【投资者情绪对我国股票市场的影响实证探究13000字（论文）】

(2.6)其中(2.5)为均值方程，(2.6)为条件方差模型，它是根据前期信息为基础向前预测方差。 第3章指标选取和相关性分析本文结合我国实际情况与现有文献数据，选择5个投资者情绪源指标，充分考虑其滞后期对投资者情绪的代表性，选择显著性较大的投资者情绪源指标，合成去除宏观经济因素与未去除宏观经济因素的两个投资者情绪指标，并选择上证指数进行分析，从图像上看，发现投资者情绪与上证指数具有相关性。3.1投资者情绪指标构建3.1.1投资者情绪源指标选取通过对国内外学者对投资者情绪指标度量方式的总结，本文参考易志高和茅宁(2009)对投资者情绪指标的构建，选择主成分分析的方法，并根据我国具体国情，去除某些由于政策与国情变化导致的已经失去代表性或者难以度量的指标，选取5个源指标来构造有代表性的投资者情绪指标：消费者信心指数(CCI)。消费者信心指数是用来直接度量投资者情绪的指标，消费者信心指数越大，投资者情绪越乐观。IPO数量(IPON)。IPO的数量也是衡量投资者情绪的正向指标，若当月不存在首次发行的股票，该指标数值取0。新增开户数(NLA)。由于我国股市处于不成熟的状态，因此当股市情况良好时，投资者情绪高涨，会有很多人愿意进入股市，开立账户，新增开户数将会增加。换手率(TOR)。换手率体现了投资者对于股市的信心程度，较低的换手率反应了当前股市处于低迷状态，因此也选择该指标作为投资者情绪的源指标。市盈率(PE)。市盈率体现了股市的整体估值，市盈率越高，股市的整体估值越高，股市发展情况越好。3.1.2投资者情绪指标构建(1)样本选取由于2007年开始我国股市进入牛市状态，股票指数快速上涨，涨到峰值后，指数快速下跌并且一直处于震荡阶段，2015年又迎来了一波剧烈波动，因此本文选择的样本区间为2007年1月到2020年12月,共计168个样本量。IPO数量，换手率，市盈率数据来自wind数据库。消费者信心指数来自国家统计局，月新增开户数来自证券登记结算官网。表1源指标的描述性统计分析指标样本量最小值最大值平均值标准差初次发行企业数量1680.0040.005.877.64消费者信心指数16897.00126.60109.378.07新增开户数16827.581294.73160.55197.88换手率1680.246.741.011.01市盈率1689.1671.6318.7811.22(2)投资者情绪指标构建由于不同指标对于消费者情绪的反应可能体现在不同时期上，因此首先对5个源指标的提前及滞后变量标准化后进行主成分分析，构造一个包含10个变量的投资者情绪指标(CICSIt)，该指数累计方差解释率达到89.72%。再对投资者情绪指标(CICSIt)与5个源指标的提前与滞后一期进行相关性分析，选取其中显著性最高的5个源指标构造投资者情绪指数(cicsit)，5个源指标分别为换手率(TOR)，新增开户数(NLA)，IPO数量(IPON)，消费者信心指数的滞后一期(CCIt-1)和市盈率的滞后一期(PEt-1)。表2投资者情绪变量与各个源指标的相关性分析市盈率换手率新增开户数消费者信心指数初次发行企业数量投资者情绪变量0.61**0.51**0.61**0.56**0.57**市盈率滞后一期换手率滞后一期新增开户数滞后一期消费者信息指数滞后一期初次发行企业数量滞后一期投资者情绪变量0.63**0.48**0.61**0.57**0.56**注：*，**分别表示5%和1%显著性水平(双侧),下同。表3投资者情绪变量实证结果描述统计因子负载相关系数均值标准差投资者情绪初次发行企业数量0.041.020.230.42**消费者信心指数滞后一期-0.011.040.080.49**新增开户数0.031.030.280.81**换手率-0.130.870.150.71**市盈率滞后一期-0.070.990.110.67**注：*，**分别表示5%和1%显著性水平(双侧),下同。