摘? ?要：采用股吧發(fā)帖量衡量個(gè)股投資者關(guān)注度，并構(gòu)建了市場(chǎng)整體的關(guān)注度指標(biāo)以及關(guān)注度風(fēng)險(xiǎn)因子，通過(guò)對(duì)市場(chǎng)整體以及異質(zhì)性股票的實(shí)證檢驗(yàn)，結(jié)果發(fā)現(xiàn)：（1）總體關(guān)注度指標(biāo)只對(duì)當(dāng)期市場(chǎng)收益率有影響，對(duì)未來(lái)預(yù)測(cè)能力的影響并不顯著，同時(shí)投機(jī)性較強(qiáng)的股票對(duì)關(guān)注度指標(biāo)的敏感性更高;（2）在控制了現(xiàn)有定價(jià)因子（MKT、SMB、HML、MOM、ILLIQ）后，關(guān)注度因子仍然能夠獲得顯著的正阿拉法收益;（3）多因子回歸結(jié)果顯示關(guān)注度因子對(duì)投資組合收益率有顯著的解釋能力，說(shuō)明關(guān)注度因子能夠?yàn)楝F(xiàn)有的定價(jià)模型帶來(lái)增量信息?？傮w來(lái)看，采用個(gè)股關(guān)注度簡(jiǎn)單加權(quán)的市場(chǎng)總體關(guān)注度指標(biāo)并不能對(duì)市場(chǎng)收益率進(jìn)行有效預(yù)測(cè)，但是采用分組排序法構(gòu)造的關(guān)注度因子卻對(duì)市場(chǎng)收益率具有較強(qiáng)的解釋能力。

關(guān)鍵詞：投資者關(guān)注;投資者情緒;資產(chǎn)定價(jià);風(fēng)險(xiǎn)定價(jià);風(fēng)險(xiǎn)因子

中圖分類號(hào)：F830.91? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2021）04-0060-09

DOI：10.19647/j.cnki.37-1462/f.2021.04.009

一、引言

有效市場(chǎng)理論認(rèn)為投資者是理性的，但是行為金融學(xué)卻指出投資者容易受到自身情緒的影響，從而使得資產(chǎn)價(jià)格偏離其內(nèi)在價(jià)值，致使金融市場(chǎng)非有效。常用來(lái)衡量投資者情緒的方法包括直接調(diào)查以及利用間接指標(biāo)兩種，其中直接調(diào)查是調(diào)查機(jī)構(gòu)直接詢問(wèn)被訪者對(duì)經(jīng)濟(jì)或市場(chǎng)的觀點(diǎn)，常見的有密西根大學(xué)消費(fèi)者情緒指數(shù)、UBS/GALLUP投資者樂(lè)觀指數(shù)等;間接指標(biāo)主要是基于市場(chǎng)交易數(shù)據(jù)，常見的有交易量、封閉式基金折溢價(jià)、IPO、VIX、共同基金資金流入等。相對(duì)于直接調(diào)查，間接指標(biāo)能夠獲得相對(duì)高頻的數(shù)據(jù)，但是間接指標(biāo)的變動(dòng)可能是由于經(jīng)濟(jì)形勢(shì)而不是情緒造成的，從而出現(xiàn)估計(jì)錯(cuò)誤。Qiu和Welch（2006）[1]指出，怎樣用輸出變量來(lái)衡量“輸入→輸出”的過(guò)程，顯然間接指標(biāo)就是輸出變量，而投資者情緒卻是影響輸入到輸出的過(guò)程變量。但是，直接指標(biāo)就一定有效嗎？一方面，調(diào)查情緒往往只有月度或季度數(shù)據(jù)，無(wú)疑限制了分析的及時(shí)性和實(shí)際應(yīng)用過(guò)程中的可操作性;另一方面，被調(diào)查者往往不會(huì)仔細(xì)或準(zhǔn)確地回答問(wèn)題，尤其當(dāng)問(wèn)題過(guò)于敏感的時(shí)候，比如“你是否失業(yè)了”“貴公司是否面臨困境”等（Singer，2002）[2]。

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，采用網(wǎng)絡(luò)數(shù)據(jù)可以直接對(duì)投資者情緒進(jìn)行衡量。相對(duì)于調(diào)查情緒，網(wǎng)絡(luò)情緒更為高頻、準(zhǔn)確和有效。如Da等（2011）[3]最早采用谷歌搜索指數(shù)代表的投資者關(guān)注度來(lái)衡量市場(chǎng)情緒;Loughran和McDonald（2011）[4]通過(guò)對(duì)網(wǎng)絡(luò)媒體信息進(jìn)行文本分析，提取出投資者情緒，并對(duì)未來(lái)的股票波動(dòng)進(jìn)行預(yù)測(cè)。但是，鑒于很多搜索行為的發(fā)起者不一定是證券市場(chǎng)投資者，如可能只是關(guān)注公司的產(chǎn)品或者工作機(jī)會(huì)等，因此，搜索指數(shù)的噪聲仍然較大。相對(duì)于搜索指數(shù)，股吧作為投資者交流的平臺(tái)，其參與者幾乎都是證券投資者，因此，采用股吧數(shù)據(jù)來(lái)衡量投資者關(guān)注度無(wú)疑更為準(zhǔn)確。但由于我國(guó)股市投機(jī)氛圍較重，莊股較多，股吧中散布的虛假信息也較多，因此，采用文本分析有時(shí)反而不能得到準(zhǔn)確的信息。鑒于此，本文聚焦于股吧中個(gè)股的發(fā)帖量來(lái)對(duì)投資者關(guān)注進(jìn)行衡量，既可以較準(zhǔn)確地衡量出投資者的情緒，也可以避免文本中過(guò)多的虛假信息。本文基于個(gè)股數(shù)據(jù)構(gòu)造了投資者整體關(guān)注度指標(biāo)，研究了其對(duì)市場(chǎng)的影響，并采用分組排序法構(gòu)建了基于關(guān)注度的風(fēng)險(xiǎn)因子，驗(yàn)證了其在股票市場(chǎng)中的定價(jià)能力。相對(duì)于已有研究，本文既是對(duì)行為金融學(xué)理論的有力補(bǔ)充，也可以為投資管理實(shí)踐提供較強(qiáng)的現(xiàn)實(shí)指導(dǎo)。

