鄧學斌　高鮮

摘 要 以股票價格變化的強弱和方向反映投資者的心理預期，選取流通性指標作為股票交易強弱的指標，股票買賣行為的人氣指標作為投資交易方向的指標，從交易強弱和交易方向兩個角度構(gòu)建了投資者情緒綜合指標（簡記為ISI）.選取2006年1月至2017年6月滬市A股上市公司為樣本，進行了ISI與股票收益的時間序列分析和截面效應分析.研究結(jié)果表明，投資者情緒綜合指標提高了預期收益率但降低了本期收益率，預期收益率具有顯著的正向風險溢價.ISI自身也具有顯著的正向風險溢價，對股票市場超額收益具有很好的解釋能力.投資者情緒指標是中國股市一個重要的資產(chǎn)定價因子.

關(guān)鍵詞 金融學;投資者情緒;主成分分析;資產(chǎn)定價

中圖分類號 F832.5 文獻標識碼 A

Abstract The strength and direction of stock price changes reflect the psychological expectations of investors. This article selects liquidity index as a strength index of stock trading， stock trading behavior of sentiment index as the index of investment direction. Based on the sample of Ashare listed companies in Shanghai from January 2006 to June 2017， this paper constructs the investor sentiment index （ISI） and conducts the time series analysis and crosssectional effect analysis on the ISI and stock returns. The results show that the investor sentiment index improves the expected return rate but reduces the current return， presenting a significant positive risk premium for the expected return. At the same time， the ISI itself has a significant positive risk premium， which has a good explanatory ability to excess earnings of the stock market. Investor sentiment index （ISI） is an important asset pricing factor in China's stock market.

Key words Finance ;Investor sentiment; Principal Component Analysis; Asset pricing

1 引 言

近年來，學者們實證研究發(fā)現(xiàn)一些金融異象，例如“股權(quán)溢價之謎”、“無風險利率之謎”等，使得有效市場假說的“理性人”假設備受質(zhì)疑，此后羊群效應、噪音交易理論等被陸續(xù)提出，行為金融理論逐步受到關(guān)注.投資者情緒將影響其投資行為，最終對資產(chǎn)價格產(chǎn)生影響.如何度量投資者情緒是問題的核心.現(xiàn)有投資者情緒的度量指標分為兩類：第一類是直接指標，即通過實際調(diào)查投資者對市場的主觀判斷，歸結(jié)為看漲、看跌和看平3種情緒，典型的有我國央視看盤指數(shù)以及美國的投資者智能指數(shù)等;第二類是間接指標，即找到金融市場的代理變量來測算市場情緒，有時選用單個代理變量.第三類是Baker和Wurgler利用主成分分析法得出BW綜合性代理變量.有學者采用IPO 首日平均收益、IPO數(shù)量、新股發(fā)行占比、紅利溢價、封閉式基金折價率、換手率等來構(gòu)造投資者情緒的綜合性指標.