考虑到严格遵守累计方差解释率的要求，本文选择三个主成分，三个主成分的累计解释率达到87.7%，调整各个变量的系数后，得到投资者情绪指标公式如下：cicsit=0.28*NLA+0.15*TOR+0.23*IPON+0.11*PEt-1+0.08*CCIt-1(3)剔除宏观影响因素的投资者情绪指标构建为了消除我国宏观经济形势对投资者情绪指标的影响，参考易志高和茅宁(2009)的做法，选取居民消费价格指数(CPI)、工业品出厂价格指数(PPI)、宏观经济景气指数(MBCI）和工业增加值(IAV)四个指标作为宏观经济情况的代理变量，将5个投资者情绪源指标分别与4个宏观经济变量进行回归，由此得到各自回归后的残差序列，将残差序列进行主成分分析，得出剔除宏观经济因素的投资者情绪变量cicsir。表4主成分系数表主成分F1主成分F2主成分F3消费者信心指数滞后一期7新增开户数0.790.42-0.04换手率0.90-0.060.10初次发行企业数量-0.030.950.18市盈率滞后一期0.88-0.150.18表5剔除宏观影响因素的投资者情绪指标实证结果描述统计因子负载相关系数均值标准差投资者情绪初次发行企业数量0.001.00-0.190.43**消费者信心指数滞后一期0.000.830.290.51**新增开户数0.000.870.440.82**换手率0.000.860.410.77**市盈率滞后一期0.000.780.400.73**注：*，**分别表示5%和1%显著性水平(双侧),下同。将三个主成分进行调整后得出综合投资者情绪指标：cicsir=0.29CCIt-1+0.44NLA+0.41TOR-0.19IPON+0.40PEt-13.2股票指数由于上证指数的代表性，因此本文从RESSET数据库选择和投资者情绪指标时间匹配的上证指数，该指数不存在缺失值。3.3投资者情绪与上证指数描述性分析由图1可以看出，去除宏观经济影响的投资者情绪指标与未去除宏观经济影响的与上证指数的走势大体相同，但也存在着部分区别，2007年与2015年上证指数变化幅度较大的时候，投资者情绪与股市收益率的变化幅度也较大，其余时间二者都在不断震荡，二者间存在相关性。图1投资者情绪与股市指数走势图第4章投资者情绪与股市关系的实证分析对两个投资者情绪指标与股市指数进行单位根检验后，分别建立VAR模型找到其最佳滞后期，可以看出投资者情绪与股市指数间相互影响，宏观经济变量对于二者间的关系存在影响，且股市波动率不仅受到投资者情绪变量的影响也会受到其自身的影响。4.1模型的检验和选择4.1.1单位根检验在建立VAR模型前，为了避免“伪回归”现象的出现，对两个投资者情绪指标与股市指数这三个指标进行单位根检验，两个投资者情绪变量都是平稳的，上证指数不平稳，因此对上证指数进行一阶差分，一阶差分后上证指数变成平稳时间序列。由表6可以看出，经过数据处理后三个时间序列都是平稳的。表6变量的ADF检验结果检验统计量1%临界值5%临界值10%临界值P值上证指数-12.16-2.57-1.94-1.610.0000未剔除宏观因素影响投资者情绪变量-3.74-2.57-1.94-1.610.0002剔除宏观因素影响投资者情绪变量-3.60-2.57-1.94-1.610.00041.2滞后阶数的选择对两个投资者情绪指标与上证指数分别建立VAR模型前都需要对滞后阶数进行判断，cicsit与上证指数建立的VAR模型的信息准则显示二者间滞后阶数为7，因此二者间建立VAR模型时，选择7阶滞后。LagLogLLRFPEAICSCHQ6-1076.483.883614.2913.8614.3614.077-1062.2525.76*3179.20*13.73*14.3113.978-1060.822.553285.4313.7714.4214.03表7cicsit与上证指数的滞后阶数注：*，**分别表示5%和1%显著性水平(双侧),下同。cicsir与上证指数建立的VAR模型的信息准则建议选择2阶滞后，因此二者间建立VAR模型时，滞后阶数确定为2阶。