肖爭艷 周欣銳 周仕君

摘 要：為檢驗網絡情緒對股市羊群效應的影響，本文選取創(chuàng)業(yè)板指數成分股收益率數據和東方財富網股吧發(fā)帖文本對中小投資者進行經驗研究。本文首先利用文本挖掘技術建立一個適用于中小投資者的金融情感詞庫，構建三項網絡情緒指標，然后應用分位數回歸模型分析網絡情緒對股市羊群效應的影響。研究發(fā)現，第一，中小投資者的網絡分歧情緒能夠整體上減弱過度自信從而減輕逆向羊群效應，參與熱情能夠促進信息交流從而減輕正向羊群效應，但看漲情緒對羊群效應沒有顯著影響。第二，相比于股市下跌時期，股市上漲時期的羊群效應受參與熱情的影響更大，相比于股市上漲時期，股市下跌時期的羊群效應受分歧情緒的影響更大。第三，網絡信息互動并不一定總是降低投資者的有限理性程度。因此，有必要利用網絡情緒信息監(jiān)測中小投資者的羊群行為，給予其適當的理性引導，從而促進中國金融市場有效運行和健康發(fā)展。

關鍵詞：情緒指標;羊群效應;中小投資者;文本挖掘;分位數回歸

中圖分類號：? F830.91文獻標識碼：A

文章編號：1000-176X（2019）09-0062-10

一、問題的提出

股市羊群效應是指個體投資者在自身信息不完全的條件下，受投資情緒的驅動，追蹤并模仿其他投資者的交易行為的現象。羊群行為因其能使資產價格出現系統(tǒng)性偏差而備受關注。投資者在經歷股市劇烈動蕩時經常作出“追漲殺跌”的決策，不僅影響資產定價，而且加劇市場波動甚至推動資產泡沫的形成與破裂，進而惡化金融體系的脆弱性。Kaminsky和Schmukler[1]與陳彥斌和劉哲希[2]認為，歷次金融危機中出現的市場恐慌與拋售惡性循環(huán)就與這種從眾行為密切相關。Chang等[3]與宋軍和吳沖鋒[4]等研究發(fā)現，新興股票市場比發(fā)達國家股票市場更容易產生羊群效應。中國股市作為新興股票市場的代表，市場機制尚不成熟，信息不對稱問題相對突出，容易受到羊群效應的影響。此外，中國股市是以中小投資者為主的“散戶市”，而散戶由于缺乏專業(yè)知識和有效信息更容易產生非理性羊群行為。因此，在新興市場和“散戶市”背景下，羊群效應成為中國金融監(jiān)管的一大難題。

根據傳統(tǒng)金融理論，由于資金少、信息獲取成本高以及個人意見無法匯聚，中小投資者分散化的情緒無法向市場傳遞，從而不會對股市產生顯著影響。因此，國內外的實證研究大多數只關注機構投資者的羊群效應。然而，隨著互聯(lián)網和智能手機的迅速普及，投資者獲取市場信息更加便捷，信息交流更加廣泛，諸如股票論壇之類的網絡平臺成為了中小投資者表達觀點、宣泄情緒和傳播信息的重要渠道。當投資者分散的意見通過網絡溝通和融合時，便有可能轉化為對現實投資決策的影響力。中小投資者可以通過觀察網絡上他人意見來判斷私有信息以期改善決策，形成對先行者決策行為的模仿跟隨或者反向操作，有可能形成正向或逆向的羊群效應。那么，中小投資者的網絡情緒能夠影響股市羊群效應嗎？這是一個需要實證研究的重要問題。

關于網絡信息對股市影響的已有研究主要分為兩大類：第一類是關于網絡情緒對股市表現的研究，此類文獻主要圍繞對股價變動的研究。Antweiler和Frank[5]利用文本挖掘技術分析了網絡情緒信息，發(fā)現，網絡看漲情緒對于股票價格和成交量具有預測作用。Bollen等[6]對推特中與股票相關的情感信息進行提取，發(fā)現情緒指數與道瓊斯工業(yè)指數顯著相關。饒育蕾和王攀[7]用百度搜索指數作為關注度的衡量指標，發(fā)現網絡關注度與新股發(fā)行價之間具有正相關關系。類似文獻中，Das和Chen[8]與俞慶進和張兵[9]都涉及網絡情緒與收益率之間的相關關系，初步揭示了投資者有限理性，但尚未觸及網絡情緒對投資者有限理性程度的影響。

第二類則是關于網絡信息對投資者有限理性程度的影響。已有研究主要討論對股市運行效率的雙面影響。從負面影響看，Delort等[10]認為，海量網絡證券信息帶來了嚴重的信息鑒別問題，草率、夸張的不良信息侵蝕著市場信息環(huán)境，甚至影響市場有效配置資源。Park等[11]認為，網絡社區(qū)交流會加劇投資者的行為偏差，比如過度自信和證實性偏誤等，從而惡化股市運行效率。趙靜梅等[12]研究發(fā)現，博客和論壇等網絡信息交流平臺都傳遞著未經證實的市場謠言，嚴重地沖擊股價，已成為擾亂市場秩序的重大問題。還有一些文獻注意到網絡信息交流也能改善股票交易市場效率。董大勇和肖作平[13]研究表明，網絡股票論壇能夠提高信息傳遞到股票交易市場的效率，從而改善信息不對稱問題。鄭瑤等[14]發(fā)現，網絡信息交流能夠抑制羊群行為的持續(xù)擴散，從而提高市場運行效率。以上文獻都是從信息交流強度的角度來研究，尚未涉及具體的網絡情緒信息。

