盧炎飛，王傳美，周樹民，陳健紅

(武漢理工大學(xué) 理學(xué)院，湖北 武漢 430070)

資金是市場(chǎng)的驅(qū)動(dòng)力，國內(nèi)外學(xué)者對(duì)股市資金流與收益之間的關(guān)系進(jìn)行了大量的研究。如BENNETT等發(fā)現(xiàn)同期的資金流與收益率存在明顯的正相關(guān)性，歷史資金流能夠預(yù)測(cè)未來資金流[1]。LEE等運(yùn)用結(jié)構(gòu)化向量自回歸模型對(duì)10個(gè)國家的市場(chǎng)波動(dòng)性、市場(chǎng)收益和總基金流量的動(dòng)態(tài)關(guān)系進(jìn)行研究，發(fā)現(xiàn)變量間即期相互影響效果明顯，且西方投資者在申購或贖回基金時(shí)比亞洲投資者更關(guān)注市場(chǎng)波動(dòng)率和收益率[2]。侯麗薇等研究表明資金流對(duì)未來股票收益率有中期反轉(zhuǎn)效應(yīng)[3]。針對(duì)“有效市場(chǎng)假說”無法解釋的金融市場(chǎng)中的異?，F(xiàn)象，行為金融學(xué)提出了情緒概念。研究股票市場(chǎng)收益、行業(yè)資金流和投資者情緒的動(dòng)態(tài)關(guān)系及其影響機(jī)理，對(duì)進(jìn)一步了解股市投資者的投資動(dòng)機(jī)具有重要的現(xiàn)實(shí)意義。楊墨竹通過對(duì)A股市場(chǎng)ETF(交易型開放式基金)總資金流與市場(chǎng)收益的關(guān)系研究發(fā)現(xiàn):負(fù)反饋交易假說和套期保值假說能夠解釋市場(chǎng)收益對(duì)ETF總資金流的影響；而對(duì)于ETF總資金流對(duì)市場(chǎng)收益的影響，金融危機(jī)前后分別主要由價(jià)格壓力假說、投資者情緒假說所解釋，上述差異產(chǎn)生的主要原因是資本市場(chǎng)總資金量和ETF投資者結(jié)構(gòu)的變動(dòng)[4]。根據(jù)ENDERS 的研究結(jié)果，向量自回歸(VAR)模型具有由數(shù)據(jù)本身確定模型動(dòng)態(tài)結(jié)構(gòu)的優(yōu)越性，是目前研究股票市場(chǎng)收益與投資者情緒動(dòng)態(tài)關(guān)系的一種有效工具[5]。但在理論上缺乏經(jīng)濟(jì)學(xué)含義且未考慮變量間即期的相互作用?；诖?，筆者依據(jù)我國股市的現(xiàn)實(shí)條件，建立施加短期約束的結(jié)構(gòu)化向量自回歸(SVAR)模型來研究股票市場(chǎng)收益、投資者情緒和股市行業(yè)資金流之間的動(dòng)態(tài)關(guān)系。

1 數(shù)據(jù)選取與處理

1.1 市場(chǎng)收益

將市場(chǎng)收益定義為滬市指數(shù)收益率減去無風(fēng)險(xiǎn)市場(chǎng)收益率，即市場(chǎng)超額收益率。選擇上證綜合指數(shù)作為滬市指數(shù)的代表，則t時(shí)刻的市場(chǎng)收益率Rt為：

Rt=rt-rft

(1)

式中：rt為市場(chǎng)指數(shù)收益率；rft為無風(fēng)險(xiǎn)收益率，取中國人民銀行3個(gè)月儲(chǔ)蓄存款利率。

1.2 資金流

將股市行業(yè)的資金流定義為：

fti=MFti/Valueti

(2)