2 相關(guān)文獻回顧

投資者情緒的代理指標包括流通性因子和人氣指標因子，其中流通性指標的影響比較明顯，特別是在新股發(fā)行時，首日收益一般為正，在新股無法賣空的情況下，較高的換手率意味著投資者的樂觀預期，此時的投機心理較強.隨著金融市場的不斷發(fā)展和金融異象的發(fā)生，F(xiàn)ama和French三因子模型不能涵蓋所有的橫截面收益，其中的不能解釋部分常常與投資者情緒相關(guān).可以考慮將投資者情緒作為除了市場溢價因子、規(guī)模因子和賬面市值比因子以外的風險定價因子.De Long等建立的DSSW模型，從市場情緒角度解釋超額收益來開拓資產(chǎn)定價模型，證實了非理性的投資行為反過來會影響資產(chǎn)價格.Yang和Zhang（2014）[1]研究了投資者情緒與資產(chǎn)收益的相關(guān)關(guān)系.趙勝民等（2016）[2]發(fā)現(xiàn)三因子模型比五因子模型更適合中國證券市場，而且因子定價模型的有效性因市場發(fā)展水平和投資理念而異.李志冰等（2017）[3]通過考察五因子模型在中國不同時期的運用，發(fā)現(xiàn)股改前市場風險因子占主導，而股改后，盈利能力、投資風格及動量因子的風險溢價顯著.與此同時，高春亭和周孝華（2016）[4]也進行了相關(guān)研究.俞紅海等（2015）[5]利用交易數(shù)據(jù)中的投資者IPO首日凈買入構(gòu)建情緒指標，發(fā)現(xiàn)IPO首日投資者情緒對IPO首日回報有顯著正向影響，對IPO長期超額回報有顯著負效應.Baker和Wurgler（2006）[6]利用主成分分析法選擇多個隱性指標來構(gòu)建投資者情緒綜合指數(shù).后來許多國內(nèi)學者借助此方法，將封閉式基金折價率、IPO數(shù)量、上市首日收益率、市場交易量、換手率、投資者開戶數(shù)及消費者信心指數(shù)等納入到模型中，進行主成分分析來構(gòu)造情緒指標.Stivers（2015）[7]在Baker和Wurgler的基礎上刪除基本面因素，構(gòu)造了新的投資者情緒指標，該指標可以更好地捕捉到不合理的投資者情緒且該指數(shù)預測的回報要比之前的更準確.Jitmaneer（2017）[8]通過將交易量、漲跌比和價格波動等作為投資者情緒的代理變量，發(fā)現(xiàn)投資者情緒顯著影響市盈率.郭芳婷等（2018）[9]研究投資者關(guān)注對股市崩盤的影響.文鳳華等（2014）[10]也進行了相關(guān)研究.

Sayim（2015）[11]研究美國機構(gòu)和個人投資者情緒對證券市場（ISE）回報和波動的影響，表明美國投資者情緒構(gòu)成了定價風險因子.Yang等（2015）[12]發(fā)現(xiàn)投資者交易行為和投資者情緒對Fama和French三個因子以外的超額收益有顯著的影響，投資者交易行為對超額收益的影響比投資者情緒更為顯著.Smales（2017）[13]認為那些主觀價值更高或面臨套利限制的公司，對投資者情緒的變化反應最為敏感.Li等（2017）[14]利用分位數(shù)格蘭杰非因果關(guān)系檢驗來考察美國投資者情緒與股票收益之間的因果關(guān)系時采用Baker和Wurgler在2007年開發(fā)的情緒指數(shù)和消費者信心指數(shù).PerezListon等（2016）[15]檢驗了投資者情緒是否影響美國道瓊斯伊斯蘭股票指數(shù)的回報和波動性.侯鎮(zhèn)基（2015）[16]、劉司航等（2017）[17]也研究了投資者情緒與中國股市波動之間的關(guān)系.

綜上文獻梳理發(fā)現(xiàn)已構(gòu)建的投資者情緒指標大都只體現(xiàn)在交易流動性上，且研究都局限于考慮指標本身相對于股票收益率的影響，并非從動態(tài)立體的角度考慮收益溢價.從量價角度對投資者情緒指標進行深度挖掘可能有價值.選取流通性指標（上交所股票成交量、股票成交額、IPO首日換手率、投資者開戶數(shù)、市場月?lián)Q手率、IPO月度數(shù)量、投資者信心指數(shù)、上證綜指等8個指標）作為投資者交易強弱的指標，選取測度股票買賣行為的人氣指標作為投資交易方向的指標.從交易強弱和交易方向兩個角度對投資者情緒進行二元刻畫，而且運用主成分分析法將各個變量的當期值與滯后值進行選擇后提取出主要成分，從而減少信息損失.擺脫了傳統(tǒng)的效應分析法，分別從時序效應和橫截面效應來分析歸納投資者情緒作為定價因子的定價能力.

