投资者情绪与A股市场非线性关系的研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇投资者情绪与A股市场非线性关系的研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】本文本文在综合BW指数以及CISCI指数的基础上采用封闭式基金折价率、新增开户数、消费者信心指数和换手率四个指标运用主成分分析构建了中国A股市场上的综合的投资者情绪指标。结果发现投资者情绪指数和A股市场指数HA、SA和HS300之间存在着显著的双向Granger因果关系。因此在非线性的传递中，投资者情绪对A股市场指数产生了显著的影响，换句话说，投资者情绪会影响到资产的价格和波动。同样的，A股市场指数的变动也影响着投资者情绪，也就是说股市的变化会影响到投资者对未来投资的决策。

【关键词】投资者情绪；主成分分析；非线性Granger因果检验

一、前言

Fama（1975）提出的“有效市场假说（EMH）”认为市场上存在大量同质化的理性投资者，这是经典金融学研究的主要内容之一。然而，20世纪70年代以来出现的大量的金融异象对EMH产生了严重的冲击。投资者不是根据信息而是根据“噪声”进行交易。因此，市场上存在着大量的非理性投资者。行为经济学认为，由于投资者会受到天气、生物规律、社会事件、信念等因素的影响，而导致投资者情绪的波动，进而会影响到投资者的决策和行为。这种“投资者情绪”使得到投资者的行为不再受到“理性”的支配，其决策和行为不再是充满理性的，而是掺杂着情感因素。中国股市作为新兴资本市场，各种制度尚不健全、市场结构不完善、定价机制非有效等特点决定了中国股市比成熟的股票市场具有更强的非理性特征。大量的国内学者的研究表明投资者情绪是影响我国股市收益率变动的系统性因素（王美今，2004；刘超，2006；黄德龙，2009；张强，2009等）。本文在借鉴国内外学者研究的基础之上，构建了我国A股市场综合的投资者情绪指数，然后用线性和非线性的Granger因果检验来考察投资者情绪指数与沪A、深证成指以及沪深300指数月收益率之间的非线性关系。

二、文献综述

传统的经济学并不注重投资者情绪对市场的影响（Gomes et al.，2003），因为传统的经济学家认为市场上的投资者是理性的。市场中存在的非理性投资者的非理从总体上会相互抵消，使得证券价格的净影响为零，即使非理不能从整体上抵消，理性套利者的存在会使得证券的价值决定其价格（Shleifer，2000）。上述的理论受到了行为经济学的巨大挑战，特别是国内外学者所做的大量的实证研究。虽然说他们的研究在数据以及计量方法上面有所不同，但是他们的研究的结果却是趋于一致，即：投资者情绪与股市之间存在着不可忽视的关系。典型的研究当数DeLong、Shleifer、Summers和Waldmann（1990）提出的噪声交易者模型（DSSW），指出市场情绪是影响资产均衡价格的系统性风险。DSSW模型解释了噪声交易者对金融资产定价的影响及噪声交易者为什么能赚取更高的预期收益。进一步的，Lee等（1991）用DSSW模型来解释封闭式基金的折价之谜，其研究发现，封闭式基金可以预测小公司的股票未来收益以及小公司与大公司股票组合的收益差。越来越多的金融异象和实证结果证明完全有效的证券市场是不存在的（Glodbaum，2005）。Baker和Wurgler（2006）选取了封闭式基金折价率、换手率、IPO数量和IPO首日收益率、新发股票中普通股数量、红利升水共6个指标构建了BW指数，通过实证发现投资者情绪对具有高主观性定价的股票和难以投机的股票具有较大的影响。Yu和Yuan（2011）通过构建BW指数用RW、MIDAS、GARCH和GJR-GARCH模型对美国股市进行了分析，其结果发现在低情绪时期中投资者对市场的影响小于投资者在高情绪时期的影响。

