不同市態階段的股票收益-風險實證研究——情緒沖擊與投資策略

閆 偉，楊春鵬

（華南理工大學 經濟與貿易學院，廣東 廣州 510006）

一、引言及相關文獻

自20世紀80年代以來，鑒于行為金融學對市場異象較強的解釋力，其得到了越來越多的支持，并逐漸成為現代金融理論的有效補充；90年代開始，作為行為金融學一大分支的投資者情緒研究得以發展，業已取得了較豐碩的成果。其文獻大多為實證性研究，涵蓋的內容大致有二：其一是投資者情緒的表征；其二是投資者情緒與市場整體或股票組合的收益及風險之間關系的研究。對于投資者情緒的表征，早期研究較多采用直接調查指標；近年來的發展趨勢逐漸演化為利用金融市場交易變量的間接代理，且由僅采用單個代理變量發展至采用多個代理變量綜合性表征。對于投資者情緒與股票收益及風險的實證研究，大多文獻均考察了其在整體時間區間內的性質，尚缺乏對細分區間或階段的探討。本研究即在構建一類投資者情緒指數的基礎上，對周期性牛市和熊市進行細分，并研究各階段情緒與股票收益及風險之間的關系。

早期投資者情緒的間接測度多為僅采用一個代理變量，如Brown和Cliff（2004，2005）對之前的研究做了較全面的綜述，[1-2]而最近的研究方法已經發展到運用多個市場交易代理變量綜合性地描述情緒。國外研究中，Baker和 Wurgler（2006，2007）、Baker和 Wang等 （2008）、Kurov（2010）、Gao和Yu等（2010）、Yu和 Yuan等 （2011）、McLean和 Zhao（2011）、Stambaugh和 Yu等 （2010）采用封閉式基金折價率、換手率、IPO數量、IPO首日收益率、新股發行占比以及分紅等六個代理變量來表征投資者情緒。[3-10]Liao和Huang等（2011）選取了個股平均收益、個股平均成交量、標普500指數收益、羅素2000指數收益、標普500指數成交量、標普500指數期權認沽認購比、IPO首日收益、IPO發行量、紐約證券交易所股票換手率、共同基金凈買量等十個變量來表征投資者情緒。[11]Finter和Niessen-Ruenzi等（2010）采用德國GFK消費者信心指數、交易量、基金凈買額、IPO發行量、IPO首日收益、股票發行占比、認沽認購比等變量，以主成分分析法構造了投資者情緒指數。[12]Kim和Ha（2010）采用韓國十個代理變量（新股發行占比、相對強度指數、貨幣流通指數、SERI金融強度指數、IPO首日收益率、股票投資保證金、SERI消費者情緒指數、心理線、墊頭借支、KOSPI股票換手率）來表征投資者情緒。[13]國內研究中，張強和楊淑娥（2009）采用市場換手率、封閉式基金折價率和投資者開戶增長率作為投資者情緒指數的三個代理變量；黃德龍、文鳳華和楊曉光（2009）采用市場換手率、封閉式基金折價率和A股新開戶比率作為投資者情緒的代理變量；蔣玉梅和王明照（2009）采用封閉式基金折價率、A股新增開戶數、換手率和消費者信心指數四個代理變量來表征投資者情緒；易志高和茅寧（2009）采用封閉式基金折價、市場交易量、IPO數量及上市首日收益、新增投資者開戶數和消費者信心指數六個代理變量來刻畫投資者情緒。[14-17]

上述文獻在構造各自情緒指數的基礎上，通過選取不同的時間區間、利用不同的分析模型，研究了情緒與收益間的交互式關系。然而，上述文獻只探討了整個時間區間內投資者情緒平均意義上的表現，而未探討不同市場態勢或周期階段條件下的情形。楊陽和萬迪昉（2010）研究了牛市、熊市兩類時期情緒對上證綜指收益的影響，得到了不同時期情緒效應的有益結論，是對現有文獻研究結論的一大進步。然而，他們的分析未對牛市和熊市作進一步的細分，且未對不同風格股票的輪動效應進行研究。因此，本文基于這一理念，在采用六個代理變量構建一類新的投資者情緒指數的基礎上，研究多種市場周期階段細分情況下不同風格股票收益與風險的輪動效應，以期得到更為豐富的有益結論，并據此給出實際投資策略建議。本文的主要貢獻如下：(1)首次將牛市和熊市更為細分，以研究情緒與指數收益及風險在牛市不同階段和熊市不同階段的關系；(2)在情緒與指數收益及風險關系的研究中采用了多類股票風格指數，考察了各風格股票在不同細分時期的表現。