二、文獻(xiàn)綜述

（一）行為金融學(xué)的理論基礎(chǔ)

傳統(tǒng)金融學(xué)假設(shè)投資者都是理性的，依照預(yù)期效用最大化來(lái)進(jìn)行決策，因此，股票的價(jià)格應(yīng)該等于未來(lái)全部現(xiàn)金流的現(xiàn)值。但Shiller（1981）[5]的研究表明，股價(jià)的波動(dòng)遠(yuǎn)高于公司未來(lái)現(xiàn)金流的波動(dòng);De Bondt和Thaler（1985）[6]指出一些投資策略可以獲得風(fēng)險(xiǎn)水平無(wú)法匹配的超額收益;DeLong等（1990）[7]更是認(rèn)為，噪聲交易者會(huì)基于情緒做出投資決策，而套利交易者會(huì)遭遇套利限制，因此，情緒變動(dòng)會(huì)導(dǎo)致噪聲交易、錯(cuò)誤定價(jià)以及超額的市場(chǎng)波動(dòng)。這些實(shí)證發(fā)現(xiàn)都和傳統(tǒng)金融學(xué)理論相左，行為金融學(xué)則對(duì)這些異象進(jìn)行了很好的解釋。

行為金融學(xué)認(rèn)為人們的信念并不是完全理性的，容易產(chǎn)生過(guò)度外推（extrapolation）和過(guò)度自信（overconfidence）（Eyster等，2019）[8]，且認(rèn)知限制（cognitive limits）會(huì)導(dǎo)致投資者無(wú)法對(duì)全部信息進(jìn)行及時(shí)處理（Dellavigna和Pollet，2009）[9]。對(duì)于決策偏好，行為金融學(xué)認(rèn)為人們?cè)谧鰶Q策時(shí)也難以做到完全理性，因此，前景理論（prospect theory）以及模糊厭惡（ambiguity aversion）能夠比預(yù)期效用理論更好地描述人如何在不確定條件下做決策（Ingersoll和Jin，2013）[10]?？傮w而言，行為金融學(xué)是從微觀個(gè)體行為以及產(chǎn)生這種行為的心理動(dòng)因來(lái)解釋、研究和預(yù)測(cè)金融市場(chǎng)的發(fā)展。這一研究視角認(rèn)為投資行為其實(shí)很大程度上受投資者的情緒左右，情緒和認(rèn)知偏差的存在使投資者無(wú)法做到理性預(yù)期和效用最大化，造成市場(chǎng)非有效和資產(chǎn)價(jià)格偏離內(nèi)在價(jià)值，從而可能進(jìn)一步導(dǎo)致金融市場(chǎng)整體產(chǎn)生系統(tǒng)性偏差（周亮，2017）[11]。因此，從21世紀(jì)初期開始，投資者情緒引起了學(xué)術(shù)界的廣泛關(guān)注。

（二）投資者情緒的實(shí)證研究

早期的研究主要關(guān)注股票市場(chǎng)中投資者情緒的作用，發(fā)現(xiàn)投資者情緒能夠顯著影響股票的橫截面收益率（Baker和Wurgler，2006;Huang等，2015）[12，13]。隨后有學(xué)者將投資者情緒引入其他資本市場(chǎng)，Nayak（2010）[14]研究了投資者情緒對(duì)企業(yè)債券利差的影響，Simon和Wiggins（2001）[15]、Wang（2004）[16]研究了投資者情緒對(duì)股指期貨市場(chǎng)的影響，Bahloul和Bouri（2015）[17]、周亮（2019）[18]研究了投資者情緒對(duì)商品期貨市場(chǎng)的影響。但是，投資者情緒對(duì)資產(chǎn)收益的影響方向卻有不同的研究結(jié)果，Ben-Rephael等（2012）[19]、文鳳華等（2014）[20]等學(xué)者認(rèn)為投資者情緒對(duì)資產(chǎn)收益有正向影響;Aissia（2014）[21]的研究卻表明投資者情緒是資產(chǎn)收益的反向預(yù)測(cè)指標(biāo);周亮（2017）[11]發(fā)現(xiàn)投資者情緒對(duì)短期股票指數(shù)有反方向影響，對(duì)跨期的股票指數(shù)有正方向影響。

對(duì)股市投資者情緒的度量主要包括：采用市場(chǎng)調(diào)查等方式獲取消費(fèi)者對(duì)市場(chǎng)漲跌看法的直接指標(biāo)法（Lemmon和Portniaguina，2006;余佩琨和鐘瑞軍，2009）[22，23]，以及采用如基金資金凈流入、換手率、新增投資者開戶數(shù)等客觀指標(biāo)來(lái)反映投資者情緒的間接指標(biāo)法（Delong，1990;Baker和Wurgler，2006;池麗旭等，2012）[7，12，24]。由于商品和債券市場(chǎng)的信息數(shù)量要少于股票市場(chǎng)，因此，對(duì)這兩個(gè)市場(chǎng)投資者情緒的度量，大體可以歸類為基于市場(chǎng)自身的數(shù)據(jù)（Simon和Wiggins，2001）[15]及基于交易者的數(shù)量（楊陽(yáng)和萬(wàn)迪昉，2010;陳標(biāo)金和譚瑩，2017）[25，26]兩種。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，很多學(xué)者通過(guò)微博、財(cái)經(jīng)論壇等社交媒體來(lái)提取投資者情緒指標(biāo)（Da等，2015;Dimpfl和Kleiman，2016;易洪波等，2015）[27-29]。

