中国股市投资者情绪指数构建和有效性检验.docVIP

中国股市投资者情绪指数构建和有效性检验 　　摘 要：本文使用了三种不同的数据降维方法――主成分、卡尔曼滤波和拉普拉斯特征映射，选取了城镇居民投资意愿、IPO首日收益率、对数开户比和流通市值加权换手率，建立了三3个从1999年至2015年跨度17年的测度中国股票市场投资者情绪的月度复合指数。同时，基于“孪生股票”现象，使用AH股溢价指数对三个情绪指数进行了有效性检验。结果发现，基于卡尔曼滤波方法的情绪指数最为有效，基于主成分方法的情绪指数次之，而基于拉普拉斯特征映射的情绪指数没有达到实证研究的有效性要求。 　　关键词：投资者情绪；卡尔曼滤波；拉普拉斯特征映射；有效性检验 　　中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2016）07-0024-07 　　一、引言 　　行为金融学认为，投资者的认知偏差、投资行为的模仿学习和市场套利的有限性都会使投资人受到某些心理情绪因素的影响做出错误的投资行为，资产价格随之长期偏离其价值，投资者情绪成为影响资产价格的系统性因子。贝克和沃格勒（Baker和Wurgler，2007）指出，投资者情绪是一种不能被已有事实所证实的关于金融资产未来现金流和风险的信念，它是投资者的认知偏误在资本市场上的总体表现。通过对投资者情绪的研究，可以揭示有限理性的投资者是如何长期影响市场的。 　　投资者情绪的实证研究首先需要解决的是如何对其进行测量的问题。已有研究中有选择主观调查数据来度量投资者对市场预期的总体判断的；有选择市场客观指标来度量总体投资者错误定价程度的；还有通过对财经杂志或网络信息分析，测量投资者对市场的情绪态度的。这些都属于单一情绪指标的范畴。布朗和克利夫（Brown和Cliff，2004）提出，可以将暗藏在多个情绪相关变量中的共同因素提取出来，形成一个复合的指标，更加精确地测量投资者情绪。因为，单一指标既含有投资者情绪因素，也含有其他的干扰因素，如果能够有效地剔除干扰因素、保留共同因素，复合指标对情绪的测量会更准确。 　　本文从复合指标的角度来构建中国股市的投资者情绪指数。构建复合指数本质上是一个数据降维过程，现有的研究绝大部分都采用主成分分析的方法。不同的数据降维方法是否会对测量结果产生不同的影响？已有文献中并没有回答这个问题。本文使用三种不同的数据降维方法――主成分、卡尔曼滤波和拉普拉斯特征映射（LE）来比较情绪因素的提取测量效果。 　　投资者情绪研究中的另一个现象是在情绪与市场的相互作用实证研究结果上，已有文献存在较大分歧。有的研究认为，情绪对市场有显著影响；另有一些研究持不同的观点。易志高和茅宁（2009）指出上述现象的一种解释是不同的研究采用的情绪指数测量方法不同。特别是，复合指标中采用的原始情绪相关变量中含有的干扰因素太多，就会造成最主要的共同因素已经不是研究所需要的情绪因素，复合指标的可靠性受到质疑。解决这个问题的思路，一是要细致选择原始情绪变量，确保与情绪紧密相关；二是需要一种检验复合投资者情绪指标可靠性的方法，确认对情绪测量的准确性。前者需要在对已有实证研究结果进行比较的基础上，对中国股市特征进行分析来获得。“孪生股票”现象为后者提供了一种检验思路。贝克等（Baker等，2012）指出投资者情绪是造成“孪生股票”现象――价值相同的资产在不同市场定价不同――的一个重要原因，一个准确测量的投资者情绪指数应该能够显著影响资产价差。本文首次对构建的多个中国股市情绪指数进行了严格的有效性检验比较。 　　二、文献综述与评论 　　投资者情绪的测量是情绪实证研究中最基础的问题。研究中有单一指数和复合指数两类划分。单一指数是复合指数构建的基础成分，在不同的研究中使用灵活；复合指数有理论上的优势，如果构建的方法得当，可以获得更精确的情绪测量。 　　（一）单一情绪指数 　　单一情绪指数包括：直接调查数据、间接的市场变量和文本信息挖掘变量。 　　1. 直接调查数据：这一类指标主要通过直接询问投资者对未来市场看涨看跌的态度，或者对未来的投资信心来了解总体上投资者对市场预期的看法。国外研究中多使用：美国投资者协会指数、投资者智能指数、华尔街战略家指数、瑞银/盖乐普指数、希勒股票市场信心指数和消费者信心指数；国内研究中多使用：央视机构看市、央视个人看市、好淡指数、华鼎多空民意调查、巨潮投资者信心指数、中国人民银行城镇居民投资意愿调查、消费者信心指数。 　　直接调查数据可以获得可持续、可比较和具有一定独立性的投资者情绪时间序列，但缺点在于：其一，一般这类数据的调查样本都不大，甚至很多调查没有披露抽样方法和样本量，代表性上存在疑问；其二，卡托纳（Katona，1975）指出被调查者往往有选择使自己满意答案的倾向，他们的回复不一定等同于他们的真实想法或状态；其