■原東良

一、引言

在傳統(tǒng)金融學(xué)領(lǐng)域，F(xiàn)ama（1970）提出了有效市場(chǎng)假說（Efficient Market Hypothesis，EMH），他認(rèn)為資產(chǎn)的市場(chǎng)價(jià)格可以迅速并充分反映所有相關(guān)信息，即市場(chǎng)是有效的，投資者只能獲得一個(gè)平均收益，無法獲得超額收益。然而，基于傳統(tǒng)金融學(xué)的觀點(diǎn)，證券市場(chǎng)中存在的股票溢價(jià)之謎、動(dòng)量效應(yīng)、規(guī)模效應(yīng)和賬面市值比效應(yīng)等現(xiàn)象無法得到合理解釋，越來越多的學(xué)者證實(shí)金融市場(chǎng)并非是有效的，有效市場(chǎng)假說受到了質(zhì)疑。究其原因：一方面，傳統(tǒng)金融學(xué)假設(shè)投資者是完全理性的，投資者總是根據(jù)理性原則調(diào)整自己的交易行為；另一方面，EMH依賴完全競(jìng)爭(zhēng)市場(chǎng)，認(rèn)為證券市場(chǎng)處于一個(gè)完全信息狀態(tài)，不存在信息摩擦，交易雙方是可以自由進(jìn)出市場(chǎng)的具有完全知識(shí)的價(jià)格接受者，且交易標(biāo)的具有同質(zhì)性。顯然，現(xiàn)實(shí)的市場(chǎng)環(huán)境無法滿足前述兩點(diǎn)，市場(chǎng)交易主體的異質(zhì)性導(dǎo)致了證券市場(chǎng)異象的存在。為此，學(xué)者嘗試結(jié)合心理學(xué)、社會(huì)學(xué)等對(duì)這些異象予以解釋，行為金融學(xué)應(yīng)運(yùn)而生，其以有限套利和投資者心理為理論基石，探討投資者情緒對(duì)證券市場(chǎng)的影響。

同歐美等國(guó)相比，我國(guó)股票市場(chǎng)起步較晚，前后不到30年，相對(duì)不成熟，且市場(chǎng)交易主體以中小投資者為主。由于信息的不完全性、受教育水平和交易經(jīng)驗(yàn)等因素，大多數(shù)投資者的投資決策行為是非理性的。因此，投資者情緒在我國(guó)股票市場(chǎng)扮演了重要角色。基于此，本文試圖探討投資者情緒對(duì)股票橫截面收益的影響。本文的貢獻(xiàn)主要在于：（1）利用微博數(shù)據(jù)構(gòu)建投資者情緒代理指標(biāo)，并在剔除“日歷效應(yīng)”等的基礎(chǔ)上進(jìn)行賦權(quán)處理；（2）研究微博情緒對(duì)橫截面收益的影響，并從投資者情緒這一角度對(duì)規(guī)模效應(yīng)予以解釋。

二、文獻(xiàn)綜述

投資者情緒被認(rèn)為是影響股票價(jià)格的潛在定價(jià)因子（Kumar&Lee，2006），其對(duì)股票市場(chǎng)的影響主要體現(xiàn)在三個(gè)方面：（1）總體效應(yīng)，即投資者情緒對(duì)股市的整體影響；（2）橫截面效應(yīng)，即投資者情緒對(duì)不同特征股票組合的差異性影響；（3）時(shí)序效應(yīng)，即不同市場(chǎng)狀態(tài)（牛市、熊市）或者不同情緒狀態(tài)下（高情緒、低情緒），投資者情緒對(duì)股票收益的差異性影響。

（一）總體效應(yīng)

