閆 偉， 楊春鵬

(華南理工大學 經濟與貿易學院，廣東 廣州， 510006)

現代金融理論產生于20世紀50年代， 并于70年代得到了長足的發(fā)展， 形成了一套較完備的體系。期間， Fama[1]首次提到了有效市場的概念， 并于1970年將這一概念深化提出了有效市場假說(EMH)， 其后得到了大量的研究和廣泛的支持。事實上， 該假說與Markowitz[2]的現代資產組合理論(MPT)、 Sharpe等[3]的資本資產定價模型(CAPM)、 Black和Scholes[4]的期權定價模型(OPM)以及Ross[5]的套利定價理論(APT)等， 一并構成了現代金融理論的核心內容。有效市場假說被視作現代證券市場理論體系一大支柱， 也被視作現代金融經濟學理論基石之一。然而， 有效市場假說在不斷獲得認可的同時， 也引發(fā)了學術界的各種爭論。自70年代末以來， 證券市場涌現出了許多有悖于標準金融理論的投資者異常行為及金融市場異象(Anomalies)， 此時， 有效市場理論已無法對其做出合理的解釋， 標準金融理論的完備體系面臨了金融事實的挑戰(zhàn)。自此， 學術界開始反思標準金融理論的基本假設即理性人假設是否正確， 并在此基礎上構建了行為金融學基本分析框架， 它將心理學與行為學引入到金融決策分析過程中， 從不同的層面和角度對金融異象做出了探討。自80年代開始， 行為金融學因其對金融異象的有力解釋而逐漸得到學術界的認可， 成為標準金融理論的有效補充。到90年代， 行為金融學呈現出一片繁榮的景象， 越來越多的學者在這一領域做出了重要貢獻， 使其成為一個體系完備、分支繁多的研究學科。自其產生到繁榮短短十幾年時間， 已然動搖了EMH和MPT、 CAPM的權威地位， 特別是與CAPM和MPT相對應， Shefrin和Statman[6，7]提出了著名的基于行為金融學的兩大理論， 即行為資產定價模型(BAPM)、 行為資產組合理論(BPT)， 這更為行為金融理論的探討奠定了堅固的基石。另外自1998年至2001年， 眾多學者從不同角度分別提出了幾類資產定價模型， 如Barberis等[8]的BSV模型、 Daniel等[9]的DHS模型、 Hong, Stein[10]的HS模型和Barberis等[11]的BHS模型。但是， 上述行為金融理論模型均基于某類投資者在決策時的心理特征或認知偏差而展開， 其假設條件多是依據特定市場異象而設定的， 因此， 如此構建的理論模型只能解釋相應的一種市場異象， 而不能同時有效解釋其它金融異象。由于投資者心理活動和認知偏差最終影響的是其對未來市場的觀念和情緒， 并經由情緒最終影響市場表現， 因此20世紀90年代開始， 作為行為金融學一大分支的投資者情緒研究逐漸興起。

一、 情緒分類研究

雖然投資者情緒研究了近20年， 但由于情緒是一不可直接觀察變量， 難以測度， 因此該方向的研究發(fā)展還不深刻， 仍停留在情緒與市場表現之間關系的實證研究上， 而暫未深入到情緒的資產定價和資產組合理論構建上來。在情緒與市場表現之間關系的實證研究方面又大致分為兩類研究方法， 一類是“自下而上”的研究方法， 仍主要從投資者心理特征和認知偏差角度解析并闡述其對投資者情緒的作用機理和過程； 另一類是“自上而下”的研究方法， 指的是不考慮投資者情緒的形成機理， 而著重分析其與市場表現間的直接相互作用。對后一類的研究， 基本前提是投資者情緒的描述與表征， 即利用相關代理變量表示市場中全部投資者或部分投資者情緒的高漲或低迷， 從而將情緒量化并研究其與相關市場表現間的交互影響。對投資者情緒的描述及表征方式， 大致有如下三類：

其一是情緒的直接指標， 指的是通過對投資者的直接調查、 詢問其對未來一定時期市場發(fā)展的看法， 并一般歸類為看漲、 看跌和看平三種態(tài)度， 通過一定的數學計算如比率等， 表示出投資者的看漲情緒或看跌情緒。根據被調查者在金融市場中所處地位的不同性質， 情緒的直接指標又可以分為僅調查機構投資者的機構投資者情緒指標、 僅調查個人投資者的個人投資者情緒指標， 以及不區(qū)分被調查者屬性的市場整體情緒指標。其二是情緒的間接指標， 指的是運用一定的數學手段， 以相關金融市場中一個或多個交易變量表示出投資者的情緒。按照采用交易變量的個數， 情緒指標可以分為單一性指標以及綜合性指標， 即僅采用一個和采用多個交易變量分別描述情緒； 按照情緒的載體及相關交易變量屬性的不同， 又可分為機構投資者情緒、 個人投資者情緒和市場整體情緒。其三是情緒的其它指標。這一類指標包括天氣、 溫度、 濕度、 日照長短、 月運周期等非金融市場交易變量。這些指標或許與資產市場表現有一定的相關性， 進而可能在一定程度上對其有預測能力， 但這類變量與金融市場跨度較大， 信息傳導機制以及對情緒的效應影響機制要遠弱于金融市場中交易變量的表現， 并且這類指標對情緒的影響很可能已經被包含在了金融市場中交易變量對情緒的影響之中， 因此本文不將此類代理變量作為研究內容。

國內外早期研究投資者情緒及其對市場作用時所運用的情緒指標大多是直接調查指標， 這或許與國外金融市場發(fā)展程度及研究機構數據調查、 保存的歷史等條件有關。然而， 投資者對未來市場雖有一定的認知， 但是隨著市場的發(fā)展與變化， 這類認知易受其自身各類行為偏差與心理偏差的影響， 其投資行為往往不會依照固有的認知而被執(zhí)行， 從而市場表現也不會完全按照投資者認知延續(xù)開來。因此， 在面臨樣本選擇風險的同時， 針對投資者情緒的直接調查數據本身還極有可能是有偏的， 即投資者對未來市場的漲跌看法與其未來實際發(fā)生的投資行為間極可能不一致， 進而與市場實際狀況也不一致。故而， 運用對投資者的直接調查表征情緒在研究的出發(fā)階段就有可能產生偏誤。與此相比， 金融市場交易變量已經包含了投資者的各類特別是決策前與決策中的行為與心理偏差， 運用這些變量表征情緒或許更為準確。因此， 本文對以往關于間接表征投資者情緒的代表性研究文獻做簡要評述， 依此闡明現有研究之不足并指出未來的研究方向。