3 數(shù)據(jù)處理與指標構(gòu)建

3.1 主要變量說明

從總指數(shù)水平、投資者信心指數(shù)、市場換手率、投資者開戶數(shù)、交易量、交易額、IPO首日換手率、IPO月度數(shù)和人氣性指標中提取出主要成分來構(gòu)造投資者情緒綜合指標.把市場溢價因子、市值規(guī)模因子、賬面市值比因子等引入模型作為控制變量.基于GARCH-M（1，1）模型計算的上證綜指月回報率方差VAR.研究投資者情緒綜合指標ISI對資產(chǎn)定價的凈效應，控制住其他經(jīng)濟不確定性因素.引入宏觀經(jīng)濟景氣指數(shù)JQI，增加構(gòu)建的投資者情緒綜合指標的可信度.

樣本選取2006年1月至2017年6月期間，從Resset數(shù)據(jù)庫獲取上海證券交易市場的月度數(shù)據(jù).選用上證綜指來刻畫中國股票市場的表現(xiàn)是因為嚴太華和陳明玉（2009）[18]發(fā)現(xiàn)上證綜指和滬深300指數(shù)的相關(guān)性，兩者高度相關(guān).為了使樣本更具代表性、研究更具實際價值，對滬市股票做如下處理：（1）剔除連續(xù)三年虧損、退市預警的*ST股票和連續(xù)兩年虧損、特別處理的ST股票;（2）剔除三個月內(nèi)上市的新股;（3）剔除銀行、證券、保險等金融類公司.

3.2 人氣性指標的構(gòu)造

學者們選取的直接性指標對投資者的代表性具有一定局限性.間接指標性指標雖然客觀存在，但對投資者的反應比較滯后且存在噪音.選取總指數(shù)水平、投資者信心指數(shù)、市場換手率、投資者開戶數(shù)、交易量、交易額、IPO月度數(shù)、IPO首日換手率等指標，再加入反映交易方向的人氣性指標，從二維角度反映投資者情緒.而人氣指標AR是以開盤價為基準，并以最高價和最低價反映在交易周期內(nèi)買賣雙方力量的博弈.反應一個周期內(nèi)的開盤價在該周期內(nèi)的價格波動情況來反映多空人氣的技術(shù)指標.以月為計量周期，其公式如式（1）所示.

其中，Hi表示交易周期中的最高價，Oi表示該周期的開盤價，Li表示交易周期中的最低價，n為交易周期數(shù).

如果一只股票在一定交易時間段內(nèi)的人氣性指標等于1，表明在當前市場該股票的漲跌幅一致，且股票買入者和股票賣出者的多空力量達到平衡.當人氣性指標大于1，表明在當前市場該股票的漲幅大于跌幅，且市場的多方力量占據(jù)優(yōu)勢.當人氣性指標小于1，表明當前市場該股票的漲幅小于跌幅，且市場的空方力量占據(jù)優(yōu)勢.用SZI表示上證綜合指數(shù)，CCI 表示投資者信心指數(shù)，SMT表示上交所市場月?lián)Q手率，SZN表示上交所投資者開戶數(shù)，SZV表示上交所股票成交量，SZE為上交所股票成交額，IPON表示IPO月度數(shù)量，IPOT 表示IPO首日換手率，MKT表示市場溢價風險因子，SMB 表示市值規(guī)模風險因子，HML表示賬面市值比風險因子，rt表示市場收益率，VAR表示上證綜指回報率方差， JQI表示中國宏觀經(jīng)濟景氣指數(shù);其中MKT，SMB，HML均按流通市值計算 .

3.3 投資者情緒綜合指標的構(gòu)造

結(jié)合學者們已有的研究，對顯著影響投資者情緒的變量進行主成分分析，提取主成分來構(gòu)造指標，加入反映交易方向的人氣性指標來更加全面和系統(tǒng)地構(gòu)造投資者情緒綜合指標.