二、實證設計

（一）變量定義及數據來源

1.投資者情緒指數

綜合以往研究文獻，并結合中國數據特征，本文擬選取的表征當期情緒的代理變量有：兩市新增股票開戶數、兩市新增基金開戶數、上證成交量、深證成交量、上證基金指數、深證基金指數。以上代理變量均來源于銳思金融數據庫，為時間區間2004.1.30-2009.7.31內的周數據。

在對投資者情緒代理變量的選取這一問題上，國內外學者還未形成共識。國外文獻和部分國內文獻通常采用的是IPO數量及IPO首日收益率，然而本文并未采用這一系列的代理變量。這是因為國內股市數次中斷新股發行，造成數據的分段缺失，從而使得該變量并不能很好地刻畫市場情緒。另外，國內外文獻通常還采用封閉式基金折價率作為反映市場整體情緒水平的代理變量，但本文采用上證基金指數及深證基金指數代替了封閉式基金折價率這一代理變量。這是因為這兩個指數更能夠綜合性地反映基金市場的更多信息。

對以上六個代理變量實行標準化。標準化方法是各變量減去其均值后再除以其標準差。以主成分方法所得到的第一主成分作為情緒指數St，則情緒指數和各代理變量的函數關系為：

此時，第一主成分貢獻度69.65%，意味著情緒指數能夠表征上述六個最終代理變量69.65%的信息。情緒最小值為-2.1617，最大值為5.6790。該時間區間內的投資者情緒見圖1所示。

圖1 2004.1.30-2009.7.31時間區間內的投資者情緒

2.指數收益率

本文采用的各類指數除了上證綜指收益率RH和深證成指收益率RS外，還選取了五類股票風格指數收益率。它們分別是：（1）按照股票市值規模，分為大市值指數收益率RDSZ和小市值指數收益率RXSZ；（2）按照股票市凈率，分為高市凈率指數收益率RGSJL和低市凈率指數收益率RDSJL；（3）按照股票價格，分為高價股指數收益率RGJ和低價股指數收益率RDJ；（4）按照公司業績，分為虧損股指數收益率RKS和績優股指數收益率RJY；（5）按照公司前景，分為價值股指數收益率RJZ和成長股指數收益率RCZ。其中，第一類風格指數為天相投資顧問公司編制，第二至四類風格指數為申銀萬國證券公司編制，第五類風格指數為中信證券公司編制。所有指數數據均來源于銳思金融數據庫，為時間區間2004.1.30-2009.7.31的周數據。

3.階段劃分

對于不同市場階段的劃分，主要是依據滬市與深市綜合指數階段運行的最高點、最低點所出現的日期，即本文采取事后主觀劃分法。如其中一個牛市轉換至熊市的時點為2007.10.12，滬深兩市指數在該時點運行至最高后開始回落。最終主觀性細分的市場階段如下：

牛市初期：2005.7.22-2006.8.11及2008.11.7-2009.2.27；牛市中期：2006.8.18-2007.7.6及2009.3.6-2009.5.22；牛市末期：2007.7.13-2007.10.12及2009.5.27-2009.7.31。熊市初期：2007.10.19-2008.2.1；熊市中期：2008.2.5-2008.9.19；熊市末期：2004.1.30-2005.7.15及2008.9.26-2008.10.31。牛市時期為牛市初期、中期、末期的并集；熊市時期為熊市初期、中期、末期的并集。

（二）實證方法

在回歸分析時要求所使用的時序數據必須平穩，否則可能產生偽回歸問題。因此，在建?；貧w分析前應首先對時序數據進行單位根檢驗。本文采用帶截距項依SIC確定滯后項的ADF方法對各變量進行單位根檢驗，繼而再確定分析模型。檢驗結果如表1所示。

表1 各時序數據的ADF檢驗結果

另外，對情緒增量的單位根檢驗結果顯示其ADF值為-19.5990，P值為0.0000，表明無論是各指數收益率還是情緒增量序列均是平穩的。因此，相應的OLS線形回歸模型為：

