摘 要：本文從有效市場理論和行為金融學(xué)理論出發(fā)，基于VAR模型，從定性和定量的角度探究股民情緒和股票投資收益率之間的動態(tài)關(guān)系。

通過對單只股票的實(shí)證研究，發(fā)現(xiàn)股票收益率、股民情緒的波動以及股票的流動性之間存在著動態(tài)平衡關(guān)系。選取2014年5月26日至2014年11月17日蘇寧云商證券作為研究對象，選擇日收益率、三日累積換手率和雪球情緒指標(biāo)作為變量，通過計算BIC和 MAPE，建立了滯后階數(shù)為5的VAR模型，進(jìn)行脈沖響應(yīng)分析和方差分析，發(fā)現(xiàn)：①換手率波動可以解釋收益率波動的35%。②收益率和股民情緒之間、換手率和股民情緒之間短期都呈現(xiàn)正相關(guān)，而收益率和換手率之間長期存在相互制約的關(guān)系。③無論是股民情緒還是收益率或者換手率，在波動很大的情況下，都伴隨著較大的風(fēng)險。④短期的換手率的和股民情緒的波動并不能很好的預(yù)測收益率的波動。

關(guān)鍵詞：情緒指標(biāo) 行為金融學(xué) 收益率波動 向量自回歸

1、引言

金融市場以其獨(dú)特的魅力吸引了很多人投入其中，有的人是為了賺取其中的暴利，有的人則是想要探尋其中的奧秘。

股票市場，作為金融市場的一部分，以其較低的交易成本和較高的收益預(yù)期，吸引了大批普通群眾（也稱散戶）投入其中，然而股票市場長期流傳著一句話，“十個散戶九個虧損”，長期看來，這句話或許就是事實(shí)，那么很明顯有兩個問題，第一，為什么十個散戶九個虧損？第二，為什么明明知道這個事實(shí)還會有很多散戶去炒股？ 越來越多的人認(rèn)識到，證券投資行業(yè)中信息及渠道的不對稱、錯誤信息的誘導(dǎo)是導(dǎo)致機(jī)構(gòu)投資者贏取暴利，而大多數(shù)散戶虧錢的的重要原因。

這其中或許存在這樣一種邏輯，當(dāng)機(jī)構(gòu)投資利用信息和渠道優(yōu)勢，在其或許一定信息之后，為了賺取超額的利益，會發(fā)布一些誘導(dǎo)性的信息或者作出誘導(dǎo)性的行為，利用股民的非理性心理謀取超額收益。那么這之間涉及到了三個關(guān)鍵點(diǎn)，1、大眾投資者的情緒，2、交易，3、資產(chǎn)的價格，這三者之間會不會存在著某些動態(tài)的聯(lián)系，用VAR模型作為一種很好的描述多變量間的動態(tài)相互作用的模型，或許可以刻畫出三者之間的動態(tài)聯(lián)系。

2、文獻(xiàn)綜述

1900年，法國數(shù)學(xué)家路易·巴舍利耶（Louis Bachelier）在他的博士論文《投機(jī)理論》（the Theory of Speculation）中把統(tǒng)計分析的方法應(yīng)用于股票收益率的分析，發(fā)現(xiàn)其波動的數(shù)學(xué)期望值總是為零；1953年，莫里斯·肯德爾（Maurice Kendall）在他的論文《經(jīng)濟(jì)的時間序列分析，第一部：價格》（The Analytics of Economic Time Series， Part 1： Prices）中，提出股票市場價格的變動是隨機(jī)的主張；1959年，奧斯本提出股票價格波動符合物理學(xué)中的布朗運(yùn)動，并建了隨機(jī)游走模型；1965年，法碼提出了有效市場假說，認(rèn)為金融資產(chǎn)的價格總是完全反映所有信息，并排除了利用現(xiàn)有信息就可以獲得超額回報率交易策略的存在性（即個人投資者或者機(jī)構(gòu)投資者都不可能持續(xù)獲得超過市場的平均收益率）。