由于所取的變量間可能存在相應的滯后關(guān)系，在引入SZI、CCI、SMT、SZN、SZV、SZE、IPON、IPOT和AR指標的基礎上還引入它們的滯后一期項，共從這18個變量中提取主成分來構(gòu)建投資者情緒的綜合指標.在進行因子分析之前，為了克服變量之間由于單位不一致導致模型偏誤的問題，首先對這18個變量進行標準化處理.然后，對18個變量進行KMO檢驗和巴特利球形檢驗.18個變量的總體KMO檢驗系數(shù)為0.732，巴特利球形檢驗結(jié)果Sig為0.00.表明變量之間存在相關(guān)性，適合做主成分分析.

主成分分析的統(tǒng)計結(jié)果顯示，主成分有4個，累計貢獻率達到81%，其中，第一主成分提取SZV（-1）、SZE（-1）、SMT（-1）、SZI、CCI等5個指標的基本信息;第二主成分提取了SZN等指標的基本信息;第三主成分提取了IPON、IPON（-1）指標的信息;第四主成分主要提取了AR變量的信息.因此，構(gòu)建的四個主成分基本提取了以上8個變量的基本信息，由主成分的表達式可得投資者情緒的綜合指標ISI1.

兩次運用主成分分析方法，通過選擇當期變量和滯后變量構(gòu)造了投資者情緒綜合指標ISI1，該指標是在9個變量及其滯后變量中提取的主成分，但是需要在當期變量和滯后變量中進行選擇，因此通過計算ISI1與該18個變量的Pearson相關(guān)系數(shù)，在當期變量與滯后變量中選擇與ISI1相關(guān)系數(shù)較大的，從而將得到的9個變量作為構(gòu)造下一層次的投資者情緒綜合指標，結(jié)果見表1.

從表1可以看出，所選的9個指標均與投資者情緒正相關(guān).通過比較當期變量、滯后變量與ISI1的相關(guān)系數(shù)，發(fā)現(xiàn)上證綜指SZI、投資者信心指數(shù)CCI、IPO首日換手率IPOT、IPO月度數(shù)量IPON、人氣指數(shù)AR的當期變量與ISI1的相關(guān)系數(shù)要大于其滯后期變量;上交所市場月?lián)Q手率SMT、投資者開戶數(shù)SZN、交易量SZV、交易額SZE的滯后變量與ISI1的相關(guān)系數(shù)要大于其當期變量，因此選擇SZI、CCI、SMT（-1）、SZN（-1）、SZV（-1）、SZE（-1）、IPON、IPOT、AR變量再次構(gòu)造投資者情緒綜合指標ISI2.

根據(jù)前面的分析，選擇SZI、CCI、SMT（-1）、SZN（-1）、SZV（-1）、SZE（-1）、IPON、IPOT、AR變量再次利用主成分分析方法構(gòu)造投資者情緒綜合指標ISI2，通過計算，其表達式為

所以最終確定ISI2為投資者情緒的綜合指標ISI，即ISI=ISI2，這有別于前人已有的研究，原因在于加入度量交易方向的人氣指數(shù)AR，能夠從二維角度更確切的刻畫投資者情緒綜合指標;而且考慮了當期值和滯后值，更加符合客觀實際;最后是選取的主成分的解釋能力很強，既能減少信息損失又能很快提取重要成分.為了檢驗ISI與股票預期收益率的關(guān)系時控制經(jīng)濟周期變量對收益的影響，建立如下回歸方程：

其中，ret代表t月末的預期收益，JQI代表經(jīng)濟周期變量，通過上證100的月度收盤價轉(zhuǎn)化為收益率序列.研究ISI與當期收益率的關(guān)系，模型為

