胡昌生, 陶 鑄

(武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院,湖北 武漢 430072)

?

個(gè)體投資者情緒、網(wǎng)絡(luò)自媒體效應(yīng)與股票收益

胡昌生, 陶 鑄

(武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院,湖北 武漢 430072)

個(gè)體投資者情緒變動(dòng)會(huì)影響股票收益嗎？本文以東方財(cái)富股吧發(fā)帖量作為個(gè)體投資者情緒的代理，研究個(gè)體投資者情緒、網(wǎng)絡(luò)自媒體效應(yīng)與股票收益可預(yù)測性之間的關(guān)系。我們發(fā)現(xiàn)，個(gè)體投資者情緒通過網(wǎng)絡(luò)自媒體傳播可以系統(tǒng)地影響股票收益，且存在顯著的可預(yù)測性。具體而言，發(fā)帖量越高的組合，短期收益越高，表現(xiàn)出短期的動(dòng)量效應(yīng)；其次，當(dāng)對(duì)樣本股性質(zhì)進(jìn)行區(qū)分后，小市值、低賬面市值比和機(jī)構(gòu)投資者持股比低的股票對(duì)個(gè)體投資者情緒變動(dòng)更加敏感，呈現(xiàn)出明顯的情緒蹺蹺板效應(yīng)。進(jìn)一步地，經(jīng)風(fēng)險(xiǎn)因子調(diào)整之后，零成本套利投資組合仍能獲得顯著的超額收益，且超額收益來源于前期低發(fā)帖量組合，情緒依然是情緒。

個(gè)體投資者情緒；發(fā)帖量；網(wǎng)絡(luò)自媒體效應(yīng)；股票收益

1 引言

我國股票市場是一個(gè)典型的以個(gè)體投資者占比居多的市場。在整個(gè)A股交易中，中小散戶占據(jù)絕對(duì)比重。由于個(gè)體投資者普遍表現(xiàn)為非理性，其情緒容易受到市場中各種噪音信號(hào)的影響，是典型的噪音交易者[1]，從而導(dǎo)致我國股票市場上股價(jià)的劇烈波動(dòng)。個(gè)體投資者情緒的波動(dòng)是否構(gòu)成對(duì)股票短期收益的可預(yù)測性？這是一個(gè)重大的金融理論與現(xiàn)實(shí)問題。針對(duì)這一問題，目前學(xué)界通過兩種途徑進(jìn)行了有益的探索：一是直接通過個(gè)體投資者交易數(shù)據(jù)，構(gòu)造投資者情緒的代理，如Kumar和Lee的BSI指數(shù)[2]，來探討個(gè)體投資者情緒變化對(duì)股票價(jià)格是否產(chǎn)生系統(tǒng)性的影響。二是間接通過媒體情緒，即媒體效應(yīng)，來研究投資者情緒與股票價(jià)格波動(dòng)間的關(guān)系。近年來，隨著互聯(lián)網(wǎng)的普及，自媒體成為投資者尤其是個(gè)體投資者獲取信息的主要渠道，較為典型的有股吧、推特、微博等。網(wǎng)絡(luò)在信息傳播過程中扮演著日益重要的角色，但網(wǎng)絡(luò)在傳播信息的同時(shí)，也在傳播著噪音。投資者情緒由過去的口口相傳[3]變?yōu)榫W(wǎng)絡(luò)傳播，這就決定了情緒在市場上的傳播無論在速度、參與性還是便利性方面，都極大地超越以往。

東方財(cái)富網(wǎng)是國內(nèi)最大的財(cái)經(jīng)資訊網(wǎng)站，據(jù)艾瑞研究，2014年12月該網(wǎng)站日均覆蓋人數(shù)超過1500萬人。本文以東方財(cái)富股吧發(fā)帖量作為個(gè)體投資者情緒的代理，有足夠大的樣本覆蓋，同時(shí)，由于其更加貼近市場，信息匯集程度高，有別于推特、微博等其他網(wǎng)絡(luò)自媒體，可以很好地反映個(gè)體投資者情緒的波動(dòng)。有些研究從關(guān)注度的角度來解釋投資者買賣行為與價(jià)格和交易量之間的關(guān)系。正如羅伯特·席勒所言，股票價(jià)格與交易量是投資者關(guān)注的結(jié)果[3]，投資者關(guān)注度高的股票，往往對(duì)應(yīng)著情緒的高漲，反之亦然。股吧發(fā)帖量的高低既是投資者關(guān)注的結(jié)果，更是投資者情緒的表達(dá)和傳播。個(gè)體投資者情緒在網(wǎng)絡(luò)自媒體上的表達(dá)，形成了網(wǎng)絡(luò)自媒體情緒。對(duì)于不同特征的股票，投資者情緒表達(dá)是不同的，這就是情緒可預(yù)測性在橫截面上的差異性問題。這樣的一種影響機(jī)制即為網(wǎng)絡(luò)自媒體效應(yīng)。

