作者简介: 何平(1975-),男(汉),江西,副教授。E-mail:heping@sem.tsinghua.edu.cn
伴随中国股票市场的不断发展创新,股票波动性的影响机制研究愈发重要。该文旨在检验投资者情绪与个股波动率关系。该文基于主成分分析法,构建了投资者情绪指数,使用面板数据回归方法,通过对2003年至2011年的 2 454 支个股数据分析研究投资者情绪是否对于股票市场的波动率产生影响。研究结果显示: 投资者情绪确实对股票波动性有显著影响,投资者情绪越高个股波动率越高; 同时影响股票波动性的一个重要渠道是通过影响股票的换手率来实现的。
Innovations in China's stock market have created an increasing demand for understanding the determinants of stock volatility. This paper documents the correlation between investor sentiment and idiosyncratic volatility. Principal component analysis is used to construct an investor sentiment index and to analyze data for 2 454 different stocks from 2003 to 2011 to test whether investor sentiment affects stock market volatility. The study shows that investor sentiment significantly impacts stock volatility with significant evidence that investor sentiment affects stock volatility through its impact on the turnover ratio.
投资者情绪对于股票市场波动的影响一直是行为金融学理论与有效市场理论之间争论的话题。根据有效市场假说(efficient market hypothesis), 如果股票市场由理性投资者主导,由于理性投资者的套利行为,非理性的投资者在长期内不应对于股票价格的市场核心变量产生显著的影响,投资者情绪应当是与股票市场无关的变量。
关于投资者情绪的研究中,对投资者情绪给出了不同定义: Lee等[1]提出,投资者情绪是情感基础上心理或认知偏差。Shleifer和Vishny[2]将情绪定义为错误的基于Bayes' rule或违背主观期望效用理论的预期形成过程。Brown和Cliff[3]提出投资者情绪代表市场参与者关于某个指标的预期,可通过考察投资者情绪对资产组合定价影响被测量出来。Baker和Wurgler[4]则认为,投资者情绪是一种投机倾向,是情绪驱动下投机性投资需求。饶育蕾和刘达峰[5]将投资者对未来预期的系统性偏差定义为投资者情绪; 王美今和孙建军[6]则将噪声交易者与理性投资者对风险资产估价的偏离定义为投资者情绪具体体现。
关于投资者情绪是否对股票市场定价产生系统性影响,仍然没有一致的结论。但是行为金融学的许多模型,已经对投资者情绪对股票市场的影响机制提供了可能的探索,如噪声交易模型[7]、基于信息的情绪模型[8]、代表偏差(representative bias)与保守偏差(conservative bias)[9]、羊群行为[10]等。Stambaugh等[11]通过研究投资者情绪与股市异象的关系,认为高投资者情绪伴随着更显著的异象。
投资者情绪测量包括直接测量和间接测量。直接测量通过调查方式,获取投资者对于未来股票市场走势的预期与判断。间接测量则是通过对市场数据的分析,获得其中对投资者情绪有所反映的信息。
国内主要的直接测量指标包括央视看盘、好淡指数、耶鲁-CCER投资者情绪指数等。央视看盘由受访机构中对于未来股市看涨、看跌、看平的比例构建。饶育蕾和刘达峰[5]以央视看盘牛市比例指数作为投资者情绪的测量,与未来收益的关系在统计上并不显著。王美今和孙建军[6]将央视看盘指数作为投资者情绪的测量,显示投资者情绪对于沪深市场收益有显著的影响和修正波动作用。好淡指数按照对未来看涨人数占看总人数的比例的100倍计算。程昆和刘仁和[12]通过向量自回归模型,得出好淡中期指数对收益率波动预测作用大于短期指数的结论,并认为中期指数是股市收益率的Granger原因,而股市收益率是短期投资者情绪指数Granger原因。赖琴云[13]的研究结果表明好淡指数所刻画的投资者情绪对市场整体收益有显著正向预测作用,且市场收益是投资者情绪的格兰杰原因。此外,消费者信心指数也被认为是投资者情绪的一个测量[14],薛斐[15]提出中国消费者信心指数比封闭式基金折价率更适合作为投资者情绪的测量。Schmeling[16]通过将消费者信心指数和18个国家的股市收益率进行分析,认为消费者信心对未来股市收益有负向预测效应。