在回歸之前對各變量數(shù)據(jù)進行標準化處理，結(jié)果如表2所示.A部分檢驗ISI與預期收益的關(guān)系，從第三列可以看出，控制所有狀態(tài)變量的情況下，ISI的系數(shù)為正，且在1%的顯著性水平下通過t檢驗，在已設定的三個模型中，ISI均與預期收益顯著正相關(guān).B部分檢驗ISI與當期收益的關(guān)系，在三個模型設定中，ISI與當期收益率在1%的水平下顯著負相關(guān).為了考察結(jié)果的穩(wěn)健性，進一步以滬深300指數(shù)進行了相關(guān)研究，結(jié)果均顯示ISI提高了預期收益率但降低了本期收益率，且其影響程度在統(tǒng)計意義上均非常顯著，因此，ISI對預期收益具有顯著的正向風險溢價.

4 投資者情緒的截面效應分析

首先，使用隨機貼現(xiàn)因子的方法構(gòu)造衡量ISI的因子模擬投資組合FISI;同理，構(gòu)造衡量投資者情緒沖擊的因子模擬投資組合FVAR，以控制其他經(jīng)濟不確定性因素.然后，構(gòu)造不同ISI風險敞口的投資組合進行初步的定價分析，若ISI是資產(chǎn)定價因子，則不同ISI風險敞口的投資組合應該有不同的超額收益.其次，在經(jīng)典Fama-French三因子模型的基礎上，加入投資者情緒因子和收益率波動因子，檢驗模型回歸系數(shù)是否顯著，根據(jù)前面得到的結(jié)果來檢驗ISI是否具有顯著溢價.

4.1 投資者情緒沖擊的構(gòu)造

為了提取出ISI中的沖擊部分，即不可預期部分，只有風險因子的不可預測部分能帶來風險溢價.因此采用GARCHM（1，1）模型計算的上證綜指月回報率方差VAR來控制其他經(jīng)濟不確定性影響.首先對時間序列進行平穩(wěn)性檢驗，通過ADF檢驗，發(fā)現(xiàn)ISI序列和VAR序列均是平穩(wěn)時間序列;再運用AR（p）模型對兩個不確定性變量ISI和VAR建模，通過觀察其自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖對模型滯后階數(shù)進行選擇，結(jié)果顯示ISI序列、VAR序列的滯后階數(shù)都為2，故將殘差序列提取出來作為投資者情緒的沖擊，在截面定價分析中使用.

模型1-3是為了比較帶有投資者情緒綜合指標的多因子模型相對于三因子模型對預期收益率的解釋力度是否有所提高.當投資者情緒的模擬因子投資組合的系數(shù)顯著異于零時，構(gòu)造投資者情緒的模擬因子對股票的收益影響明顯.同時，為了從FISI，t中除去由FVAR，t所代表的收益率波動的不確定性沖擊，得到投資者情緒綜合因子的純效應，在加入FISI，t模擬因子的基礎上又加入FVAR，t模擬因子.對所有符合條件的股票按照規(guī)模指標和賬面市值比指標分成5×5組合，表3分別匯報了三因子模型、加入投資者情緒的四因子模型以及改進的五因子模型的回歸截距值及其t值.

在賬面市值比分組的子樣本中，最大規(guī)模組與最小規(guī)模組的平均回歸截距在模型1、模型2、模型3的值分別為1.1964321，0.2562223和0.240933.在規(guī)模指標分組的子樣本中，較高賬面市值比組合與較低賬面市值比組合的平均回歸截距在模型1、模型2、模型3的值分別為0.3238453，0.29161065和0.2024855.

在加入投資者情緒模擬因子和收益率波動因子以后，考慮投資者情緒的四因子模型和改進的五因子模型與原有的FamaFrench三因子模型相比，其截距項系數(shù)都有所降低，而且從整體來看，模型2和模型3的截距項系數(shù)均小于三因子模型的截距項系數(shù)，這說明在三因子模型的截距項里包含的風險通過投資者情緒因子得到了解釋.