式中：MFti表示第t周行業(yè)i的資金流凈額；Valueti表示流通市值。

對(duì)于行業(yè)資金流的考察，考慮到數(shù)據(jù)的可獲得性和齊整性，以申萬宏源劃分的28個(gè)一級(jí)行業(yè)中具有代表性的11個(gè)主要行業(yè)資金流作為衡量的指標(biāo)。根據(jù)行業(yè)資金流與市場(chǎng)收益的相關(guān)性可進(jìn)一步將11個(gè)行業(yè)分為順周期行業(yè)(采掘、房地產(chǎn)、農(nóng)林牧漁、綜合類)、逆周期行業(yè)(電子、休閑服務(wù)、輕工制造)和非周期行業(yè)(商業(yè)貿(mào)易、有色金屬、醫(yī)藥生物)。在此分類基礎(chǔ)上，將各類行業(yè)的成份行業(yè)資金流的均值作為該行業(yè)的資金流。

1.3 市場(chǎng)情緒

為了綜合性地描述市場(chǎng)投資者的心理預(yù)期，筆者在BW情緒指標(biāo)構(gòu)建方法的基礎(chǔ)上，結(jié)合我國股市的現(xiàn)狀和已有的研究成果，選取4個(gè)表征市場(chǎng)交易情況的代理變量，運(yùn)用主成分分析方法(PCA)和相關(guān)性分析方法來構(gòu)建市場(chǎng)投資者情緒。

考慮到指標(biāo)的可獲得性和數(shù)據(jù)的頻率，筆者選取上證基金指數(shù)(PF)、滬市新增基金開戶數(shù)(NF)、滬市新增 A 股開戶數(shù)(NS)和滬市股票換手率(TURN)作為代理變量，加入指標(biāo)的“提前”與“滯后”影響進(jìn)行篩選，計(jì)算投資者復(fù)合情緒指數(shù)。文中所采用的數(shù)據(jù)均來源于東方財(cái)富Choice金融終端，以周度為數(shù)據(jù)周期，剔除節(jié)假日等因素的影響，選取2011年3月28日—2015年5月29日的數(shù)據(jù)，共有214組數(shù)據(jù)。

2 研究方法

2.1 基于主成分分析和相關(guān)性分析的復(fù)合情緒指數(shù)

基于馮春娥等[6-7]對(duì)投資者情緒和主成分分析法的研究，構(gòu)建復(fù)合情緒指數(shù)，具體步驟如下：

(1)為消除變量間量綱的影響且確定各情緒因子間存在的具體時(shí)滯，首先將4個(gè)情緒指標(biāo)的“提前”和“滯后”變量即NFt、NFt-1、NSt、NSt-1、PFt、PFt-1、TURNt和TURNt-1進(jìn)行Z標(biāo)準(zhǔn)化處理，做第一次主成分分析。

(3)

式中：sentti為第i主成分的投資者情緒數(shù)值；λi為第i主成分的特征值。

(4)將最終的4個(gè)情緒代理變量進(jìn)行第二次主成分分析，重復(fù)步驟(2)構(gòu)建最終市場(chǎng)情緒指數(shù)(sentt)。

根據(jù)以上步驟，筆者構(gòu)建的復(fù)合情緒指數(shù)為：

sentt=0.514×NFt-1+0.499×NSt+

0.508×PFt-1+0.478×TURNt

(4)

市場(chǎng)投資者情緒與上證綜合指數(shù)的走勢(shì)如圖1所示，可以看出構(gòu)建的投資者情緒指標(biāo)能夠較好地表現(xiàn)出我國股票市場(chǎng)投資者的情緒變化情況，體現(xiàn)了復(fù)合情緒指數(shù)的可靠性。

圖1 2011—2015年上證綜合指數(shù)與投資者情緒的變化趨勢(shì)

2.2 向量自回歸(VAR)模型

VAR模型實(shí)質(zhì)是考查多個(gè)變量之間的動(dòng)態(tài)互動(dòng)關(guān)系，根據(jù)多個(gè)相關(guān)指標(biāo)變量來預(yù)測(cè)因變量的未來發(fā)展水平。VAR(p)模型的數(shù)學(xué)表達(dá)式為：

yt=Φ1yt-1+Φ2yt-2+…+Φpyt-p+Hxxt+et

(5)