（三）簡(jiǎn)要述評(píng)及創(chuàng)新之處

綜上可以看到，國(guó)內(nèi)外學(xué)者對(duì)行為金融學(xué)尤其是投資者情緒的測(cè)度及影響方面進(jìn)行了大量的研究，并得到了很多一致的結(jié)論，正如Baker和Wurgler（2007）[30]所指出的，投資者情緒會(huì)影響股票價(jià)格，這是毫無(wú)異議的，唯一存在爭(zhēng)論的是如何去度量投資者情緒以及量化它的影響。隨著互聯(lián)網(wǎng)的發(fā)展，相對(duì)于傳統(tǒng)的直接調(diào)查和間接指標(biāo)，用投資者的網(wǎng)絡(luò)行為來(lái)衡量投資者情緒更為直接和準(zhǔn)確，因此，越來(lái)越多的研究聚焦于互聯(lián)網(wǎng)大數(shù)據(jù)的挖掘。但是，網(wǎng)絡(luò)數(shù)據(jù)也存在噪聲，如搜索行為可能并不是由投資者發(fā)起、文本信息包含大量虛假信息等，因此，本文擬聚焦于投資者在金融論壇的發(fā)帖行為，用發(fā)帖數(shù)量來(lái)衡量投資者關(guān)注度，并研究其對(duì)股票市場(chǎng)的影響。相對(duì)于已有的研究，本文的主要?jiǎng)?chuàng)新之處在于：一是利用大數(shù)據(jù)挖掘技術(shù)，聚焦于投資者的發(fā)帖行為，通過(guò)投資者關(guān)注度的變化能夠更準(zhǔn)確地衡量出投資者情緒;二是利用個(gè)股投資者關(guān)注度數(shù)據(jù)，構(gòu)造出了投資者關(guān)注度定價(jià)因子，并通過(guò)資產(chǎn)定價(jià)模型驗(yàn)證了該因子的有效性，補(bǔ)充和完善了現(xiàn)有資產(chǎn)定價(jià)理論。

三、研究設(shè)計(jì)

（一）投資者關(guān)注度的構(gòu)建

東方財(cái)富股吧是目前我國(guó)股市投資者最主要的交流平臺(tái)，因此，本文通過(guò)設(shè)計(jì)爬蟲程序，收集東方財(cái)富股吧中個(gè)股的發(fā)帖量來(lái)對(duì)個(gè)股投資者關(guān)注進(jìn)行衡量。主要包括以下步驟：第一步，利用爬蟲程序獲取樣本區(qū)間內(nèi)每只個(gè)股每周的發(fā)帖數(shù)量總和;第二步，取個(gè)股周發(fā)帖數(shù)的對(duì)數(shù)差作為個(gè)股關(guān)注度的原始指標(biāo);第三步，考慮到個(gè)股關(guān)注度的極端值較多，因此，進(jìn)行5%縮尾得到最終的個(gè)股關(guān)注度[Attentioni，t]（其中i表示個(gè)股，t表示時(shí)間）;第四步，采用等權(quán)重法構(gòu)造出市場(chǎng)總體的投資者關(guān)注度指標(biāo)[AttentionEWt]，同時(shí)采用市值加權(quán)法構(gòu)造出關(guān)注度指標(biāo)[AttentionVWt]，檢驗(yàn)[AttentionEWt]的穩(wěn)健性（兩者相關(guān)系數(shù)高達(dá)0.98）。

我國(guó)股市可以分為主板、中小板、創(chuàng)業(yè)板及科創(chuàng)板等板塊，相對(duì)于其他板塊，在創(chuàng)業(yè)板發(fā)行上市的大多是科技型企業(yè)，這些企業(yè)規(guī)模普遍較小，所處行業(yè)發(fā)展較快，估值普遍較高，更容易受到投資者情緒或者市場(chǎng)關(guān)注度的影響?？苿?chuàng)板雖然與創(chuàng)業(yè)板較為相似，但是上市時(shí)間過(guò)短，數(shù)據(jù)量過(guò)小，因此，本文選擇創(chuàng)業(yè)板上市公司作為分析對(duì)象。由于創(chuàng)業(yè)板2009年10月30號(hào)才上市，到2010年12月31日上市公司數(shù)量只有160余家，因此，本文的樣本區(qū)間為2011年1月—2019年8月。相對(duì)于日數(shù)據(jù)的波動(dòng)頻繁以及月數(shù)據(jù)的相對(duì)滯后，周數(shù)據(jù)的穩(wěn)定性及可操作性更強(qiáng)，因此，本文最終選擇了樣本區(qū)間的所有周數(shù)據(jù)進(jìn)行分析，共443周。

圖1報(bào)告了創(chuàng)業(yè)板指數(shù)與[AttentionEWt]在樣本區(qū)間的走勢(shì)圖，可以看到，在2015年6月創(chuàng)業(yè)板指數(shù)達(dá)到牛市頂點(diǎn)時(shí)，投資者關(guān)注度也達(dá)到了階段性高點(diǎn);而在隨后的反彈高點(diǎn)處（2015年12月），投資者關(guān)注度同樣處于階段性高點(diǎn);在近期的一個(gè)小高點(diǎn)處（2019年4月），投資者關(guān)注度同樣達(dá)到了一個(gè)小高點(diǎn)。說(shuō)明從走勢(shì)上看，投資者關(guān)注度與市場(chǎng)指數(shù)間存在著一定的關(guān)聯(lián)性。但是，從圖1也可以看出，兩者之間的走勢(shì)也存在著很多不相吻合的地方，如2017年8月和2017年10月相繼出現(xiàn)了關(guān)注度的最小值和最大值，而創(chuàng)業(yè)板指卻沒有明顯的波動(dòng)。因此，要更深入地探究投資者關(guān)注度與市場(chǎng)指數(shù)間的關(guān)系，需要建立更準(zhǔn)確的實(shí)證模型。

