论文部分内容阅读
摘 要：基于沪深300指数，利用异质自回归（HAR）和主成分分析模型，构建投资者情绪指数和异质自回归收益情绪模型，实证显示投资者情绪和我国股票市场均具有长记忆性，且投资者情绪对我国股票市场收益率具有显著影响。
关键词：沪深300；投资者情绪；HAR；代理变量指标；收益率
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.16723198.2019.31.052
0 引言
近年来投资者情绪对股票收益率的影响一直是研究的热点问题之一。国内外许多研究表明投资者情绪对资产定价、股票收益的重要影响不可忽视。Baker和Wurgler（2006）以美国股票市场为研究对象，得到投资者情绪对股票收益的非对称性影响。刘金娥和莫舒婷（2018）、李晓萌和张宗强（2018）分别分析了投资者情绪与股市收益率的非对称、动态相关结构。张强（2016）讨论了投资者情绪对项目融资型定向增发公告效应的影响。
沪深300指数的市值覆盖率高，与其他现有市场指数相关性高，可以反映中国金融市场的整体走势，综合评价沪深两市的投资业绩。宋泽芳和李元（2012）构造了情绪指数和反映股票收益对情绪变化敏感性的指标，研究了情绪与股票特征之间的关系，发现综合情绪指数与沪深300指数的相关性很高，走势基本保持一致。高斌（2015）以沪深300市场为例，考察股指期货情绪和标的股票情绪对股指期货价格的影响。因此本文基于沪深300股票市场，分析投资者情绪对收益率序列的影响，具有一定的理论现实意义。
异质性市场模型由Muller等人提出，该模型建立的理论前提是认为市场中存在着不同类型的异质交易者。 Crosi（2009）考虑已实现波动性中不同期不同因素的影响，构建了已实现波动的异质自回归实现波动率（HAR-RV）模型，实证表明HAR-RV模型成功地实现了波动率的长记忆性、厚尾性和良好的预测效果。本文借鉴Baker和Wurgler（2006）给出的情绪指数构建方法（简称BW法），利用主成分分析构建情绪指数，并利用HAR模型，构建异质自回归收益情绪模型，旨在探究投资者情绪和股票市场的长记忆性及情绪指数对中国股票市场的影响性。
1 HAR-收益情绪模型
为了考虑金融市场长期价格的变化即长记忆性，将收益率序列的日效应，周效应，月效应作为模型中的解释变量，所选取的天数对应为1天，5天，22天。该模型反映了市场收益受到短线，中线，长线投资者不同交易风格的影响。
2 实证分析
2.1 情绪指数的构建
本文选取2002年1月7日到2019年3月28日的沪深300指数日收盘价为研究对象，交易量、换手率、市盈率和涨跌幅作为投资者情绪代理变量，以工业增加值增长率和消费增长率代表宏观经济形势，数据分别来自于Wind资讯金融终端和同花顺软件。通过对收盘价取自然对数差分得到收益率序列RPt，由R语言得到所有分析结果。
沿用BW方法，先对代理变量交易量、换手率、市盈率和涨跌幅及其滞后一期值共8个变量进行主成分分析，得到初始情绪指数，计算相关系数，根据绝对值较大者从中选取6个变量作为正式情绪代理变量。接着将上述6个正式情绪代理变量与宏观变量工业增加值增长率和消费增长率进行回归正交。然后再对此6个残差序列建立主成分分析模型，最后得到投资者情绪序列，如图2。
2.2 情绪指数的描述性统计分析
沪深300指数收益率序列和上节所得情绪指数的描述性统计量为如表1。
從表1可知，收益的平均值高于投资者情绪，且其最小值小于投资者情绪，而最大值又大于投资者情绪。收益率和投资者情绪序列的偏度分别为一负一正，说明前者左偏，后者右偏。两者的峰度均大于3，说明了分布均存在“尖峰厚尾”，且由J-B统计量的值，可以看出非正态。
2.3 长记忆性分析
在处理数据时，我们分析了沪深300收益率和投资者情绪的长记忆性。一般，长记忆性的d越靠近0.5，记忆性越强，表示过去时刻的收益对现在收益的影响更为显著。从表2可以看出：收益率和投资者情绪均具有长记忆性。
2.4 HAR收益情绪模型