Lee et al.（2002）使用投資者智能指數(shù)（Ⅱ）作為投資者情緒的代理指標(biāo)，實(shí)證研究發(fā)現(xiàn)，投資者情緒是影響股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)，市場(chǎng)收益與情緒的變化正相關(guān)，看漲（看跌）情緒的變化會(huì)導(dǎo)致低（高）的波動(dòng)率和預(yù)期高（低）的超額收益。Fisher&Statman（2003）發(fā)現(xiàn)，用消費(fèi)者信心指數(shù)衡量的投資者情緒與股票收益負(fù)相關(guān)，消費(fèi)者信心越高，納斯達(dá)克市場(chǎng)和小盤股的未來收益越低，而消費(fèi)者信心指數(shù)的高低卻與標(biāo)普500指數(shù)收益的相關(guān)性不顯著。Brown&Cliff（2004）利用直接指標(biāo)和代理指標(biāo)研究投資者情緒和股票市場(chǎng)收益率之間的關(guān)系，發(fā)現(xiàn)投資者情緒與短期市場(chǎng)收益顯著相關(guān)，短期內(nèi)情緒對(duì)股票收益不具備預(yù)測(cè)能力，而投資者情緒與長(zhǎng)期市場(chǎng)收益則是負(fù)相關(guān)。程琬蕓和林杰（2013）運(yùn)用語義分析技術(shù)，通過挖掘5個(gè)財(cái)經(jīng)認(rèn)證媒體為期一年的微博信息及相關(guān)評(píng)論內(nèi)容，構(gòu)建社交媒體的投資者漲跌情緒，發(fā)現(xiàn)其與市場(chǎng)收益和成交量正相關(guān)，但對(duì)收益的影響僅在短期內(nèi)顯著。董孝伍等（2013）基于分位數(shù)回歸，從短期和長(zhǎng)期兩個(gè)視角證實(shí)了投資者情緒是影響股票市場(chǎng)收益的一個(gè)重要因素，滯后的中長(zhǎng)期情緒與市場(chǎng)收益負(fù)相關(guān)，在一定程度上可以解釋反轉(zhuǎn)效應(yīng)。劉維奇和劉新新（2014）將投資者情緒細(xì)分為個(gè)人投資者情緒和機(jī)構(gòu)投資者情緒，研究表明個(gè)人投資者情緒在同期市場(chǎng)影響了股票收益，而機(jī)構(gòu)投資者情緒可以正向預(yù)測(cè)未來收益，同時(shí)也可以預(yù)測(cè)個(gè)人投資者收益。陳云松和嚴(yán)飛（2017）利用具有“利好”和“利空”的股票市場(chǎng)關(guān)鍵詞在微博出現(xiàn)的次數(shù)構(gòu)建“微博信心指數(shù)”，實(shí)證檢驗(yàn)發(fā)現(xiàn)，微博信心指數(shù)與上證指數(shù)的市場(chǎng)表現(xiàn)存在正向均衡關(guān)系，微博輿情通過入市資金流來影響股票市場(chǎng)行情，進(jìn)一步將市場(chǎng)行情分為震蕩期和平穩(wěn)期，發(fā)現(xiàn)在震蕩期，滯后1到3期的微博信心指數(shù)有助于預(yù)測(cè)上證指數(shù)，而在平穩(wěn)期卻不具備預(yù)測(cè)能力。張信東和原東良（2017）研究發(fā)現(xiàn)，利用微博數(shù)據(jù)構(gòu)建的投資者情緒與股票市場(chǎng)活動(dòng)（市場(chǎng)收益率、換手率和成交量）正相關(guān)，且滯后一期的短期和中期情緒對(duì)市場(chǎng)收益有顯著的預(yù)測(cè)能力。

（二）橫截面效應(yīng)

Baker&Wurgler（2006）選取1962～2001年美國(guó)紐約交易所的月度換手率、IPO數(shù)量及首日收益率、股利收益、新股發(fā)行、封閉式基金折價(jià)共計(jì)六個(gè)指標(biāo)，采用主成分分析法，在剔除宏觀經(jīng)濟(jì)影響的基礎(chǔ)上構(gòu)建投資者情緒，證明了投資者情緒是影響股票橫截面收益的一個(gè)重要因素，小市值、高波率、無分紅、低盈利這類股票的收益更容易受到投資情緒的影響，期初情緒越低，預(yù)期收益越高。Kumar&Lee（2006）利用1992～1996年共計(jì)超過185萬散戶的交易信息構(gòu)造投資者情緒（BSI），檢驗(yàn)發(fā)現(xiàn)BSI指標(biāo)是除三因子和動(dòng)量因子之外影響股票橫截面收益的一個(gè)定價(jià)因子，其對(duì)小規(guī)模、價(jià)值型、低價(jià)格和機(jī)構(gòu)持股比例低的股票收益率影響顯著。蔣玉梅和王明照（2010）證實(shí)了投資者情緒對(duì)股票橫截面收益存在影響，具體表現(xiàn)為，低價(jià)格、低波動(dòng)率、低市凈率、高賬面市值比等類型的股票在高（低）情緒期容易獲得高（低）的超額收益。池麗旭和莊新田（2010）通過基金現(xiàn)金流量構(gòu)建投資者情緒，發(fā)現(xiàn)投資者情緒與股票市場(chǎng)關(guān)注度負(fù)相關(guān)，其對(duì)中盤股的影響最強(qiáng)，投資者期初情緒與未來累計(jì)收益率正相關(guān)。宋澤芳和李元（2012）構(gòu)造了情緒β，實(shí)證表明其與大盤走勢(shì)基本一致，高波動(dòng)率和高市凈率特征的股票更容易受到情緒的影響，因公司年齡不同造成的收益率差異并不會(huì)受到情緒的影響。

（三）時(shí)序效應(yīng)