式中：yt為k維內(nèi)生變量列向量；xt為d維外生變量列向量；p為相應(yīng)的滯后階數(shù)；T為樣本區(qū)間內(nèi)的樣本個(gè)數(shù),t=1,2,…,T；Φ1，Φ2，…，Φp和Hx為模型中待估計(jì)的參數(shù)矩陣；et為k維擾動(dòng)項(xiàng)列向量，同期之間可以相關(guān)，但不能自相關(guān)，不能和式(5)右邊的變量相關(guān)。

2.3 結(jié)構(gòu)化向量自回歸(SVAR)模型

VAR模型的變量之間當(dāng)期相關(guān)關(guān)系隱藏在誤差項(xiàng)的相關(guān)結(jié)構(gòu)中，其確切形式未被給出。SVAR模型通過對(duì)VAR模型施加經(jīng)濟(jì)約束來標(biāo)注其結(jié)構(gòu)式，以彌補(bǔ)VAR模型在研究中缺乏理論支撐的不足，SVAR模型可以捕捉模型系統(tǒng)內(nèi)各個(gè)變量之間的即時(shí)結(jié)構(gòu)性關(guān)系。SVAR(p)模型的數(shù)學(xué)表達(dá)式為：

(6)

式中：A為內(nèi)生變量間同期關(guān)系矩陣；εt表示白噪聲向量。為識(shí)別矩陣A，將式(5)兩邊左乘A，可得：

Ayt=AΦ1yt-1+AΦ2yt-2+…+

AΦpyt-p+AHxxt+Aet

(7)

由式(6)和式(7)可得：

Aet=εt

(8)

將εt標(biāo)準(zhǔn)正交化為εt=Bμt，從而得到SVAR的估計(jì)式為：

Aet=Bμt

(9)

3 實(shí)證結(jié)果分析

3.1 ADF檢驗(yàn)

在運(yùn)用VAR模型進(jìn)行分析前，先采用ADF檢驗(yàn)方法對(duì)資金流、市場(chǎng)收益、市場(chǎng)情緒序列進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)結(jié)果如表1所示，其中，cfnz_ft、dxjq_ft、syy_ft分別表示順周期行業(yè)、逆周期行業(yè)、非周期行業(yè)的資金流。

通過檢驗(yàn)可知市場(chǎng)收益率和各行業(yè)資金流為平穩(wěn)序列，市場(chǎng)情緒為一階單整序列，其差分序列在5%置信度下是平穩(wěn)序列，故使用yt=(dsentt,Rt,ft)作為VAR模型的變量進(jìn)行研究。

表1 對(duì)所選變量單位根檢驗(yàn)

注：檢驗(yàn)類型中C表示截距項(xiàng)；T表示含趨勢(shì)項(xiàng)；k表示滯后階數(shù)；滯后階數(shù)的選定依據(jù)SC信息準(zhǔn)則

3.2 SVAR模型的構(gòu)建

3.2.1 SVAR模型階數(shù)確定和穩(wěn)定性檢驗(yàn)

為確定SVAR模型的最佳滯后階數(shù)，需先確定相應(yīng)的VAR模型的最佳滯后階數(shù)。在由上述5個(gè)變量構(gòu)成的3組變量的VAR模型中，根據(jù)對(duì)應(yīng)的VAR模型的0～8階的LR、FPE、AIC、SC和HQ值選出最優(yōu)階數(shù)。三類行業(yè)多數(shù)的準(zhǔn)則分別選擇滯后3、2、2階，所以確定三類行業(yè)對(duì)應(yīng)模型的最優(yōu)滯后階數(shù)為3、2、2，以此來構(gòu)建相應(yīng)的VAR模型和SVAR模型，順周期行業(yè)的檢驗(yàn)結(jié)果如表2所示。