本文以發(fā)帖量作為個(gè)體投資者情緒的代理，研究投資者情緒與股票收益可預(yù)測性之間的關(guān)系。具體地，文章從三個(gè)層面展開：首先，我們分析了投資者情緒是否對(duì)當(dāng)期股票收益存在短期可預(yù)測性問題。本文按照發(fā)帖量的高低將樣本股劃分為高、中和低三種不同的組合，結(jié)果表明發(fā)帖量高的組合對(duì)應(yīng)著當(dāng)期高收益，反之亦然。在不考慮交易成本的情形下，高發(fā)帖量組合相比低發(fā)帖量組合具有顯著為正的收益溢價(jià)，呈現(xiàn)出明顯的短期動(dòng)量效應(yīng)[4,5]，與Barber和Odean買入熱門股效應(yīng)一致[6]。進(jìn)一步地，本文構(gòu)造零成本套利組合，即買入上期發(fā)帖量低的股票，賣出上期發(fā)帖量高的股票，研究結(jié)果表明投資組合能夠獲得風(fēng)險(xiǎn)調(diào)整之后的超額收益。其次，本文分別考察了在不同期間上個(gè)體投資者情緒對(duì)股票收益影響的橫截面差異，將上述三種不同發(fā)帖量組合進(jìn)一步按照規(guī)模、賬面市值比、機(jī)構(gòu)持股比例等因素進(jìn)行劃分，實(shí)證結(jié)果表明小市值、低賬面市值比、低機(jī)構(gòu)持股比組合獲得的超額收益更為顯著，這與Baker和Wurgler的情緒蹺蹺板效應(yīng)相吻合，即投資者情緒對(duì)于套利成本高的股票影響更大[7]。此外，為了更深入地考察個(gè)體投資者的非理性特征，本文引入了價(jià)格因素，結(jié)果發(fā)現(xiàn)在當(dāng)期高收益情形下，高發(fā)帖量組合較低發(fā)帖量組合存在收益為正的溢價(jià)，顯著大于低收益組合下對(duì)應(yīng)的收益差。前期高收益組合在當(dāng)期獲得低收益，而前期低收益組合在當(dāng)期獲得高收益，表明個(gè)體投資者情緒主要受價(jià)格變動(dòng)的牽引，進(jìn)一步驗(yàn)證了個(gè)體投資者情緒的非理性特征。

相對(duì)于已往的文獻(xiàn)，本文的創(chuàng)新之處在于：(1)本文以網(wǎng)絡(luò)自媒體的發(fā)帖量數(shù)據(jù)作為個(gè)體投資者情緒代理，將網(wǎng)絡(luò)自媒體效應(yīng)與傳統(tǒng)的他媒體效應(yīng)區(qū)分開來，具有理論上的創(chuàng)新性。(2)將網(wǎng)絡(luò)自媒體效應(yīng)與股票收益的可預(yù)測性及其在橫截面上的差異性聯(lián)系起來，產(chǎn)生了重要而有趣的市場發(fā)現(xiàn)。(3)通過引入機(jī)構(gòu)投資者持股比例變量，證實(shí)市場在傳播信息的同時(shí)也在傳播噪音，市場并不因信息傳播效率的提高而變得更加有效。以上研究豐富了投資者情緒理論，加深了我們對(duì)投資者非理性行為的認(rèn)識(shí)。

2 文獻(xiàn)綜述與研究假設(shè)