（二）模型設(shè)計(jì)與數(shù)據(jù)描述

1. 投資者關(guān)注與指數(shù)收益率。為了檢驗(yàn)投資者關(guān)注度對(duì)市場(chǎng)指數(shù)的影響，本文設(shè)計(jì)了如下模型：

其中[Rt+k]為市場(chǎng)指數(shù)收益率，k表示對(duì)市場(chǎng)收益率的向前預(yù)測(cè)，其中，k=0表示投資者關(guān)注度對(duì)市場(chǎng)指數(shù)收益率當(dāng)期的影響，k=1表示投資者關(guān)注度對(duì)市場(chǎng)指數(shù)下一期收益率的影響，依次類推，本文實(shí)證中對(duì)k分別設(shè)定為0、1、2、3;[Controli，t]代表一系列控制變量，參考周亮（2017）[11]等學(xué)者的研究，采用工業(yè)增加值（IVA）、CPI、M2增速、SHIBOR利率（采用7天利率的周平均值）、期限利差（Spread，用10年期國(guó)債收益率與1年期國(guó)債收益率的差值表示）等作為控制變量。表1報(bào)告了各變量的描述性統(tǒng)計(jì)情況，可以看到，指數(shù)收益率、等權(quán)重關(guān)注度和市值加權(quán)關(guān)注度的均值均接近于0，中位值均大于0，而偏度顯示三個(gè)序列均為左偏，下尾更長(zhǎng)。

2. 投資者關(guān)注與股票異質(zhì)性。投資者關(guān)注除了會(huì)對(duì)股票指數(shù)產(chǎn)生影響之外，還會(huì)對(duì)異質(zhì)性股票產(chǎn)生不同的影響。本文采用總體關(guān)注度分析其對(duì)異質(zhì)性股票的影響差異，根據(jù)不同特征（比如根據(jù)市值、估值、波動(dòng)率等指標(biāo)）將所有股票按照從小到大的順序分為10組，對(duì)每組股票采用等權(quán)重的方式構(gòu)造投資組合，并將（1）式中的[Rt+k]替換成不同異質(zhì)性股票組合的收益率，考察[β]系數(shù)在不同分組中的差異，結(jié)果見圖2。

除此以外，相對(duì)于其他很多學(xué)者的研究，本文所研究的投資者關(guān)注度指標(biāo)是基于個(gè)股數(shù)據(jù)獲得的，因此，可以直接利用個(gè)股數(shù)據(jù)分析投資者關(guān)注對(duì)股票收益及股票特征的影響。表2報(bào)告了不同程度投資者關(guān)注下股票特征的變化情況，從1到10依次表示投資者關(guān)注從最低到最高的分組，最后一行表示最高組與最低組間的差異，括號(hào)內(nèi)為t檢驗(yàn)值。借鑒Da等（2015）[27]等學(xué)者的研究，本文選擇了如下股票特征進(jìn)行分析：（1）規(guī)模（Scale）。采用股票流通市值來(lái)表示。（2）估值（Value）。采用市凈率來(lái)衡量，如果市凈率小于0，則縮尾到0。（3）市場(chǎng)貝塔（StockBeta）。市場(chǎng)貝塔主要用來(lái)衡量股票的系統(tǒng)性風(fēng)險(xiǎn)，通過(guò)過(guò)去一年個(gè)股周收益率和市場(chǎng)指數(shù)周收益率計(jì)算得到，計(jì)算公式為[βi=cov（Ri，RM）var（RM）]，其中[Ri]為個(gè)股收益率序列，[RM]為市場(chǎng)指數(shù)收益率序列，cov和var分別表示計(jì)算協(xié)方差和方差。（4）股價(jià)（Price）。采用股票的前復(fù)權(quán)收盤價(jià)格來(lái)表示。（5）波動(dòng)率（RangeVol）。考慮到極差波動(dòng)率在度量股票風(fēng)險(xiǎn)時(shí)也能體現(xiàn)出較好的效果，因此，采用計(jì)算相對(duì)簡(jiǎn)單的極差波動(dòng)率來(lái)衡量個(gè)股風(fēng)險(xiǎn)，計(jì)算公式為[σrng，i=14Nln2i=1N（lnhili）2]，其中[hi]為某段時(shí)間的最高價(jià)，[li]為某段時(shí)間的最低價(jià)。（6）換手率（Turnover）。采用周成交額除以流通市值來(lái)衡量。（7）動(dòng)量（Mom）。借鑒Carhart（1997）[31]的構(gòu)造方法，采用前12個(gè)月股票收益率（即48周）來(lái)衡量。（8）非流動(dòng)性（ILLIQ）。采用Amihuid（2002）[32]的非流動(dòng)性指標(biāo)來(lái)衡量，計(jì)算公式為[ILLIQi=RiVoli]，其中[Ri]為個(gè)股收益率，[Voli]為個(gè)股成交量。