Yu&Yuan（2011）在Baker&Wurgler（2006）研究的基礎(chǔ)上，將投資者情緒分為樂觀期和悲觀期，實(shí)證檢驗(yàn)不同情緒狀態(tài)下的市場(chǎng)收益率均值-方差關(guān)系。其中，在情緒悲觀期，市場(chǎng)預(yù)期超額收益與市場(chǎng)條件方差顯著正相關(guān)，而處于情緒積極期時(shí)，兩者不相關(guān)。Chung et al.（2012）分別考察了經(jīng)濟(jì)繁榮期和衰退期投資者情緒對(duì)股票收益的影響，發(fā)現(xiàn)只有在經(jīng)濟(jì)表現(xiàn)良好的時(shí)候，滯后期的投資者情緒才可以預(yù)測(cè)小盤股、虧損股的收益。黃德龍等（2009）證實(shí)了當(dāng)投資者情緒處于上升狀態(tài)時(shí)，小盤股、虧損股、低價(jià)股和高市盈率股相比大盤股、績(jī)優(yōu)股、高價(jià)股和高市盈率股可以獲得超額收益，而在情緒負(fù)向變化時(shí)的結(jié)論相反。陸江川和陳軍（2013）以好淡指數(shù)構(gòu)建投資者情緒代理指標(biāo)，剔除日期的影響因素并將情緒狀態(tài)分為樂觀、極端樂觀、悲觀和極端悲觀四大類，在控制Fama-French三因子的基礎(chǔ)上，發(fā)現(xiàn)短期投資者情緒對(duì)股票橫截面收益存在正向影響，極端樂觀和極端悲觀情緒對(duì)股票橫截面收益和市場(chǎng)指數(shù)收益的影響均是非對(duì)稱的。文鳳華等（2014）利用封閉式基金折價(jià)率、月新增開戶數(shù)、市場(chǎng)換手率、IPO數(shù)量及首日收益率五個(gè)指標(biāo)，采用主成分分析的方法構(gòu)建投資者情緒，并將情緒分為積極情緒和消極情緒，研究結(jié)果表明，積極情緒對(duì)股票收益有顯著正向影響，消極情緒則無影響。

與前述學(xué)者的研究思路保持一致，本文在構(gòu)建投資者情緒代理指標(biāo)的基礎(chǔ)上，探究其與股票橫截面收益之間的關(guān)系，并試圖通過投資者情緒這一視角解釋市場(chǎng)異象。

三、研究設(shè)計(jì)

（一）研究樣本

本文以滬深兩市所有A股上市公司股票為研究樣本，剔除賬面市值比為負(fù)值及股票數(shù)據(jù)有缺失的公司。樣本時(shí)間為2013年3月1日～2016年12月31日，共計(jì)936個(gè)交易日。本文所使用股票數(shù)據(jù)均來自Wind金融數(shù)據(jù)庫。

（二）投資者情緒的構(gòu)建及調(diào)整

誕生于互聯(lián)網(wǎng)Web2.0時(shí)代的微博，作為目前國(guó)內(nèi)最具影響力的社交平臺(tái)之一，擁有龐大的用戶群體，微博2016年12月報(bào)告顯示，微博月活躍用戶已達(dá)3.13億，增幅高達(dá)46%，與此同時(shí)，日活躍用戶數(shù)增至1.39億。由于用戶基數(shù)龐大，關(guān)注領(lǐng)域多樣化，微博每天都會(huì)產(chǎn)生海量的數(shù)據(jù)，為學(xué)術(shù)研究提供了良好的數(shù)據(jù)來源。本文參照張信東和原東良（2017）的做法，定義投資者情緒代理指標(biāo)——微博情緒（Micro-blog Sentiment）為：

其中，N和X分別代表每個(gè)交易日“牛市”和“熊市”在微博上出現(xiàn)的次數(shù)。數(shù)據(jù)來自微指數(shù)網(wǎng)站。微指數(shù)是新浪微博開發(fā)的數(shù)據(jù)分析工具，于2013年3月1日正式上線，是通過關(guān)鍵詞的熱議度以及行業(yè)、類別的平均影響力，來反映微博輿情的發(fā)展走勢(shì)，本文所用微博數(shù)據(jù)均由作者手工查詢并記錄。在關(guān)鍵詞的選取上，參考已有研究確定了49個(gè)股票評(píng)論常用術(shù)語，然后邀請(qǐng)10名股票投資者逐一甄別，剔除有爭(zhēng)議的詞語，最終確認(rèn)包括“牛市”“熊市”“買入”“賣出”“漲?！薄暗！痹趦?nèi)的共計(jì) 36 個(gè)股票術(shù)語。按照式（1）構(gòu)建微博情緒并與市場(chǎng)收益率進(jìn)行比較，發(fā)現(xiàn)通過“牛市”“熊市”構(gòu)建的情緒指標(biāo)與收益率的走勢(shì)高度一致。此外，已有學(xué)者證明股票市場(chǎng)存在“日歷效應(yīng)”和“節(jié)日效應(yīng)”，為了避免節(jié)日等因素對(duì)微博情緒造成的影響而使得研究結(jié)果出現(xiàn)偏差，本文按照模型（2）對(duì)微博情緒進(jìn)行周、月、年和節(jié)假日的調(diào)整。

其中，WEEK為周一至周五的日虛擬變量，MONTH為1～12月的月虛擬變量，YEAR為2013～2016的年虛擬變量，HOLIDAY為國(guó)家法定節(jié)假日前后兩天的虛擬變量，具體的回歸結(jié)果如表1所示①限于篇幅原因，本文僅列示系數(shù)顯著部分。。