大量的實(shí)證研究表明，個(gè)體投資者在市場中處于信息劣勢，其交易行為并非源自對(duì)股票基本面信息變化的認(rèn)知，而是源于他們的情緒變化，且更易受到噪音信息的影響[1]。股票價(jià)格在面對(duì)情緒沖擊時(shí)，不是表現(xiàn)為反應(yīng)過度就是表現(xiàn)為反應(yīng)不足。Kumar和Lee,王永鋒和胡昌生通過構(gòu)造反映投資者情緒的BSI指數(shù)，證明投資者情緒會(huì)對(duì)資產(chǎn)價(jià)格產(chǎn)生系統(tǒng)性的影響[2,8]。進(jìn)一步地，Baker和Wurgler將情緒區(qū)分為理性和非理性，非理性情緒作為投資者“動(dòng)物精神”的反映，在短期對(duì)資產(chǎn)價(jià)格有正向影響[7,9]，存在短期動(dòng)量效應(yīng)。伴隨著互聯(lián)網(wǎng)的普及，更多的投資者通過股吧、微博等自媒體獲取、交流投資信息。由于網(wǎng)絡(luò)媒體情緒具有很強(qiáng)的渲染性，帶有正面或者負(fù)面情緒的信息傳播得更快更廣，投資者的投資決策無疑會(huì)受到這類媒體情緒的影響[10]。股吧發(fā)帖量的高低能夠很好地反映個(gè)體投資者情緒的變化。因此，提出本文的第1個(gè)假設(shè)：

假設(shè)1 個(gè)體投資者情緒對(duì)股票價(jià)格構(gòu)成系統(tǒng)性的影響，情緒越高的股票短期收益越高，存在由情緒驅(qū)動(dòng)的短期動(dòng)量效應(yīng)。

個(gè)體投資者存在非理性特征，如實(shí)現(xiàn)效用[11]和賭博偏好[12]。在實(shí)際交易中，投資者往往并非完全遵循風(fēng)險(xiǎn)與收益對(duì)等的理性原則，在投資決策時(shí)會(huì)偏好某些特征的股票，如小市值、機(jī)構(gòu)持股比例較低、高成長性、低價(jià)和高波動(dòng)性等具有較高套利成本的股票[13]，因而這類股票的收益受到個(gè)體投資者需求和情緒變動(dòng)的影響更為顯著。進(jìn)一步研究表明，對(duì)于不同特征的股票而言，情緒的作用效果并不一樣。Baker和Wurgler發(fā)現(xiàn)了情緒蹺蹺板效應(yīng)，即投資者情緒對(duì)于不同套利難度的股票價(jià)格的影響程度不一致，定價(jià)過于主觀和套利難度較大的股票會(huì)更多地受到投資者情緒的影響[7]。進(jìn)一步地，Bartov等以推特作為研究對(duì)象，發(fā)現(xiàn)盈余公告前10天在推特上所表達(dá)的多空觀點(diǎn)與盈余公告期股票的超額收益存在正向關(guān)系，特別地，對(duì)于小市值、低分析師關(guān)注和低媒體報(bào)道的股票來說，相關(guān)性更為顯著，這意味者信息透明度低的股票更易受到投資者情緒的影響[14]。因此，提出本文的第2個(gè)假設(shè)：

假設(shè)2 個(gè)體投資者情緒對(duì)股票價(jià)格的影響存在橫截面差異，小盤股、成長股及機(jī)構(gòu)持股比低等套利難度高的股票對(duì)情緒變動(dòng)更加敏感，更易受到個(gè)體投資者情緒的影響。

為了考察投資者情緒是否構(gòu)成一個(gè)獨(dú)立的影響股票收益的因子，在假設(shè)1和假設(shè)2的基礎(chǔ)上，我們進(jìn)一步提出本文的第3個(gè)假設(shè)：

假設(shè)3 個(gè)體投資者情緒對(duì)股票收益的系統(tǒng)性影響在排除了已知的風(fēng)險(xiǎn)因子后，依然顯著存在。個(gè)體投資者情緒是一個(gè)獨(dú)立的影響股票收益的因子。