一部分间接测量的方法着眼于股票交易数据。Baker和Wurgler[17]提出将交易量作为投资者情绪测量,并以交易量为因子进行主成分分析。也有研究认为,交易量反映市场对于股票定价的异见,异见越高,交易越频繁,交易量也越高; 零股买卖(小于100股的买卖)行为有较高交易成本,因此总体交易中零股交易所占比例被认为可以作为个体投资者情绪的测量。Neal和Wheatley[18]则提出该指标不能预测未来股票收益; 此外, Baker和Wurgler[17]指出,股利溢价、期权隐含波动率、内幕交易等指标也可作为投资者情绪的测量; 一些研究认为,投资者情绪对新股发行当日收益有正向作用,而新股发行是根据市场条件的选择结果,因此IPO数量可作为投资者情绪的测量,这一方式首先由Ljungqvist等[19]提出。韩立岩和伍燕然[20]的研究支持这一结论。
另外一些测量方法则着眼于基金的交易行为。De Long等[7]认为封闭式基金折价率可以作为投资者情绪的一个代理指标。在国内,支持这一论断的证据来自于黄少安和刘达[21]、韩立岩和伍燕然[20]的研究。董超和白重恩[22]、张俊生等[23]则指出投资者情绪不能作为封闭式基金折价现象的一个解释; 一些研究将共同基金净赎回作为投资者情绪的测量。投资者情绪越积极,对于基金赎回的比例越小。Neal和Wheatley[18]的研究指出这一指标对于小盘股超额收益的预测作用。Brown和Cliff[24]的研究也支持了这一指标对于大盘股未来收益有显著预测作用的结论; Ben-Raphael等[25]分析得到共同基金在债券基金和股票基金中的转化与市场超额收益的正向关系。并且这一关系在4个月内的回调,与噪声交易理论一致,由此将之作为投资者情绪的一个测量。除了使用投资者情绪的单个测度, Baker和Wurgler[17]提出利用主成分分析方法构建投资者情绪指数。
现有文献中,国内外学者针对投资者情绪对于股票收益的实证研究非常多。国外的代表性研究中, Brown和Cliff[3]的研究证实投资者情绪波动与同期股票收益显著正相关; Fisher和Statman[26]的研究结果表明投资者情绪与S&P500的下月收益成显著负相关关系。相应地,国内的代表性研究包括王美今和孙建军[6]、韩立岩和伍燕然[20]、张强和杨淑娥[27]、蒋玉梅和王明照[28]等,也得到了类似的结果。
已有研究文献一般从宏观层面上对以上问题进行检验,即选取股票指数或者市场总体表现进行建模分析。本文基于已有研究选取指标构建投资者情绪指数,并进行微观层面的检验。通过面板数据分析以及对个股数据逐个回归分析,以期研究投资者情绪对个股波动率的影响以及这一影响的可能来源。
本文首先基于相关研究的做法,选取投资者情绪测量指标进行投资者情绪指数构建。然后以投资者情绪指数作为自变量,对个股波动率、个股换手率分别进行面板数据回归和个股逐个回归。
构建投资者情绪指数的方法是主成分分析法,这一方法是多元统计中因子降维的常用方法。本文选取作为投资者情绪指数因子的变量为新增A股个人开户数(IndiviNew)、 基金净赎回率(ShrCh)、 市场月平均交易量(MarTradV)。由于基金净赎回的变化方向与投资者情绪的变化相反,因此在构建投资者情绪指数时使用其相反数。
投资者情绪指数按照下述方式进行加权(解释方差1×第一主成分+解释方差2×第二主成分+解释方差3×第三主成分),得到投资者情绪指数构成如下: Sentiment t=0.2805 MarTradeV t+0.355 IndiviNew t+0.4952 ShrCh t构建的投资者情绪指数主成分分析如表1所示。
 | 表1 主成分分析结果 |
将得到的投资者情绪指数与单个股票波动率的均值时间序列进行绘图,如图1所示。可以看出,投资者情绪指数与波动率均值间呈现正相关关系。
 | 图1 情绪指数与波动率均值作图 |
本文使用的变量如表2所示,在计算变量的原始数据中,新增A股个人开户数数据来自于中国证券登记公司,其余数据来自锐思金融数据库。所有变量的数据均为2003—2011年的月度数据。
| 表2 变量描述 |
表3为描述性统计,分别对各变量均值、中位数、标准差、最值进行描述。可以看到,各变量的描述统计量与预期基本相符,没有出现显著的异常点。
| 表3 变量描述性统计 |