有效市場假說建立在投資者完全理性的假設(shè)下，但是顯然，這個理論與實(shí)際的金融市場存在諸多的矛盾，例如一月效應(yīng)，規(guī)模效應(yīng)，股票市場的過度反應(yīng)，股票市場的價格泡沫，紅利之謎等“市場異象”，而且投資者在做出投資角色時經(jīng)常有不理性的行為。人們?yōu)榱私忉屵@些現(xiàn)象，發(fā)展了一系列的較為精確地，更能反映人們的決策過程的理論，也就是行為金融學(xué)理論。

行為金融學(xué)基于心理學(xué)及人類決策科學(xué)的經(jīng)驗(yàn)研究成果，考慮人們在決策過程中存在的心理、情緒等各種偏差對投資決策過程的影響，建立有關(guān)風(fēng)險偏好、預(yù)期等模型，并研究這些投資行為對市場的影響。

一般來說，行為金融學(xué)有以下假設(shè)：

（1）投資者是有限理性的。

（2）心理、情緒等因素影響投資的決策。

（3）市場中同時存在理性的投資者與非理性的投資者，市場經(jīng)濟(jì)活動是各投資者共同起作用的結(jié)果。

與此同時，投資者不是完全理性的，而投資者的非理性行為是行為金融學(xué)的重要基礎(chǔ)，投資者的決策行為和決策時的情緒密不可分，許多學(xué)者做了投資者情緒與股票市場表現(xiàn)之間關(guān)系的研究。例如賴凱聲、陳浩、樂國安、董穎（2014）等人就情緒能否預(yù)測股市做了相關(guān)的研究，認(rèn)為行為金融信息學(xué)是未來的趨勢，尤其是基于互聯(lián)網(wǎng)平臺的社會情緒研究，互聯(lián)網(wǎng)大數(shù)據(jù)資源和信息、技術(shù)在情緒與股市關(guān)系這一研究領(lǐng)域中，將扮演越來越重要的角色。

筆者認(rèn)為，隨著互聯(lián)網(wǎng)的發(fā)展，越來越容易獲取真實(shí)的、實(shí)時的數(shù)據(jù)，互聯(lián)網(wǎng)無疑為行為金融學(xué)的研究提供了強(qiáng)有力的工具，股民在網(wǎng)絡(luò)上既是信息接收者，又是信息發(fā)起者，既受別人的影響同時又影響別人，本文便利用了通過互聯(lián)網(wǎng)渠道獲得的數(shù)據(jù)編制股民的情緒指標(biāo)，建立向量自回歸模型，探究投資者的情緒和投資收益之間的動態(tài)關(guān)系。

3、模型建立

3.2 脈沖響應(yīng)函數(shù)

VAR模型是一種非理論性的模型，因此在實(shí)際應(yīng)用中它無需對變量作任何先驗(yàn)性約束，并且VAR模型的參數(shù)沒有解釋性。在分析VAR模型時，往往不分析一個變量的變化對另一個變量的影響如何，而是用脈沖響應(yīng)函數(shù)（impulse response function，IRF）進(jìn)行分析，脈沖響應(yīng)函數(shù)描述在隨機(jī)誤差項(xiàng)上施加一個標(biāo)準(zhǔn)差大小的沖擊后對內(nèi)生變量的當(dāng)期值和未來值所帶來的影響，即反映模型受到某種沖擊時系統(tǒng)所受到的動態(tài)影響。

3.3 方差分解

方差分解（variance decomposition）是把系統(tǒng)中的全部內(nèi)生變量（k）個的波動按其成因分解為與各個方程新息相關(guān)聯(lián)的k個組成部分，從而得到新息對模型內(nèi)生變量的相對重要程度，通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度，進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性。方差分解反映的是VAR模型中的變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息。