個(gè)體投資者情緒通常具有助長助跌的反饋特征，與價(jià)格之間存在較為明顯的反饋關(guān)系[15]。投資者情緒的變化會(huì)對(duì)資產(chǎn)價(jià)格產(chǎn)生影響，而資產(chǎn)價(jià)格的變化反過來又會(huì)影響投資者情緒。Kaniel等的研究表明在月度水平上個(gè)體投資者會(huì)買入前期價(jià)格下跌的股票，賣出前期上漲的股票，表現(xiàn)出負(fù)反饋的特征[16]。進(jìn)一步地，Merton認(rèn)為，在信息不完全的市場中，未被市場廣泛認(rèn)知的股票由于其特有的風(fēng)險(xiǎn)未被完全分散，故需要更高的未來收益作為補(bǔ)償，即Arbel等的冷門股效應(yīng)[17]，反之，被市場廣泛認(rèn)知的股票帶來當(dāng)期市場價(jià)值的上升，未來收益降低[18]。因此，提出本文的第4個(gè)假設(shè)：

假設(shè)4 個(gè)體投資者情緒易受股票價(jià)格變動(dòng)的牽引，且超額收益主要來源于前期低情緒股票組合，呈現(xiàn)出顯著的冷門股效應(yīng)。

3 數(shù)據(jù)來源和變量選取

3.1 數(shù)據(jù)來源

本文用python網(wǎng)絡(luò)爬蟲從東方財(cái)富股吧中抓取樣本股發(fā)帖量的周度數(shù)據(jù)作為個(gè)體投資者情緒的代理。為防止單純考察某一市場股票對(duì)實(shí)證結(jié)果產(chǎn)生影響，我們隨機(jī)從全市場中抽取954只股票作為研究對(duì)象。相比于以往類似研究，本文將研究時(shí)間跨度拓展至2年(2013年1月1日到2014年12月31日)，從而使研究結(jié)論更具有一般性。與此同時(shí)，為了排除新股上市的事件效應(yīng)，我們抽取的樣本股票均在2013年之前上市。為了確保實(shí)證結(jié)果的準(zhǔn)確性，在數(shù)據(jù)處理的過程中，我們排除樣本股中每期停牌的股票。鑒于本文使用發(fā)帖量作為個(gè)體投資者情緒的代理，我們排除期間所有與公司基本面相關(guān)的帖子，包括新聞報(bào)道、公司公告和研報(bào)，避免基本面因素對(duì)研究問題產(chǎn)生影響。本文所使用的收益率、股東權(quán)益、賬面市值比等數(shù)據(jù)均來自國泰安數(shù)據(jù)庫。機(jī)構(gòu)持股比例數(shù)據(jù)來自銳思數(shù)據(jù)庫。

3.2 變量選取

本文主要研究作為個(gè)體投資者情緒代理的股吧發(fā)帖量對(duì)股票收益的影響，因此自變量為股吧發(fā)帖量，因變量為投資組合的收益率。本文所使用的控制變量包括：市場因子(rmrf)、規(guī)模因子(smb)、價(jià)值因子(hml)以及動(dòng)量因子(umd)。其中rmrf是全市場加權(quán)平均綜合收益率與三個(gè)月期定期存款利率之差的周度數(shù)據(jù)；smb和hml指標(biāo)的構(gòu)建與Fama和French類似[19]，考慮到樣本區(qū)間的限制，與三因子模型不同的是，本文根據(jù)季度股東權(quán)益、賬面市值比數(shù)據(jù)進(jìn)行滾動(dòng)分組，得到周頻率指標(biāo)；最后，我們按照Carhart的方法構(gòu)造umd[20]，然而考慮到樣本限制，本文按照前一個(gè)月的股票收益大小進(jìn)行排序。定義umd為全市場收益率前30%組合和后30%組合在下一個(gè)月的周收益率之差，組合每月更新一次。

4 實(shí)證結(jié)果與分析

為了考察個(gè)體投資者情緒對(duì)股票價(jià)格是否構(gòu)成系統(tǒng)性的影響及其作用機(jī)制，本文首先研究當(dāng)期發(fā)帖量對(duì)當(dāng)期股票收益的影響及在橫截面上的差異性。其次，為了檢驗(yàn)個(gè)體投資者情緒是否為獨(dú)立存在的影響股票收益的風(fēng)險(xiǎn)因子，本文排除其他風(fēng)險(xiǎn)因子的影響，對(duì)其進(jìn)行進(jìn)一步研究。再次，考慮個(gè)體投資者情緒的非理性特征，本文引入價(jià)格因素，驗(yàn)證投資者情緒是否受到價(jià)格因素的牽引。最后是穩(wěn)健性檢驗(yàn)。