從表4看，三因子模型在25組股票組合中的平均調(diào)整擬合優(yōu)度系數(shù)為0.88444，而考慮投資者情緒因子的模型2和改進后的多因子模型3的平均調(diào)整擬合優(yōu)度系數(shù)均為0.9999，接近于1，說明模型2和模型3比三因子模型的擬合效果更好.通過模型1-3的對比，發(fā)現(xiàn)在1% 顯著性水平下，模型1和模型2的市場因子均有25組通過顯著性檢驗，說明影響中國A股市場波動的主要風險來自于市場風險.規(guī)模因子和賬面市值比因子的顯著性組數(shù)明顯小于25組.在1% 顯著性水平下，模型1的規(guī)模因子有16組，而賬面市值比因子只有5組，在5% 顯著性水平下，規(guī)模因子有18組，賬面市值比因子有7組，在10% 顯著性水平下，規(guī)模因子有20組，而賬面市值比因子只有8組，表明規(guī)模因子和賬面市值比因子在內(nèi)的公司特有風險對股票市場的影響力是有限的.從投資者情緒因子的顯著性水平來看，模型2和模型3中的組數(shù)均達到25組，且其t值所對用的伴隨概率均接近于0，因此，投資者情緒指標在中國A股市場定價顯著，且其對超額收益具有明顯的解釋能力.

選用考慮交易強弱和交易方向的投資者情緒綜合指標，并通過因子模擬投資組合剔除掉與定價無關(guān)的信息，來反映中國A股市場投資者情緒，從考慮投資者情緒的四因子模型和剝離收益不確定性波動的五因子模型回歸結(jié)果來看，回歸截距項均明顯小于經(jīng)典三因子模型，且擬合優(yōu)度調(diào)整R2均大于三因子模型，因此，投資者情緒指標優(yōu)化了三因子模型，在市場因子、規(guī)模因子和賬面市值比因子的基礎上，投資者情緒因子對投資者情緒帶來的風險補償水平得到了合理的解釋.

4.4 穩(wěn)健性檢驗

這個改進后的四因子模型對于所有的“規(guī)模-賬面市值比”組合產(chǎn)生的超額收益是否都具有很好的解釋能力呢？為此，進一步選取“規(guī)模2-賬面市值比”5組作為研究代表，來進行穩(wěn)健性檢驗，從而消除對按特定指標進行分組的干擾因素.對“規(guī)模2-賬面市值比” 5組仍采用未考慮投資者情緒模型與考慮投資者情緒模型對股票預期收益的解釋能力進行對比檢驗.得到經(jīng)典三因子模型（模型1）、考慮投資者情緒后的四因子模型（模型2）以及加入收益波動率因子的五因子模型（模型3）的進一步回歸檢驗結(jié)果.具體結(jié)果如表5所示.

從表5的統(tǒng)計結(jié)果來看，經(jīng)典的FamaFrench三因子模型可以解釋單只股票收益率的89%，投資者情緒因子在此基礎上又提高了10%的解釋力度，且市場因子的影響很顯著，表明我國資本市場是以市場風險為主導的.模型2、模型3的截距項接近于0，擬合優(yōu)度接近于1，且投資者情緒因子在1%的水平上顯著，這與表3、表4的結(jié)論基本一致，從個股收益率的角度再一次證明投資者情緒是股票收益的重要定價因子.

5 結(jié) 論

在已有的研究基礎上，通過兩次主成分分析，從投資者交易強弱、交易方向進行橫向提取，從當期值和滯后值進行縱向提取，構(gòu)造全面反映投資者情緒的綜合指標.在控制其他宏觀經(jīng)濟條件和收益率不確定性波動對情緒的影響下，構(gòu)造投資者情緒模擬因子投資組合，除去與定價無關(guān)的信息，單獨研究投資者情緒指標的凈效益.此外，在FamaFrench三因子模型的基礎上，加入投資者情緒因子及收益率不確定性波動因子，構(gòu)建了一個能較好反映投資者情緒波動的綜合指數(shù)ISI，且對預期收益具有顯著的正向風險溢價.