表2 模型最優(yōu)滯后階判斷

注：*表示該列對(duì)應(yīng)準(zhǔn)則下選擇的最佳滯后階數(shù)

順周期、逆周期、非周期行業(yè)的VAR模型的AR特征多項(xiàng)式的根都在單位圓內(nèi)，即所有特征根的絕對(duì)值全部小于1，具體如圖2所示，表明模型都具有良好的穩(wěn)健性。

3.2.2 SVAR模型的估計(jì)與檢驗(yàn)

針對(duì)不同行業(yè)構(gòu)建SVAR模型，考察變量間同期影響關(guān)系：

(10)

由式(10)及上文可知，dsentt、Rt、ft均為平穩(wěn)時(shí)間序列，dsentt、Rt、ft都是平穩(wěn)的內(nèi)生變量，μdsent、μR、μf為互不相關(guān)的結(jié)構(gòu)沖擊。因此，式(10)可以寫成yt=S(L)μt，即:

圖2 不同行業(yè)的向量自回歸模型中特征根的軌跡圖

(11)

其中，S(L)=S0+S1L+S2L2+…=∑SiLi。在估計(jì)SVAR模型時(shí)，只施加短期約束，Sij(L)代表第i個(gè)變量對(duì)第j種沖擊的影響函數(shù)，若沖擊未造成影響，則Sij(L)=0。結(jié)合相關(guān)經(jīng)濟(jì)學(xué)知識(shí)，提出如下約束條件：①行為金融學(xué)認(rèn)為市場(chǎng)中資產(chǎn)價(jià)格除由基本經(jīng)濟(jì)因素決定外，還受非市場(chǎng)因素如投資者信念、行為等的影響。而投資者作為股票市場(chǎng)的主要參與者，其情緒受股票價(jià)格波動(dòng)的影響，且這種影響存在滯后性，即S12(L)=0；②“價(jià)格壓力學(xué)說”認(rèn)為資金流動(dòng)往往會(huì)伴隨著投資者的交易行為，而投資者的交易行為會(huì)對(duì)股價(jià)形成沖擊，進(jìn)而沖擊著投資者情緒，這種影響存在滯后性，即S13(L)=0,S23(L)=0。因此，可根據(jù)et=S(0)μt求出μt=(μdsent，μR，μf)T，其中S(0)為同期影響矩陣[9]。

3.3 基于SVAR模型的脈沖響應(yīng)分析

SVAR模型的脈沖響應(yīng)函數(shù)可以反映當(dāng)模型受到某種沖擊時(shí)，各個(gè)變量隨該結(jié)構(gòu)性沖擊的動(dòng)態(tài)響應(yīng)。筆者利用脈沖響應(yīng)函數(shù)方法分析我國股票市場(chǎng)投資者情緒、股票市場(chǎng)收益率與行業(yè)資金流的動(dòng)態(tài)效應(yīng)。

3.3.1 行業(yè)資金流對(duì)市場(chǎng)收益沖擊的響應(yīng)分析

順周期性行業(yè)資金流變動(dòng)對(duì)市場(chǎng)收益的脈沖響應(yīng)函數(shù)和累計(jì)脈沖響應(yīng)函數(shù)如圖3所示。由圖3(a)可看出，沖擊在第1期達(dá)到最大，之后沖擊逐步減弱，第2期為轉(zhuǎn)折點(diǎn)，由正逐漸變?yōu)樨?fù)，且在第3期降到最低，隨后波動(dòng)范圍變窄并在零以下平穩(wěn)波動(dòng)，說明市場(chǎng)收益對(duì)這些行業(yè)的沖擊長(zhǎng)期來說是負(fù)的。由圖3(b)可看出，市場(chǎng)收益對(duì)資金流的累計(jì)沖擊開始為正，最后逐步變?yōu)樨?fù)，可見市場(chǎng)收益變動(dòng)會(huì)引起行業(yè)資金流產(chǎn)生由正到反方向的變動(dòng)。其他行業(yè)資金流對(duì)于市場(chǎng)收益的沖擊表現(xiàn)相同。這一結(jié)果與文獻(xiàn)[4]以中國股票市場(chǎng)ETF為對(duì)象的檢驗(yàn)結(jié)果一致，表明正反饋交易假說無法解釋市場(chǎng)收益變動(dòng)對(duì)資金流的影響，而負(fù)反饋交易假說能夠有效地進(jìn)行說明。