表1 微博情緒回歸結(jié)果

檢驗(yàn)結(jié)果顯示，微博情緒在4月、5月和6月存在月度效應(yīng)，在2013年、2014年和2015年存在顯著的年度效應(yīng)。此外，微博情緒也存在明顯的節(jié)假日效應(yīng)。因此，對(duì)微博情緒的調(diào)整是有必要的。調(diào)整后的微博情緒可表示為回歸截距項(xiàng)和殘差之和，即：

本文認(rèn)為微博情緒對(duì)股票收益的影響是持續(xù)的，且近期的影響較大。故參照Antoniou&Doukas（2013）的賦權(quán)標(biāo)準(zhǔn)，對(duì)經(jīng)過調(diào)整的微博情緒進(jìn)行賦權(quán)處理。將當(dāng)期、前一期和前兩期的微博情緒分別賦權(quán)為3、2和1，經(jīng)賦權(quán)后的微博情緒表達(dá)式為：

經(jīng)過式（1）、式（3）和式（4）計(jì)算所得的微博情緒描述性統(tǒng)計(jì)和平穩(wěn)性檢驗(yàn)結(jié)果如表2所示。

表2 微博情緒描述性統(tǒng)計(jì)和平穩(wěn)性檢驗(yàn)

從表2可以看出，AMS′的標(biāo)準(zhǔn)差小于MS和AMS的標(biāo)準(zhǔn)差，而ADF統(tǒng)計(jì)值的絕對(duì)值則明顯提高，說明經(jīng)過調(diào)整、賦權(quán)之后的微博情緒時(shí)間序列表現(xiàn)更為平穩(wěn)，這樣可以有效減小極端情緒對(duì)檢驗(yàn)結(jié)果造成的偏差。

（三）FF三因子及動(dòng)態(tài)投資組合的構(gòu)造

1.數(shù)據(jù)的選取及劃分

本文以個(gè)股的日漲跌幅作為其日收益，以滬深300指數(shù)的日漲跌幅作為市場(chǎng)組合收益，用個(gè)股的日流通市值表示規(guī)模（ME），將市凈率取倒數(shù)作為賬面市值比（BM），日無風(fēng)險(xiǎn)利率由中國(guó)人民銀行3個(gè)月定期存款利率折算所得。遵循Fama&French（1993）的劃分標(biāo)準(zhǔn)，于每月第一個(gè)交易日，在剔除上市時(shí)間不足一個(gè)月的公司之后，將樣本股票按照流通市值從小到大進(jìn)行排序，前50%為小規(guī)模（S）公司，后50%為大規(guī)模（B）公司。相類似地，按照賬面市值比進(jìn)行排序，前30%為低賬面市值比（L）公司，中間40%為中賬面市值比（M）公司，余下的為高賬面市值比（H）公司。然后兩兩交叉，得到SH、SM、SL、BH、BM、BL共計(jì)六個(gè)組合。由于流通市值和賬面市值比是不斷變化的，本文于每月初進(jìn)行一次組合調(diào)整，共計(jì)調(diào)整46次。

2.因子構(gòu)建

（1）市場(chǎng)因子。市場(chǎng)因子RM-Rf通過市場(chǎng)收益率與無風(fēng)險(xiǎn)收益率之差表示。其中，無風(fēng)險(xiǎn)收益率Rf在前文已做介紹。由于我國(guó)股票市場(chǎng)沒有全市場(chǎng)指數(shù)，基于對(duì)股票市場(chǎng)指數(shù)編制原則和樣本股代表性的考慮，本文用滬深300指數(shù)的收益率代表市場(chǎng)收益率RM。

（2）規(guī)模因子。規(guī)模因子SMB衡量上市公司由于規(guī)模大小不同而造成的股票收益差異。即每個(gè)交易日小規(guī)模投資組合（SH、SM和SL）與大規(guī)模投資組合（BH、BM和BL）的平均收益率之差。具體的計(jì)算公式為：

（3）賬面市值比因子。賬面市值比因子HML考量上市公司由于賬面市值比不同而導(dǎo)致的收益差異。即每個(gè)交易日高賬面市值比投資組合（SH和BH）與低賬面市值比投資組合（SL和BL）的平均收益率之差。具體計(jì)算公式為：

基于前述計(jì)算公式，得到三個(gè)因子的時(shí)間序列，其描述性統(tǒng)計(jì)情況如表3。

表3 Fama-French三因子描述性統(tǒng)計(jì)

表3描述了本文構(gòu)建的三因子數(shù)據(jù)統(tǒng)計(jì)特征。從結(jié)果可以看出，市場(chǎng)溢價(jià)平均水平高于無風(fēng)險(xiǎn)收益率（三個(gè)月定期存款利率介于1.1%到2.6%之間）0.038個(gè)百分點(diǎn)，但標(biāo)準(zhǔn)差卻達(dá)到了1.71，t值僅為0.672。本文認(rèn)為這主要是2015年我國(guó)股市“暴漲暴跌”使得市場(chǎng)出現(xiàn)大幅波動(dòng)。同樣地，賬面市值比因子HML并不顯著異于零，表明價(jià)值投資在我國(guó)A股市場(chǎng)并不適用。與已有學(xué)者的研究結(jié)果保持一致，本文構(gòu)建的規(guī)模因子SMB顯著（t=7.797）大于零，且均值（標(biāo)準(zhǔn)差）大于（小于）RM-Rf和HML因子，說明小規(guī)模公司股票的平均收益率要顯著高于大規(guī)模公司。