從表2第1列可以看出，最低投資者關(guān)注組的流通市值平均值為41.65億，最高投資者關(guān)注組的流通市值平均值為43.69億，最后一行顯示最高最低組間差值為2.04億，t檢驗(yàn)值僅為1.07，說(shuō)明兩者之間并無(wú)顯著差異，即不同投資者關(guān)注度股票間的市場(chǎng)規(guī)模不存在顯著差異。同樣可以發(fā)現(xiàn)，不同投資者關(guān)注度股票間的估值（BookToMarket）、市場(chǎng)貝塔（StockBeta）、價(jià)格（Price）和動(dòng)量（Mom）并無(wú)顯著差異，但是其波動(dòng)率（RangeVol）、換手率（Turnover）及非流動(dòng)性（ILLIQ）卻存在顯著差異，表現(xiàn)為高投資者關(guān)注度股票的波動(dòng)率更大、換手率更高、非流動(dòng)性更明顯，波動(dòng)率大、換手率高、流動(dòng)性較差的股票往往是投機(jī)性更強(qiáng)的股票，也就說(shuō)明投資者關(guān)注度越高的股票投機(jī)程度也越高，符合行為金融學(xué)的一般假設(shè)。

四、投資者關(guān)注對(duì)市場(chǎng)的影響

（一）投資者關(guān)注對(duì)指數(shù)收益率的影響

利用模型（1）分析投資者關(guān)注度對(duì)指數(shù)收益率的影響，表3報(bào)告了相關(guān)回歸結(jié)果，其中，Panel A是采用等權(quán)重關(guān)注度[AttentionEWt]的回歸結(jié)果，Panel B是采用市值加權(quán)關(guān)注度[AttentionVWt]的回歸結(jié)果。其中，每個(gè)Panel均包含4列，分別是對(duì)當(dāng)期[Rt]、未來(lái)一期[Rt+1]、未來(lái)二期[Rt+2]和未來(lái)三期[Rt+3]指數(shù)收益率的預(yù)測(cè)結(jié)果。由于因變量和核心解釋變量[Attentiont]均為差分序列，因此，對(duì)所有自變量同樣取差分序列，差分后的序列均平穩(wěn)，可以直接建立回歸模型，無(wú)須進(jìn)行協(xié)整檢驗(yàn)。

從表3可以看到，無(wú)論是等權(quán)重還是市值加權(quán)，投資者關(guān)注度在當(dāng)期都會(huì)對(duì)指數(shù)收益率有正向影響，在未來(lái)一期影響轉(zhuǎn)為負(fù)向，在未來(lái)二期和未來(lái)三期又轉(zhuǎn)為正向，這與Da等（2015）[27]的研究結(jié)論較為相似。投資者關(guān)注度的短暫提高會(huì)使得當(dāng)期指數(shù)超漲，未來(lái)一期指數(shù)價(jià)格因?yàn)榫祷貜?fù)趨勢(shì)而導(dǎo)致收益率發(fā)生下跌，且下跌幅度會(huì)超過(guò)當(dāng)期的漲幅，但是，在未來(lái)兩期或三期，指數(shù)價(jià)格又會(huì)回到原有的趨勢(shì)軌道。觀察[Attentiont]系數(shù)的t值，只有當(dāng)期系數(shù)在10%水平下是顯著的，未來(lái)一期、二期和三期的系數(shù)均不顯著，說(shuō)明投資者關(guān)注度雖然表現(xiàn)出了行為金融學(xué)的某些特征，但對(duì)市場(chǎng)整體收益的影響并不大。從控制變量來(lái)看，只有CPI和SHIBOR對(duì)當(dāng)期和未來(lái)一期的指數(shù)收益率有顯著影響，且系數(shù)均為負(fù)，說(shuō)明通脹越厲害、市場(chǎng)利率越高時(shí)，指數(shù)收益率越低，符合經(jīng)濟(jì)基礎(chǔ)理論。

（二）投資者關(guān)注對(duì)異質(zhì)性股票的影響

從表2初步看到，不同投資者關(guān)注的股票其特征會(huì)存在一定的差異，本節(jié)將從數(shù)理角度分析投資者關(guān)注對(duì)異質(zhì)性股票的影響。具體步驟為：首先，將所有的股票按照不同特征從小到大的順序分為10組;其次，將每組股票的收益率進(jìn)行等權(quán)重加總為組合收益率;最后，按照模型（1）分析投資者關(guān)注對(duì)不同組合收益率的影響（由于表3中只有當(dāng)期收益率的系數(shù)顯著，因此將k取0）。由于等權(quán)重關(guān)注度與市值加權(quán)關(guān)注度的影響差異不大，因此，圖2中只匯報(bào)了等權(quán)重關(guān)注度的分析結(jié)果（市值加權(quán)關(guān)注度的分析結(jié)果可以向作者索?。?。圖2展示了關(guān)注度回歸系數(shù)[β]的變動(dòng)情況，可以看到，規(guī)模分組（Scale）的[β]系數(shù)變動(dòng)趨勢(shì)并不明顯，先是增大，隨后又發(fā)生了下跌;估值分組（Value）在第7組前基本保持著上漲的趨勢(shì)，但從第8組開始又轉(zhuǎn)向了下跌;市場(chǎng)貝塔分組（StockBeta）和價(jià)格分組（Price）均沒有表現(xiàn)出明顯的趨勢(shì);波動(dòng)率分組（RangeVol）前面組別變動(dòng)幅度較小，但是在第10組發(fā)生了極其明顯的上漲;換手率分組（Turnover）、動(dòng)量分組（Mom）和非流動(dòng)性分組（ILLIQ）均保持了較為明顯的上漲趨勢(shì)?？傮w來(lái)看，投資者關(guān)注度對(duì)規(guī)模、估值、市場(chǎng)貝塔和價(jià)格四個(gè)特征分組的股票敏感性較小，而對(duì)波動(dòng)率、換手率、動(dòng)量和非流動(dòng)性特征分組的股票敏感性較大，即對(duì)投機(jī)性較強(qiáng)的股票敏感性更大。