3.3.2 市場(chǎng)收益對(duì)行業(yè)資金流沖擊的響應(yīng)分析

市場(chǎng)收益變動(dòng)對(duì)不同行業(yè)資金流的脈沖響應(yīng)函數(shù)如圖4所示，可看出行業(yè)資金流的沖擊對(duì)市場(chǎng)收益的變動(dòng)是一個(gè)負(fù)向的影響，行業(yè)資金流的沖擊可以使市場(chǎng)收益呈現(xiàn)相反方向的變動(dòng)。而不同類行業(yè)資金流的沖擊對(duì)市場(chǎng)收益的影響強(qiáng)度也不同，逆周期行業(yè)在第1期的影響強(qiáng)度弱于其他行業(yè)，順周期行業(yè)在第4期會(huì)有明顯的波動(dòng)，后期則逐步趨于穩(wěn)定。

圖3 順周期行業(yè)資金流變動(dòng)對(duì)市場(chǎng)收益的脈沖響應(yīng)函數(shù)和累計(jì)脈沖響應(yīng)函數(shù)圖

圖4 市場(chǎng)收益變動(dòng)對(duì)不同行業(yè)資金流的脈沖響應(yīng)函數(shù)圖

3.3.3 市場(chǎng)情緒對(duì)行業(yè)資金流沖擊的響應(yīng)分析

市場(chǎng)情緒變動(dòng)對(duì)各行業(yè)資金流的脈沖響應(yīng)函數(shù)如圖5所示，可看出市場(chǎng)投資者情緒的變動(dòng)對(duì)行業(yè)資金流的沖擊短期內(nèi)會(huì)有明顯下降，之后重新趨于零。對(duì)于逆周期行業(yè)，資金流的沖擊使投資者情緒的變動(dòng)在第3期由正為負(fù)，但是在第4期之后又再次變?yōu)樨?fù)值，并且隨后的幾期影響逐漸消失。表明我國股票市場(chǎng)大多數(shù)投資者還不夠成熟，習(xí)慣于中短線操作，股市投機(jī)氛圍較濃[10]，對(duì)行業(yè)資金流變動(dòng)不夠敏感。

圖5 市場(chǎng)情緒變動(dòng)對(duì)各行業(yè)資金流的脈沖響應(yīng)函數(shù)圖

3.3.4 市場(chǎng)收益率對(duì)投資者情緒沖擊的響應(yīng)分析

市場(chǎng)收益變動(dòng)對(duì)投資者情緒的脈沖響應(yīng)函數(shù)和累計(jì)脈沖響應(yīng)函數(shù)如圖6所示。由圖6(a)可看出，當(dāng)市場(chǎng)投資者情緒出現(xiàn)一個(gè)正的沖擊后，市場(chǎng)收益立即出現(xiàn)上漲，在第1期情緒沖擊效應(yīng)達(dá)到最大，之后沖擊初步減弱，并在第3期沖擊有小幅度增長(zhǎng)，隨后的幾期都在正數(shù)區(qū)間波動(dòng)，且波動(dòng)范圍在變窄。由圖6(b)可看出，市場(chǎng)收益對(duì)投資者情緒的累計(jì)沖擊在第1期就表現(xiàn)出來，之后并保持正向的平穩(wěn)增加，有十分明顯的正向影響?？梢姡覈善笔袌?chǎng)收益的漲跌對(duì)市場(chǎng)情緒的沖擊為正，投資者情緒的變動(dòng)會(huì)通過收益的波動(dòng)很快地體現(xiàn)出來。