到目前為止，還鮮有文獻專門研究網絡情緒對股市羊群效應的影響。第一，總體而言，已有文獻還沒有將網絡情緒與股市羊群效應聯(lián)系起來。一方面，從網絡情緒出發(fā)的相關研究只對有限理性有所提及，缺乏對羊群效應等有限理性的具體形式的討論，對投資者有限理性程度的影響探究還不夠深入;另一方面，Christie和Huang[15]、Chiang等[16]與宋軍和吳沖鋒[4]從羊群效應出發(fā)的研究，大多只檢驗了羊群效應是否存在，缺少針對羊群效應影響因素的探討。鄭瑤等[14]與Bekiros等[17]以及Venezia等[18]少數文獻研究了信息交流強度、市場不確定性和投資經驗等因素如何影響股市羊群效應的程度，仍然未涉及網絡情緒這一重要的潛在因素，忽視了非理性羊群效應的一個基本特征就是受情緒的驅動。第二，針對網絡對投資者有限理性程度影響的實證研究主要利用網絡媒體數值型變量，這些變量只能間接體現投資者意見。在使用發(fā)帖量、點擊量和搜索指數等數值型變量時，會損失網絡媒體中蘊含的大量情感信息，從而難以從網絡情緒角度進行研究。

本文擬在文本挖掘的基礎上研究網絡情緒對股市羊群效應的影響。本文首先建立一個適用于中小投資者的金融情感詞庫，以此對網絡文本數據進行情緒分類，從而構建三項網絡情緒指標。隨后，本文通過構建一個含有情緒指標的分位數回歸模型，探究看漲指數、分歧指數和參與指數與個股收益率分散度之間的關系，從而分析網絡情緒對股市羊群效應的影響。本文還分別檢驗股市利好和利空時的羊群效應，從而分析不同市場狀況下網絡情緒對羊群效應影響的非對稱性。本文之所以選擇文本分析方法構建指標而非直接使用數值型變量，是因為股民發(fā)帖的文本數據是對股民情緒最直接的表達和度量，相比于數值型變量更具有完整度和代表性。

本文的貢獻有主要以下兩點：第一，將網絡情緒與羊群效應直接聯(lián)系起來。已有文獻主要通過研究網絡情緒與股指收益率的相關關系，只能初步發(fā)現投資者有限理性的跡象。本文突破這一局限，從羊群效應的角度具體分析網絡情緒能否影響某類特定的非理性行為，從而更為具體地描述網絡情緒如何影響投資者有限理性程度。第二，較早從中小投資者角度出發(fā)研究羊群行為與網絡情緒的關系。已有文獻多數討論了機構投資者的羊群行為如何受到恐懼情緒的影響，其中，機構投資者的情緒是利用官方發(fā)布的市場隱含波動率指標來度量。目前，鮮有從中小投資者出發(fā)的相關研究，一個重要原因就在于缺少度量中小投資者情緒的官方指標。考慮到網絡證券論壇是針對廣大中小投資者的信息交流平臺和情緒宣泄場所，本文從中獲取網絡情緒信息，提供了一個適用于中小投資者的情緒度量方法，從而彌補了已有文獻的不足。本文認為，中國股市中小投資者有限理性程度依然偏高，表現為過度自信和忽視基本面信息，并不像過去許多觀點認為的那樣從眾保守。因此，有必要利用網絡情緒信息監(jiān)測中小投資者的羊群行為并給予適當的情緒引導，從而提高金融市場運行效率。

二、研究設計

（一）中小投資者網絡情緒指標的構建

文本情緒指標構建的方法主要有兩類：第一類是詞典分類法，第二類是機器學習分類法。前者需要用到事先定義完成的情感詞典，如Loughran和McDonald[19]根據美國上市公司年報詞匯建立的LM金融情感詞典。后者則需要用到人工標注完成的語料庫作為訓練集，通過提取文本特征來實現情緒分類。由于本文選用的文本是中小投資者的股吧發(fā)帖，在選擇具體操作方法時，需要考慮發(fā)帖文本的結構特點和用詞特點。結構上，股吧帖子屬于短文本，具有篇幅短小、結構簡單、表意直白的特點，通常有明顯的情感詞?；谇楦性~典的技術通過分析文本中的情感詞及其附近的修飾詞，能夠快速有效地判斷帖子的情緒傾向。為此，本文選擇詞典分類法來實現情緒分類。 為確保獲得最準確的分類結果，除了詞典分類法以外，本文還利用k最近鄰分類算法、隨機森林和支持向量機等三種機器學習分類法分別對樣本數據進行情緒分類，并計算所有方法樣本分類準確率。結果顯示，詞典分類法的準確率最高達到72.80%。用詞上，在金融互聯(lián)網論壇的語境下，帖子的用詞具有非書面語的特征。不論是對Loughran和McDonald[21]的英文情感詞典翻譯還是對金融相關的書面詞匯進行總結都不符合股吧發(fā)帖的用詞特點。為此，需要先構造適用于中小投資者股吧發(fā)帖的情感金融詞典，再對帖子的情緒進行逐條判斷，從而計算每日網絡情緒指數。

第一步，構造適用于中小投資者的金融情感詞典。首先，利用文本分詞和特征篩選的方法構造用于判斷文本情緒的情感詞典，其中，文本分詞基于阿里PAI平臺文本挖掘板塊的相關組件，使用的分詞詞庫是互聯(lián)網分詞詞庫。然后，根據中小投資者在股吧發(fā)言的特征，本文在原有的分詞詞庫的基礎上追加與股票交易相關的詞匯。 互聯(lián)網詞庫雖然能一定程度上覆蓋股吧發(fā)言中的草根性用詞，但并不能完全覆蓋股吧發(fā)言中的金融性用詞，故需要在原詞庫基礎上追加其他股票相關詞匯。最后，確定詞匯的正向含義或者負向含義。本文采用濾波方法來篩選出對區(qū)分樂觀看漲和悲觀看跌發(fā)帖有價值的詞語，篩選準則是信息增益準則（Information Gain Criteria）。信息增益（IG）反映某個詞語特征與情緒判斷的關聯(lián)性大小。如果某個詞語特征的IG越大，則說明它能夠更大程度地降低情緒判斷時的不確定性，即對情緒判斷更有幫助。進一步地，如果一個詞語在樂觀看漲發(fā)帖中的詞頻高于在悲觀看跌發(fā)帖中的詞頻，則認為該詞為正向詞，反之為負向詞。在正、負向詞之外，本文還加入“反轉詞”以更加準確地識別語義。