為了更準(zhǔn)確地觀察投資者關(guān)注對(duì)異質(zhì)性股票的影響，表4報(bào)告了不同特征股票分組下，投資者關(guān)注度對(duì)10-1組合收益率（即最高組和最低組的收益率之差）的回歸分析結(jié)果，控制變量和模型（1）一致。Panel A報(bào)告了等權(quán)重關(guān)注度的回歸系數(shù)，Panel B報(bào)告了市值加權(quán)關(guān)注度的回歸系數(shù)，可以看到與圖2相似的結(jié)果，規(guī)模、估值、市場(chǎng)貝塔和價(jià)格四個(gè)特征下的投資者關(guān)注度對(duì)10-1組合收益率的[β]系數(shù)并不顯著，而換手率、波動(dòng)率、動(dòng)量及非流動(dòng)性四個(gè)特征下的[β]系數(shù)顯著為正，其中數(shù)值和顯著性最高的均為非流動(dòng)性特征，其系數(shù)高達(dá)0.0263，t值也高達(dá)3.4，說(shuō)明非流動(dòng)性對(duì)投資者關(guān)注最敏感。

五、投資者關(guān)注作為定價(jià)因子

（一）定價(jià)因子及描述性統(tǒng)計(jì)

常見的風(fēng)險(xiǎn)定價(jià)模型包括CAPM模型、Fama-French三因子模型、加入動(dòng)量因子的四因子模型、加入非流動(dòng)性因子的四因子模型，以及將這五個(gè)因子都涵蓋在內(nèi)的五因子模型。本文選擇這五個(gè)因子來(lái)研究關(guān)注度因子的有效性，其中FF三因子（MKT、SMB和HML）數(shù)據(jù)來(lái)自銳思數(shù)據(jù)庫(kù);動(dòng)量因子（MOM）和非流動(dòng)性因子（ILLIQ）采用10組分組法，利用第10組的組合收益率減去第1組的組合收益率進(jìn)行構(gòu)建;關(guān)注度因子的構(gòu)造方法與MOM和ILLIQ類似，將關(guān)注度最高組（第10組）的組合收益率減去關(guān)注度最低組（第1組）的組合收益率，得到投資者關(guān)注度因子（ATT）。

表5報(bào)告了6個(gè)因子的描述性統(tǒng)計(jì)結(jié)果以及因子間的相關(guān)系數(shù)矩陣?？梢钥吹剑跇颖緟^(qū)間內(nèi)，市場(chǎng)因子收益率僅為0.01%，且t值不顯著;其他五個(gè)因子均能獲得顯著的正收益率，t值均在5以上，收益率最高的是非流動(dòng)性因子，其周均收益率高達(dá)0.88%，最小的是規(guī)模因子，但是也有0.29%。從相關(guān)系數(shù)來(lái)看，除了規(guī)模因子（SMB）與估值因子（HML）、SMB與MOM、HML與MOM的相關(guān)系數(shù)均超過(guò)了0.6，其他因子間相關(guān)系數(shù)均不大;關(guān)注度因子（ATT）除了與市場(chǎng)因子（MKT）保持一定的正相關(guān)性外，與其他四個(gè)因子均是負(fù)相關(guān)關(guān)系，且數(shù)值均不大。因此，初步看來(lái)，ATT因子不同于目前常用的定價(jià)因子。

（二）因子回歸分析

為了更準(zhǔn)確地判斷關(guān)注度因子是否不同于現(xiàn)有的定價(jià)因子，即是否能夠?yàn)橘Y產(chǎn)定價(jià)模型提供增量信息，采用各因子模型對(duì)ATT因子進(jìn)行回歸，模型如公式（2）所示：

回歸結(jié)果如表6所示，可以看到，動(dòng)量因子和非流動(dòng)性因子對(duì)ATT因子的回歸系數(shù)均不顯著，MKT、SMB和HML三因子的回歸結(jié)果均是顯著的，其中，MKT和HML的回歸系數(shù)顯著為正，而SMB的回歸系數(shù)顯著為負(fù)。無(wú)論采用哪種模型，Alpha系數(shù)均是顯著為正的，說(shuō)明ATT因子包含了三因子甚至五因子所無(wú)法解釋的部分，能夠?yàn)橘Y產(chǎn)定價(jià)模型帶來(lái)增量?jī)r(jià)值。此外，模型的R2均小于0.2，也說(shuō)明ATT因子與現(xiàn)有的風(fēng)險(xiǎn)因子具有顯著的差異性。因此，在接下來(lái)的分析中采用ATT和其他風(fēng)險(xiǎn)因子共同為投資組合進(jìn)行定價(jià)研究。

（三）因子定價(jià)能力分析

本文采用關(guān)注度分組來(lái)研究因子的定價(jià)能力，即按照關(guān)注度從低到高的順序?qū)⑺泄善狈譃?0組，并分別對(duì)每組的等權(quán)重投資組合收益率進(jìn)行因子回歸，模型如公式（3）所示：

其中，[Rt]為各投資組合的收益率，回歸結(jié)果見表7。從第1列可以看到，不同關(guān)注度分組下投資組合的平均收益率并沒有顯著的變化趨勢(shì)，除了第9組和第10組外，其他組合的收益率均值均小于0;從第2列收益率的標(biāo)準(zhǔn)差看，隨著關(guān)注度的升高，投資組合的風(fēng)險(xiǎn)不斷上升，最低關(guān)注度組的標(biāo)準(zhǔn)差僅為3.74%，但最高關(guān)注度組的標(biāo)準(zhǔn)差達(dá)到5.84%。第3到9列報(bào)告了因子定價(jià)回歸結(jié)果，可以看到，除了市場(chǎng)因子、非流動(dòng)性因子和關(guān)注度因子在絕大部分投資組合下的回歸系數(shù)顯著外，規(guī)模因子回歸系數(shù)僅在第1、9和10組顯著，而估值因子和動(dòng)量因子的回歸系數(shù)在絕大部分組合下均不顯著。除了第3組和第7組外，其他組合的[α]系數(shù)均不顯著，說(shuō)明因子模型能夠很好地對(duì)組合收益定價(jià)。這從R2也可以看出，所有投資組合的R2均在0.9以上，模型擬合效果很好。從系數(shù)的變化趨勢(shì)來(lái)看，無(wú)論[α]系數(shù)，還是MKT、SMB、HML、ILLIQ和MOM的系數(shù)，均沒有明顯的趨勢(shì)變化，但是ATT的系數(shù)卻具有明顯的上漲趨勢(shì)，從最低組的-0.2445到最高組的0.7555，說(shuō)明ATT因子對(duì)不同關(guān)注度組合的影響存在著顯著差異。因此，總體來(lái)看ATT因子是具有顯著定價(jià)能力的。