表8cicsir与上证指数的滞后阶数LagLogLLRFPEAICSCHQ0-1197.81NA12286.1515.0915.1315.101-1081.87227.503005.5513.6813.7913.732-1070.6821.682745.67*13.59*13.78*13.67*3-1069.582.092848.0613.6313.9013.73注：*，**分别表示5%和1%显著性水平(双侧),下同。4.1.3VAR模型稳定性检验由于被估计的VAR模型所有根的模的倒数小于1，即如图2所示位于单位圆内，则VAR模型是稳定的，因此可以对该模型中的变量进行脉冲响应分析与方差分解，若存在根的模不位于单位圆内，则VAR模型不稳定，针对该模型的脉冲响应分析与方差分解无意义。图2cicsit与cicsir分别上证指数VAR模型稳定性的特征根分布4.1.4Granger因果检验Granger因果检验通常用来判断一个变量的滞后项是否可以影响另一个变量，如果该变量受到另一个变量的滞后影响，则称它们具有Granger因果关系，因此由表9可以看出不论是否去除宏观经济条件的影响，投资者情绪指标与上证指数均互为Granger原因。表9传统格兰杰因果检验原假设:ObsF-StatisticProb.cicsit不是上证指数的格兰杰原因16717.310.0155上证指数不是cicsit的格兰杰原因16738.140.0000cicsir不是上证指数的格兰杰原因16717.490.0002上证指数不是cicsir的格兰杰原因1676.040.04884.2模型的分析结果4.2.1脉冲响应函数脉冲响应函数能反应每个内生变量的变动或冲击对它自己及所有其他内生变量产生的影响，通过对脉冲响应图形的观察可以看出变量在标准冲击下，当前和未来变动的趋势，横轴选择10期作为滞后期。从图3可以看出，对于未去除宏观经济变量的投资者情绪指标来看，投资者情绪指标对于来自于自身的扰动或者冲击在期初达到最大值，而后逐步下降，这表明未去除宏观经济变量影响的投资者情绪变量对于其自身的扰动或者冲击响应较大。投资者情绪变量对于来自上证指数的冲击或者扰动在第1期和第2期不断上升，后逐渐缓慢下降，在第8期左右趋于0。从图4可以看出，上证指数对于来自自身的冲击或者扰动在期初达到了最大值，不过在第2期就变为负向，而后开始波动幅度逐渐减少并趋近于0。上证指数对于来自未去除宏观经济因素影响的投资者情绪变量的冲击也是波动性的，第1期为正，而后在第2期变为负向，之后不断反向增加，在第5期又变为正向，方向不断改变。图3cicsit脉冲响应分析图4上证指数脉冲响应分析对于去除了宏观经济因素影响的投资者情绪变量cicsir进行脉冲响应分析发现，cicsir对于自身的冲击，在第1期同样达到最大而后逐步收敛并逐渐缓慢趋于平稳。cicsir对于上证指数的冲击在第一期快速上升，之后随着时间的变化逐渐减少，一直保持正向。去除了宏观经济因素后，上证指数对于cicsir的冲击变化变得平缓，不再存在正负向的波动，而是逐渐缓慢趋于0。上证指数对于自身带来的冲击依旧保持着波动性，波动幅度逐渐变小，并在第六期趋于平稳。图5cicsir脉冲响应分析图6上证指数脉冲响应分析因此由脉冲响应结果的差距可以看出，投资者情绪中的宏观经济因素对于分析投资者情绪与上证指数间的关系十分重要，宏观经济因素将会加剧二者间的冲击与相互影响的剧烈程度。4.2.2方差分解方差分解是将系统中各个内生变量的波动分解成与各信息冲击相关的组成部分，从而了解各冲击对内生变量的贡献度。从表10可以看出，两个投资者情绪变量都可以解释上证指数且随着时间的增加，解释程度不断上升逐渐趋于稳定，其中去除了宏观经济因素影响的投资者情绪对于上证指数的解释程度将会略有下降。对于两个投资者情绪指标来说，随着时间的增加，上证指数对于二者的解释程度与解释力度都在不断上升且上升的速度不断减慢，在第七期逐渐趋于稳定，上证指数对于未去除宏观经济因素影响的投资者情绪变量的解释程度更强。