（二）羊群效應的度量

羊群效應的相對大小通常由個股收益率的分散度來度量。其原理是，若存在較強的羊群效應，股民投資行為更傾向于忽視自己的信息而更愿意相信市場共識。此時，股民將模仿市場中大多數的投資行為，導致個股收益率也將會向市場收益率靠攏，從而降低個股收益率分散度。Christie和Huang[17]首先提出了一種基于收益率分散度的羊群效應度量方法（CH方法），即利用橫截面收益率標準差（CSSD）檢驗股市大幅波動時的羊群效應。CH模型表示為：CSSDt=α+γ1DtU+γ2DtL+εt，其中，DtU和DtL表示股市收益率極端大或者小的虛擬變量。若γ1或γ2顯著為負，說明當股市極端波動時投資者表現出正向的羊群行為。然而，CH方法存在三點主要缺陷：一是CH方法需要主觀定義市場極端波動的幅度，而不同投資者對極端變化的界定則不一定相同。對于歷史較短的中國創(chuàng)業(yè)板市場來說，識別和界定極端收益率的發(fā)生將會更加困難。二是CH方法過于嚴格。Chang等[3]指出，如果要檢測出羊群效應，那么它對分散度指標和收益率之間的非線性程度要求很強。三是CH方法只能檢驗股市劇烈波動情況下的羊群效應，而對股市波動相對正常的情況則無法檢驗。為克服CH方法的這些缺陷，Chang等[3]提出了基于收益率分散度的方法，即CCK方法，利用橫截面收益率絕對偏差（CSAD）檢驗了股市在更一般情況下的羊群效應。

由于樣本時期內股市波動相對穩(wěn)定，本文借鑒CCK方法選用CSAD分散度指標來衡量羊群效應的相對大小，表達式如下：

其中，CSADt表示個股橫截面收益率絕對偏差，Ri，t表示個股i在t時刻的收益率，Rm，t表示市場上N只股票在t時刻橫截面上的平均收益率。在完全有效市場中Chang等[3]推導出CSAD分散度指標與股市收益率的大小呈線性遞增關系。因此，如果檢驗出CSADt與市場收益率大小之間存在非線性關系，那么就可以認為市場中存在羊群效應。

（三）模型設定

傳統(tǒng)CCK模型設定如下：

根據資本資產定價模型（CAPM），可得如下結論：dEt（CSAD）dEt（Rm）=1N∑Ni=1βi-βm>0，d2Et（CSAD）dEt（Rm）2=0。其中，βi為資產i的風險系數，βm為市場系統(tǒng)風險。即，CAPM模型所預測的個股收益率的橫截面絕對偏差CSADt和股票市場收益率大小呈線性遞增關系。本文在傳統(tǒng)CCK模型基礎上進行擴展，先檢驗羊群效應的存在性，然后檢驗網絡情緒對羊群效應的影響，最后檢驗網絡情緒對羊群效應影響的非對稱性。

傳統(tǒng)CCK模型設定如下：

在市場完全理性情況下，收益率二次項系數如果γ2等于零，股市中不存在羊群效應。如果γ2顯著小于零，說明市場投資者行為存在正向羊群效應。當市場收益率出現變化時，投資者并非根據自己的信念和私人信息行事，而是選擇模仿大多數人的投資決策，同時進行買入或者賣出的投資決策，導致市場分散度CSAD降低。如果γ2顯著大于零，說明市場投資者行為存在逆向羊群效應。當市場收益率發(fā)生變化時，投資者過分忽視市場基本面信息而作出分散化的決策，從而過度地在資產的一個子集上進行交易。值得注意的是，以往研究通常只關注正向羊群效應，即只有當γ2顯著小于零時才認為投資者是有限理性的。實際上，近年來Gebka和Wohar[20]與Klein[21]等一些國外實證研究表明逆向羊群效應也廣泛存在。無論是何種羊群行為都應引起重視，其根本都是由投資者有限理性驅動的非理性行為，最終都會導致股票價格偏離公允價值。

本文采用分位數回歸（QR）來檢驗羊群效應。這是因為本文數據存在尖峰厚尾分布和異方差等情況，如果照原CCK模型使用普通最小二乘法（OLS），那么估計的穩(wěn)健性將變得非常差。Bekiros等[19]還指出，OLS回歸描述的是自變量與因變量條件均值的關系，會導致很大一部分尾部分布信息的丟失。相比普通最小二乘法回歸而言，分位數回歸有兩方面的優(yōu)點：一是針對本文數據的特點，分位數回歸系數估計比OLS 回歸系數估計更穩(wěn)健。 陳建寶和丁軍軍[22]指出，分位數回歸估計參數采用加權殘差絕對值之和最小化的方法，對隨機擾動項無需做任何假設，而且是對所有分位數進行回歸，模型具有很強的穩(wěn)健性和對異常點的耐抗性，因而能有效克服OLS模型的主要缺點。二是分位數回歸涵蓋了所有條件分位數函數，能夠捕捉到分布的尾部特征，從而更精確地描述收益率和情緒對分散度的影響[16]。

1.檢驗羊群效應的存在性

本文構建了基于CCK方法檢驗羊群效應的分位數回歸模型：

其中，對任意τ∈（0，1），Qτ（τCSADt）表示的是t時刻在τ分位數上股市中的個股收益率橫截面絕對偏差。針對本文時間序列數據所存在的異方差和序列相關問題，在原CCK模型中添加了因變量的一階滯后項進行改善。