考虑收益与收益前一期，收益5日平均，收益22日平均之间的关系，估计得到如下HAR-收益模型：
RPt=-0.01868+0.01917RPt-1+1.05184RPt-5，t-1-0.05419RPt-22，t-1+εt1（3）
进一步地，在上述回归模型中，加入投资者情绪前一期，投资者情绪5日平均，投资者情绪22日平均，得到如下HAR-收益-情绪模型：
分析上述模型（3）和（4）的拟合情况，可得：
由上可得，加了投资者情绪之后，模型残差的MAE和MSE均变小，可以反映出投资者情绪对于股票收益的影响非常显著，有助于提高收益率序列的拟合精度。
3 结论
本文利用BW方法构建了沪深300股票市场的综合投资者情绪，通过描述性分析和长记忆性检验，分析我国股票市场的统计特征。利用HAR模型，将投资者情绪对股票收益的影响进行了建模分析，发现投资者情绪对股票收益具有显著影响。其中，收益的前一期，5日平均对股票收益的影响最为显著。
参考文献
[1]Baker M，Wurgler J.Investor sentiment and the cross-section of stock returns[J].The Journal of Finance，2006，61（4）：16451680.
[2]Crosi，F.A Simple Approximate Long-Memory Modelof Realized Volatility[J].Journal of Financial Econometrics，2009，7（2）：174196.
[3]张强.投资者情绪对项目融资型定向增发公告效应影响[J].现代商贸工业，2016，（10）.
[4]刘金娥，莫舒婷.投资者情绪与股市收益率的非对称相关性分析[J].厦门理工学院学报，2018，（8）.
[5]李晓萌，张宗强.基于时变ARMA-EGARCH-Copula模型的投资者情绪与股市收益动态相关结构分析[J].青岛大学学报（自然科学版），2018，（5）.
[6]宋泽芳，李元.投资者情绪与股票特征关系[J].系统工程理论与实践，2012，32（1）：2733.
关键词：沪深300；投资者情绪；HAR；代理变量指标；收益率
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.16723198.2019.31.052
0 引言
近年来投资者情绪对股票收益率的影响一直是研究的热点问题之一。国内外许多研究表明投资者情绪对资产定价、股票收益的重要影响不可忽视。Baker和Wurgler（2006）以美国股票市场为研究对象，得到投资者情绪对股票收益的非对称性影响。刘金娥和莫舒婷（2018）、李晓萌和张宗强（2018）分别分析了投资者情绪与股市收益率的非对称、动态相关结构。张强（2016）讨论了投资者情绪对项目融资型定向增发公告效应的影响。
沪深300指数的市值覆盖率高，与其他现有市场指数相关性高，可以反映中国金融市场的整体走势，综合评价沪深两市的投资业绩。宋泽芳和李元（2012）构造了情绪指数和反映股票收益对情绪变化敏感性的指标，研究了情绪与股票特征之间的关系，发现综合情绪指数与沪深300指数的相关性很高，走势基本保持一致。高斌（2015）以沪深300市场为例，考察股指期货情绪和标的股票情绪对股指期货价格的影响。因此本文基于沪深300股票市场，分析投资者情绪对收益率序列的影响，具有一定的理论现实意义。
异质性市场模型由Muller等人提出，该模型建立的理论前提是认为市场中存在着不同类型的异质交易者。 Crosi（2009）考虑已实现波动性中不同期不同因素的影响，构建了已实现波动的异质自回归实现波动率（HAR-RV）模型，实证表明HAR-RV模型成功地实现了波动率的长记忆性、厚尾性和良好的预测效果。本文借鉴Baker和Wurgler（2006）给出的情绪指数构建方法（简称BW法），利用主成分分析构建情绪指数，并利用HAR模型，构建异质自回归收益情绪模型，旨在探究投资者情绪和股票市场的长记忆性及情绪指数对中国股票市场的影响性。