事實上， 對于投資者情緒這一研究方向， 已有較精彩的綜述， 如Brown和Cliff[12，13]綜合評述并實證檢驗了多個表征情緒的代理變量。但他們僅依據其與機構投資者情緒直接調查指標II(投資者智能)和個人投資者直接調查指標AAII(美國個人消費者協會信心指數)間的相關性而對情緒代理變量進行分類的。然而， 正如前面分析所述， 直接調查指標本身就面臨著投資者觀念與行為有偏的質疑。因此， 本文不遵循這種分類標準， 而是首先依據采用代理變量的個數將該領域的研究大致分為兩類暨兩個階段， 第一個階段即2005年前， 主要研究單一代理變量對情緒的表征能力， 以Brown和Cliff[12，13]對各代理變量的綜述為結束標志。雖然其后也有部分學者研究單一變量表征情緒， 但研究內容仍未超出上述作者所涉及的范疇；第二個階段即2005年后， 主要研究綜合性情緒指標的構建， 雖然Brown和Cliff[12]早已對此進行了初步研究， 但其構造的情緒指數并未被廣泛采用， 因此該階段研究以Baker和Wurgler[14，15]著名的BW情緒指標為代表。其次， 對于每個階段， 又依據構建情緒載體的不同以及代理變量自身屬性的不同區(qū)分為市場整體情緒、 機構投資者情緒及個人投資者情緒三個類別。下面， 對每一階段每一類別的相關研究文獻， 主要按照時間發(fā)展與結論異同的順序進行歸類梳理與簡要評述。

二、 間接單一性情緒指標

間接單一性情緒指標指的是僅應用一個市場交易變量表征情緒。按照采用代理變量的內容和性質， 可分為單一性市場整體情緒、機構投資者情緒和個人投資者情緒。

(一)市場整體情緒指標

能夠用來間接表征市場整體情緒的單一性指標較多， 其中表征能力較強的有股市換手率(turnover)、 IPO首日收益(first day return of IPO)及IPO數量(number of IPO)、 期權認沽認購比(put-call ratio)和漲跌比(ARMS)等。這類變量是機構投資者與個人投資者無明顯占優(yōu)時共同作用的結果， 其表現往往能夠代表所有投資者的情緒， 因此可用來表征市場整體情緒。

較為熟悉的是股票市場流動性變量， 研究較多的其中一種度量即換手率， 是指當期成交股數與市場流通總股數之比， 它能一定程度上體現出投資者情緒高漲或低迷。另一種度量是買賣價差比(ratio of bid-ask spread)， 指的是收盤時賣價買價之差與均價的比值。早期以市場流動性視角研究其與股票橫截面收益方面的文獻有Amihud, Mendelson[16]， Brennan, Subrahmanyam[17]以及Brennan等[18]， 他們均認為月換手率高及買賣價差比低的股票其未來收益更低； 而以市場流動性視角研究其與市場總體時間序列縱向收益方面的文獻有Chordia等[19，20]， Hasbrouck和Seppi[21]， Huberman和Halka[22]以及Amihud[23]等， 如上研究均支持市場流動性變量可預測未來收益。Jones[24]同時研究了換手率和買賣價差比對市場收益的影響， 他采用1900-2000間年數據發(fā)現兩個代理變量對一年及更長時間的道瓊斯未來收益有較高的預測能力， 高換手率預示著未來的低收益， 而高買賣價差比預示著未來高收益。以上文獻雖未將流動性變量視作投資者情緒并從行為金融學角度進行分析， 但確實對兩代理變量與股市間關系作了較全面的研究， 并得到了豐富的結論。Baker和Stein[25]從投資者情緒的角度研究了換手率， 采用1927-1998間紐約證券交易所(NYSE)的交易換手率年數據， 其實證研究結果表明換手率與美國芝加哥大學證券價格研究中心(CRSP)價值加權資產組合及等權重資產組合下期收益均負相關， 可較好地充當情緒指數。他們理論上解釋了換手率所表征的情緒對未來收益的作用機理， 即投資者情緒高漲使得投資者交易增加， 以致市場流動性增強、 股票估值過高， 從而引致未來收益降低。事實上， 以市場流動性變量表征市場情緒是最為直接， 也是最為經驗所支持的。這是由于大多情形下， 情緒的高漲或低迷總是與市場流動性密切相關。

Ljungqvist等[26]雖未應用某一代理變量表征投資者情緒， 但是他們發(fā)現IPO首日收益及IPO數量與市場情緒之間經驗性相關， 即事實表明IPO行為大都發(fā)生在市場情緒高漲時期， 并據此構建了情緒投資者參與下的IPO定價模型。由此， 用IPO首日收益及數量或許能較好表征情緒。Brown和Cliff[13]采用1963.1-2000.12間月數據研究了IPO首日收益及數量與股票長期收益之間的關系， 發(fā)現兩者與未來半年至三年長期收益顯著負相關， 因此實證證明了IPO首日收益及數量對市場情緒的表征能力。實際上， 基于投資者情緒的IPO研究在20世紀90年代末達到高潮， 但是， 研究內容多是分析以直接調查表征的情緒和IPO首日收益及數量之間的關系。或許這與兩個代理變量緊密關聯、總被同時提及有關， 單以其中任何之一表征情緒都較為片面， 因此以其作為單一性情緒指標的研究較為罕見。在我國， 由于股市歷史較短且IPO數次中斷發(fā)行， 月數據及季數據本身較少的同時又造成了缺失現象， 因此并無關于IPO相關變量對情緒表征能力的研究。

在衍生品市場， 由于期權可以清晰的觀測出投資者的看漲、看跌情緒， 對投資者情緒的研究有著一定的天然優(yōu)勢， 因此Dennis和Mayhew[27]研究了情緒對期權價格的作用。他們使用芝加哥期權交易所(CBOE)1986.4.7-1996.9.31間期權認沽認購比周數據作為市場情緒代理變量， 實證發(fā)現情緒等非系統(tǒng)因素比系統(tǒng)因素更能解釋期權價格的正向偏差。從該層面來講， 作者對將認沽認購比單獨作為市場情緒的代理變量持認可觀點。持有同樣觀點的還有Brown和Cliff[12]， 他們采用1987.7.24-1998.12.18間共596組周觀測數據檢驗了認沽認購比與股票未來短期收益間的截面關系， 發(fā)現該代理變量與大盤股下期收益正相關， 而與小盤股負相關， 由此最終證明了該代理變量對情緒的表征能力。然而， Wang等[28]的研究結果與上述兩文不同， 他們不僅從相關性層面進行了分析， 還研究了代理變量與市場表現之間的格蘭杰因果關系。其采用1990.2.1-2001.12.31間日數據及周數據， 分析發(fā)現了認沽認購比、未平倉合約認沽認購比兩個代理變量與標普100(S&P 100)指數弱負相關， 但通過格蘭杰因果檢驗表明無論是日數據還是周數據， 這兩個變量均不是S&P 100波動率的原因變量， 而是其結果變量。因此， 兩代理變量均不適合單獨用來表征情緒。Bauer等[29]采用2000.1-2006.3間認沽認購比日數據和月數據的滯后回歸分析也得到了類似的結論， 即期權交易者情緒是市場歷史收益的驅動結果， 滯后的認沽認購比本身并不能預測未來市場收益。