2.檢驗網絡情緒對羊群效應的影響

通過判斷γ4，τ、γ5，τ和γ6，τ的符號并檢驗是否顯著不為零，可以識別不同分位數上的羊群效應以及中小投資者情緒對羊群效應的影響。對任意τ∈（0，1），如果γ4，τ、γ5，τ和γ6，τ顯著大于零，則說明在τ分位上相應的看漲情緒、分歧情緒和參與熱情能夠提高個股收益率分散度，反之能夠降低個股收益率分散度。

3.檢驗網絡情緒對羊群效應影響的非對稱性

考慮到投資者對于收益和損失的態(tài)度可能不同，股民羊群行為在股市利好和利空情況下具有非對稱性。從風險偏好上講，陳彥斌和周業(yè)安[23]梳理了有關行為資產定價理論的討論，認為投資者是損失厭惡型的觀點具有一定的現實解釋力。那么，股民面臨股市下行時其投資行為將更加保守，正向羊群效應更加突出。從心理認知上講，在股市上行階段，股民的樂觀看法得到印證，強化了投資者對私人信息的信心。此時，股民過度自信的心理可能更加膨脹，股市表現出逆向羊群效應。在股市下行階段，市場前景不容樂觀，容易出現悲觀情緒蔓延和市場恐慌，股民拋售出逃。此時，股民盲目從眾的行為可能更加明顯，股市表現為正向羊群效應。

一些實證研究檢驗了股市中羊群效應的非對稱性，具體做法有兩種：一種是檢驗極端收益率情況下的羊群效應，例如Christie和Huang[17]、Chang等[3]、宋軍和吳沖鋒[4]就采用了這一做法。另一種是對股市收益率大于零階段和小于零階段分別進行羊群效應檢驗，例如Chiang等[18]與馬麗[27]采用了這一做法。這些實證研究也證實了股民的羊群行為存在著非對稱性。

因為本文取樣期間總共只有244個有效交易日，如果取1%或5%極端收益率數據進行分析，會使得觀測點數量太少，結果將不具有說服力。

鑒于本文樣本數據量的局限性，本文按市場收益率為正和為負的情形進行分類，以進一步研究不同市場收益情況下的網絡情緒對羊群效應的影響是否非對稱。非對稱性檢驗的回歸模型如下：

其中，RUm，t（RDm，t）表示t時刻股市上行（下行）時市場投資組合的平均收益率，CSADUt （CSADDt）、St、Dt和Tt等變量表示t時刻相應的橫截面收益率絕對偏差、看漲指數、分歧指數和參與指數。通過比較股市上行和下行時的回歸系數，即可判斷網絡情緒對羊群效應的影響是否具有非對稱性。如果γU4，τ、γU5，τ和γU6，τ相對顯著更大，則羊群效應在股市上行時對相應的網絡情緒更敏感。

（四）數據說明

1.樣本選取與數據來源

本文選取創(chuàng)業(yè)板指全部100支成分股收益率數據構建分散度和收益率指標。鑒于中國中小投資者具有“炒小、炒新”的鮮明特征，相比于主板，創(chuàng)業(yè)板題材新、熱度高，因此，創(chuàng)業(yè)板市場上的中小投資者行為受網絡情緒的影響可能更加明顯。創(chuàng)業(yè)板指數成分股的收益率來源于Wind數據庫，市場的收益率使用各股票收益率的平均值。本文選取東方財富股吧的發(fā)帖文本構建中小投資者網絡情緒指標。東方財富股吧是中國財經門戶網站東方財富網的重要版塊，針對中小投資者開放，從用戶數、活躍度、影響力上講是可靠的網絡文本數據來源。由于本文主要研究的是中小投資者情緒，因此，股吧中機構號與營銷號的發(fā)帖內容不在爬取范圍當中（該類帖子主要帶有“研報”“新聞”等標志）。本文只爬取有關創(chuàng)業(yè)板指數所有成分股且來自散戶自主發(fā)言的內容，時間范圍從2016年10月10日到2017年9月29日共355個自然日（包含244個交易日），總共發(fā)帖條數近93萬條。

在此有兩點需要說明：第一，本文僅爬取主帖的內容。雖然股民情緒的表達既包括發(fā)帖也包括跟帖，但大多數跟帖的內容僅寥寥數字且意義表達不夠完整，如“頂”“支持樓主”等，而主貼的內容往往體現了發(fā)帖子明確的意見，內容完整且詳細，因此，股吧中回帖的內容不在爬取范圍當中。第二，由于創(chuàng)業(yè)板指成分股按季度進行調整，因此，該100支成分股也會隨著時間的推移有所不同。鑒于數據的可得性，本文只爬取了較近一年內的發(fā)帖文本數據。

2.描述性統(tǒng)計、單位根檢驗與自相關性

表1列出了本文所用變量的描述性統(tǒng)計、單位根檢驗和自相關性結果。從正態(tài)性檢驗結果看，序列顯示出較高的偏度和峰度，而且Rm、CSAD、S、D和T的Jarque-Bera統(tǒng)計值在1%的顯著性水平上拒絕零假設，即這五個序列不滿足正態(tài)分布。從平穩(wěn)性檢驗結果看，所有變量的ADF檢驗結果都拒絕單位根假設，即這五個序列皆為平穩(wěn)序列。數據的非正態(tài)分布和平穩(wěn)性表明本文構建分位數回歸模型具有合理性。從各變量的自相關系數看，個股收益率分散度CSAD、分歧指數D和參與指數T在滯后1期都表現出較強的自相關性，其一階自相關系數分別為0.50、0.66和0.90。實際上，CSADt自相關系數即使在滯后10期以后仍顯著不為零，說明存在著高度的序列相關性，這也反映了在基本模型中加入分散度的滯后項具有合理性。