3.投資組合的構(gòu)造

本文沿用Fama&French（1993）構(gòu)造投資組合的方法，每月初將滬深兩市所有股票按照流通市值大小和賬面市值比的高低分別進(jìn)行排序，并將股票分為5組，構(gòu)造出5個(gè)規(guī)模投資組合和5個(gè)賬面市值比投資組合，然后取這兩個(gè)投資組合的交集得到25個(gè)規(guī)模-賬面市值比投資組合，共得到35個(gè)投資組合。在每月之內(nèi)，組合中的股票樣本保持不變，計(jì)算每個(gè)組合內(nèi)股票收益的算術(shù)平均值作為此投資組合的橫截面日收益。35個(gè)投資組合的平均收益統(tǒng)計(jì)見表4。此外，為了進(jìn)一步檢驗(yàn)微博情緒是否會(huì)影響不同市場(chǎng)板塊和不同行業(yè)的投資組合收益，本文將所有股票按照所屬市場(chǎng)板塊分為全市場(chǎng)、上證市場(chǎng)、深證市場(chǎng)、主板、中小板和創(chuàng)業(yè)板共計(jì)6個(gè)板塊。同時(shí)，根據(jù)股票所屬行業(yè)特征，按照證監(jiān)會(huì)行業(yè)分類標(biāo)準(zhǔn)，將所有股票分為采礦業(yè)，電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)，房地產(chǎn)業(yè)，建筑業(yè)，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)，金融業(yè)，科學(xué)研究和技術(shù)服務(wù)業(yè)，農(nóng)、林、牧、漁業(yè)，批發(fā)和零售業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，衛(wèi)生和社會(huì)工作，文化、體育和娛樂業(yè)，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)，制造業(yè)，住宿和餐飲業(yè)，綜合，租賃和商務(wù)服務(wù)業(yè)，教育業(yè)共計(jì)18個(gè)行業(yè)。其中，樣本期內(nèi)教育行業(yè)僅有兩只股票，代表性差，予以剔除。市場(chǎng)板塊收益和行業(yè)組合收益均由投資組合內(nèi)所有股票的收益取算術(shù)平均計(jì)算所得。至此，本文共得到58個(gè)投資組合股票橫截面收益的日度時(shí)間序列數(shù)據(jù)。

表4 35個(gè)投資組合平均收益統(tǒng)計(jì)

表4顯示，在Panel A中，按照規(guī)模大小進(jìn)行排列，?。ù螅┮?guī)模投資組合伴隨著高（低）收益，且有一個(gè)顯著的規(guī)模溢價(jià)（最小規(guī)模組合的平均收益減去最大規(guī)模組合的平均收益），達(dá)到0.21個(gè)單位。Panel B是五等分的賬面市值比投資組合的一個(gè)排列，從表中可以看出，組合的平均收益率大小差距不大，并不隨賬面市值比的大小變化呈現(xiàn)出一個(gè)正向或負(fù)向的變化趨勢(shì)，賬面市值比溢價(jià)（最高賬面市值比組合的平均收益減去最低賬面市值比組合的平均收益）雖為正，但并不顯著，t值僅有0.854。Panel C顯示的是規(guī)模與賬面市值比兩兩交叉得到了25個(gè)投資組合的平均收益率，較為直觀地反映了各個(gè)因子的解釋能力。在賬面市值比列，投資組合隨著規(guī)模的增大，其平均收益率呈現(xiàn)出明顯的下降，且規(guī)模溢價(jià)均在1%的水平上顯著；而在規(guī)模行，賬面市值比投資組合的收益并不隨其高低水平呈現(xiàn)出相關(guān)變化趨勢(shì)，只有4個(gè)賬面市值比溢價(jià)是顯著的，但顯著性水平并不高，普遍只達(dá)到了5%。因此，本文認(rèn)為我國(guó)股票市場(chǎng)的規(guī)模價(jià)值比效應(yīng)并不是穩(wěn)定存在的，而規(guī)模效應(yīng)是穩(wěn)定存在且表現(xiàn)得很顯著，說明小規(guī)模公司的股票更容易獲得投資者的追捧，操作小市值的股票更易獲得高的投資收益，這與股市實(shí)際情況相符?？傮w看，除了賬面市值比為最低的20%的投資組合外，其他按照賬面市值比劃分的投資組合的平均收益率呈現(xiàn)出趨同現(xiàn)象，表明在我國(guó)A股市場(chǎng)，賬面市值比高低的不同并不能帶來收益率的顯著差異，與前文結(jié)論一致。

4.模型設(shè)計(jì)

本文采用控制了Fama-French三因子的多元回歸模型檢驗(yàn)微博情緒對(duì)股票投資組合橫截面收益的影響，重點(diǎn)考察經(jīng)過調(diào)整賦權(quán)之后的微博情緒（AMS′）的系數(shù)，即α的顯著性。具體的模型如下：