另外， Wang等[28]還研究了另一代理變量， 即漲跌比， 對情緒的表征能力。漲跌比指的是統(tǒng)計周期內單位成交量的上漲家數與下跌家數之比， 該變量已經成為廣泛接受的交易性指示指標。其針對漲跌比的不含S&P 100指數收益率的滯后回歸分析發(fā)現， 該代理變量是S&P 100指數波動率的格蘭杰原因， 且能較好反映波動率， 因此該代理變量可單獨用來表征情緒；然而一旦加入S&P 100指數收益率重新做滯后回歸， 則漲跌比這一變量對S&P 100指數波動率的預測能力就極為有限了。因此， 漲跌比這一代理變量在一定程度上能夠刻畫市場情緒， 這與Brown和Cliff[12]對該變量的分析結論相同。

此外還有文獻研究了其它一些市場情緒代理變量， 如Achelis[30]新高新低比(HI/LO)、 Brown和Cliff[12]騰落指標(ADL)、 保證金借款變化(change in margin borrowing)、 未補拋空差額變化(change in short interest)、 賣空比例(short sales to total sales)等， 然而Brown和Cliff[12]實證研究發(fā)現以上代理變量均不能較好的預測未來收益， 特別是大盤股與小盤股收益之間的差異性， 即規(guī)模溢價。因此認定這些代理變量不能較好地表征情緒。

綜上， 以單一代理變量表征情緒的研究中， 各方結論分歧較大。這可能是因為面對復雜的市場， 僅以一個代理變量表征情緒仍然比較片面， 從而造就了數據對實證結果的偶然性， 使得不同研究者得到的結論亦有不同。從作用機理上來講， 以上代理變量對市場整體情緒均有一定程度的影響， 因而就未來的研究內容而言， 市場整體情緒的刻畫仍將是一研究重點， 但其研究方法應規(guī)避上述研究方法的弊端， 須采用多個代理變量綜合表征情緒， 這也是近些年來， 特別是Baker和Wurgler[14，15]構建的BW情緒指標之后， 該領域相關研究的發(fā)展趨勢。

(二)機構投資者情緒指標

受限于與機構投資者相關數據獲取較難以及數據周期較長等原因， 能夠間接用來表征機構投資者情緒的單一性指標較少， 這類代理變量主要有基金資產中的現金比例、 機構持股占比及標普500(S&P 500)股指期貨凈頭寸變化等。

基金資產中的現金比例是情緒的負向代理變量， 可以很好地刻畫機構對后市的看法， 一般來講， 基金經理持有現金的比例越大， 其對后市越看淡， 因此情緒越低迷； 反之比例越小， 則對后市越看好， 情緒越高漲。Brown和Cliff[12，13]采用1963.1-2000.12間該代理變量月數據研究發(fā)現其與代表機構投資者情緒的直接測度II指數的相關度要大于與代表個人投資者情緒的直接測度AAII的相關度， 且該變量與大盤股組合未來一月收益顯著正相關， 與小盤股組合未來一月收益不顯著地負相關。因此該代理變量能夠較好的代表機構投資者情緒。

在股票市場上， 與基金資產中的現金比例相對應的一個變量是機構的持股占比， 兩個變量是密切相關的。機構持股占比也能較好描述機構投資者的情緒， 是其正向代理變量。Bernile和Lyandres[31]以機構投資者持有的俱樂部股票的比例為代理變量構建投資者情緒指標， 研究了其對足球俱樂部類特殊股票價格的影響。他們通過對2000.1-2006.5間歐洲冠軍聯賽和歐洲足協杯的賽后結果對體育股的價格影響進行了分析， 通過情緒對每家俱樂部超額回報的回歸分析表明： 投資者對某個俱樂部帶有偏好， 并且對這個俱樂部過去的成績進行評價， 如果得出積極的結果， 就會導致該俱樂部的股價上升； 如果得出負面的結果， 就會導致該俱樂部的股價下降。即機構投資者情緒與該類股票價格正相關， 表明機構投資者持股比例也能夠較好的表征情緒。

在期貨市場上， Wang[32]將投資者分為大投資者和小投資者， 采用1993.1-2000.3間S&P 500股指期貨凈頭寸周數據， 構造了投資者情緒指標， 其構造方式為

其中NPit表示第i類投資者在第t周的凈頭寸。分析發(fā)現小投資者情緒幾乎不能預測收益, 越大的投資者的情緒對收益的預測能力越強， 且大型投機者情緒是一正向指標， 而大型套期保值者情緒是一弱反向指標。Han[33]同樣以S&P 500股指期貨凈頭寸代表情緒， 研究了情緒與期權價格間的關系。他采用1988.1.4-1997.6.24間股指期貨凈頭寸周數據研究發(fā)現投資者情緒影響期權價格和資產定價機制， 證實了有限套利增加了情緒對期權價格的影響， 會導致期權微笑更彎曲。

在我國， 機構投資者數據獲取較為困難， 特別是數據周期較長， 一般機構持股等信息為季度性發(fā)布， 因此該代理變量只適合表征其長期情緒。但由于我國股市歷史較短， 早期數據保存度較差， 如果采用這類代理變量可能面臨著小樣本問題的責難。對于短期機構投資者情緒的刻畫， 或許可以采用其它易得代理變量更高頻的數據。

(三)個人投資者情緒指標

能夠用來表征個人投資者情緒的間接性單一交易代理變量有封閉式基金折價率、 共同基金凈買量(net purchases of mutual funds)、 共同基金凈贖回率(net mutual fund redemptions)、 零股買賣率(ratio of odd-lot sales to purchases)、 買賣失衡指標(buy-sell imbalance)、 灰色市場(歐洲IPO的預發(fā)行市場)的價格、 非預期投資者開戶增長率、 小額交易占比(the proportion of small trades)等。