4、實(shí)證研究

4.1 變量選擇與數(shù)據(jù)來源

在研究收益率波動規(guī)律的時候，人們常常從宏觀層面、公司基本面、技術(shù)層面分析，依照上文的邏輯，本文從個股日收益率，股民的情緒，股票的活躍程度出發(fā)，研究三者之間的動態(tài)關(guān)系。

4.1.1 個股收益率

本文選取個股作為研究對象，因?yàn)槭袌錾厦恐还善钡氖荜P(guān)注程度、未來預(yù)期的現(xiàn)金流量值、相關(guān)政策的影響程度等等都不一樣，因此每只股票價格和收益率的波動情況都不一樣，先從一只股票三者的動態(tài)傳導(dǎo)波動機(jī)制出發(fā)，再擴(kuò)展到行業(yè)指數(shù)的波動研究。

本文選取了2014年蘇寧云商（002024）5月26日到11月17日的股票交易情況作為研究對象，這段時間蘇寧云商的股票價格較為平穩(wěn)，易于研究收益率、情緒與流動性之間的關(guān)系。數(shù)據(jù)來源于大智慧交易軟件客戶端。

本文選取日收益率而不是股價，Campbell，Lo和MacKinlay（1997）給出了兩個理由，1、對于普通投資者來說，資產(chǎn)收益率是投資機(jī)會的完全的、尺度自由的概括；2、收益率序列比價格序列更容易處理，因?yàn)榍罢邠碛懈玫亟y(tǒng)計性質(zhì)。

資產(chǎn)收益率有多種定義，本文的日收益率選取公式為：

。

4.1.2 情緒指標(biāo)

通過上文的分析，可以看出，股票市場投資者進(jìn)行決策時，很大程度上受到心理因素的影響，而投資者的情緒是衡量投資者心理的重要指標(biāo)，股民的情緒指標(biāo)能一定程度上反應(yīng)投資意愿并對股票市場產(chǎn)生一定影響。一般而言，投資者情緒代表了市場參與者對未來股市發(fā)展趨勢看漲看跌的預(yù)期。李靜（2012）在《基于行為金融學(xué)的股票市場投資者行為研究》中綜合了過去學(xué)者對投資者情緒的研究，按照投資者情緒指標(biāo)獲取方式的不同，將情緒指標(biāo)分成了三類：顯性指標(biāo)、隱性指標(biāo)和情緒代理指標(biāo)。顯性（直接）投資者情緒指標(biāo)，通過問卷調(diào)查，多空調(diào)查等方式獲得投資者對市場的看法和判斷；隱形（間接）投資者情緒指標(biāo)，通過獲取證券市場的相關(guān)數(shù)據(jù)例如換手率、市盈率以及封閉式基金的折價率等后，整理得出的間接反映投資者心理變化的指標(biāo)；情緒代理變量，是指會改變投資者對市場估價和預(yù)期的非經(jīng)濟(jì)變量，包括自然環(huán)境變量、如云量、氣溫、降雨、噪聲，等等對人們情緒的影響。

本文選取招商證券雪球情緒指標(biāo)作為情緒變量。雪球情緒指標(biāo)的數(shù)據(jù)來源是雪球網(wǎng)用戶自選股和持倉盈虧兩類信息，這兩類信息很好地反映了用戶對他們所關(guān)注股票的多空觀點(diǎn)。雪球情緒指標(biāo)將股票范圍限制在A股上市公司，構(gòu)造方法如下：

（1）對每只股票，采集所有的自選股信息和持倉盈虧信息。

（2）對信息按一定的標(biāo)準(zhǔn)分為買入、賣出和關(guān)注三類。

（3）選用一定的標(biāo)準(zhǔn)來判斷一條信息是看多還是看空。

（4）我們對每日所有信息的多空情緒值進(jìn)行一定的加總，生成雪球情緒指標(biāo)。

這是一個顯性的投資者情緒指標(biāo)，許多國家的研究者和機(jī)構(gòu)都發(fā)布過這類指標(biāo)，例如美國投資者智能指數(shù)，將美國130家報紙每月的股評分成看漲看跌看平三類，取看漲百分比數(shù)與看跌百分比數(shù)之差作為投資者智能指數(shù)，并推薦讀者將這個指數(shù)作為反向預(yù)測指標(biāo)。也有一些是通過調(diào)查得到的看著看跌的人數(shù)然后進(jìn)行編制指標(biāo)。