其中，Ri代表每個(gè)投資組合的橫截面日收益，其余變量在前文已做說明。

四、實(shí)證結(jié)果與分析

（一）平穩(wěn)性檢驗(yàn)

為了避免偽回歸，在回歸檢驗(yàn)之前，采用目前廣泛使用的ADF檢驗(yàn)法對(duì)所有變量進(jìn)行單位根檢驗(yàn)，以確定模型中的變量是否平穩(wěn)。前文已證實(shí)微博情緒為平穩(wěn)時(shí)間序列，此處不再重復(fù)。對(duì)RM-Rf、SMB、HML和58個(gè)投資組合收益率時(shí)間序列進(jìn)行單位根檢驗(yàn)，結(jié)果顯示所有數(shù)據(jù)均是平穩(wěn)的，可以進(jìn)行回歸分析。

（二）因子回歸系數(shù)統(tǒng)計(jì)

本節(jié)采用模型（7）進(jìn)行回歸檢驗(yàn)，以檢驗(yàn)微博情緒是否對(duì)我國(guó)股票市場(chǎng)投資組合超額收益存在影響。為說明AMS′、RM-Rf、SMB和HML對(duì)股票收益率的解釋力度，本文對(duì)所有回歸系數(shù)進(jìn)行統(tǒng)計(jì)，列于表5。

從表中列示的結(jié)果可以看出，所有投資組合回歸的調(diào)整R2為85.6%，除行業(yè)分類組合外，其他投資組合回歸的調(diào)整R2均超過85%，且標(biāo)準(zhǔn)差都比較小，介于0.008～0.076之間，說明在FF三因子基礎(chǔ)上添加微博情緒因子的定價(jià)模型，基本可以解釋我國(guó)股市的超額收益。為了檢驗(yàn)各個(gè)因子系數(shù)是否顯著異于零，對(duì)各種分組情況下的回歸系數(shù)進(jìn)行均值t檢驗(yàn)。對(duì)于各因子系數(shù)，市場(chǎng)因子（RM-Rf）的系數(shù)均值范圍為（1.05，1.09），且標(biāo)準(zhǔn)差較小，變動(dòng)幅度較小，表明市場(chǎng)組合超額收益與投資組合橫截面收益正相關(guān)，市場(chǎng)因子對(duì)我國(guó)股票市場(chǎng)收益有很好的解釋力，與已有的資本資產(chǎn)定價(jià)模型研究結(jié)論一致。從規(guī)模因子（SMB）和賬面市值比（HML）系數(shù)的均值檢驗(yàn)結(jié)果來看，規(guī)模因子系數(shù)在1%的水平上顯著為正，平均值超過了1.6；而賬面市值比系數(shù)的均值t檢驗(yàn)除了賬面市值比組合外，均顯著為負(fù)，原因可能是：在投資組合中加入了金融行業(yè)股票，而金融業(yè)在我國(guó)股票市場(chǎng)又占有較大權(quán)重。兩者進(jìn)一步說明我國(guó)股票市場(chǎng)存在顯著的規(guī)模效應(yīng)，而賬面市值比效應(yīng)并不是穩(wěn)定存在的，價(jià)值投資的理念在A股的適用性還有待商榷。對(duì)于本文重點(diǎn)考察的微博情緒系數(shù)，結(jié)果顯示，不論是在哪種投資組合下，平均值基本在0.08左右，表明微博情緒與股票超額收益之間存在正相關(guān)關(guān)系，微博情緒越高（低），超額收益越高（低）。

表5 各因子回歸系數(shù)統(tǒng)計(jì)

（三）微博情緒對(duì)股票橫截面收益影響的實(shí)證分析

1.微博情緒對(duì)不同公司特征下投資組合收益的影響

表6 規(guī)模、賬面市值比、規(guī)模-賬面市值比投資組合微博情緒系數(shù)

續(xù)表6

表7 不同市場(chǎng)板塊、行業(yè)投資組合微博情緒系數(shù)

以規(guī)模、賬面市值比和規(guī)模-賬面市值比共計(jì)35個(gè)投資組合日橫截面收益為因變量，分別按照式（7）進(jìn)行回歸，以考察微博情緒對(duì)投資組合收益的影響，具體的結(jié)果如表6。由表6所列示的結(jié)果可知，對(duì)于35個(gè)投資組合，回歸模型在整體上都是顯著的，且所有的擬合優(yōu)度均超過了80%，最小值為82.8%，最大達(dá)到了91.5%，表明本文在Fama-French三因子基礎(chǔ)上添加微博情緒因子的四因子模型可以很好地解釋橫截面收益。35個(gè)微博情緒系數(shù)均為正，其中有32個(gè)表現(xiàn)顯著，表明微博情緒對(duì)投資組合橫截面收益有一個(gè)正向影響，其在我國(guó)股票收益形成中充當(dāng)著重要角色。在Panel A中，最小、最大規(guī)模投資組合的微博情緒系數(shù)均在1%的水平上顯著，但最小投資組合的系數(shù)要大于最大投資組合，說明微博情緒對(duì)小規(guī)模公司的股價(jià)影響要更大。這說明在我國(guó)，相對(duì)于大盤股，購(gòu)買小盤股可以獲得更高的收益，即我國(guó)股票市場(chǎng)存在規(guī)模效應(yīng)。對(duì)于Panel B和Panel C中的規(guī)模行，并不是所有的高（低）賬市比投資組合對(duì)應(yīng)著一個(gè)高（低）的情緒系數(shù)，如在最大規(guī)模行，低賬市比投資組合的微博情緒系數(shù)（0.106）是高賬市比（0.059）的將近兩倍。而在Panel C中的賬面市值比列，除低賬面市值比之外的其他投資組合，?。ù螅┮?guī)模組合伴隨著大（?。┑那榫w系數(shù)。進(jìn)一步說明，我國(guó)股市存在小盤股溢價(jià)，但價(jià)值溢價(jià)不顯著。