在表征個人投資者情緒的間接單一性交易指標中， 最為常用、 研究最多的是封閉式基金折價率。之所以將封閉式基金折價率與個人投資者情緒聯系起來， 是沿襲了國外基金資本市場的特點。眾多國外學者認為， 由于封閉式基金絕大多數為個人持有， 機構持有率占比較低， 因此國外相關研究常用封閉式基金折價率表征個人投資者情緒。對于以該代理變量能否表征個人投資者情緒的問題， 較著名的是1993年美國金融界引發(fā)的大爭論。一方以Lee, Shleifer和Thaler為首， 主張封閉式基金折價率能夠表征個人投資者情緒； 另一方以Chen, Kan和Miller為首， 持有相反觀點。爭論的形式是在金融領域著名雜志Journal of Finance上面連續(xù)發(fā)表的幾篇文章。

Lee等[34]分別做了十個不同規(guī)模級別股票資產組合價值加權平均月收益率對封閉式基金組合價值加權折價率月變化及NYSE上市公司股票組合價值加權平均月收益率的回歸。統(tǒng)計結果顯示， 價值加權折價率的變化與最大規(guī)模公司股票(第十個10%的股票組合)收益正相關， 而與其它規(guī)模公司股票收益負相關， 其中與最小規(guī)模公司股票(第一個10%的股票組合)收益間的負相關系數數值最大。由此， 作者得出結論“當個人投資者對封閉式基金和小盤股更加樂觀時， 這些股票表現較好， 基金折價率較低； 反之， 當個人投資者對封閉式基金和小盤股更加悲觀時， 這些股票表現較差， 基金折價率較高”。為了檢驗回歸的穩(wěn)健性， 他們將二十年數據區(qū)間劃分為兩部分， 其中， 后十年封閉式基金折價率數據與小盤股收益數據回歸分析發(fā)現兩者幾乎無關， 該結論也使得其后的部分研究者放棄了兩者均受情緒支配這一假定。但是， Lee等[34]將這一結果不僅不視作對其檢驗的拒絕， 反而認為是對其結論的支持。他們認為， 在1980至1988年間， 機構投資者對最小規(guī)模公司股票持有百分比增加了兩倍多， 因此， “個人投資者情緒仍反映了封閉式基金折價率， 但已經不再能較好反映小盤股價格”。其后， 出現了對這一觀點持贊成意見的眾多研究， 較有代表性的有Neal和Wheatley[35]， 他們采用1933-1993間年數據， 也研究了封閉式基金折價率對未來收益的預測能力。其封閉式基金價值加權平均折價率數據及各股票收益月數據分析結果表明封閉式基金折價率與小公司股票未來一個月、 一季度、 一年、 兩年、 三年及四年預期收益均正相關， 且相關系數隨預測時間延長而增大， 但封閉式基金折價率與大公司股票預期收益無關。這一結論可用Lee等[34]文獻的描述來解釋， 即小公司股票大多是被個人投資者持有， 而大公司股票主要被機構投資者持有。因此封閉式基金折價率能夠預測小公司股票未來收益及規(guī)模溢價。國內在關于封閉式基金折價作為個人投資者情緒代理變量方面的研究中， 伍燕然、 韓立巖[36]的研究方法和結論較為深刻， 他們利用投資者情緒解釋了封閉式基金折價之謎， 并且論證了投資者情緒是資產定價的重要因素。通過國內數據檢驗了封閉式基金價格的過度波動， 分析了國內市場的非有效性和投資者的不完全理性， 利用其它反映情緒的指標即IPO月平均首日收益率， 間接證明了封閉式基金折價率也是個人投資者情緒較好的代理變量。

自Lee等[34]之后， 他們的這一觀點得到了主要來自Chen等[37]的反駁。他們堅持認為封閉式基金折價率與小公司股票收益之間既沒有較強的聯動性， 其相關系數也不顯著， 因此不能支持Lee等[34]的兩種現象均受情緒支配這一結論。故而， 延伸Lee等[34]文獻的研究思路， Chen等[37]重新選取數據、 設置變量， 研究了投資者情緒與封閉式基金折價率間的關系， 著重分析了機構持有小盤股占比與封閉式基金折價率間的關系， 重新檢驗了上文中的研究結論。他們將小盤股又分為兩類組合， 一類是機構持股占比低于10%的組合， 另一類是機構持股占比高于10%的組合。直觀而言， 對較少機構持有的小盤股來說， 若基金折價率確是個人投資者情緒的代理變量， 則應有以下兩個推論： (1)橫向而言， 兩類組合表現應不同， 即機構持有率較低的股票收益與基金折價率的相關性較強， 而持有率較高的股票收益與基金折價率的相關性較弱； (2)縱向而言， 即使將二十年的時間區(qū)間分為前后十年兩部分， 持有率較低的股票收益與基金折價率間的相關性應持續(xù)較強， 而持有率較高的股票收益與基金折價率的相關性應持續(xù)較弱。然而， 他們的實證研究結果表明： (1)并未發(fā)現橫向差異， 即兩類組合股票收益與基金折價率間的相關性差別不大； (2)以機構持有率較低的股票組合為例， 發(fā)現后十年組合收益與基金折價間率的相關系數比前十年的相關系數降低了58.4%。因此， 基于上述兩點認識， Chen等[37]拒絕了Lee等[34]所得結論， 即否認了封閉式基金折價率是個人投資者情緒變化的代理變量。同樣認為該代理變量不具有情緒表征能力的還有Elton等[38]和Brown和Cliff[13]等文獻。Elton等[38]采用1979.1-1993.1間267只共同基金月數據代表情緒， 研究了其與收益間的關系， 其結論與Chen等[37]相同， 即判定封閉式基金折價率不能較好表征個人投資者情緒。Brown和Cliff[13]采用1963.1-2000.12間月數據分析封閉式基金折價率對股票橫截面效應時指出， 該代理變量不能較好預測不同市值股票未來半年至三年的收益， 因此他們也不支持將封閉式基金作為投資者情緒的代理變量。

綜上， 封閉式基金折價率能否較好表征情緒這一問題由于各方實證結果的不一致使得對該代理變量意見分歧較大， 實證結果的不同或許可以選取數據及控制變量的不同來解釋。排除統(tǒng)計分析的意義， 理論上來講封閉式基金折價率與情緒間的反向聯動效應還是得到眾學者認可的。因此， 后續(xù)研究可以暫時放棄討論該單一代理變量能否表征情緒的問題， 而應著重從該代理變量及其它代理變量中提取出與投資者情緒相互影響的成分， 并分析其與市場表現間的關系。在我國， 應慎重考慮將封閉式基金折價作為個人投資者情緒代理變量， 這是由于我國基金的持有狀況并不滿足國外的假設條件， 和國外基金大多為個人持有這一狀況有較大不同。我國基金持有者中， 機構投資者占據相當大的份額， 因此， 該代理變量具體能夠表征我國哪類投資者的情緒尚需實證考察。