其中，Rt即為如上各類指數收益率。

OLS線形回歸分析對殘差要求其獨立同分布，因此，應對回歸的殘差是否存在條件異方差做LM檢驗。檢驗結果如表2所示。

表2 線形回歸模型的LM檢驗結果

以上檢驗結果顯示，線形回歸殘差存在顯著的ARCH效應，因此需引入條件異方差模型。針對本文的研究內容，即投資者情緒變化與指數收益率在不同市場階段的關系，擬采用階數均為1的TARCH(q,p,r)模型進行分析。模型估計方程為：

其中，Rt為指數收益率，ΔSt為情緒變化。α0和β0分別為均值方程與方差方程估計的截距項，μt為均值方程估計殘差。β2·μ2t-1·Dt-1項為非對稱效應項，或TARCH項；Dt-1為一虛擬變量，當μt-1＜0時，Dt-1=1，否則Dt-1=0。好消息和壞消息對條件方差有不同的影響。好消息有一個β1倍的沖擊，而壞消息有一個β1+β2倍的沖擊，因此體現了對收益波動沖擊的非對稱性。β3為條件方差的自回歸系數，當β3＞0時表明條件方差有一期動量效應，β3＜0表明有一期反轉效應，且意味著條件方差有一期擴增效應，意味著有一期縮減效應。

三、實證結果分析及投資策略

對牛市和熊市的回歸結果分別見表3-4。其中，表3為牛市時期情緒變化與指數收益率、風險分析的TARCH(1,1,1)回歸結果，表4為熊市時期的回歸結果。

表3 牛市時期情緒變化與指數收益率的關系

由表3結果可看出：牛市時期均值方程系數的回歸結果α0、α1全部在1%的置信水平下顯著為正，情緒變化與各指數收益率關系表明情緒高漲時收益增加、情緒低落時收益減少，兩市指數及不同風格股票回歸系數間的截面關系表明深市、小市值、低市凈率、績優、價值類股票受情緒變化影響更敏感，其經濟含義意味著牛市時期投資者應該加大此類股票的投資比重，方能獲取超額收益；TARCH項系數除高價股與績優股指數外，均表現出較高的顯著性，且數值為負，表明牛市時期壞消息的沖擊效應較小，各類股票收益波動表現出較強的非對稱性；且這種非對稱性對于深市、小市值、低市凈率、價值類股票更為強烈；各類指數方差方程中的系數β3均在1%的置信水平下顯著為正，且其值均小于1，表明條件方差有明顯的一期動量效應及一期縮減效應，且這種縮減效應對于深市、小市值、低市凈率、高價、績優、價值類股票更為明顯。

表4結果表明：熊市時期均值方程系數的回歸結果α0大多顯著為負，α1全部在1%的置信水平下顯著為正，即各指數收益與情緒變化同向變動，其數值大小截面關系表明深市、小市值、低市凈率、高價、績優、價值類股票受情緒變化影響更敏感，意味著熊市時期投資者應該優先賣出此類股票，以避免過度虧損；TARCH項系數表明除低價股好壞消息對收益波動沖擊表現出顯著的非對稱性外，其他類股票在熊市時期并無非對稱性；除低價股指數外，各類指數方差方程中的系數均在1%的置信水平下顯著為正，且深市、高價、績優類股票指數的β3值均大于1，表明條件方差有顯著的一期動量效應及一期增擴效應，其他類股票指數的β3值小于1，表明條件方差有明顯的一期動量效應及一期縮減效應，且這種縮減效應對于小市值、低市凈率類股票更為強烈。

表4 熊市時期情緒變化與指數收益率的關系

綜合表3、表4結果可看出，各類指數收益率對情緒變化的回歸系數在熊市時期要遠大于牛市時期，這證明了情緒變化在不同市態下對股票收益影響的非對稱性；熊市時期情緒變化對股票收益的沖擊比牛市時期更為強烈，表明了“慢漲快跌”這一金融市場普遍現象；好壞消息對大多指數收益波動的非對稱性，在牛市時期比熊市時期更為明顯。

將牛市進一步細分為牛市初期、中期、末期，同時將熊市進一步細分為熊市初期、中期、末期后，對每一階段的TARCH(1,1,1)分析結果見表5-7。在此為簡化起見，只列出關鍵參數α0、α1、β2、β3的分析結果。其中，表5為牛市初期與中期情緒變化與指數收益率、風險分析的TARCH(1,1,1)回歸結果，表6為牛市末期與熊市初期的回歸結果，表7為熊市中期與末期的結果。

