分析投资者情绪变动与股票收益波动的关系，再进行两者的简单一元回归和相关性检验，最后分析不同市态下投资者情绪变动对股票收益的不同影响。

第四部分，结论和政策建议和展望。

本部分归纳总结了第二部分和第三部分，并给出了相对应的政策建议，以及展望。

二、投资者情绪综合指标的构建

（一）假设的提出 

据已有的国内外文献所得的构成投资者情绪综合指标的各项指标与投资者情绪指数之间的相关关系，可以提出了以下两个假设：

假设1：

其他条件不变时，封闭基金折价率与投资者情绪负相关，而以下四个指标：

换手率、消费信心指数、新增加开户数、IPO首日收益，与投资者情绪正相关。

假设2：

投资者情绪与股票收益成正比，且股票收益与投资者情绪互为格兰杰原因。

假设3：

熊市相比于整个市场对投资者情绪影响更为显著。

（二）样本数据的选择与来源 

本文选取了换手率、消费信心指数、新增加开户数、IPO首日收益率和IPO数量、封闭基金折价率六个指标构建投资者情绪综合指标。

本文数据大部分来自国泰安数据库，包括CSMAR系列研究数据库、基金系列研究数据库、公司系列数据库，另外还有东方财富网，中国证券登记结算机构，并选取了2006年2月至2014年12月的上证和深证A股市场月度数据来构建投资者情绪综合指标。

选取样本时也剔除了ST股，另外IPO停发时期的IPO首日收益率和数量皆为零。

表2.1各项指标的定义及数据来源

变量名称变量定义数据来源

换手率TURN当月成交量/流通总股数国泰安CSMAR系列研究数据库

消费者信心指数CCI该月消费者信心指数,由消费者满意指数和消费者预期指数构成东方财富网

新增开户数NIA当月开户数-上月开户数（本文选取A股市场开户数据）中国证劵登记结算有限责任公司

IPO首日收益RIPO=∑[（Pi-Pt）*LSNi]/∑LSNi*Pt,Pi为上市首日收盘价，Pt为发行价，LSNi为上市流通股数量国泰安公司系列研究数据库

IPO数量为每月首次公开发行公司数量，基准日期为上市日期国泰安公司系列研究数据库

封闭基金折价率CEFD该月末市场所有封闭式基金折价率的均值，折价率=（封闭式基金净值—封闭式基金市值）/封闭式基金市值，本文选取日度数据算数平均，每月的有效公司数量不同国泰安基金系列研究数据库

股票收益率RtR=In（Pt/Pt-1）,Pt为指数在t期的收盘价，Pt-1为t-1期的收盘价。

国泰安CSMAR

系列研究数据库

无风险利率Rf将年度无风险利率按照复利方法计算月度数据国泰安CSMAR

系列研究数据库

（三）投资者综合指标的构建 

1.指标的选取 

BakerandWurgler（2006）以为有些变量（例如IPO数量）会滞后于代表投资者的需求的变量，例如换手率等。

因此滞后性通常应在构造投资者情绪综合指标时考虑进去，本文选择换手率、消费信心指数、新增加开户数、IPO首日收益率、IPO数量和封闭式基金折价率的当期和滞后一期总共十二个变量进行综合指标构建。

2.构建投资者情绪指标的方法 

本文用spss软件及借鉴了Baker与Wurgler的主成分分析法来通过以下步骤构造投资者情绪综合指数。

Step1：

对12个当期和前期变量进行描述性统计，熟悉6个变量的基本特征，如mean、std.等。

Step2：

对6个当期变量和6个滞后期变量进行主成分分析，选择反映最初观测指标变动程度较大的几个主成分。

Step3：

利用Step2中所得到的主成分构建投资者情绪综合指标1（ISI1）。

Step4：

计算全部12个指标与ISI1的相关系数并进行显著性检验，在当期和前期变量中比较选择和ISI1相关程度较高的指标。

Step5：

对Step4中筛选出的指标再次进行主成分分析，构建最终投资者情绪指标2（ISI2）。

Step6：

在Step4基础上，用所得的六个指标与所选取的宏观经济指标间进行回归计算出残值序列，并重新计算六个残值指标的主成分，以便构建剔除了宏观因素的投资者情绪指标ISI。

（四）描述性统计

表2.2描述性统计

N极小值极大值均值标准差

Turn107.093105781.02379250.3379026659.21004278394

Turn-1107.093105781.02379250.3355135444.20876597532

CCI10797.00113.70105.56764.51323

CCI-110797.00113.70105.60964.53632

NIA10711073856005461101076.921005616.264

NIA-11076231356005461073915.04993878.961

RIPO107-.0641938706.267441700.42861875938.745874575925

RIPO-1107-.0641938706.267441700.42450385499.747023196452

NIPO10704311.9811.216

NIPO-110704311.7911.240

CEFD107.0069.3194.099976.0907715

CEFD-1107.0069.3194.102259.0927527

表2.2显示：

Turn的均值为0.3379，表示月均换手率为33.79%；CCI的均值为105.56，最大值为113.7，最小值为97，表示我国消费者信心指数波动范围较小；NIA的均值为1101077，但是新增开户数最大值5600546，最小值110738，波动幅度非常大，这反映了投机性和资金的流通程度比较大；IPO上市首日的收益率较高，平均达到了42.86%；NIPO的均值为11.98；CEFD的均值0.10，说明我国的封闭式基金的折价率较高。