三、經驗分析

（一）Granger因果檢驗結果

分位數回歸的結果只能證明網絡情緒與分散度的相關關系，不能說明網絡情緒是影響分散度變動的原因。為了保證回歸結果的嚴謹性，需要對主要變量進行Granger因果檢驗。由于情緒與股市表現可能存在先行—滯后關系，本文對網絡情緒與分散度進行了滯后多階的Granger因果檢驗。

由于篇幅有限，本文沒有顯示Granger檢驗的具體結果，留存?zhèn)渌?。結果顯示，一方面，在一定時期內分歧指數和參與指數都是分散度的Granger原因，但看漲指數不是分散度的Granger原因。而且，分歧指數和參與指數的變化能夠迅速反映在分散度的變動上，該影響長期存在。另一方面，分散度對看漲、分歧和參與指數的變化都無長期影響。該結果初步驗證了中小投資者網絡情緒對于羊群效應的變化具有一定的解釋力，也與產生羊群效應的理論解釋相契合。

此外，本文還對網絡情緒與股市收益率進行了Granger因果檢驗。結果顯示，收益率僅與參與指數在一定時期內存在因果關系。并且，收益率先行于投資者的參與熱情，股票價格變動能迅速反映在投資者參與信息交流的熱情上，而參與熱情對股票價格的影響具有較長時滯。這表明，股民參與情緒中所蘊含的市場信息滯后于股價收益率本身反映的市場信息。收益率不能影響股民未來看漲指數和分歧指數的變化，反之，看漲指數和分歧指數也不具備對收益率的預測能力。這表明發(fā)帖文本中蘊含的情緒信息（即看漲情緒與分歧情緒）與股價走勢不存在因果關系，可見，網絡證券論壇中的信息在一定程度上是噪聲信息。

（二）羊群效應的存在性檢驗結果

本部分檢驗整體羊群效應的存在性，結果如表2所示。從表2可以看出，γ2在0.50的分位數上顯著為正，在0.95的分位數上γ2顯著為負。這表明在整體水平上創(chuàng)業(yè)板存在明顯的逆向羊群效應，而在個股收益率極端分散時存在明顯的正向羊群效應。

表2結果說明，創(chuàng)業(yè)板中小投資者整體表現出對私人信息過于自信、對公眾信息反應不足的特點。這與早些年關于中國股市羊群效應的實證結果有較大差異，例如，Chang等[3]、孫培源和施東暉[24]與Tan等[25]研究發(fā)現，中國A股市場存在明顯的正向羊群效應。產生差異的原因可以歸結于三個方面：其一，Chan等[26]認為，中國政府近年來在推動股市自由化、促進信息公開、加強審計工作和推進企業(yè)公司治理等方面所做的努力取得一定成效，使得投資者整體的盲目從眾傾向明顯降低。其二，相比于中國A股市場投資者，創(chuàng)業(yè)板的個人投資者的投資經驗相對豐富。經驗投資者相對不易被他人的決策或者輿論所左右，從而減少了正向羊群行為。其三，Gervais和Odean[27]、李學峰和鐘林楠[28]研究發(fā)現，隨著投資經驗的積累，投資者可能愈發(fā)信任私人信息和個人判斷能力。那么，當投資者的經驗積累到一定程度時會產生過度自信并表現出逆向羊群行為。其實，近年來中國的網絡信息傳播技術快速普及，大幅擴大了消息傳播的范圍，因而投資者在獲取豐富信息的情況下不易產生從眾行為。

對比國際股市可以發(fā)現，股市逆向羊群效應是一個比較普遍的現象。Klein[21]與Kabir[29]用CSAD分散度指標對美國股市的日收益率數據進行了羊群效應檢驗。研究發(fā)現，在股市未發(fā)生重大危機的時期，γ2顯著大于零，說明美國股市在通常情況下同樣存在逆向羊群效應。Gebka和Wohar[20]綜合27個主要國家的股市數據，發(fā)現在國際范圍內也存在逆向羊群效應。本文結果支持了一般情況下投資者普遍過度自信的觀點。

另外，羊群效應在不同分位數下表現出差異化。盡管整體上“羊群”的運動方向是逆向的，但在個股收益率極端分散時（τ=0.95）“羊群”卻朝著一致的方向運動。本文基于創(chuàng)業(yè)板市場的結果與Chiang等[16]檢驗中國滬深股市的結果相悖，后者發(fā)現個股收益率與大盤走勢接近時的羊群效應更顯著。但本文結果與Bekiros等[17]用分位數回歸模型檢驗美國道瓊斯股市的結果相一致，即隨著分散度由低向高變動，羊群效應從逆向變?yōu)檎?。投資者只在一定安全范圍內過度自信，一旦個股收益率偏離大盤的程度超過一定閾值，股民對于私人信息的信心將明顯降低轉而更愿意信任市場共識，從而其投資行為由分散化決策轉變?yōu)楦S大流，投資風格從激進轉向保守。本文利用分位數回歸所顯示的分布信息，揭示了投資者行為在不同市場情形下的不一致性。

（三）網絡情緒對羊群效應影響的檢驗結果

考慮三種網絡情緒指標對羊群效應的影響后，得到的擴展后模型的分位數回歸結果如表3所示。從表3可以看出，γ2在0.05、0.10和0.50的分位數上顯著為正，在0.90和0.95的分位數上不顯著。這表明，在整體意義上創(chuàng)業(yè)板市場中存在顯著的逆向羊群效應，這與基本模型一致。但本文在個股收益率極端分散的情形下未能觀察到羊群效應，在個股收益率聚集在整體市場收益率附近的情形下觀察到更為顯著的逆向羊群行為。這一結果仍然支持了在不同市場情形下投資者行為的不一致性。