由表5結果可看出：對于牛市初期，其均值方程系數的回歸結果α0、α1全部在1%的置信水平下顯著為正，兩市指數及不同風格股票回歸系數間的截面關系表明深市、小市值、低市凈率、低價、績優、成長類股票受情緒變化影響更敏感，說明牛市初期投資者應優先考慮購入此類股票以獲取更大收益；TARCH項系數除深市、大市值與低價股指數外，均顯著為負，表明牛市初期壞消息的沖擊效應較小，各類股票收益波動表現出較強的非對稱性，且這種非對稱性對于低市凈率、績優、成長類股票更為強烈；除低價類指數外，各方差方程中的系數均在1%的置信水平下顯著為正且其值均大于1，說明各類股票條件方差有明顯的一期動量效應及一期增擴效應。對于牛市中期，α0、α1全部在1%的置信水平下顯著為正，α1的截面關系表明滬市、小市值、低市凈率、低價、虧損、價值類股票受情緒變化影響更敏感，說明牛市中期投資者應加大此類股票的投資權重；非對稱項系數除小市值、低市凈率、低價及價值類指數外，均顯著為負，說明牛市中期壞消息的沖擊效應較小，各類股票收益波動表現出較強的非對稱性；各方差方程中的系數β3均顯著為正，且大市值、虧損類股票面值大于1，說明這類股票在牛市中期條件方差有明顯的一期動量效應及一期增擴效應，而其他類股票指數的β3值小于1，表明這類股票在牛市中期條件方差有明顯的一期動量效應及一期縮減效應。

表5 牛市初期、牛市中期情緒變化與指數收益率的關系

表6 牛市末期、熊市初期情緒變化與指數收益率的關系

續表6

表6結果表明：對于牛市末期，均值方程系數的回歸結果α0全部顯著為正，α1也大多顯著為正；非對稱項β2系數均不顯著，表明牛市末期好壞消息對各類股票收益波動沖擊并未表現出明顯的非對稱性；各類股票方差方程中的系數β3大多不顯著，低價股條件方差有動量及增擴效應，虧損股有動量及縮減效應，成長股有反轉縮減效應。對于熊市初期，α1全部在1%的置信水平下顯著為正，其數值大小表明深市、大市值、高市凈率、高價、績優、成長類股票受情緒變化影響更敏感，說明熊市初期投資者應優先降低此類股票的配置比重；TARCH項系數β2不顯著，表明熊市初期好壞消息對各類股票收益波動沖擊并無明顯的非對稱性；各方差方程中的系數β3大多不顯著，高市凈率類股票系數β3值為正且大于1，說明這類股票在熊市初期條件方差有明顯的一期動量效應及一期增擴效應，而高價類股票系數值為正但小于1，表明這類股票在牛市中期條件方差有明顯的一期動量效應及一期縮減效應。

表7 熊市中期、熊市末期情緒變化與指數收益率的關系

續表7

由表7結果可看出：對于熊市中期，均值方程回歸系數α1全部在1%的置信水平下顯著為正，其數值大小表明在熊市中期深市、小市值、低市凈率、高價、績優、價值類股票受情緒變化影響更敏感，說明熊市中期投資者應優先考慮售出此類股票以避免過度虧損；TARCH項系數β2均不顯著，表明熊市中期好壞消息對各類股票收益波動的沖擊沒有非對稱性；方差方程中的系數β3顯著，說明滬市股票條件方差在熊市中期有顯著的一期動量效應及一期縮減效應，大市值、高價、低價、績優、價值類股票有顯著的一期動量效應及一期增擴效應。對于熊市末期，α1全部在1%的置信水平下顯著為正，其數值大小表明深市、小市值、高市凈率、高價、績優、價值類股票受情緒變化影響更敏感，說明熊市末期投資者應優先考慮降低此類股票的投資比重；非對稱項系數β2均不顯著，說明熊市末期好壞消息對各類股票收益波動的沖擊并沒有非對稱性；僅滬市方差方程中的系數β3顯著為正且其值小于1，表明滬市股票在熊市末期條件方差有明顯的一期動量效應及一期縮減效應。

綜合表5-6結果可看出：對牛市的不同階段，投資者情緒變化對各類股票收益率的沖擊大小不同，在牛市初期沖擊最大，中期次之，末期最小。因此，投資者的持股資金比例應隨著牛市不同階段的演化有所變化，牛市初期應持有更多股票，牛市末期應持有更多現金。綜合表6-7結果可看出：對熊市的不同階段，情緒變化對股票收益率的沖擊大小也不同，在熊市末期最大，初期次之，中期最小。因此，投資者為保資金安全，熊市初期、末期均應持有較大比例的現金。