然而這些指標(biāo)并不能很好的代表投資者在進(jìn)行股票決策時的真實(shí)想法，時效性和準(zhǔn)確度較差。很有可能出現(xiàn)這種情況，投資者明明前一天覺得要持有的股票價格要下跌，可是第二天開盤的時候漲了一些，便買入股票。

隨著互聯(lián)網(wǎng)的發(fā)展，股民決策、心理變動等相關(guān)情況通過數(shù)據(jù)挖掘變得容易獲得，而這類數(shù)據(jù)的時效性和準(zhǔn)確度往往更好。本文選取的雪球情緒指標(biāo)便是將買入類信息認(rèn)為是看多的，賣出類信息是看空的，而且由于買入和賣出代表了用戶交易行為，其看多或看空的力量比關(guān)注時看多或看空的力量要大；對于關(guān)注類信息，根據(jù)一定的規(guī)則將其判為是看空或看多。更能精準(zhǔn)的反應(yīng)投資者的實(shí)時情緒。

4.1.3 三日累計換手率

根據(jù)前文的分析，投資者的情緒直接影響著投資決策行為，而投資者的情緒受到各種信息的擾動影響，換手率作為流動性的一個表現(xiàn)，在一定程度上可以表示資金介入的強(qiáng)度，反映該股票的熱門程度以及個人投資者和機(jī)構(gòu)投資者的行為，因此選擇換手率作為VAR的變量之一。

4.2 描述性統(tǒng)計分析

4.2.1 時序圖

（1）三日累計換手率

蘇寧云商2014年5月26日-11月17日每日換手率如下圖：

為了更好的描述個股的流動性，選擇三日累積換手率作為變量，由于換手率的值較小，為了去除量綱的影響，將得到的三日累積換手率加上一個權(quán)重，經(jīng)觀察，乘以100較為合適；對得到的序列進(jìn)行白噪聲檢驗(yàn)，發(fā)現(xiàn)未通過顯著性為0.05的白噪聲檢驗(yàn)，因此對現(xiàn)有序列進(jìn)行一階差分，至此

若每日成交量記為Vt，則三日累積換手率為CTt=（ Vt+Vt-1+Vt-2）×100÷流通股本，那么記Ct= （CTt-CTt-1） ×100，我們選擇Ct作為進(jìn)入模型的變量。其時序圖為：

（2）日收益率

日收益率通過了白噪聲檢驗(yàn)，時序圖如下，為去除量綱，我們將其乘以80，記為Rt。

（3）情緒指標(biāo)

由于日收益率和一階差分后的三日累積換手率均表示變化情況，為保持一致，我們對雪球情緒指標(biāo)進(jìn)行變換，計算每日情緒指標(biāo)變化率，記為Mt ，時序圖入下：

4.2.2 穩(wěn)定性檢驗(yàn)

進(jìn)行單位根檢驗(yàn)，原假設(shè)為存在單位根，拒絕原假設(shè)，則時間序列數(shù)據(jù)為平穩(wěn)性數(shù)據(jù)。

4.3 VAR模型滯后階數(shù)的選擇

4.3.1 聯(lián)合白噪聲檢驗(yàn)