在基金市場， 除了研究封閉式基金折價率和情緒間的關系外， 共同基金凈買量也被視作情緒的正向代理變量。這意味著隨著基金凈買量的增加， 資金的持續(xù)流入即是投資者情緒高漲的表現。Neal和Wheatley[35]研究了該代理變量對情緒的表征能力， 采用修正的1941-1993年間的年數據及各股票收益月數據， 發(fā)現其與小盤股未來長期收益顯著負相關， 與大盤股未來收益正相關但不顯著， 意味著該代理變量能夠刻畫規(guī)模效應。Brown和Cliff[13]也研究了共同基金凈買量對股票未來收益的長期影響， 采用1963.1-2000.12間該代理變量月數據發(fā)現其與大盤股未來長期收益顯著正相關， 與小盤股未來收益亦正相關但不顯著， 這與Neal和Wheatley[35]的統(tǒng)計分析結果大相徑庭， 或許是由于兩文采用的數據區(qū)間和周期不同、 以及控制變量的不同造成的。由于Brown和Cliff[13]的分析結果表明該代理變量不能夠區(qū)分出股票的規(guī)模效應， 因此他們否認了該代理變量對情緒的表征能力。我們認為， 由于規(guī)模效應這一標準并非是其能較好表征情緒的充分條件， 因此單以此來判斷其表征能力并不合理， 該代理變量尚需進一步的分析。

除了封閉式基金折價率及共同基金凈買量代表個人投資者情緒外， 部分學者還用共同基金凈贖回率、零股買賣率兩個代理變量反映個人投資者情緒。Neal和Wheatley[35]還檢驗了上述兩個代理變量對未來收益的預測能力， 得到了如下結論： (1)共同基金凈贖回率年數據及各股票收益月數據分析結果顯示凈贖回率與小公司股票預期收益弱正相關， 而與大公司股票預期收益弱負相關。因此， 共同基金凈贖回率能夠有效地預測規(guī)模溢價； (2)盡管較長時間以來零股買賣率一直被當做預測收益的一個因子， 但Neal和Wheatley[35]修正的1941-1993年間的年數據及各股票收益月數據分析表明它并不具有預測未來收益的能力。Brown和Cliff[12]采用1987.7.24-1998.12.18間零股買賣率周數據和月數據研究了其對股票下期收益間的截面關系， 發(fā)現該代理變量不能對收益進行預測， 因此判定該代理變量不能較好表征投資者情緒。Brown和Cliff[13]還檢驗了零股買賣率對未來半年至三年長期收益的預測能力， 進而說明了其對情緒的表征能力。他們采用1963.1-2000.12間月數據的結論與Neal和Wheatley[35]的結論類似， 即同樣發(fā)現零股買賣率不能較好預測未來收益。

還有部分學者研究了其它代理變量對個人投資者情緒的表征能力， 如Kumar和Lee[39]用個人投資者的買賣失衡指標(即股票主買成交量與主賣成交量之差對總主買賣成交量的占比)代表其情緒， 通過分析1991-1996年超過185萬個人投資者的買賣交易， 發(fā)現了這些交易者系統(tǒng)相關， 即個人買入(或賣出)行為一致。而且， 與De Long等[40]的噪音交易者模型相符， 個人交易解釋了個人關注度高的股票， 如小盤股、機構持有度低的股票以及低價股， 特別是高套利成本股票的收益聯動性， 研究支持了投資者情緒在回報形成中的作用。Cornelli[41]采用灰色市場1995.11-2002.12間歐洲12國的2723次IPO的價格作為個人投資者情緒的代理變量： 較高的灰色市場價格表示過度樂觀的情緒， 而較低的灰色價格表示過度悲觀的情緒， 發(fā)現當個人投資者對市場過于樂觀時， 他們出價就會高于股票基本價值。張強, 楊淑娥[42]采用我國股市1998.5-2007.4間非預期投資者開戶增長率月數據作為投資者情緒波動的代理變量， 并將時間區(qū)間劃分為1998.5-2002.4及2002.4-2007.4兩個時間段， 回歸分析發(fā)現投資者情緒波動可以解釋除賬面市值比外其它各類特征(個股風險、股票市值、盈余價格比、凈利潤增長率)股票組合的超額收益， 因此認定情緒是影響股票間收益差異的重要因素。Bradley等[43]采用小額交易占比表征情緒， 研究了1993.1.1-2003.12.1間美國IPO二級市場首日交易回報， 研究發(fā)現小額交易占比與首日交易期回報率(open-to-close return)之間存在著強正相關， 驗證了一個一致認同的觀點， 即個人需求及其情緒能推高IPO價格。然而， 此觀點同時意味著過度樂觀的個人投資者最終會經歷反轉， 但他們在對上市后公司股票長期收益研究中并未發(fā)現類似的反轉。

綜上， 與市場整體情緒間接單一性指標的研究類似， 以單個代理變量表征機構投資者情緒、 個人投資者情緒時， 對部分變量的表征能力意見分歧亦較大， 部分學者支持將其作為情緒的代理變量， 但另外一些學者對此持反對意見。從原理上分析， 以上代理變量都與情緒有關， 當情緒高漲或低迷時這些變量應該會有不同方向的變化。然而， 單單用某一個代理變量還不能完全表征兩類投資者的情緒， 因此， 近些年來， 特別是Brown和Cliff[12,13]對各類代理變量做了歸類評述后， 并以BW情緒指標為代表， 越來越多的研究傾向于以多個代理變量綜合表征情緒， 由此開啟了綜合性情緒指標研究之門。

三、 間接綜合性情緒指標

如上所述的每一個代理變量對投資者情緒均有一定的刻畫能力， 但僅僅采用單一代理變量表征情緒， 或許并不全面， 還不能完全刻畫出投資者情緒的波動。因此， 眾學者的研究逐漸轉向綜合性投資者情緒指標的構建上來。間接綜合性情緒指標指的是應用一定的數學手段， 將多個市場交易變量所包含的信息融合為一個情緒指標。以往研究用多個代理變量表征情緒時， 大多文獻采用的數學方法是主成分分析， 從多個變量中提取出一個最重要的元素即為投資者情緒。Brown和Cliff[12]指出， 以主成分分析的方法可以很好地從多個變量提取出所不能直接觀察到的投資者心理狀態(tài)的測度。其后對間接綜合性情緒指標的研究大多應用了主成分分析這一數學工具。本文仍按照采用代理變量的類別和性質以及研究對象的不同， 將這一類指標分為綜合性市場情緒、機構投資者情緒和個人投資者情緒指標。