2.微博情緒對(duì)不同市場(chǎng)板塊及行業(yè)投資組合收益的影響

本文證實(shí)了微博情緒對(duì)不同市場(chǎng)板塊和不同行業(yè)收益的影響，具體結(jié)果列于表7。Panel A顯示微博情緒對(duì)不同市場(chǎng)板塊收益的影響趨于一致，基本圍繞0.08上下波動(dòng)，其中，對(duì)創(chuàng)業(yè)板的收益影響最大，達(dá)到了0.085，這是因?yàn)閯?chuàng)業(yè)板上市公司規(guī)模較小，更容易受到投資者情緒的影響。我國(guó)股票市場(chǎng)素有“政策市”之稱，國(guó)家政策方向在很大程度上影響著行業(yè)收益，那么，情緒的高低是否也和行業(yè)收益存在著關(guān)系呢？本文通過Panel B給出了答案。從結(jié)果來看，17個(gè)行業(yè)中，只有金融行業(yè)的情緒系數(shù)為負(fù)值，且不顯著，本文認(rèn)為這是由金融業(yè)特殊的資產(chǎn)負(fù)債結(jié)構(gòu)造成的。其余所有行業(yè)的情緒系數(shù)均為正值，共有12個(gè)行業(yè)的微博情緒系數(shù)通過了顯著性水平檢驗(yàn)，即微博情緒越高，這些行業(yè)的收益就越高。本文所構(gòu)建的投資者情緒可以解釋70%的行業(yè)收益，解釋力度還有待提高。此外，行業(yè)收益回歸所得模型擬合優(yōu)度普遍低于5×5投資組合，說明兼顧公司特征、行業(yè)特征等多個(gè)維度的投資組合才能獲得更高回報(bào)。

（四）微博情緒因子冗余性檢驗(yàn)

為了檢驗(yàn)本文增加的微博情緒因子在模型中是否冗余，本文借鑒Fama&French（2016）的做法進(jìn)行一個(gè)簡(jiǎn)單測(cè)試，用三因子與微博情緒進(jìn)行回歸。其基本思想是：在模型中，如果一個(gè)因子能夠被其他因子完全解釋，則這個(gè)因子是冗余的。結(jié)果如式（8）：

由回歸結(jié)果可知，截距項(xiàng)為0.868，t值達(dá)到了34.378，表明微博情緒中存在著不能被三因子解釋的部分，所以本文構(gòu)建的四因子模型是可行的，前文研究結(jié)果也是可信的。

（五）規(guī)模效應(yīng)的檢驗(yàn)

為了進(jìn)一步檢驗(yàn)我國(guó)股票市場(chǎng)的規(guī)模效應(yīng)，在前文已有數(shù)據(jù)的基礎(chǔ)上，本文根據(jù)股票所屬，將各市場(chǎng)板塊和行業(yè)內(nèi)股票分別按照流通市值從小到大進(jìn)行排序，排在前30%的股票構(gòu)成小規(guī)模投資組合（S），后30%的構(gòu)成大規(guī)模投資組合（B），以此來考察規(guī)模效應(yīng)。同樣的，將微博情緒進(jìn)行排序，定義前40%為低情緒期，后40%為高情緒期，考察不同情緒狀態(tài)下的規(guī)模效應(yīng)。

從檢驗(yàn)結(jié)果可以看出，我國(guó)股票市場(chǎng)在不同市場(chǎng)板塊和不同行業(yè)均存在顯著的規(guī)模效應(yīng)。對(duì)于規(guī)模效應(yīng)產(chǎn)生的原因，學(xué)術(shù)界尚無統(tǒng)一結(jié)論。本文嘗試從投資者情緒這一角度予以解釋，探究不同情緒狀態(tài)下的規(guī)模效應(yīng)，結(jié)果顯示，無論是對(duì)于小盤股還是大盤股，微博情緒高漲時(shí)的橫截面收益均高于情緒低迷期，進(jìn)一步佐證了微博情緒與股票橫截面收益存在正相關(guān)關(guān)系。對(duì)于不同市場(chǎng)板塊，無論微博情緒高低，均存在顯著的規(guī)模效應(yīng)，但是在低微博情緒期，規(guī)模效應(yīng)的表現(xiàn)要更為顯著；對(duì)于不同行業(yè)，當(dāng)微博情緒低落時(shí)，大多數(shù)行業(yè)的規(guī)模效應(yīng)表現(xiàn)地更為顯著。因此，本文認(rèn)為我國(guó)股市的規(guī)模效應(yīng)是由投資者情緒（微博情緒）引起的，并且是由低情緒主導(dǎo)的。當(dāng)投資者情緒高漲時(shí)，市場(chǎng)處于普漲狀態(tài)，小規(guī)模公司股票與大規(guī)模公司股票的收益無明顯差異；情緒低迷時(shí)，投資者更傾向于買入投機(jī)性和莊家可操縱性更強(qiáng)的小規(guī)模公司股票，使得小盤股的收益率高于大盤股，最終導(dǎo)致規(guī)模效應(yīng)的產(chǎn)生。