1 HAR-收益情绪模型
为了考虑金融市场长期价格的变化即长记忆性，将收益率序列的日效应，周效应，月效应作为模型中的解释变量，所选取的天数对应为1天，5天，22天。该模型反映了市场收益受到短线，中线，长线投资者不同交易风格的影响。
2 实证分析
2.1 情绪指数的构建
本文选取2002年1月7日到2019年3月28日的沪深300指数日收盘价为研究对象，交易量、换手率、市盈率和涨跌幅作为投资者情绪代理变量，以工业增加值增长率和消费增长率代表宏观经济形势，数据分别来自于Wind资讯金融终端和同花顺软件。通过对收盘价取自然对数差分得到收益率序列RPt，由R语言得到所有分析结果。
沿用BW方法，先对代理变量交易量、换手率、市盈率和涨跌幅及其滞后一期值共8个变量进行主成分分析，得到初始情绪指数，计算相关系数，根据绝对值较大者从中选取6个变量作为正式情绪代理变量。接着将上述6个正式情绪代理变量与宏观变量工业增加值增长率和消费增长率进行回归正交。然后再对此6个残差序列建立主成分分析模型，最后得到投资者情绪序列，如图2。
2.2 情绪指数的描述性统计分析
沪深300指数收益率序列和上节所得情绪指数的描述性统计量为如表1。
從表1可知，收益的平均值高于投资者情绪，且其最小值小于投资者情绪，而最大值又大于投资者情绪。收益率和投资者情绪序列的偏度分别为一负一正，说明前者左偏，后者右偏。两者的峰度均大于3，说明了分布均存在“尖峰厚尾”，且由J-B统计量的值，可以看出非正态。
2.3 长记忆性分析
在处理数据时，我们分析了沪深300收益率和投资者情绪的长记忆性。一般，长记忆性的d越靠近0.5，记忆性越强，表示过去时刻的收益对现在收益的影响更为显著。从表2可以看出：收益率和投资者情绪均具有长记忆性。
2.4 HAR收益情绪模型
考虑收益与收益前一期，收益5日平均，收益22日平均之间的关系，估计得到如下HAR-收益模型：
RPt=-0.01868+0.01917RPt-1+1.05184RPt-5，t-1-0.05419RPt-22，t-1+εt1（3）
进一步地，在上述回归模型中，加入投资者情绪前一期，投资者情绪5日平均，投资者情绪22日平均，得到如下HAR-收益-情绪模型：
分析上述模型（3）和（4）的拟合情况，可得：
由上可得，加了投资者情绪之后，模型残差的MAE和MSE均变小，可以反映出投资者情绪对于股票收益的影响非常显著，有助于提高收益率序列的拟合精度。
3 结论
本文利用BW方法构建了沪深300股票市场的综合投资者情绪，通过描述性分析和长记忆性检验，分析我国股票市场的统计特征。利用HAR模型，将投资者情绪对股票收益的影响进行了建模分析，发现投资者情绪对股票收益具有显著影响。其中，收益的前一期，5日平均对股票收益的影响最为显著。
参考文献
[1]Baker M，Wurgler J.Investor sentiment and the cross-section of stock returns[J].The Journal of Finance，2006，61（4）：16451680.
[2]Crosi，F.A Simple Approximate Long-Memory Modelof Realized Volatility[J].Journal of Financial Econometrics，2009，7（2）：174196.
[3]张强.投资者情绪对项目融资型定向增发公告效应影响[J].现代商贸工业，2016，（10）.
[4]刘金娥，莫舒婷.投资者情绪与股市收益率的非对称相关性分析[J].厦门理工学院学报，2018，（8）.
[5]李晓萌，张宗强.基于时变ARMA-EGARCH-Copula模型的投资者情绪与股市收益动态相关结构分析[J].青岛大学学报（自然科学版），2018，（5）.
[6]宋泽芳，李元.投资者情绪与股票特征关系[J].系统工程理论与实践，2012，32（1）：2733.