綜上可看出，投資者情緒變化對各類股票收益的影響以及股票風險不僅在牛市與熊市有不同的特征，而且在牛市各階段以及熊市各階段也有不同性質。

四、結語

以往對于投資者情緒與股市收益及風險的分析更多的是研究市場的整個時間區間，而未將該區間按照市態階段進行細分，以研究情緒在每一階段對收益及風險的不同影響。本文將時間區間進行了多種方式的細分，不僅考察了投資者情緒在市場周期性牛市、熊市對上證綜指、深證成指及五類股票風格指數收益間的影響及其風險特征，而且還探討了其在周期性牛市和熊市初期、中期及末期時的性質。研究結果表明，情緒變化對上述股指收益有顯著影響，是一重要的系統性因素。在市場不同階段，各類型的股票收益受情緒影響不同，股票收益也表現出風格輪動效應，因此，投資者在不同階段對各類股票的投資權重也有所差異，其風險特征在不同階段也有不同表現。

未來研究一方面可考察其他風格股票的收益、風險在市場不同階段的特征，另一方面也可考察其他市態周期細分方式下（如股改前后、或周期性底部、中部及頂部等）的影響效應。

[1]Brown G.,Cliff M..Investor Sentiment and the Near-term Stock Market[J].Journal of Empirical Finance,2004,11(1)：1-27.

[2]Brown G.,Cliff M..Investor Sentiment and Asset Valuation[J].Journal of Business,2005,78(2)：405-440.

[3]Baker M.,Wurgler J..Investor Sentiment and the Cross-section of Stock Returns[J].Journal of Finance,2006,61(4):1645-1680.

[4]Baker M.,Wurgler J..Investor Sentiment in the Stock Market[J].Journal of Economic Perspective,2007,21(2)：129-151.

[5]Baker M.,Wang J.,Wurgler J..How Does Investor Sentiment Affect the Cross-section of Stock Returns?[J].Journal of Investment Management,2008,6(2)：57-72.

[6]Kurov A..Investor Sentiment and the Stock Market’s Reaction to Monetary Policy[J].Journal of Banking and Finance,2010,34(1)：139-149.

[7]Gao X.,Yu J.,Yuan Y..Investor Sentiment and Idiosyncratic Risk Puzzle[R].SSRN Working Paper,University of Pennsylvania,Philadelphia,2010.

[8]Yu J.,Yuan Y..Investor Sentiment and the Mean-variance Relation[J].Journal of Financial Economics,2011,100(2)：367-381.

[9]McLean R.,Zhao M..The Business Cycle,Investor Sentiment,and Costly External Finance[R].SSRN Working Paper,University of Alberta,Edmonton,2011.

[10]Stambaugh R.,Yu J.,Yuan Y..The Short of It:Investor Sentiment and Anomalies[R].SSRN Working Paper,University of Pennsylvania,Philadelphia,2010.

[11]Liao T.,Huang C.,Wu C..Do Fund Managers Herd to Counter Investor Sentiment?[J].Journal of Business Research,2011,64(2):207-212.

[12]Finter P.,Niessen-Ruenzi A.,Ruenzi S..The Impact of Investor Sentiment on the German Stock Market[R].SSRN Working Paper,University of Mannheim,Mannheim,2010.

[13]Kim T.,Ha N..Investor Sentiment and Market Anomalies[R].SSRN Working Paper,Pusan National University,Pusan,2010.

[14]張 強，楊淑娥.噪音交易、投資者情緒波動與股票收益[J].系統工程理論與實踐，2009，(3)：40-47.

[15]黃德龍，文鳳華，楊曉光.投資者情緒指數及中國股市的實證[J].系統科學與數學，2009(1)：1-13.

[16]蔣玉梅，王明照.投資者情緒與股票橫截面收益的實證研究[J].經濟管理，2009，(10)：134-140.

[17]易志高，茅 寧.中國股市投資者情緒測量研究：CICSI的構建[J].金融研究，2009，(11)：174-184.

[18]楊 陽，萬迪昉.不同市態下投資者情緒與股市收益、收益波動的異化現象——基于上證股市的實證分析[J].系統工程,2010,28(1)：19-23.