看漲指數的回歸系數γ4只在0.05的分位數上顯著為正，說明整體上看漲情緒的表達對個股收益率分散度影響很小。一方面，看漲情緒所表達的信息與羊群行為幾乎無關，反映出股民對股市走勢的樂觀判斷既不準確也不具有影響力，這支持了中國股市存在大量噪音交易者的觀點。另一方面，在個股收益率與整體市場收益率十分接近的情形下，看漲情緒與投資者逆向羊群行為呈現正相關關系，這符合從表2中得出的“投資者只在一定安全范圍內會過度自信”的結論。看漲情緒反映的是投資者對市場前景的預期，當投資者認為市場前景樂觀時，其風險意識可能降低，從而產生更強烈的過度自信心理。一旦個股股價變動偏離整體市場收益率的程度超過某個閾值，股民對于個人信念逐漸產生懷疑，并開始重視股市基本面信息，故此時看漲情緒將不能有效提振股民對于個人的自信心理。

分歧指數的回歸系數γ5在0.50分位數上顯著為負，說明整體上分歧意見的表達能夠降低分散度。隨著參與討論者的意見分歧程度擴大，投資者對于“領頭羊”的依賴程度將被削弱，同時對于私人信息準確性的信念也會弱化，這有助于中小投資者加深對整體信息的全面理解。因此，分歧程度一定程度上穩(wěn)定了投資者過度自信的非理性情緒，從而減弱其逆向羊群行為。

參與指數的回歸系數γ6在各個分位數上顯著為正，說明整體上參與討論的熱情能夠提高個股收益率偏離整體市場走勢的程度。當投資者參與論壇討論的熱情高漲時，股民所能獲取的信息更加豐富，因此，頻繁的信息交流有助于減輕投資者面臨的信息不對稱問題，從而減輕其盲目從眾的傾向。這一結果支持了Lin等[30]認為信息成本影響羊群效應的觀點，并且與鄭瑤等[14]得出網絡信息交流能減弱股市羊群效應的實證結果一致。然而，本文結果并不意味著參與網絡論壇討論的熱情總是可以對糾正羊群行為起到積極作用?？紤]到創(chuàng)業(yè)板整體上存在著逆向羊群效應，參與熱情有可能進一步加深投資者對某些觀點的有限關注，從而惡化其非理性行為。

（四）網絡情緒對羊群效應影響的非對稱性檢驗結果

根據股市狀況分組，檢驗市場中羊群效應的對稱性，結果如表4和表5所示?？梢钥吹剑≧Dm，t）2的回歸系數γD2和（RUm，t）2的回歸系數γU2在0.50的分位數水平上均大于零，但都不顯著。這表明，無論是股市處于上行或下行階段，整體上股民都沒有表現作出一致性決策的傾向。從回歸系數的相對大小看，γU2比γD2更大而且t統(tǒng)計值更高，特別在個股收益率的分散程度較低時

對R2m，t的系數進行Wald檢驗，結果顯示，當τ=0時拒絕γD2=γU2的原假設。本文有關非對稱性的討論都通過了相應的Wald檢驗。，這說明整體而言股票價格上漲時投資者更容易出現逆向羊群效應。這也與以往研究結果相類似，比如Christie和Huang[17]、Chang等[3]、宋軍和吳沖鋒[4]、Chiang等[18]、馬麗[27]、Bekiros等[19]也觀察到股市下行時更易產生正向羊群效應。本文結果印證了Kahneman和Tversky[36]提出的投資者面對損失和收益的態(tài)度有所不同的觀點，以及Barberis等[37]指出的投資者風險規(guī)避程度是依狀態(tài)存在的觀點。Gul[38]、Benartzi和Thaler[39]認為，由于投資者遭受一單位虧損所減少的邊際效用大于一單位盈利所增加的邊際效用，投資者面對損失的風險規(guī)避程度將會增加。因此，當投資者面臨股票價格上漲會表現得更加自信，容易基于個人信念做出交易決策而忽視市場基本面信息。然而，當投資者面臨股市利空的壓力時，其投資風格趨于保守，甚至“一窩蜂地向高質量資產逃竄”，因此，逆向羊群效應相對較弱，而傾向于從眾式的正向羊群行為。

γD2和γU2在分散度的高分位數（τ=0.95）上都顯著為負。這表明，無論股票價格下跌還是上漲，在個股收益率極端分散時都出現正向羊群效應。這一結果反映出投資者在市場極端情況下的投資行為的反差，即個股收益率與整體市場走勢極端接近和極端偏離時的羊群效應不一致。這與基本模型所展示的羊群效應分布信息相類似，即當個股收益率偏離市場走勢的程度超過一定范圍時，投資者開始放棄個人信念，轉而跟隨大流，表現為“狂熱追漲”和“恐慌殺跌”。從回歸系數的相對大小看，分散度較高時γU2比γD2的t統(tǒng)計量更顯著，說明在個股收益率極端分散時，利好情形下的從眾行為更加突出，股民投資行為從過度自信向從眾跟風的轉變更為劇烈。這也與中國股市上各行業(yè)股票每隔一段時間輪流領漲的現象基本吻合。該結果與Bekiros等[19]檢驗美國股市得到的結果相悖。Bekiros等[19]發(fā)現，同樣在個股收益率極端分散時，股市利空情形下的羊群效應更加顯著。這一差異與中國股市中小投資者占比大并且鮮有明確的止損策略有關，在整個市場層面上中國股民普遍對利好信息的反應更強。由此，在股市利好情況下，中國股市“羊群”的運動方向由逆向正的轉變更加猛烈。