（五）剔除宏观因素前投资者情绪指标的构建

1.十二个变量的主成分分析 

对当期变量TURN、CCI、NIA、RIPO、NIPO、CEFD以及前期TURN-1、CCI-1、NIA-1、RIPO-1、NIPO-1、CEFD-1进行主成分分析，本文首先对这十二个指标进行KMO及Bartlett检验以确保主成分分析得到的结果是有意义的，本文认为KMO值在0.6以上则说明适合用主成分分析，该12指标的KMO及Bartlett的检验结果如下：

表2.3KMO和Bartlett的检验

取样足够度的Kaiser-Meyer-Olkin度量。

.706

Bartlett的球形度检验近似卡方1138.513

df66

Sig..000

表2.3的结果显示：

12个变量的KMO检验系数为0.706，大于0.7；Bartlett球形检验结果显示Sig为0.00，表示数据取自正态分布，并且拒绝零假设，两种方法皆说明各指标的相关程度较高，因此该12个变量可以采用主成分分析法。

在确定了各变量适合作主成分分析后，首先要对12个变量进行标准化处理，再进行主成分分析。

特征根及累计贡献率结果如下：

表2.4解释的总方差

成份初始特征值提取平方和载入

合计方差的%累积%合计方差的%累积%

15.34644.55344.5535.34644.55344.553

22.02416.86861.4222.02416.86861.422

31.1909.91671.3381.1909.91671.338

41.0999.15580.4931.0999.15580.493

5.8587.14887.640.8587.14887.640

6.4783.98791.627

7.3212.67394.300

8.2822.35396.652

续表

9.2271.89098.542

10.104.86599.407

11.050.41999.826

12.021.174100.000

表2.4显示，前面5个主成分的贡献率累计达到了87.640％，大于85％，因此本文选择前五个主成分来构建12个变量的投资者情绪综合指标1。

表2.5成份矩阵a

成份

12345

Turn.832-.107-.226-.250-.086

Turn-1.851-.057-.251-.256.028

CCI.803.081.413.198.024

CCI-1.796.072.394.242.050

NIA.704.432-.447-.040-.092

NIA-1.675.456-.434-.027.030

RIPO.380.182.039.556-.664

RIPO-1.364.231-.116.572.619

CEFD.828-.322.270-.236.051

CEFD-1.832-.291.308-.214.027

NIPO-.134.809.295-.280-.060

NIPO-1-.161.820.303-.233.077

表2.6公因子方差

初始提取

Turn1.000.825

Turn-11.000.857

CCI1.000.862

CCI-11.000.855

NIA1.000.893

NIA-11.000.854

RIPO1.000.929

RIPO-11.000.910

CEFD1.000.921

续表

CEFD-11.000.919

NIPO1.000.841

NIPO-11.000.851

根据成份矩阵表2.5，我们发现第一主成分主要反映TURN、CCI、NIA、CEFD、TURN-1、CCI-1、NIA-1、CEFD-1等八个变量的基本信息；第二主成分主要反映NIPO、NIPO-1、等变量的信息；第三主成分反映了CCI、NIA、NIA-1等变量的信息；第四、五主成分反映了RIPO、RIPO-1等变量的信息。

所以选择前四个主成分使得每个变量的信息提取率都大于80%，这五个新组合变量来代替原来变量。

因此可以得出以下五个主成分公式：

Z1=0.36ZTurn1+0.368ZTurn1+0.347ZCCI+0.344ZCCI1+0.305ZNIA+0.292ZNIA1+0.164ZRIPO+0.157ZRIPO-0.058ZNIPO-0.070ZNIPO1+0.358ZCEFD+0.360ZCEFD1

Z2=-0.076ZTurn1-0.0401ZTurn1+0.0568ZCCI+0.0508ZCCI1+0.304ZNIA+0.321ZNIA1+0.128ZRIPO+0.162ZRIPO+0.569ZNIPO+0.577ZNIPO1-0.226ZCEFD-0.205ZCEFD1

Z3=-0.207ZTurn1-0.230ZTurn1+0.379ZCCI+0.361ZCCI1-0.410ZNIA-0.398ZNIA1+0.036ZRIPO-0.106ZRIPO+0.270ZNIPO+0.278ZNIPO1+0.247ZCEFD+0.283ZCEFD1

Z4=-0.238ZTurn1-0.245ZTurn1+0.189ZCCI+0.230ZCCI1-0.038ZNIA-0.025ZNIA1+0.530ZRIPO+0.546ZRIPO-0.267ZNIPO-0.222ZNIPO1-0.226ZCEFD-0.204ZCEFD1

Z5=-0.093ZTurn1+0.031ZTurn1+0.026ZCCI+0.054ZCCI1-0.099ZNIA+0.032ZNIA1-0.717ZRIPO+0.668ZRIPO+0.055ZNIPO+0.029ZNIPO1-0.065ZCEFD+0.083ZCEFD1

则投资者情绪综合指标1（ISI1=0.446Z1+0.169Z2+0.099Z3+0.092Z4+0.071Z5

2.ISI1与十二个指标的相关性分析

我们需要在同一指标的当期和前一期值进行选择，参考Bake