4.1 發(fā)帖量與當(dāng)期股票收益

由于在股吧發(fā)帖的往往是個(gè)體投資者，為了考察個(gè)體投資者情緒的變化是否對(duì)股票價(jià)格產(chǎn)生系統(tǒng)性影響，本文首先根據(jù)發(fā)帖量將樣本股票分為高(H)、中(M)和低(L)三個(gè)不同的組合，考察組合間的收益溢價(jià)是否顯著異于0。其次，為了檢驗(yàn)情緒蹺蹺板效應(yīng)是否存在，本文按照市值、賬面市值比等風(fēng)格特征，分別將不同發(fā)帖量的組合進(jìn)行二次分組。接下來，進(jìn)一步檢驗(yàn)個(gè)體投資者情緒是否具有非理性特征，即個(gè)體投資者情緒是否會(huì)對(duì)非理性投資者持股比高的股票價(jià)格影響更大，本文納入機(jī)構(gòu)投資者持股比例變量。最后，為了考察投資者情緒是否存在“價(jià)格—情緒”的反饋特征，本文按照前期和本期的收益率分別分組進(jìn)行考察。上述分組均按照30%分位數(shù)和70%分位數(shù)進(jìn)行劃分，其中發(fā)帖量和收益率等組合每周滾動(dòng)調(diào)整一次，考慮到公司特征數(shù)據(jù)的可得性，市值、賬面市值比、機(jī)構(gòu)持股比等組合每季度滾動(dòng)調(diào)整一次，后文將不再贅述。

表1 發(fā)帖量對(duì)當(dāng)期股票收益的影響

注：1，2，3分別表示高、中和低分組。

表1中，第一行是不同發(fā)帖量股票組合的平均周度收益率，高發(fā)帖量股票組合較低發(fā)帖量組合而言，超額收益顯著異于0。實(shí)證結(jié)果表明，在短期，發(fā)帖量對(duì)于股價(jià)產(chǎn)生正向的壓力，發(fā)帖量越高，對(duì)應(yīng)的股票收益越高。檢驗(yàn)結(jié)果支持假設(shè)1，個(gè)體投資者情緒對(duì)股票價(jià)格構(gòu)成系統(tǒng)性的影響，且呈現(xiàn)出短期動(dòng)量效應(yīng)。

接下來，本部分檢驗(yàn)股吧發(fā)帖量對(duì)不同特征股票的影響是否存在明顯的差異。面板A表明，對(duì)于小市值股票而言，高發(fā)帖量與低發(fā)帖量組合收益之差為2.08%，遠(yuǎn)高于大市值股票的溢價(jià)。面板B的結(jié)果顯示，對(duì)于低賬面市值比的股票，高發(fā)帖量組合相比低發(fā)帖量組合存在0.98%的超額收益，高于高賬面市值比組合的0.50%，可見，賬面市值比低的股票更容易受到發(fā)帖量的影響。進(jìn)一步地，從面板C可以看出，在高機(jī)構(gòu)持股比情況下，高發(fā)帖量與低發(fā)帖量組合收益之差為0.71%，相對(duì)于低機(jī)構(gòu)持股比組合而言，實(shí)證結(jié)果表明機(jī)構(gòu)投資者有助于減少個(gè)體投資者情緒對(duì)股票市場的影響。實(shí)證結(jié)果支持假設(shè)2，即情緒蹺蹺板效應(yīng)的存在[7]，也與Kumar和Lee，Han和Kumar對(duì)個(gè)體投資者的行為研究相吻合[2,13]。