表10方差分解结果Period上证指数的方差分解cicsit方差分解cicsir方差分解cicsitcicsir上证指数上证指数119.9016.440.000.00221.1419.325.474.37320.5818.936.544.25420.6418.917.854.77520.7618.938.444.86620.9018.968.864.99721.0018.999.085.04821.0719.019.215.09921.1119.039.285.121021.146019.04549.32865.1390由此可以看出，当去除了宏观经济因素影响后，投资者情绪与上证指数间的关系相对减弱，可以看出投资者情绪本身与上证指数存在相互影响的关系，宏观经济因素会加强二者间的联系，因为宏观经济因素将会影响投资者对于市场的判断继而影响其投资行为，该实证结论与经济学理论相符，因此在分析投资者情绪与股市间的关系时，可以保留宏观经济因素对于投资者情绪的影响。在此结论的基础上，继续深入探究未去除宏观经济因素的投资者情绪变量(cicsit)与股市波动率间的关系。4.2.3GARCH（1,1）模型在对股票指数的研究过程中，股市波动率是个十分重要的研究因素，它是标的资产收益率的条件标准差，本文选择上证指数的对数收益率，对其建立GARCH模型。基于上证指数的收盘价计算其对数收益率，首先画出对上证指数对数收益率的时间序列图，结果如图7所示：图7上证收益率时间序列图从上证指数的对数收益率序列中可以观察到对数收益率的“集群”现象。在此基础上，对该对数收益率进行单位根检验与自相关检验，检验结果证明上证指数的对数收益率是平稳时间序列，其自相关检验结果如表11所示：表11上证收益率自相关检验期数ACPACQ-统计量P值10.050.050.440.550.2530.020.012.780.4370.0950.040.028.200.156-0.11-0.1610.650.1070.070.0811.450.128-0.12-0.1314.000.089-0.08-0.1015.360.08从表中可以看出，序列的自相关和偏自相关系数均落入两倍的估计标准差之内，且Q-统计量的对应p值均大于置信度0.05，故序列在5%的显著性水平下不存在显著的相关性。因此将均值方程设定为白噪声，在此基础上对残差的平方再次进行自相关检验，发现序列存在自相关性，如表12所示：表12残差自相关检验期数ACPACQ-统计量P值1-0.02-0.020.090.7620.0380.0240.210.1816.960.0050.180.1622.830.006-0.01-0.0722.840.0070.290.2038.120.0080.03-0.0138.220.0090.190.0845.240.00在此基础上建立GARCH（1,1）模型，并引入投资者情绪变量，ARCH项的估计系数表示，当期对于上一期波动的敏感程度，GARCH项系数表示序列受自身上一期的影响程度。表13GARCH模型结果VariableCoefficienStd.Errorz-StatisticProb.C0.00020.00011.92180.0546RESID(-2)^20.220.09912.22160.0263GARCH(-1)0.74110.84088.81370.0000CICSIT(-2)-0.00040.0002-1.68990.0910由表13可以看出，上证指数收益率的两个参数均在5%的显著性水平下为正且可以满足收敛条件，从ARCH项系数可以看出，下一期波动对当期波动的敏感程度较弱，从GARCH项系数可以看出，股市收益率受自身影响的程度较大。从投资者情绪变量系数可以看出，投资者情绪对于股市波动率存在较小负相关，该系数在10%的显著性水平下显著。结论投资者情绪与股市间的关系一直是研究的热点，本文选择VAR模型与GARCH模型对于二者间的相互影响进行研究，得出如下几点结论：不论是否去除宏观经济因素对于投资者情绪指标的影响，投资者情绪与股市指数间都互相满足Granger因果检验，二者间可以通过滞后期进行预测。第二、通过建立VAR模型可知，投资者情绪与股市指数的变化主要受到自身的影响，未去除宏观经济因素的投资者情绪变量对于股市指数的影响波动较大，去除宏观经济因素后，投资者情绪变量对于股市指数的影响变得较为平稳，但是是否去除宏观经济因素对于上证指数对投资者情绪的影响改变程度较小，宏观经济因素对于研究投资者情绪与股市指数间的关系存在较大的影响。