3.4 基于SVAR模型的方差分解分析

順周期行業(yè)市場(chǎng)收益、市場(chǎng)投資者情緒和行業(yè)資金流變量的方差分解如圖7所示，由圖7(a)和圖7(b)可看出，順周期行業(yè)市場(chǎng)收益和市場(chǎng)投資者情緒對(duì)自身沖擊影響率在第1期分別達(dá)到100%和90%，之后略有下降，第10期仍分別達(dá)到88.7%、80.9%，市場(chǎng)情緒與市場(chǎng)收益的影響程度大于對(duì)行業(yè)資金流的。而由圖7(c)可看出，行業(yè)資金流對(duì)自身的沖擊逐步穩(wěn)定后達(dá)48.6%左右，市場(chǎng)收益率對(duì)其沖擊的影響第一期為34.9%，隨后緩慢下降，最終在第10期為30.4%。市場(chǎng)情緒對(duì)行業(yè)資金流沖擊的影響從4.7%上升并在第10期達(dá)到21.0%。可見我國證券市場(chǎng)尚不夠完善，散戶較多，多數(shù)投資者缺乏理性的投資理念，情緒化的表現(xiàn)突出[11]，市場(chǎng)投資者情緒的波動(dòng)對(duì)行業(yè)資金流的影響較大。

3.5 SVAR模型的格蘭杰因果檢驗(yàn)

由上述分析可看出，市場(chǎng)收益指標(biāo)、市場(chǎng)投資者情緒與各行業(yè)資金流間的相互影響關(guān)系不夠>強(qiáng)。因此，筆者對(duì)SVAR模型進(jìn)行格蘭杰檢驗(yàn)，結(jié)果如表3所示，得出市場(chǎng)收益是投資者情緒變動(dòng)的原因，資金流是市場(chǎng)收益變動(dòng)的格蘭杰原因，市場(chǎng)投資者情緒是行業(yè)資金流變動(dòng)的格蘭杰原因，即市場(chǎng)收益與行業(yè)資金流之間通過市場(chǎng)情緒相互聯(lián)系。

圖6 市場(chǎng)收益變動(dòng)對(duì)投資者情緒的脈沖響應(yīng)函數(shù)和累計(jì)脈沖響應(yīng)函數(shù)圖

圖7 順周期行業(yè)市場(chǎng)收益、市場(chǎng)投資者情緒和行業(yè)資金流變量的方差分解圖

表3 結(jié)構(gòu)化向量自回歸模型的格蘭杰因果檢驗(yàn)

4 結(jié)論

筆者利用主成分分析和相關(guān)性分析方法構(gòu)建了復(fù)合情緒指標(biāo)，運(yùn)用三元SVAR模型對(duì)投資者情緒、股票市場(chǎng)收益率與行業(yè)資金流之間的動(dòng)態(tài)關(guān)系進(jìn)行分析。得出的主要結(jié)論有：行業(yè)資金流與市場(chǎng)收益率之間長(zhǎng)期呈負(fù)相關(guān)關(guān)系；市場(chǎng)收益率對(duì)行業(yè)資金流有負(fù)向影響，市場(chǎng)收益變動(dòng)會(huì)引起當(dāng)期后行業(yè)資金流的反方向變動(dòng)，負(fù)反饋交易假說能夠?qū)ζ溥M(jìn)行有效解釋，且不同類行業(yè)資金流的沖擊對(duì)市場(chǎng)收益的影響強(qiáng)度不同；行業(yè)資金流與市場(chǎng)收益之間具有負(fù)相關(guān)關(guān)系，市場(chǎng)投資者情緒能夠解釋市場(chǎng)收益與行業(yè)資金流之間的關(guān)系。