表4计算各变量相关系数,并取所有系数的均值。个股波动率与新增A股个人开户数、市场月平均交易量、基金净赎回率的相关系数均值分别为0.338 4、 0.249 9、 0.028 0, 得到与图1相似结论。个股波动率与换手率、动量收益率、账面—市场值比、月末市值的相关系数均值为0.545 8、 0.143 2、 0.064 1、 -0.011 1, 即个股波动率与换手率、动量效应、账面市值效应呈正相关关系,与规模效应呈负相关关系。
| 表4 变量相关性 |
信息对于投资者情绪进而对市场有效性的影响已经得到很多研究的支撑,如杨林等[29]对外部信息均衡的研究与宋云玲和罗玫[30]对信息披露的研究。在本文的分析中,将投资者情绪定义为投资者关于个股未来基本面信息与市场走向的预期。而这一预期在本文中由所构建的投资者情绪指数度量。当投资者情绪高涨时,市场中的投资者会更加积极的参与股票交易活动,同时高涨信息的传导吸引更多的新增投资者参与,这2种效应共同引起关于个股的交易增多。个股交易的增加通过情绪传导机制,使得关于个股的信息受到放大,股票收益将会出现更大的波动。当投资者情绪低迷时,市场中的投资者由于信心不足部分撤出市场,引起交易不足,信息的传导不足,股票收益的波动下降。
为检验投资者情绪是否对个股波动率产生影响,本文构建逐个股票回归模型和面板回归模型。
在模型中,逐个加入投资者情绪指数的滞后一期、二期和三期项,考虑到波动率的自相关关系,控制波动率滞后一期项为自变量。同时,本文还控制了几个主要的股票市场异象指标滞后一期项作为自变量,以保证检验的对象并不是这些异象的影响。 X是控制变量,本文主要作为控制变量的自变量有动量收益率(动量效应)、 账面市值比(账面市值效应)、 月末市值(规模效应)、 个股换手率。同样,逐个加入投资者情绪指数的滞后一阶项到三阶项。在进行稳健性检验时,将SENTIMENT换为投资者情绪指数相对其样本均值之差的绝对值。
在进行回归分析前,首先进行了时间序列数据平稳性检验和面板数据Hausman检验。
本文应用的平稳性检验方法是Philips-Perron(PP)检验。通过对单个股票的时间序列进行PP检验,并对投资者情绪指数进行PP检验,大多数股票得到拒绝原假设结果,将个股波动率、个股换手率、投资者情绪指数的检验结果描述在表5中。
| 表5 PP平稳性检验部分结果 |
对面板数据进行Hausman检验,在5%水平下拒绝个体效应非系统性的原假设,因此使用固定效应模型。出于篇幅限制,本文不对检验结果进行罗列。
3.2.1 投资者情绪对个股波动率的影响
1) 面板数据模型回归结果
个股波动率作为因变量,将投资者情绪指数作为自变量分别进行面板数据回归分析和逐个股票回归分析,得到的结果总括在表6。从面板数据回归结果看,投资者情绪指数滞后一期项显著为正,说明投资者情绪指数越高,未来一期个股波动率越高。投资者情绪指数各阶滞后项总效应为正,即投资者情绪正向波动时,未来个股波动率上升。控制股市异象后,各阶滞后项系数仍然显著,表明本文所构建的投资者情绪指数的效应独立于这些效应以外。
| 表6 基于面板数据投资者情绪对个股波动率的影响 |
2) 单个股票逐个回归结果
使用单个股票逐个回归的方法进行检验。表7对单个股票回归分析结果进行了总括,为了检验有效性,剔除观测小于30的样本。系统均值项指个股回归结果中投资者情绪指数滞后各阶项系数的均值,系数大于0(%)项表示在所有有效(观测大于30)股票中,该阶滞后项系数大于0的股票所占比例, P值小于5%(大于95%)则指有效股票中 t统计量右尾伴随概率符合相应条件的股票所占比例, t值指对所有股票系数均值进行T检验的统计量。
| 表7 基于个股数据投资者情绪对个股波动率的影响 |
从表7中看出,滞后一阶项大于0的个股占有效股票的主要部分,这与面板数据回归结果一致。同时伴随概率显著小于0.05的股票数远大于伴随概率大于0.95的股票数,这说明显著为正的股票多于显著为负的股票。整体系统均值是显著大于0的,这说明对于单个股票而言,投资者情绪指数的滞后一阶项为正向效应的几率更大。在控制股票市场异象后,滞后各阶项的系数显著,且总体效应为正。投资者情绪越高时,个股波动率趋向于更高水平。
3) 稳健性检验
以同样的方法,将自变量换为投资者情绪指数与其样本均值之差的绝对值,面板数据回归结果如表8所示。可以看出,滞后一阶系数同样是显著大于0的,且投资者情绪指数的滞后各阶项总体效应为正。在控制各个股票市场异象后,投资者情绪指数的滞后各阶项系数仍然是显著的,说明本文构建的投资者情绪指数波动对于未来个股波动率的效应是独立于各个异象的效应。可以从回归结果中得出,投资者情绪波动对于个股波动率的效应为正,投资者情绪指数的波动越大,个股波动率越高。
| 表8 稳健性检验面板回归结果 |
在微观检验方面,同样采用与前文方法一致的逐个股票回归方法进行分析,得到了与面板数据一致的回归结果,限于篇幅,本文不对结果进行罗列。