為了使研究結(jié)果更穩(wěn)健，表8采用Fama-French的分組方法，將所有股票按照規(guī)模和估值分為S/H（小規(guī)模高估值）、S/M（小規(guī)模中估值）、S/L（小規(guī)模低估值）、B/H（大規(guī)模高估值）、B/M（大規(guī)模中估值）和B/L（大規(guī)模低估值）六組，再對(duì)每組構(gòu)造等權(quán)重組合，利用模型（3）檢驗(yàn)風(fēng)險(xiǎn)因子對(duì)組合收益率的定價(jià)能力。從表8可以看到，風(fēng)險(xiǎn)因子的定價(jià)能力較強(qiáng)，表現(xiàn)為除了S/H和S/L組的[α]系數(shù)顯著外，其他四組的[α]系數(shù)均不顯著，且所有組合的R2均在0.95以上（除S/L組為0.8）。從風(fēng)險(xiǎn)因子來(lái)看，MKT回歸系數(shù)在所有組合中均顯著，SMB和HML的回歸系數(shù)也在絕大部分組合中顯著，ILLIQ回歸系數(shù)僅在S/H和S/L組顯著，MOM回歸系數(shù)在S/H、B/H和B/L組顯著，而ATT回歸系數(shù)在S/M、S/L和B/L組顯著。所以綜合來(lái)看，ATT因子具有一定的定價(jià)能力，尤其是在低估值的股票組合中表現(xiàn)得更為明顯（S/L和B/L組的回歸系數(shù)極為顯著），而且對(duì)小規(guī)模股票的定價(jià)能力一般為正，而對(duì)大規(guī)模股票的定價(jià)能力一般為負(fù)。綜合表7和表8來(lái)看，采用投資者關(guān)注來(lái)構(gòu)造定價(jià)因子，能夠?qū)ΜF(xiàn)有的資產(chǎn)定價(jià)模型進(jìn)行一定的補(bǔ)充。

六、結(jié)論與討論

基于2011年1月—2019年8月的創(chuàng)業(yè)板上市公司數(shù)據(jù)，通過(guò)設(shè)計(jì)爬蟲程序挖掘出創(chuàng)業(yè)板個(gè)股每周在東方財(cái)富網(wǎng)的發(fā)帖量，從而獲得個(gè)股的投資者關(guān)注信息，并分別采用等權(quán)重法和市值加權(quán)法構(gòu)造出市場(chǎng)整體的投資者關(guān)注度指標(biāo)，以及采用定價(jià)因子的構(gòu)造方法構(gòu)造了關(guān)注度因子。通過(guò)對(duì)市場(chǎng)整體以及異質(zhì)性股票的實(shí)證檢驗(yàn)，結(jié)果發(fā)現(xiàn)：市場(chǎng)總體的關(guān)注度指標(biāo)只對(duì)當(dāng)期的指數(shù)收益率有影響，對(duì)未來(lái)的預(yù)測(cè)能力并不顯著，同時(shí)投機(jī)性較強(qiáng)的股票（包括波動(dòng)率、換手率、動(dòng)量和非流動(dòng)性較大的股票）對(duì)總體關(guān)注度指標(biāo)的敏感性更高;關(guān)注度因子與常見的定價(jià)因子間的相關(guān)性并不高，且在控制了現(xiàn)有定價(jià)因子（MKT、SMB、HML、MOM、ILLIQ）后，關(guān)注度因子仍然能夠獲得顯著的正阿拉法收益，說(shuō)明關(guān)注度因子不同于現(xiàn)有的定價(jià)因子;利用多因子模型對(duì)不同投資組合的收益率進(jìn)行回歸，發(fā)現(xiàn)關(guān)注度因子對(duì)投資組合的收益率有顯著的解釋能力，能夠?yàn)楝F(xiàn)有的定價(jià)模型帶來(lái)增量信息。

本文的研究結(jié)論既是對(duì)行為金融理論的有力補(bǔ)充，也對(duì)投資者、金融機(jī)構(gòu)和金融監(jiān)管層具有較為重要的現(xiàn)實(shí)價(jià)值：首先，對(duì)于投資者而言，一方面應(yīng)盡量避免個(gè)人情緒影響到投資決策，如嚴(yán)格執(zhí)行交易規(guī)則、堅(jiān)持價(jià)值投資等;另一方面也可以關(guān)注與情緒相關(guān)的變量，短期內(nèi)可以利用其他投資者的不理性行為獲利，如買入投資者關(guān)注度更高的股票，長(zhǎng)期則應(yīng)避免在市場(chǎng)情緒高漲時(shí)入市。其次，對(duì)于金融機(jī)構(gòu)而言，可以充分利用其規(guī)模優(yōu)勢(shì)和研究?jī)?yōu)勢(shì)，通過(guò)大數(shù)據(jù)或人工智能技術(shù)，監(jiān)控并追蹤投資者情緒的變化情況，并以此為基準(zhǔn)開發(fā)相關(guān)金融產(chǎn)品，既為投資者提供了更廣泛的投資產(chǎn)品，也可以為市場(chǎng)提供更多的流動(dòng)性。最后，對(duì)于監(jiān)管層而言，應(yīng)緊密監(jiān)測(cè)投資者情緒變動(dòng)情況，可以將投資者情緒作為系統(tǒng)性金融風(fēng)險(xiǎn)的一個(gè)前瞻指標(biāo)，通過(guò)對(duì)其監(jiān)測(cè)和引導(dǎo)，為防范和化解金融風(fēng)險(xiǎn)提供數(shù)據(jù)支持。

參考文獻(xiàn)：

[1]Qiu L，Welch I. 2006. Investor Sentiment Measures[R].Working Paper，Brown University.