作為穩(wěn)健性檢驗(yàn)，本文檢驗(yàn)了5×5規(guī)模-賬面市值比投資組合在不同情緒狀態(tài)下的規(guī)模效應(yīng)表現(xiàn)，得到了與前文一致的結(jié)論①限于篇幅，本部分檢驗(yàn)結(jié)果未能給出，留存?zhèn)渌??！?/p>

五、結(jié)論

在我國(guó)股票市場(chǎng)的投資者類型構(gòu)成中，中小投資者的占比高于機(jī)構(gòu)投資者，由于信息的不對(duì)稱性，中小投資者的投資決策行為在很大程度上受到其情緒影響，從而使得投資者情緒在我國(guó)股市扮演著一個(gè)重要角色。正是基于此背景，本文在控制Fama-French三因子的基礎(chǔ)上添加情緒因子構(gòu)成四因子資產(chǎn)定價(jià)模型，以考察微博情緒對(duì)股票橫截面收益的影響。研究中，本文利用微博數(shù)據(jù)構(gòu)建投資者情緒代理指標(biāo)，并在剔除“日歷效應(yīng)”的基礎(chǔ)上進(jìn)行賦權(quán)處理，得到調(diào)整后的微博情緒，并據(jù)此探究其對(duì)不同規(guī)模、賬面市值比、規(guī)模-賬面市值比、市場(chǎng)板塊和行業(yè)投資組合橫截面收益的影響。

本文的實(shí)證結(jié)果顯示：（1）微博情緒對(duì)股票橫截面收益存在正向影響。微博情緒越高，投資組合橫截面收益越高，反之則越低，且其對(duì)小盤股的影響大于大盤股。（2）我國(guó)A股市場(chǎng)，在不同的投資組合中均存在顯著的規(guī)模效應(yīng)，但賬面市值比效應(yīng)并不是穩(wěn)定存在的。（3）在劃分高、低微博情緒期之后，規(guī)模效應(yīng)在低情緒期表現(xiàn)得更為顯著。

自行為金融學(xué)興起以來，有關(guān)投資者情緒的研究成為了學(xué)者的研究熱點(diǎn)，此類研究的關(guān)鍵性問題是找到投資者情緒的度量方法，在已有文獻(xiàn)中，常用的投資者情緒代理指標(biāo)分為直接指標(biāo)、間接指標(biāo)和綜合指標(biāo)三類，直接指標(biāo)包括友好指數(shù)、央視看盤指數(shù)等，間接指標(biāo)包括ARMS指數(shù)、換手率等，綜合指標(biāo)是利用單一的直接、間接指標(biāo)進(jìn)行構(gòu)建，其中尤以BW指數(shù)最為著名。這些指標(biāo)主要基于調(diào)研數(shù)據(jù)和市場(chǎng)數(shù)據(jù)，調(diào)研數(shù)據(jù)存在獲取成本高、時(shí)效性較差等缺陷，而使用換手率等市場(chǎng)數(shù)據(jù)再去解釋股票市場(chǎng)，則可能存在一定的內(nèi)生性問題?；诖吮尘?，本文利用獲取成本低、時(shí)效性強(qiáng)、數(shù)據(jù)量大的微博數(shù)據(jù)構(gòu)建投資者情緒，有效避免了傳統(tǒng)投資者情緒指標(biāo)構(gòu)建時(shí)可能存在的弊端，豐富了投資者情緒的度量方法，進(jìn)一步拓展了行為金融學(xué)領(lǐng)域的研究視角。

此外，在已有的基于互聯(lián)網(wǎng)數(shù)據(jù)的投資者情緒對(duì)股票市場(chǎng)影響的研究中，研究周期基本為半年到一年之間，本文的研究區(qū)間達(dá)到了將近四年，且包含我國(guó)股市出現(xiàn)較大波動(dòng)的2015年和2016年，研究結(jié)論更為穩(wěn)健。與此同時(shí)，本文的政策含義在于，政府監(jiān)管部門可以利用互聯(lián)網(wǎng)加強(qiáng)對(duì)投資者的教育，引導(dǎo)投資者進(jìn)行理性投資，避免股市動(dòng)蕩，促進(jìn)資本市場(chǎng)的健康平穩(wěn)發(fā)展。