采用Ljung-Box方法，依次選擇滯后階數(shù)K=1、2、3、4……建立模型，進(jìn)行單列白噪聲檢驗(yàn)和聯(lián)合白噪聲檢驗(yàn)，發(fā)現(xiàn)在顯著性水平0.05的情況下，k=1、2、3、4時不能同時通過聯(lián)合白噪聲檢驗(yàn)和單列白噪聲檢驗(yàn)，當(dāng)k=5時，聯(lián)合白噪聲檢驗(yàn)p值=0.7704，三列時序的白噪聲p.value分別為0.2679、 0.0639、0.8555，即沒有充分理由拒絕原滯后階數(shù)為10時為股票交易市場兩周的時間，滯后階數(shù)再增加后，模型要估計的參數(shù)過多，擬合精度會下降，因此滯后階數(shù)在5-11之間選擇。

4.3.2 基于BIC準(zhǔn)則

貝葉斯信息量（bayesian information criterion）是在模型選擇時判斷模型好壞的準(zhǔn)則，BIC=-2 ln（L） + ln（n）*k，對k=5-11的VAR模型計算BIC信息量得到如下結(jié)果：

4.3.3 基于平均絕對百分誤差（MAPE）

平均絕對百分誤差是用相對數(shù)形式百分?jǐn)?shù)表示的預(yù)測誤差指標(biāo)。平均絕對百分誤差指標(biāo)是對預(yù)測值與實(shí)際值之間離差除以實(shí)際值的比值的絕對值計算平均數(shù)，計算公式為：

觀察發(fā)現(xiàn)，k=11時，MAPE 最小，但是預(yù)測之后五天的日收益率的預(yù)測結(jié)果都不理想，該模型的預(yù)測效果并不好。

4.4 脈沖響應(yīng)函數(shù)

由于MAPE方法下，模型的預(yù)測誤差都較大，還是考慮BIC準(zhǔn)則下選定的模型，之后階數(shù)選擇5。

畫出脈沖響應(yīng)函數(shù)圖如下，其中藍(lán)色實(shí)線代表脈沖響應(yīng)函數(shù)，紅色虛線代表兩倍標(biāo)準(zhǔn)差偏離帶，橫軸代表滯后期數(shù)，縱軸表示變量的脈沖響應(yīng)函數(shù)值，表示一個變量對另一個變量沖擊的反應(yīng)。

4.5 方差分解

在向量自回歸的方差分解方法里，不同的遞歸順序會有不同的結(jié)果，以遞歸順序“M->C->R”畫出方差分解圖如下：

其中藍(lán)色實(shí)線代表方差貢獻(xiàn)率，紅色虛線代表兩倍標(biāo)準(zhǔn)差偏離帶，橫軸代表滯后期數(shù)，縱軸表示變量的方差貢獻(xiàn)率，變量間的方差貢獻(xiàn)率越大表明變量間的相互影響越大。

5、結(jié)果分析

由于預(yù)測的結(jié)果并不是很理想，我們不能通過這個模型進(jìn)行股票收益率的預(yù)測，但是可以根據(jù)脈沖響應(yīng)函數(shù)和方差分解來分析三個變量間的動態(tài)相關(guān)關(guān)系。

股票市場的流動性和資產(chǎn)的收益率以及股民情緒之間存在著較為平穩(wěn)的動態(tài)相互影響的關(guān)系，從脈沖響應(yīng)圖可以看出，隨著時間的推移，一個沖擊的影響會逐漸趨于零。

并且從脈沖響應(yīng)函數(shù)圖可以得出以下結(jié)論：，

（1）三日累計換手率和收益率的升高在一兩日內(nèi)會對股民情緒產(chǎn)生一個較強(qiáng)的正面影響，三日之后股民情緒會迅速回落；

（2）三日累計換手率在很高的情況下，收益率在一兩日內(nèi)會明顯降低.

（3）無論是股民情緒還是收益率或者換手率，在很高的情況下，都會對自身有一個負(fù)面的沖擊，說明在這三個指標(biāo)任意一個指標(biāo)很高的情況下，風(fēng)險都會很大。

遞歸順序“C -> M ->R”或者遞歸順序“- M > C ->R”，二者的方差分解圖趨勢上很接近，只有略微細(xì)節(jié)上有所差異。