[2]Singer E. 2002. The Use of Incentives to Reduce Nonresponse in Household Surveys [R].Working Paper，University of Michigan.

[3]Da Z，Engelberg J，Gao P J. 2011. In Search of Attention [J].Journal of Finance，66（5）.

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

[5]Shiller R J. 1981. Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends？ [J]. American Economic Review，71（3）.

[6]De Bondt W F M，Thaler R. 1985. Does the Stock Market Overreact？ [J].Journal of Finance，40（3）.

[7]DeLong J B，Shleifer A，Summers L H，Waldmann R J. 1990. Noise Trader Risk in Financial Markets [J].Journal of Political Economy，98（4）.

[8]Eyster E，Rabin M，Vayanos D. 2019. Financial Markets where Traders Neglect the Informational Content of Prices [J].Journal of Finance，74（1）.

[9]Dellavigna S，Pollet J M. 2009. Investor Inattention and Friday Earnings Announcements [J].Journal of Finance，? 64（2）.

[10]Ingersoll J E，Jin L J. 2013. Realization Utility with Reference-Dependent Preferences [J].Review of Financial Studies，26（3）.

[11]周亮.投資者情緒及其對(duì)股票市場(chǎng)的影響研究[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2017，（3）.

[12]Baker M，Wurgler J. 2006. Investor Sentiment and the Cross-Section of Stock Returns [J].Journal of Finance，61（4）.

[13]Huang? D，et al. 2015. Investor Sentiment Aligned： A powerful Predictor of Stock Returns [J].Review of Financial Studies，28（3）.

[14]Nayak S. 2010. Investor Sentiment and Corporate Bond Yield Spreads [J].Review of Behavioral Finance，2（2）.

[15]Simon D P，Wiggins R A. 2001. S&P Futures Returns and Contrary Sentiment Indicators [J].Journal of Futures Markets，21（5）.

[16]Wang C. 2004. Futures Trading Activity and Predictable Foreign Exchange Market Movements [J].Journal of Banking&Finance，28（5）.

[17]Bahloul W，Bouri A. 2015. Profitability of Return and Sentiment-Based Investment Strategies in US Futures Markets [J].Research in International Business and Finance，36（2）.

[18]周亮.投資者情緒對(duì)商品期貨價(jià)格及波動(dòng)率的影響研究——以螺紋鋼期貨為例 [J].武漢金融，2019，（6）.

[19]Ben-Rephael A，Kandel S，Wohl A. 2012. Measuring Investor Sentiment with Mutual Fund Flows [J].Journal of Financial Economics，104（2）.

[20]文鳳華，肖金利，黃創(chuàng)霞.投資者情緒特征對(duì)股票價(jià)格行為的影響研究 [J].管理科學(xué)學(xué)報(bào)，2014，（3）.

[21]Aissia B D. 2014. IPO First-Day Returns：Skewness Preference，Investor Sentiment and Uncertainty Underlying Factors [J].Review of Financial Economics，23（3）.

[22]Lemmon M，Portniaguina E. 2006. Consumer Confidence and Asset Prices：Some Empirical Evidence [J].Review of Financial Studies，19（4）.

[23]余佩琨，鐘瑞軍.個(gè)人投資者情緒能預(yù)測(cè)市場(chǎng)收益率嗎 [J].南開管理評(píng)論，2009，（1）.

[24]池麗旭，張廣勝，莊新田，宋大雷.投資者情緒指標(biāo)與股票市場(chǎng)——基于擴(kuò)展卡爾曼濾波方法的研究 [J].管理工程學(xué)報(bào)，2012，（3）.

[25]楊陽(yáng)，萬(wàn)迪昉.投資者情緒對(duì)我國(guó)金屬期貨市場(chǎng)的影響 [J].系統(tǒng)工程，2010，（11）.

[26]陳標(biāo)金，譚瑩.信息、交易者情緒與中國(guó)農(nóng)產(chǎn)品期貨價(jià)格波動(dòng) [J].金融經(jīng)濟(jì)學(xué)研究，2017，（2）.

[27]Da Z，Engelberg J，Gao P. 2015. The Sum of all FEARS Investor Sentiment and Asset Prices [J].Review of Financial Studies，28（10）.

[28]Dimpfl? T，Kleiman V. 2019. Investor Pessimism and the German Stock Market：Exploring Google Search Queries [J].German Economic Review，20（1）.

[29]易洪波，賴娟娟，董大勇.網(wǎng)絡(luò)論壇不同投資者情緒對(duì)交易市場(chǎng)的影響——基于VAR模型的實(shí)證分析[J].財(cái)經(jīng)論叢，2015，（1）.

[30]Baker M，Wurgler J. 2007. Investor Sentiment in the Stock Market [J].Journal of Economic Perspectives，21（2）.

[31]Carhart M M. 1997. On Persistence in Mutual Fund Performance [J].Journal of Finance，52（1） .

[32]Amihuid Y. 2002. Illiquidity and Stock Returns Cross-Section and Time-Series Effects [J].Journal of Financial Markets，5（1）.