比較面板D和E。在面板D中，當(dāng)期高收益高發(fā)帖量的組合，較當(dāng)期高收益低發(fā)帖量組合能獲得3.32%的超額收益；相應(yīng)地，對(duì)于當(dāng)期低收益高發(fā)帖量組合來說，對(duì)應(yīng)的超額收益為-5.54%。在高發(fā)帖量情況下，高收益組合將獲得正異常收益，低收益組合將獲得負(fù)異常收益，即個(gè)體投資者情緒具有助長助跌的效用，表現(xiàn)為典型的非理性特征[21]。在面板E中，前期高收益組合的當(dāng)期收益顯著低于前期低收益組合。這可能由于資產(chǎn)價(jià)格的修復(fù)，當(dāng)期高媒體情緒組合對(duì)應(yīng)著下一期的低收益，相應(yīng)地，前期低情緒組合由于情緒溢價(jià)較低，本期獲得更高的收益。結(jié)合本表第一行的實(shí)證結(jié)果，這里的分析表明，前期高收益組合對(duì)應(yīng)著當(dāng)期低發(fā)帖量，反之亦然。個(gè)體投資者情緒易受資產(chǎn)價(jià)格變動(dòng)的牽引，超額收益來源于前期低發(fā)帖量股票，存在冷門股效應(yīng)[17]，假設(shè)4得證。

4.2 進(jìn)一步分析

為了證明個(gè)體投資者情緒是否構(gòu)成影響股票收益的一個(gè)獨(dú)立的風(fēng)險(xiǎn)因子，必須對(duì)其他的風(fēng)險(xiǎn)因子進(jìn)行排除。基于此，我們構(gòu)造零成本套利投資組合，即買入前一周低發(fā)帖量組合，賣出前一周高發(fā)帖量組合，每周更新一次，進(jìn)而形成一組周度超額收益的時(shí)間序列數(shù)據(jù)。接下來，本文用超額收益分別對(duì)以下三個(gè)模型進(jìn)行回歸。具體如下

模型1rlt-rht=αt+β1t×rmrft+εt

模型2rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+εt

模型3rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+β4t×umdt+εt

其中rlt-rht為投資組合的超額收益，rlt為t-1期低發(fā)帖量組合在t期的平均收益率，rht為t-1期高發(fā)帖量組合在t期的平均收益率，αt為截距項(xiàng)，εt為隨機(jī)擾動(dòng)項(xiàng)，其余變量均已在上文介紹，本部分不再敘述。

表2 前期發(fā)帖量對(duì)當(dāng)期股票收益的影響

注：*，**，***分別表示在10%，5%，1%顯著性水平下顯著；括號(hào)里數(shù)字表示參數(shù)的標(biāo)準(zhǔn)誤。下同。

由面板A的結(jié)果可知，對(duì)上述三個(gè)模型回歸的截距項(xiàng)均顯著為正，這說明根據(jù)前期發(fā)帖量所構(gòu)造的套利組合在經(jīng)過市場因子、規(guī)模因子、價(jià)值因子和動(dòng)量因子調(diào)整之后，當(dāng)期仍能獲得顯著為正的超額收益。進(jìn)一步地，隨著風(fēng)險(xiǎn)因子數(shù)量的不斷增加，雖然截距項(xiàng)逐漸減小，但均在99%的置信水平下顯著。實(shí)證結(jié)果表明個(gè)體投資者情緒能夠?qū)善笔找娈a(chǎn)生系統(tǒng)性的影響，并且經(jīng)過風(fēng)險(xiǎn)因子調(diào)整之后，該情緒對(duì)收益的預(yù)測性依然穩(wěn)定存在，結(jié)果證實(shí)假設(shè)3的成立。

接下來，我們考察超額收益的來源問題。本文分別買空前期低發(fā)帖量組合和賣空前期高發(fā)帖量組合，將兩組收益分別對(duì)上述三個(gè)模型進(jìn)行回歸。對(duì)比表2中面板B和C，其中低發(fā)帖量組合的截距項(xiàng)顯著異于0，而高發(fā)帖量組合的截距項(xiàng)并不顯著異于0。上述結(jié)果表明，不考慮交易成本，賣空上一周高發(fā)帖量組合不能獲得風(fēng)險(xiǎn)調(diào)整之后的超額收益，而買空上一周低發(fā)帖量股票將獲得顯著的超額收益，即關(guān)注度不足帶來股票未來的超額收益。實(shí)證結(jié)果與Fang和Peress的研究一致[22]，即媒體效應(yīng)來自于低媒體報(bào)道的股票，而非高媒體報(bào)道的股票，同時(shí)也與Merton的結(jié)論相吻合[18]，當(dāng)期未被廣泛關(guān)注的股票，在未來能獲得更高的收益，進(jìn)一步支持前文的假設(shè)4。