(一)市場整體情緒指標

綜合性市場整體情緒指標在構建過程中所選擇的代理變量通常比較繁雜， 有前述的能單獨表征市場整體情緒的代理變量， 也有能表征個人甚至機構投資者情緒的代理變量。在此方面較為著名的是Baker和Wurgler[14]， 其構建的指標常被后來的學者稱之為BW情緒指標。他們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(fā)行占比以及分紅六個年數據以主成分分析構造了投資者情緒綜合指標， 主要研究了投資者情緒對股票收益的橫截面的影響。證明了更易被主觀估價、 高投機、 難套利的股票受情緒影響更加敏感， 發(fā)現當投資者情緒指標值偏低時， 小盤股、 新股、 高波動股、 虧損股股、 不分紅股、 極端成長股的價值被低估， 因而其未來收益相對偏高。而當投資者的情緒高漲時， 情況恰恰相反。另外， 通過他們的情緒指標顯示， 情緒對價值型股票和成長型股票的影響大小是相似的。繼承作者之前的研究， Baker和Wurgler[15]仍運用上述文章六個代理變量的月數據， 通過主成分分析方法， 構建了情緒的綜合指標。隨后檢驗了該情緒指標數值和四十年來歷史泡沫之間的圖像驗證關系， 結果表明該情緒指標能夠很好地反應歷史泡沫發(fā)生的時間。但是， 這一定性結論對實踐操作只有參考意義， 因為作者同時指出， 歷史泡沫大體發(fā)生在情緒指標值較高時， 但具體什么時候、 什么程度才會出現仍不可確定。對構造的情緒綜合指標， 通過回歸分析解釋了當前收益的截面效應， 結果顯示情緒對高投機、 難套利的股票當前收益影響更大。隨后， 仍利用該情緒指標預測股票的未來收益， 截面效應表現為： 當情緒較高時(大于其平均值0)， 投機性股票未來收益平均要低于債券類股票。Yu和Yuan[44]同樣使用Baker和Wurgler[14]的投資者情緒指數作為情緒的度量， 以NYSE-AMEX平均加權指數作為股市的代理變量， 檢驗證實了對波動性的市場反應在時間上是非同質的， 但是取決于非理性情緒， 當情緒低的時候整個市場比在情緒高的時候更關注波動性。并且在情緒低落的時期， 期望回報與波動性表現出更強的負相關性。也就是說， 如果波動性即代表著風險， 在悲觀情緒時期， 投資者會更關注于風險， 并且此時， 風險與回報的負相關關系比在樂觀情緒時期更強。Kurov[45]也使用Baker和Wurgler[14]的投資者情緒指數月數據作為情緒的度量， 采用1990.1-2004.11間129組貨幣政策研究了貨幣政策通過投資者情緒最終影響股市收益間的關系。他發(fā)現熊市中的貨幣政策要比牛市時的貨幣政策對投資者情緒影響更大， 同樣情緒對股市收益也更大。

Liao等[46]采用2003-2007間美國基金市場770只基金所持有527只股票的共31093組月交易數據觀測值(包含17095組買入數據和13998組售出數據)， 選取十個代理變量， 即個股平均收益、 個股平均成交量、 S&P500指數收益、 羅塞爾(Russell)2000指數收益、 S&P500指數成交量、 S&P500指數期權認沽認購比、 IPO首日收益、 IPO發(fā)行量、 NYSE股票換手率、 共同基金凈買量， 運用主成分構造情緒指標， 分析了情緒對基金經理交易行為的一致性?；貧w分析發(fā)現情緒對其買入行為、售出行為及整體交易行為均有正向影響， 即隨著情緒指標值的增加， 基金經理行為趨于一致。

張強, 楊淑娥[47]采用1998.5至2006.12間的市場換手率、封閉式基金折價率和投資者開戶增長率等月數據作為投資者情緒指數的代理變量， 應用因子分析法構造綜合投資者情緒指數。這一點與Baker和Wurgler[14,15]的思想是類似的。仍利用作者前期研究方法(張強等[48])， 即OLS和GARCH-M回歸分析方法分析了中國股市投資者情緒及波動與股票收益間的關系。研究結果表明：(1)情緒對當期收益正相關， 與未來一個月、 兩個月及三個月收益負相關。(2)情緒上漲和下跌對股票價格的影響不對稱， 情緒上漲對股票價格的影響要比下降強的多， 這與Verma R和Verma P[49]的研究結論一致。黃德龍[50]應用市場換手率、 封閉式基金折價率、 A股新開戶比率2005.6.20-2008.1.11日數據作為情緒的綜合代理變量， 用主成分分析法提取了情緒指標。利用EGARCH模型實證檢驗了投資者情緒對不同類別股票收益的五條自然邏輯假說， 研究了情緒對多個股票指數的影響。結果表明情緒指標對股票橫截面效應的解釋能力和對未來收益的預測能力。

除了僅采用金融市場交易變量構造情緒指標外， 蔣玉梅, 王明照[51]還采取了間接指標與直接指標相結合的方式構造市場情緒。他們采用1999.5-2008.4間封閉式基金折價率、 消費者信心指數、 A股新增開戶數、 換手率四個代理變量月數據， 運用主成分分析方法綜合表示市場情緒， 主要分析了情緒對股票組合橫截面收益的不同效應。通過將所選股票按照不同公司特征分別劃分為十組， 回歸分析發(fā)現： 情緒樂觀時， 有形資產率低、 資產負債率高、 無現金分紅的股票會有超額收益， 而情緒悲觀時情況相反； 低價股、 虧損型、 高賬面市值比、 利潤增長率較極端的股票在情緒樂觀時雖會有超額收益但統(tǒng)計上不顯著； 而情緒對按照規(guī)模和機構持股比例構造的投資組合橫截面效應解釋乏力。易志高和茅寧[52]采用封閉式基金折價、 市場交易量、 IPO數量級上市首日收益、 新增投資者開戶數和消費者信心指數六個代理變量， 以主成分分析方法構建了中國市場的投資者情緒指數。