從看漲情緒看，回歸系數γD4和γU4在整體上（τ=0.50）不顯著，這與不區(qū)分股市利好和利空所得到的結果相一致。不同的是，當個股收益率極端分散時（τ=0.95），γD4顯著為正，而γU4顯著為負。這表明，看漲情緒能夠在股市下行時提高分散度，但在股市上行時降低分散度。注意到當個股收益率的分散程度很高時，利好和利空股市都存在顯著的正向羊群效應。據此可以判斷，看漲情緒在股市利空時能夠減弱從眾式的正向羊群效應，在股市利好時卻能進一步加深正向羊群效應。這一結果說明了兩點問題：其一，在市場本身存在羊群效應的情況下，市場共識里所傳遞的看漲情緒信息得到了股市投資者的足夠重視，并能夠顯著影響其投資行為。其二，在市場本身存在羊群效應的情況下，當股市下行時，看漲情緒的傳遞能防止悲觀情緒進一步蔓延，從而減少股民的從眾拋售行為。當股市上行時，群體所表達的看漲情緒能鞏固股民對市場走勢的樂觀態(tài)度，從而加強股民的跟風買入行為。

從分歧情緒看，股市下行階段的回歸系數γD5在整體上（τ=0.50）不顯著，股市上行階段的回歸系數γU5在整體上（τ=0.50）顯著為負。這表明股市上行時，分歧情緒能在一定程度上減輕逆向羊群效應。在τ=0.10上，系數γD5顯著為負，且通過Wald檢驗發(fā)現，γD5顯著小于γU5?？梢?，分歧情緒降低個股收益率分散程度的作用在股市下行階段更強。股市利空時，網絡論壇中分歧意見的表達能夠一定程度上穩(wěn)定投資者過度自信的非理性情緒。但當股市利好時，市場中的分歧意見未被投資者吸收接納，表現為分歧情緒改變投資者逆向羊群行為的效果較弱。

從參與熱情的結果看，有三點值得注意：第一，股市下行階段的回歸系數γD6在整體上（τ=0.50）不顯著，只在高分位上（τ=0.90）顯著為正，而股市上行階段的回歸系數γU6在整體上（τ=0.50）和高分位水平上（τ=0.90和τ=0.95）都顯著為正。這表明，整體上參與熱情發(fā)揮提高分散度的作用主要體現在股市上行階段。第二，理論上，參與討論的熱情能通過促進信息交流來緩解信息不對稱，從而降低投資者非理性程度。但實際上，這種信息交流未能促使投資者形成理性判斷，參與交流的熱情甚至加深了投資者的逆向羊群行為（Rm，t>0，τ=0.50）。這一結果可能與網絡中大量的噪聲信息以及投資者自身的盲目自信有關。第三，參與交流的熱情能有效減弱“追漲”型正向羊群效應（Rm，t>0，τ=0.95），但不能有效減弱“殺跌”型正向羊群行為（Rm，t<0，τ=0.95）?？赡艿脑蚴牵啾扔谡嫦?，投資者對負面消息更加重視、反應更加強烈。那么，加強信息交流既使增加了投資個體可獲得的信息量，也不易降低其從眾“殺跌”的傾向。這一結果可視為股市信息沖擊下“杠桿效應”在微觀層面的體現。

四、穩(wěn)健性檢驗

考慮到金融市場中投資者對于高風險要求更高的風險補償，故條件均值回歸的結果存在異方差性。運用EGARCH模型可以減小異方差性，同時還可以擬合股市下行波動率更大的特點，從而保證計量結果具有良好的準確性。為此，本文使用EGARCH（1，1）檢驗前述結論的穩(wěn)健性，具體模型如下：

其中，第一行是均值方程，第二行是條件方差方程，σ2t是殘差εt的條件方差?；貧w結果見表6所示。從表6可以看出，R2m，t的回歸系數在0.01水平上顯著為負，表明中國中小投資者在創(chuàng)業(yè)板市場中，整體上存在逆向羊群效應?？礉q指數、分歧指數和參與指數的回歸系數分別不顯著、顯著為負和顯著為正，表明整體上分歧指數能減輕逆向羊群效應，參與指數能加深逆向羊群效應，看漲指數對羊群行為幾乎無影響。可見，該穩(wěn)健性檢驗的結果支持了本文結論。

五、研究結論

2008年全球金融危機以來，各界注意到以投資交易者為主導的資本市場群體恐慌性踩踏與金融危機的爆發(fā)密切相關。從行為金融學的角度看，一個重要原因就是投資者非理性地受到情緒影響而產生羊群效應。為檢驗網絡情緒對股市羊群效應的影響，本文選取2016年10月10日至2017年9月29日中國創(chuàng)業(yè)板指數成分股收益率數據和東方財富網股吧發(fā)帖文本進行經驗研究，得出以下結論：第一，整體上，網絡情緒能夠影響股市中羊群效應的大小。網絡情緒顯示出噪聲信息的特點，雖然不能影響股價變動，但是能夠影響股市投資者的有限理性程度。網絡分歧情緒通過削弱投資者對“領頭羊”依賴以及對私人信息的過度自信，從而減輕逆向羊群效應。參與熱情通過促進信息交流、降低信息獲取成本，從而減輕正向羊群效應。網絡看漲情緒整體上對羊群效應無明顯影響。

第二，不同股市狀態(tài)下，網絡情緒對股市羊群效應的影響具有非對稱性。當股市收益率極端分散時，看漲情緒在股市利好時能夠加深正向羊群效應，在股市利空時能夠減弱正向羊群效應。相比于股市上漲時期，股市下跌時期的羊群效應受分歧情緒的影響更大。相比于股市下跌時期，股市上漲時期的羊群效應受參與熱情的影響更大。