參考文獻

[1] YANG C，ZHANG R. Does Mixedfrequency Investor Sentiment Impact Stock Returns？Based on the Empirical Study of MIDAS regression model[J].Applied Economics，2014，46（9）：966-972.

[2] 趙勝民，閆紅蕾，張凱. FamaFrench五因子模型比三因子模型更勝一籌嗎——來自中國A股市場的經(jīng)驗證據(jù)[J].南開經(jīng)濟研究，2016（2）：41-59.

[3] 李志冰，楊光藝，馮永昌，景亮. FamaFrench五因子模型在中國股票市場的實證檢驗[J].金融研究，2017（6）：191-206.

[4] 高春亭，周孝華. 公司盈利、投資與資產(chǎn)定價：基于中國股市的實證[J].管理工程學報，2016，30（4）：25-33.

[5] 俞紅海，李心丹，耿子揚. 投資者情緒、意見分歧與中國股市IPO之謎[J].管理科學學報，2015，18（3）：78-89.

[6] BAKER M，WURGLER J. Investor Sentiment and the CrossSection of Stock Returns[J]. Journal of Finance，2006，61（4）：1645-1680.

[7] STIVERS A.Forecasting Returns with Fundamentalsremoved Investor Sentiment[J].International Journal of Financial Studies，2015，3（3）：319-341.

[8] JITMANEER J，BOONLERT.Does Investor Sentiment Affect Price Earnings Ratios[J]. Studies in Economics and Finance，2017，34（2）： 183-193.

[9] 郭芳婷，黃創(chuàng)霞，陳憲，文鳳華. 產(chǎn)權(quán)性質(zhì)、投資者關(guān)注與股價崩盤風險[J].經(jīng)濟數(shù)學，2017，34（4）：97-105.

[10]文鳳華，肖金利，黃創(chuàng)霞，陳曉紅，楊曉光. 投資者情緒特征對股票價格行為的影響研究[J].管理科學學報，2014，17（3）：60-69.

[11]SAYIM，MUSTAFA，RAHMAN，et al. The Relationship Between Individual Sentiment， Stock Return and Volatility： Evidence From the Turkish Market[J].International Journal of Emerging Markets，2015，10（3）：504-520.

[12]YANG C P，ZHOU L Y. Investor Trading Behavior， Investor Sentiment and Asset Prices[J].North American Journal of Economics and Finance，2015，3（4）：42-62.

[13]SMALES. The Importance of Fear： Investor Sentiment and Stock Market Returns[J].Applied Economics，2017，49（34）：3395-3421.

[14]LI H Q，GUO Y，PARK，et al.Asymmetric Relationship Between Investors' Sentiment and Stock Returns： Evidence From a Quintile Noncausality Test[J]. International Review of Finance，2017，17（4）：617-626.

[15]PEREZLISTON， DANIEL，HUERTA， et al. Does Investor Sentiment Impact the Returns and Volatility of Islamic Equities？[J].Journal of Economics and Finance，2016，40（3）：421-437.

[16]侯鎮(zhèn)基. 信息偏離度、投資者情緒與內(nèi)在價值——基于上證指數(shù)2005-2014年的實證分析[J]. 華東經(jīng)濟管理，2015，29（9）：174-180.

[17]劉司航，黃創(chuàng)霞，陳憲等.PLS情緒指數(shù)對中國股市風險收益關(guān)系的影響研究[J]. 經(jīng)濟數(shù)學，2017，34（3）：88-95.

[18]嚴太華，陳明玉.基于馬爾科夫切換模型的上證指數(shù)周收益率時間序列分析[J].中國管理科學，2009，17（6）：33-38.

[19]ANG， ANDREW， HODRICK， et al. The CrossSection of Volatility and Expected Returns[J]. Journal of Finance，2006，61（1）：258-299.