第三、投资者情绪与股市波动间的相互影响程度较小，股市自身的冲击将会更大程度上影响股市波动率的变化，投资者情绪对于股市波动率的影响存在较明显的滞后性，但二者的变化也会受到其他因素的影响，因此为了使投资者情绪与股市波动率保持稳定，还应探究其他因素与这两个变量间的关系。基于本文实证结论的基础上，从情绪这一角度出发探究影响我国股市的重要因素。从市场的交易人员和市场监管部门这两个方面出发提出相应的建议。由于我国学者已经提出多个投资者情绪指标度量标准，因此可以选择多个投资者情绪指标同时对我国投资者情绪进行监督与预警，当我国投资者情绪存在不稳定的趋势时，政策可以采取相应的宏观政策来影响我国的投资者情绪，稳定投资者情绪，间接维持我国股票市场的稳定。近年来由于我国经济的快速发展，我国投资者人数增多，但投资者能力良莠不济，因此政府应该重视投资者投资技能的培养，增加对投资者的培训，增加金融知识课程教学，增加广大投资者的投资能力，减少其投机心理与非理性行为的存在，逐渐改善我国金融市场的投资环境。监管部门应该回顾股市以往的相关重大事件，总结经验，提前对股市运行过程中可能存在风险的事件进行预防，根据潜在的风险准备相对应的解决预案与宏观经济政策。与此同时，明确破坏市场秩序的行为边界，对于破坏市场秩序的投资者，我们可以根据其其危害的程度进行处罚。参考文献[1]LeeCMC,ThalerSRH.Investorsentimentandtheclosed-endfundpuzzle[J].JournalofFinance,1991,46(1):75-109.[2]BrownGW,CliffMT.Investorsentimentandassetvaluation[J].TheJournalofBusiness,2005,78(2):405-440.[3]文凤华,肖金利,黄创霞,等.投资者情绪特征对股票价格行为的影响研究[J].管理科学学报,2014,17(3):60-69.[4]Pontiff,Jeffrey.Closed-endfundpremiaandreturnsimplicationsforfinancialmarketequilibrium[J].JournalofFinancialEconomics,1995,37(3):341-370.[5]BrownGW.Volatility,sentiment,andnoisetraders[J].FinancialAnalystsJournal,1999,55(2):82-90.[6]王美今,孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究,2004(10):75-83.[7]韩立岩,伍燕然.投资者情绪与IPOs之谜——抑价或者溢价[J].管理世界,2007(3):51-61.[8]刘维奇,刘新新.个人和机构投资者情绪与股票收益——基于上证A股市场的研究[J].管理科学学报,2014,17(3):70-87.[9]BakerM,WurglerJ.Investorsentimentandthecross-sectionofstockreturns[J].NberWorkingPapers,2004,7(3):271-299.[10]易志高,茅宁.中国股市投资者情绪测量研究:CICSI的构建[J].金融研究,2009(11):174-184.[11]蒋致远,吕海英,朱名军.投资者情绪与股市预报危机[J].投资研究,2013,32(3):139-153.[12]黄彦菁,徐旭.基于投资者情绪的四因子模型实证研究[J].会计之友,2018(1):57-61.[13]SchmelingM.Institutionalandindividualsentiment:smartmoneyandnoisetraderrisk?[J].InternationalJournalofForecasting,2007