国内对于投资者情绪和股市之间关系的研究较晚一些，其较多的集中在实证研究方面。张俊喜，张华（2002）较早的对国内封闭式基金“折价之谜”，进行了探讨，其结论认为投资者情绪在很大程度上导致和影响了封闭式基金的折价。王美今和孙建军（2004）以有限理性为前提的行为经济学的研究方式，用央视看盘指数作为投资者情绪的变量对中国股市的收益和投资者情绪的关系进行了研究，其结果发现投资者情绪不仅能显著地影响沪市和深市的收益，而且投资者情绪能够显著地反向修正沪深股市的收益波动。这种方式为中国研究投资者情绪提供了一种很好的思路。刘赛红（2006）认为中国证券市场在运行机制、交易者素质等方面的不完善增加了市场上的噪声，投资者的情绪对市场的影响更加深远。文凤华等（2011）通过开户比例和股市收益率的日数据和周数据建立投资者情绪指数，其研究发现开户比例的波动是沪深300指数、上证指数、深A指数收益率变动的Granger原因，而反过来要依据期限不同而定。

三、数据

本文选用封闭式基金折价率、新增开户数、消费者信心指数和换手率来构建综合的投资者情绪指标。由于数据的可得性以及数据的完整性的限制，选取数据的样本期为2003年1月到2011年10月，总共包含106个月度数据。

1.封闭式基金折价率（CEFD）

封闭式基金的折价率反映了封闭式基金份额净值和单位市价之差与基金份额净值的比率。伍燕然和韩立岩（2007）认为由于国内的封闭式基金大都由个体投资者持有，所以该指标可以有反映投资者情绪。本文采取市值加权的方式进行计算。

其中表示封闭式基金在t时期的市价，表示封闭式基金在t时期的单位净值。

2.新增开户数（NOA）

新增开户数体现了市场上投资者投投资的活跃程度，当投资者处于乐观或高涨期时，投机需求会使得投资者踊跃参与股市交易，使得开户数激增。当投资者处于悲观或低落时期的时候，投资者的投资和投机需求降低，使得投资者的入市和交易量降低。

新增开户数=

3.消费者信心指数（CCI）

消费者信心指数反映了消费者对经济环境的信心强弱程度以及对经济的看法以及购买意向。薛斐（2005），易志高和茅宁（2009）认为消费者信心指数不仅可以作为度量投资者情绪的指标，而且对中国股市具有很好的预测能力。为了方便计算，消费者信心指数采取涨跌率的方式来替代原指数。

4.换手率（TURN）

换手率表示某时期内成交量与流通股总值的比率。换手率的高低代表着股票的活跃程度的高低，交易活跃说明投资者对于此股票的投资积极性；反之，则表明投资者对此股票的关注度较低。在这里换手率采取市值加权的方式计算。

其中表示第i只股票在t时期的交易量，表示股票i在t时期的权重。

四、实证分析

1.投资者情绪指数

由于不同指标对投资者情绪的放映可能存在着“提前”和“滞后”的关系（Lowery和Schwert，2002；Baker和Wurlger，2006）。所以在实证分析的时候我们就有4个原始变量和相应的滞后1阶变量。这样本文构建投资者情绪指标的变量共8个，每个变量包含105个观测值。首先对这8个变量进行主成分分析，确定其主成分的数量。在进行主成分分析之前我们先把数据进行标准化处理。在确定主成分的数量时应该保证抽取方差的累计比例不小于85%。从SPSS的分析结果可知，抽取的主成分为5个，且5主成分累计方差贡献率高达94.247%，这样丢失的信息较少效果较好（见表1）。

计算出5个主成分的总得分可以得出原始的投资情绪指数，然后把求出的与原始的变量进行相关系数检验，从中找出和相关系数中找出相关程度较高的一个作为建立最终投资者情绪指数的变量。如下表所示最终确定、、和为构建的变量。

为了求的最终的投资者情绪指数，需要进行第二次主成分分析。为了与上文的分析结果保持一致，第二次主成分分析也要要保证抽取的累计方差贡献度不低于85%。结果如表3所示，抽取的主城分数为3，累计方差比为85.367%，具有较好的解释能力。因此可得出投资者情绪指数的表达式为：

2.线性和非线性Granger因果检验

Granger（1969）提出的格兰杰因果检验是用来测量两组时间序列之间是否存在统计意义上的因果关系。为了确定在非线性分析中变量所要采取的形式，要先用ADF检验对各变量的平稳性进行分析，以确定投资者情绪指数与A股指数是否是平稳的时间序列。从表4的检验结果可以看出在95%的置信水平下存在一阶单位根，而沪A、深证成指以及沪深300指数均不存在单位根。