第三，促進網絡信息互動并不一定總是減弱投資者的有限理性。參與網絡證券論壇討論的熱情高漲既能降低正向羊群效應，也能加深逆向羊群效應。這說明參與熱情雖然促進了信息交流，但是能夠加深中小投資者對某些觀點的有限關注，導致他們更容易忽視基本面信息?；诖耍胍l(fā)揮網絡信息互動對于提高投資者理性的積極作用，信息質量比信息數量更關鍵。

為了加強金融系統(tǒng)風險管理和提高證券市場運行效率，基于本文的研究結論，應重點做好以下幾個方面的工作：一是重視投資者的情緒反饋，可嘗試使用網絡情緒信息監(jiān)測中小投資者的羊群行為。二是依據市場狀態(tài)對中小投資者做出適當的理性引導和情緒引導。鑒于熊市中的羊群效應對網絡情緒的敏感性較弱，簡單地促進網絡信息交流可能無法有效地降低其羊群行為，因此，監(jiān)管部門在股市下行時需要做出更大力度的響應。三是構建開放的網絡證券信息交流環(huán)境，同時加強網絡信息監(jiān)管，嚴懲網絡上的虛假信息和煽動性信息。四是推動注冊制改革和提高機構投資者占比，讓市場來選擇真正具有價值的優(yōu)質企業(yè)。此外，還要進行適當的投資者教育，倡導長期投資理念和價值投資理念，從而與注冊制形成良性循環(huán)，促進股市健康發(fā)展。五是重要媒體和有關部門要減少對股市的直接干預，不為股市做背書，著力消除中國股市的政策市特征。這樣，可以有效避免投資者將損失責任推給政府和市場，而不愿意為自己的非理性行為承擔責任。

參考文獻：

[1]Kaminsky， G.， Schmukler， S.What Triggers Market Jitters？ A Chronicle of the Asian Crisis [J].Journal of International Money and Finance， 1999， 18（4）： 537-560.

[2]陳彥斌， 劉哲希.推動資產價格上漲能夠“穩(wěn)增長”嗎？——基于含有市場預期內生變化的DSGE模型[J].經濟研究， 2017，（7）：49-64.

[3]Chang， E.C.， Cheng， J.W.，Khorana，A.An Examination of Herd Behavior in Equity Markets： An International Perspective [J].Journal of Banking & Finance， 2000， 24（10）：1651-1679.

[4]宋軍， 吳沖鋒.基于分散度的金融市場的羊群行為研究[J].經濟研究，2001，（11）：21-27.

[5]Antweiler， W.， Frank， M.Z.Is All That Talk Just Noise？ The Information Content of Internet Stock Message Boards[J].The Journal of Finance， 2004， 59（3）：1259-1294.

[6]Bollen， J.， Mao， H.， Zeng， X.Twitter Mood Predicts the Stock Market [J].Journal of Computational Science， 2011， 2（1）：1-8.

[7]饒育蕾， 王攀.媒體關注度對新股表現的影響——來自中國股票市場的證據[J].財務與金融，2010，（3）：1-7.

[8]Das， S.R.， Chen， M.Y.Yahoo！ for Amazon： Sentiment Extraction From Small Talk on the Web [J].Management Science， 2007， 53（9）： 1375-1388.

[9]俞慶進， 張兵.投資者有限關注與股票收益——以百度指數作為關注度的一項實證研究[J].金融研究，2012，（8）：152-165.

[10]Li， Q.， Wang， T.J.The Effect of News and Public Mood on Stock Movements [J].Information Sciences， 2014， 278（9）： 826-840.

[11]孟志青， 鄭國杰， 趙韻雯.網絡投資者情緒與股票市場價格關系研究——基于文本挖掘技術分析[J].價格理論與實踐，2018，（8）：127-130.

[10]Delort，J.Y.， Arunasalam， B.， Leung， H.The Impact of Manipulation in Internet Stock Message Boards [J].International Journal of Banking and Finance， 2011， 8（4）： 1-18

[11]Park， J.， Konana， P.， Gu， B.Confirmation Bias， Overconfidence and Investment Performance： Evidence From Stock Message Boards[R].McCombs Research Paper Series No.IROM-07-10，2010.

[12]趙靜梅， 何欣， 吳風云.中國股市謠言研究：傳謠、辟謠及其對股價的沖擊[J].管理世界，2010，（11）：38-51.

[13]董大勇， 肖作平.證券信息交流家鄉(xiāng)偏誤及其對股票價格的影響：來自股票論壇的證據[J].管理世界，2011，（1）：52-61.

[14]鄭瑤 ，董大勇， 朱宏泉.網絡證券信息交流減弱股市羊群效應嗎：基于中國證券市場的分析[J].管理評論，2015，（6）：58-67.

[15]Christie，W.G.， Huang， R.D.Following the Pied Piper： Do Individual Returns Herd Around the Market？ [J].Financial Analysts Journal， 1995， 51（4）： 31-37.

[16]Chiang， T.C.， Li， J.， Tan， L.Empirical Investigation of Herding Behavior in Chinese Stock Markets： Evidence From Quantile Regression Analysis [J].Global Finance Journal， 2010， 21（1）：111-124.

[17]Bekiros， S.， Jlassi， M.， Lucey， B.Herding Behavior， Market Sentiment and Volatility： Will the Bubble Resume [J].North American Journal of Economics and Finance， 2017， （42）： 107-131.

[18]Venezia， I.， Nashikkar， A.， Shapira， Z.Firm Specific and Macro Herding by Professional and Amateur Investors and Their Effects on Market Volatility[J].Journal of Banking & Finance， 2011， 35（7）：1599-1609.

[19]Loughran， T.， McDonald， B.When Is a Liability not a Liability？ Textual Analysis， Dictionaries， and 10-Ks [J].Journal of Finance， 2011， 66（1）： 35-65.

[20]Gebka， B.， Wohar， M.E.International Herding： Does It Differ Across Sectors？ [J].Journal of International Financial Markets， Institutions & Money， 2013， 23（1）：55-84.