综合以上分析可以看出,无论是面板数据回归结果还是逐个股票回归结果,均得到相同的结论,即投资者情绪越高,个股波动率越高; 投资者情绪波动越大,个股波动率越高。也就是说,存在投资者情绪影响个股波动率的微观证据,而投资者情绪与个股波动率之间的正向关系可以解释中国的逆杠杆效应(reverse leverage effect), 即当利空发生时投资者情绪低迷会导致股票市场波动率减小,而利好发生时投资者情绪高涨则会导致股票波动率增大。
3.2.2 投资者情绪对个股波动率影响的渠道分析
换手率作为反映股票流通性强弱的重要指标,对于个股波动率的影响不言而喻。而根据现有的文献,张强和杨淑娥[27]选择股票换手率作为间接投资者情绪指数,表明股票换手率可以作为投资者情绪的代理变量,因此投资者情绪影响个股波动率可能是通过个股换手率这一渠道,同时假设: 当期投资者情绪对未来个股换手率有影响,投资者情绪的正向波动带来个股换手率的上升。
为检验投资者情绪对个股波动率影响的渠道,首先将前文所述模型中SENTIMENT换为个股换手率滞后各阶项,以研究投资者情绪是否对个股换手率有显著影响。本文检验渠道使用的回归模型,即在原模型中加入投资者情绪指数与个股换手率乘积的滞后项PANEL=(Panel t-1,…,Panel t-i),其中Panel t=StkTurn t·Sentiment t,并加入与原模型相同的控制变量 X,如果在回归中乘积项的滞后项系数是显著的,则投资者情绪通过个股换手率这一渠道影响个股波动率就得到了支撑的证据。
1) 投资者情绪对个股换手率的影响
本文检验投资者情绪是否对个股换手率产生影响,将个股换手率作为因变量,投资者情绪指数作为自变量,分别以前文构建的模型进行面板数据回归,如表9所示。回归结果表明,投资者情绪指数的滞后各阶项系数均显著,且滞后一期项显著为正。即投资者情绪指数越高,未来一期的个股换手率越高。就总体效应而言,投资者情绪指数总体预测效应为正,即投资者情绪越高,未来个股换手率会上升。
| 表9 基于面板数据投资者情绪对个股换手率的影响 |
2) 投资者情绪对个股波动率影响的渠道分析
在表10中,逐次在既有模型基础上增加个股换手率与投资者情绪指数乘积项的滞后一阶到三阶项,以研究投资者情绪通过影响关于个股的交易行为影响个股波动率是否是一个可能的通道。如果模型估计结果中个股换手率与投资者情绪指数乘积项的滞后项为显著的,则可以认为是存在这一影响通道的证据。回归结果显示,在6个模型之中个股换手率与投资者情绪指数乘积项的滞后一阶项均是显著为正的。即便滞后二阶项有显著为负的情况,但总体的效应仍然为正。这与之前的研究结论一致。根据表10的回归结果,存在投资者情绪对于个股波动率通过个股换手率正向影响个股波动率的证据。
| 表10 渠道检验面板数据回归结果 |
与前文一致,本文对单支股票进行逐个回归分析,回归结果与面板数据回归结果基本一致,出于篇幅限制,本文不对结果进行罗列。在微观检验中,也存在投资者情绪通过换手率影响波动率的证据。
本文基于主成分分析构建投资者情绪指数,并以2003-2011年的股市数据进行了面板数据和逐个股票的检验。通过面板数据回归分析和逐个股票回归分析,本文实证结果表明投资者情绪对于个股波动率确实有正向的预测效应。通过对投资者情绪对于个股换手率影响的分析,本文得到投资者情绪越高,未来个股换手率越高的证据。通过对加入个股换手率与投资者情绪指数乘积项模型的回归分析,实证结果支持投资者情绪通过个股交易行为影响波动率的证据。
综上所述,投资者情绪对于单个股票未来波动率有预测效应,且这一效应为正。通过投资者基于情绪对个股交易活动参与的频繁程度实现投资者情绪影响个股波动率影响的这一渠道,是一个可能的解释。因此,政策制定者应该通过制度设计使得投资者情绪尽量少的影响股票价格。通过快速公开信息,使投资者情绪在一个稳定的区间。这样可以使风险减少。对于风险反感的投资者来说,这可以增加效用,进而增加全社会福利。
| [1] |
|
| [2] |
|
| [3] |
|
| [4] |
|
| [5] |
|
| [6] |
|
| [7] |
|
| [8] |
|
| [9] |
|
| [10] |
|
| [11] |
|
| [12] |
|
| [13] |
|
| [14] |
|
| [15] |
|
| [16] |
|
| [17] |
|
| [18] |
|
| [19] |
|
| [20] |
|
| [21] |
|
| [22] |
|
| [23] |
|
| [24] |
|
| [25] |
|
| [26] |
|
| [27] |
|
| [28] |
|
| [29] |
|
| [30] |
|