綜上， 由于以單一代理變量表征情緒或許不夠全面， 因此眾學者逐漸轉向對綜合性投資者情緒指標的構建上來。值得慶幸的是， 與單一代理變量對情緒表征能力的認可度不同， 綜合性市場情緒指標的表征能力未受到眾學者的批判， 其對市場表現的預測能力和對橫截面效應的區(qū)辨能力得到了一致認可。因此， 一方面加強了對投資者情緒研究的認可度， 一方面還為未來的研究指明了方向， 即應該擷取多個市場交易變量綜合性表征投資者情緒。然而， 在表征綜合市場情緒指標時所用的代理變量較為繁雜， 有市場表現類變量， 也有市場結構類、特定產品如基金和IPO類， 甚至衍生產品類等變量。如上研究方法， 即對于具體選取哪些代理變量更為科學這一問題， 學術界還沒有形成統(tǒng)一認識， 若對各變量隨意不分門別類有討論性地選取， 則可能會犯統(tǒng)計性錯誤， 同時也不利于對投資者情緒研究科學框架的構建。因此， 下一步研究應該圍繞代理變量的科學選取方法而展開。另外， 雖然大多研究均支持情緒對當期收益有正向影響、對未來收益有負向影響這一結論， 但由于各研究采用的數據周期不同， 因此未來還需研究情緒的期限結構， 即不同時間周期的情緒對當期收益及未來收益的影響方向及作用大小。

(二)機構投資者情緒指標與個人投資者情緒指標

針對機構投投資者及個人投資者的綜合性指標指的是采用多個僅能體現機構投資者表現或個人投資者表現的變量所構建的情緒指標。由于大多研究并未按照本文對情緒按載體分類的方法， 因此該方面的研究還未見涉及， 可能會成為未來一個重要的研究方向。如何通過多個交易變量分別描述、刻畫或解釋機構與個人投資者情緒， 并研究兩者間的交互式關系及分別對市場表現的影響， 是一亟待解決的問題。

四、 現有研究不足及未來研究展望

迄今為止， 有關投資者情緒的研究大多是實證研究， 其情緒指標的表征是一關鍵問題。由于單一代理變量不足以完全刻畫復雜的投資者情緒， 因此眾學者逐漸轉向了綜合性情緒指標的研究中。然而， 該方面的研究主要有兩個問題： 其一是研究方法不具有標準性， 即代理變量的選取問題， 由于受限于數據的可得性等原因， 不同的學者在構建情緒指標時選取的代理變量亦有不同， 但對如何更為規(guī)范性地選取情緒代理變量這一問題， 該方面尚缺乏科學的判斷及統(tǒng)一的認識； 其二是研究內容不具有完整性， 這一問題可用現有文獻投資者情緒構建總結表(表1)來闡述。

表1 不同類型投資者情緒構建結果比較

由表1總結看出， 綜合性情緒指數的研究僅僅圍繞市場整體情緒而展開， 缺乏市場情緒中個人投資者和機構投資者各自的描述及其內在聯系的探討， 這將是未來研究的重點。另一方面， 除市場情緒外， 更為重要的、更具有實際指導性的是應該建立單只股票的情緒指數。至今， 個股情緒指標構建方法還很少， 主要有兩種： (1)Kaniel等[53]提出基于個人賬戶交易量數據的情緒指標; (2)Frazzini和Lamont[54]提出基于某股票的股權基金資金流的情緒指標。而這兩類指標也僅僅是單一性指標， 在一定程度上并不能完全刻畫股票情緒特征， 因此， 未來可以向綜合性個股情緒指數發(fā)展， 這也是一重要的研究方向。如上這些方面， 即是未來研究的重點內容。

繼而， 在上述未來研究的基礎上， 應基于BAPM、BPT及其它理論， 探究情緒資本資產定價模型(Sentiment Capital Asset Pricing Model, SCAPM)及情緒資產組合理論(Sentiment Portfolio Theory, SPT)， 構建起情緒金融市場(Sentiment Financial Market)的統(tǒng)一理論框架， 更貼近實際、科學恰當地描述金融市場。

五、 結語

投資者情緒的研究已有約二十年的時間， 期間眾學者主要圍繞情緒與市場表現間的關系而展開討論。國外學者采用投資者情緒的代理變量較多， 部分采用直接調查指標， 而另一部分則采用間接指標， 均得到了豐富的結論。國內由于研究起步較晚， 數據可得性、適用性低等原因， 對單一代理變量表征情緒的研究鮮見涉及， 大多以直接調查或綜合性指標兩種方法表征情緒， 并研究其與股指收益間的關系。本文將有關投資者情緒間接表征的研究按照其所采用代理變量的個數大致分為兩類暨兩個階段， 前一階段主要研究單一代理變量對情緒的表征能力， 后一階段主要研究綜合性情緒指標的構建， 時點劃分以Brown和Cliff[12,13]對各代理變量的綜述為標志。對于每個階段， 又按照情緒載體劃分為市場整體情緒、 機構投資者情緒及個人投資者情緒三個類別， 對以往研究每一類別情緒間接表征較有代表性的文獻做了簡要評述， 并通過分析該領域兩個階段、 三個類別的研究結果和思路， 指出了現有研究的不足及未來的研究方向。

參考文獻：

[1] Fama E. Efficient capital markets: A review of theory and empirical work [J] . Journal of Finance, 1970, 25(2): 383-417.

[2] Markowitz M. Portfolio selection [J] . Journal of Finance, 1952, 7(1): 77-91.

[3] Sharpe W. Capital asset prices: A theory of market equilibrium under conditions of risk [J] . Journal of Finance, 1964, 19(3): 425-442.

[4] Black F, Scholes M. The pricing of options and corporate liabilities [J] . Journal of Political Economy, 1973, 81(3): 637-654.

[5] Ross S. The arbitrage theory of capital asset pricing [J] . Journal of Economic Theory, 1976, 13(3): 341-360.

[6] Shefrin H, Statman M. Behavioral capital asset pricing theory [J] . Journal of Financial and Quantitative Analysis, 1994, 29(3): 323-349.

[7] Shefrin H, Statman M. Behavioral portfolio theory [J] . Journal of Financial and Quantitative Analysis, 2000, 35(2): 127-151.

[8] Barberis N, Shleifer A, Vishny R. A model of investor sentiment [J] . Journal of Financial Economics, 1998, 49(3): 307-343.

[9] Daniel K, Hirshleifer D, Subrahmanyam A. Investor psychology and security market under and overreactions [J] . Journal of Finance, 1998, 53(6): 1839-1885.

[10] Hong H, Stein J. A unified theory of underreaction, momentum trading, and overreaction in asset markets [J] . Journal of Finance, 1999, 54(6): 2143-2184.