表3 前期發(fā)帖量對(duì)當(dāng)期股票收益影響的橫截面差異

在表3中，本文考慮了在不同公司特征下，組合的超額收益對(duì)風(fēng)險(xiǎn)因子回歸后截距項(xiàng)的差異。面板A表明，網(wǎng)絡(luò)自媒體效應(yīng)顯著存在于中、小市值組合，而對(duì)于大市值組合來說，回歸截距項(xiàng)在統(tǒng)計(jì)上均不顯著異于0?？梢姡瑐€(gè)體投資者情緒對(duì)股票收益的影響存在規(guī)模上的差異。在面板B中，高賬面市值比組合的回歸截距項(xiàng)均不顯著異于0，而中、低賬面市值比股票組合能夠獲得統(tǒng)計(jì)上顯著的超額收益，即成長股受個(gè)體投資者情緒的影響更大。同理，面板C表明，中、低機(jī)構(gòu)持股比例組合的回歸截距項(xiàng)在一定的置信水平下顯著，而機(jī)構(gòu)持股比例高的組合截距項(xiàng)均不顯著。表3的結(jié)果表明，在排除了其他風(fēng)險(xiǎn)因子的影響后，個(gè)體投資者情緒對(duì)股票收益的影響在橫截面上的差異性依然獨(dú)立地存在，再次驗(yàn)證假設(shè)2和3的成立。

4.3 穩(wěn)健性檢驗(yàn)

前文的實(shí)證中，本文將周一到周日發(fā)帖量之和作為個(gè)體投資者情緒的代理，以此研究情緒對(duì)股價(jià)的影響。為了避免上市公司在非交易日公布的基本面相關(guān)公告對(duì)交易日股價(jià)產(chǎn)生影響，本文的穩(wěn)健性檢驗(yàn)是通過縮減樣本容量的樣本內(nèi)檢驗(yàn)(去除掉非交易日的發(fā)帖量數(shù)據(jù))，重復(fù)表2的實(shí)證，結(jié)果與上文保持一致。

5 結(jié)論與啟示

互聯(lián)網(wǎng)的普及極大地拉近了人與人之間的距離，為人們的信息與情感交流提供了便利。在金融市場上，互聯(lián)網(wǎng)極大地提升了信息傳播的效率，使投資者能夠迅速獲取投資信息。一般地，市場信息傳播效率的提高理應(yīng)帶來市場定價(jià)效率的提高。事實(shí)則不然，本文的研究表明，以東方財(cái)富網(wǎng)為代表的網(wǎng)絡(luò)媒體傳播手段的大量普及，一方面加大了公司基本面信息在市場上傳播的廣度和深度，但另一方面也傳播了市場的噪音。具體而言，首先，投資者的非理性特征并未因市場信息傳播效率的提高而消失，非理性情緒依舊會(huì)對(duì)資產(chǎn)價(jià)格產(chǎn)生系統(tǒng)性的影響，并且呈現(xiàn)為顯著的橫截面差異，其中小市值、低賬面市值比和低機(jī)構(gòu)持股比的股票更易受到情緒的沖擊，對(duì)非理性情緒的敏感性更高。其次，個(gè)體投資者的非理性情緒還會(huì)導(dǎo)致資產(chǎn)價(jià)格的錯(cuò)位，表現(xiàn)為高媒體情緒對(duì)應(yīng)著當(dāng)期高股票收益，低媒體情緒預(yù)示著下一期高股票收益。最后，價(jià)格與情緒之間存在反饋關(guān)系，即索羅斯所說的反身性[23]，高收益組合網(wǎng)絡(luò)媒體情緒的高漲能帶來異常的正收益，反之亦然。以上的結(jié)果表明，盡管互聯(lián)網(wǎng)改變了信息傳播的方式與效率，卻未能改變投資者的非理性，情緒依然是情緒。

本文的研究為投資者和監(jiān)管者提供了有益的參考。投資者可以利用網(wǎng)絡(luò)自媒體上投資者情緒的非理性特征，制定投資策略，獲得顯著的超額收益；對(duì)于監(jiān)管者而言，可以將個(gè)體投資者情緒作為重要的監(jiān)測指標(biāo)，據(jù)此制定針對(duì)性措施，時(shí)刻防范由情緒劇烈變化導(dǎo)致的資本市場大幅波動(dòng)，維護(hù)市場健康有序運(yùn)行。

[1] Barber B M, Odean T, Zhu N. Systematic noise[J]. Journal of Financial Markets, 2009, 12(4): 547-569.