因为投资者情绪指数存在着一阶单位根，因此要把进行一阶差分，差分过之后再进行Granger因果检验，其检验的结果如表5所示。

从表5的结果中可以看出，在95%的置信水平下不是HA和SA的格兰杰原因均拒绝原假设；而在90%的置信水平下ISI不是HA、SA和HS300的格兰杰原因均拒绝原假设。因此可以说在90%的置信水平下投资者情绪指数是A股市场指数变动的格兰杰原因，而A股市场指数的变动则不是引起投资者情绪指数变动的原因。

传统的Granger因果检验是在模型参数固定不变的线性框架下对变量之间的关系进行检验，考察的是变量之间的线性因果关系，而当时间序列呈现非线性的动态变化趋势时，将无法正确地识别出变量之间是否存在着非线性的因果关系，而且更重要的是当我们忽略变量之间可能存在的非线性关系时，采用传统的Granger因果检验方法对其相互间的影响关系进行检验可能导致结论出现显著偏差。下面用Diks和Panchenko（2006）提出的非参数的非线性格兰杰因果检验来验证投资者情绪指数与A股市场指数之间是否存在着非线性的格兰杰因果关系。在此之前要先确定投资者情绪指数与A股市场指数之间是否存在着非线性的关系，为了保证检验的稳健性文中选取BDS（Brocket al，1996）和RESET（Ramsey，1969）两种方法作为非线性检验的工具。通过最优的VAR模型对投资者情绪指数与A股指数之间的相互关系进行估计，以过滤掉相互之间的线性关系，随后分别对残差序列进行非线性检验。结果如表6所示。

注：（1）各个双变量VAR模型的最优滞后阶数的选择遵循AIC信息准则；（3）BDS检验中嵌套维度m为6，且ε=σ；在RESET检验中，采用的检验形式为3阶多项式预测值；（4）BDS检验统计量服从正态分布，RESET检验统计量服从F分布。

从表6的BDS和RESET检验结果可以看出，检验统计量均显著拒绝原假设，由此可以判断在各种因素的影响下中国的投资者情绪指数与A股市场指数之间存在着显著的非线性关系。下面我们将考察基于VAR线性过滤的投资者情绪指数与A股市场指数之间的非线性格兰杰因果关系，并把他们基于共同的阶数。

从表7的统计结果中可以看出在基于VAR过滤之后的投资者情绪指数和A股市场指数HA、SA和HS300之间存在着显著的双向Granger因果关系。因此在非线性的传递中，投资者情绪对A股市场指数产生了显著的影响，换句话说，投资者情绪会影响到资产的价格和波动。同样的，A股市场指数的变动也影响着投资者情绪，也就是说股市的变化会影响到投资者对未来投资的决策。

五、结论

本文通过建立以封闭式基金折价率、新增开户数、消费者信心指数和换手率为基础变量的综合的投资者指数来考察投资者情绪指数和A股市场之间的非线性关系。从实证的结果可以看出，投资者情绪与A股市场指数之间存在着双向的非线性Granger因果关系。从上述的结果可以得出两条结论：一，投资者情绪可以影响股票市场价格和收益的变动；二，股票市场收益的变动也可以影响到投资者情绪。

参考文献

[1]Baker and Wugler.Investor sentiment and the cross-section of stock returns.The journal of finance[J].2006（8）.

[2]Lee C，Shleifer A，Thaler R.Investor sentiment and the closed-end fund puzzle[J].Journal of Finance，1991（46）.

[3]Yu and Yuan.Investor sentiment and the mean-variance relation[J].Journal of finance economics，2011（10）.

[4]文凤华，饶贵添，杨晓光.投资者情绪对A股市场的影响研究[J].长沙理工大学学报，2011（1）.

[5]李小晗.情绪周期与股票收益-基于中国股票市场月相效应的检验[J].中国会计评论，2009（12）.

[6]刘赛红.中国封闭式基金折价现象解释及其论证[J].系统工程，2006（12）.

[7]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）.

[8]张强，杨淑娥，杨红.中国股市投资者情绪与股票收益的实证研究[J].系统工程，2007，25（7）.