[11] Barberis N, Huang M, Santos T. Prospect theory and asset prices [J] . The Quarterly Journal of Economics, 2001, 116(1): 1-53.

[12] Brown G, Cliff M. Investor sentiment and the near-term stock market [J] . Journal of Empirical Finance, 2004, 11(1): 1-27.

[13] Brown G, Cliff M. Investor sentiment and asset valuation [J] . Journal of Business, 2005, 78(2): 405-440.

[14] Baker M, Wurgler J. Investor sentiment and the cross-section of stock returns [J] . Journal of Finance, 2006, 61(4): 1645-1680.

[15] Baker M, Wurgler J. Investor sentiment in the stock market [J] . Journal of Economic Perspective, 2007, 21(2): 129-151.

[16] Amihud Y, Mendelson H. Asset pricing and the bid-ask spread [J] . Journal of Financial Economics, 1986, 17(2): 223-249.

[17] Brennan M, Subrahmanyam A. Market microstructure and asset pricing: on the compensation for illiquidity in stock returns [J] . Journal of Financial Economics, 1996, 41(3): 441-464.

[18] Brennan M, Chordia T, Subrahmanyam A. Alternative factor specifications, security characteristics, and the cross-section of expected stock returns [J] . Journal of Financial Economics, 1998, 49(3): 345-373.

[19] Chordia T, Roll R, Subrahmanyam A. Commonality in liquidity [J] . Journal of Financial Economics, 2000, 56(1): 3-28.

[20] Chordia T, Roll R, Subrahmanyam A. Market liquidity and trading activity [J] . Journal of Finance, 2001, 56(2): 501-530.

[21] Hasbrouck J, Seppi D. Common factors in prices, order flows, and liquidity [J] . Journal of Financial Economics, 2001, 59(3): 383-411.

[22] Huberman G, Halka D. Systematic liquidity [J] . Journal of Financial Research, 2001, 24(2): 161-178.

[23] Amihud Y. Illiquidity and stock returns: cross-section and time-series effects [J] . Journal of Financial Markets, 2002, 5(1): 31-56.

[24] Jones C. A century of stock market liquidity and trading costs [J] . Columbia University, Working paper , 2002.

[25] Baker M, Stein J. Market liquidity as a sentiment indicator [J] . Journal of Financial Markets, 2004, 7(3): 271-299.

[26] Ljungqvist A, Nanda V, Singh R. Hot markets, investor sentiment, and IPO pricing [J] . Journal of Business, 2006, 79(4): 1667-1702.

[27] Dennis P, Mayhew S. Risk-neutral skewness: evidence from stock options [J] . Journal of Financial and Quantitative Analysis, 2002, 37(3): 471-493.

[28] Wang Y, Keswani A, Taylor S. The relationships between sentiment, returns and volatility [J] . International Journal of Forecasting, 2006, 22(1): 109-123.

[29] Bauer, R, Cosemans M, Eichholtz P. Option trading and individual investor performance [J] . Journal of Banking and Finance, 2009, 33(4): 731-746.

[30] Achelis S. Technical analysis from A to Z [M]. New York, McGraw-Hill, 1999.

[31] Bernile G, Lyandres E. Understanding investor sentiment: the case of soccer [J] . Boston University, Working paper, 2007.

[32] Wang C. Investor sentiment: market timing and future returns [J] . Applied Financial Economics, 2003, 13(12): 891-898.

[33] Han B. Limits of arbitrage, sentiment and pricing kernel: evidence from S&P 500 options [J] . Ohio State University, Working paper, 2005.

[34] Lee C, Shleifer A, Thaler R. Investor sentiment and the closed-end fund puzzle [J] . Journal of Finance, 1991, 46(1): 75-109.

[35] Neal R, Wheatley S. Do measures of investor sentiment predict returns? [J] . Journal of Financial and Quantitative Analysis, 1998, 33(4): 523-547.

[36] 伍燕然, 韓立巖, 不完全理性、投資者情緒與封閉式基金之謎[J] . 經濟研究, 2007, 42(3): 117-129.

[37] Chen N, Kan R, Miller M. Are the discounts on closed-end funds a sentiment index? [J] . Journal of Finance, 1993, 48(2): 795-800.

[38] Elton E, Gruber M, Busse J. Do investors care about sentiment? [J] . Journal of Business, 1998, 71(4): 477-500.

[39] Kumar A, Lee C. Retail investor sentiment and return comovements [J] . Journal of Finance, 2006, 61(5): 2451-2486.

[40] De Long J, Shleifer A, Summers L, Waldmann R. Noise trader risk in financial markets [J] . Journal of Political Economy, 1990, 98(4): 703-738.

[41] Cornelli F, Goldreich D, Ljungqvist A. Investor sentiment and pre-IPO markets [J] . Journal of Finance, 2006, 61(3): 1187-1216.

[42] 張強, 楊淑娥, 中國股市橫截面收益特征與投資者情緒的實證研究[J] . 系統(tǒng)工程, 2008, 26(7): 22-28.

[43] Bradley D, Gonas J, Highfield M, Roskelley K. An examination of IPO secondary market returns [J] . Journal of Corporate Finance, 2009, 15(3): 316-330.

[44] Yu J, Yuan Y. Investor sentiment and mean-variance relation [J] . Journal of Financial Economics, forthcoming.

[45] Kurov A. Investor sentiment and the stock market’s reaction to monetary policy [J] . Journal of Banking and Finance, 2010, 34(1): 139-149.

[46] Liao T, Huang C, Wu C. Do fund managers herd to counter investor sentiment? [J] . Journal of Business Research, forthcoming.

[47] 張強, 楊淑娥, 噪音交易、投資者情緒波動與股票收益[J] . 系統(tǒng)工程理論與實踐, 2009, 29(3): 40-47.

[48] 張強, 楊淑娥, 楊紅, 中國股市投資者情緒與股票收益的實證研究[J] . 系統(tǒng)工程, 2007, 25(7): 13-17.

[49] Verma R, Verma P. Noise trading and stock market volatility [J] . Journal of Multinational Financial Management, 2007, 17(3): 231-243.

[50] 黃德龍, 投資者情緒指數及中國股市的實證[J] . 系統(tǒng)科學與數學, 2009, 29(1): 1-13.

[51] 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, 31(10): 134-140.

[52] 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.

[53] Kaniel R, Saar G, Titman S. Individual investor trading and stock returns [J] . Journal of Finance, 2008, 63(1): 273-310.

[54] Frazzini A, Lamont O. Dumb money: mutual fund flows and the cross-section of stock returns [J] . Journal of Financial Economics, 2008, 88(2): 299-322.