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

[3] 羅伯特·席勒.非理性繁榮[M].李心丹譯.北京:中國人民大學(xué)出版社,2001.35-58.

[4] Jegadeesh N, Titman S. Returns to buying winners and selling losers: implications for stock market efficiency[J]. The Journal of Finance, 1993, 48(1): 65-91.

[5] Hillert A, Jacobs H, Muller S. Media makes momentum[J]. Review of Financial Studies, 2014, 27(12): 3467-3501.

[6] Barber B, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors[J]. The Review of Financial Studies, 2008, 21(2): 785- 818.

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

[8] 王永鋒,胡昌生.交易偏好、公司特征與股票收益——基于我國個(gè)體投資者交易數(shù)據(jù)的實(shí)證檢驗(yàn)[J].投資研究,2013,32(1):119-131.

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

[10] Stieglitz S, Linh D X. Emotions and information diffusion in social media——sentiment of microblogs and sharing behavior[J]. Journal of Management Information Systems, 2013, 29(4): 217-248.

[11] Barberis N, Xiong W. Realization utility[J]. Journal of Financial Economics, 2012, 104(2): 251-271.

[12] Barberis N, Huang M. Stocks as lotteries: the implications of probability weighting for security prices[J]. American Economic Review, 2008, 98(5): 2066-2100.

[13] Han B, Kumar A. Speculative retail trading and asset prices[J]. Journal of Financial and Quantitative Analysis, 2013, 48(2): 377- 404.

[14] Bartov E, Faurel L, Mohanram P. Can twitter help predict firm-level earnings and stock returns[R]. Rotman School of Management Working Paper(SSRN 2631421), 2015. 1- 44.

[15] De Long J B, Shleifer A, Summers L H, et al.. Positive feedback investment strategies and destabilizing rational speculation[J]. Journal of Finance, 1990, 45(2): 375-395.

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

[17] Arbel A, Carvell S, Strebel P. Limited information as a source of risk[J]. The Journal of Portfolio Management, 1983, 39(3): 57-63.

[18] Merton R C. A simple model of capital market equilibrium with incomplete information[J]. Journal of Finance, 1987, 42(3): 483-510.

[19] Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.

[20] Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57- 82.

[21] 胡昌生,池陽春.投資者情緒與資產(chǎn)價(jià)格波動(dòng)性研究[M].武漢:武漢大學(xué)出版社,2014.94-121.

[22] Fang L, Peress J. Media coverage and the cross-section of stock returns[J]. The Journal of Finance, 2009, 64(5): 2023-2052.

[23] 喬治·索羅斯.超越金融:索羅斯的哲學(xué)[M].宋嘉譯.北京:中信出版社,2010.1-50.

Individual Investor Sentiment, Network We-media Effect and Stock Returns

HU Chang-sheng, TAO Zhu

(SchoolofEconomicsandManagement,WuhanUniversity,Wuhan430072,China)

Does the individual investor sentiment affect stock returns？By using the number of posts on East Money Stock Post Boards as a proxy variable, this paper analyzes the relationship among the individual investor sentiment, the network we-media effect, and the predictability of stock returns. We find that individual investor sentiment can influence stock returns through the spread of network we-media which produces a significant predictability. Specifically, stocks with the more number of posts will earn higher in short-term, showing a short-term momentum effect. When distinguishing the sample stocks by corporation identity, empirical results indicate that individual investor sentiment more significantly affects the small scale stocks, low book-to-market stocks and stocks with low institutional ownership, showing a distinguished “Sentiment Cogging Effect”. Furthermore, after risk adjustment, the zero-cost arbitrage portfolio still produces significant excess returns, and those returns are derived from the previous low number of posts stocks, sentiment remains emotional.

individual investor sentiment; number of posts; network we-media effect; stock returns

2016- 06-26

國家自然科學(xué)基金資助項(xiàng)目(71671134)；國家自然科學(xué)基金青年資助項(xiàng)目(71401128)

F832.5

A

1003-5192(2017)03- 0050- 06

10.11847/fj.36.3.50