基于MSVAR模型剖析投资者情绪对我国股市波动性的动态影响

基于MSVAR模型剖析投资者情绪对我国股市波动性的动态影响一、引言1.1研究背景与动因在全球经济一体化与金融市场不断发展的大背景下，我国股市历经多年变革与成长，已然成为经济体系中不可或缺的重要组成部分。从1990年上海证券交易所和1991年深圳证券交易所相继成立以来，我国股市规模持续扩张，上市公司数量稳步增长，涵盖了众多行业领域，为企业融资和资源配置提供了关键平台。截至2023年底，我国A股上市公司数量已超过5000家，总市值位居全球前列，投资者开户数也达到数亿之多，股市的活跃度和影响力与日俱增。投资者情绪作为金融市场中不容忽视的重要因素，对股市波动有着深远影响。投资者并非完全理性的经济人，在决策过程中常常受到各种情绪因素的干扰，如恐惧、贪婪、乐观、悲观等。当投资者情绪乐观时，往往会过度自信，高估股票的潜在收益，进而增加股票购买量，推动股价上涨，促使股市呈现上升态势；反之，当投资者情绪悲观时，容易产生恐慌心理，纷纷抛售股票，导致股价下跌，引发股市的下行波动。这种情绪驱动的投资行为并非个别现象，而是具有一定的群体性和传染性，会在市场中形成连锁反应，进一步放大股市的波动幅度。在实际市场中，类似的情况屡见不鲜。以2020年初新冠疫情爆发为例，疫情的突然冲击引发了投资者的极度恐慌情绪，股市在短时间内大幅下跌，众多股票价格腰斩。然而，随着政府积极出台一系列抗疫和经济刺激政策，投资者情绪逐渐企稳并转向乐观，股市也随之触底反弹，开启了一轮强劲的上涨行情。再如2021年新能源板块的火爆，投资者对新能源产业的未来发展前景充满乐观预期，大量资金涌入该板块，推动相关股票价格持续攀升，部分股票估值远超合理水平，市场出现明显的过热迹象。深入探究投资者情绪与我国股市波动之间的关系，对于市场参与者和监管者都具有极其重要的现实意义。对于投资者而言，准确把握投资者情绪的变化趋势，能够更好地理解市场行为，洞察投资机会与风险，从而制定更为科学合理的投资策略，提高投资收益，降低投资损失。对于监管者来说，全面了解投资者情绪对股市波动的影响机制，有助于及时发现市场异常波动的潜在因素，制定有效的监管政策，维护股市的稳定运行，促进金融市场的健康发展。1.2研究价值与实践意义本研究在理论与实践层面均具有显著价值和重要意义，将为行为金融学理论的完善以及金融市场的实际运行提供有力支持。在理论方面，对行为金融学相关理论进行了有益补充。传统金融理论多基于有效市场假说和理性人假设，认为投资者能够理性地处理信息并做出最优决策，市场价格能够完全反映所有可用信息。然而，现实中的金融市场存在诸多与传统理论相悖的现象，如股价的过度波动、羊群效应等。本研究聚焦于投资者情绪对股市波动的影响，深入探究投资者在情绪驱动下的非理性行为及其对市场的作用机制，为解释这些市场异象提供了新的视角。通过引入MSVAR模型，精确刻画投资者情绪与股市波动之间的复杂非线性关系，进一步丰富了行为金融学中关于投资者行为和市场波动的理论研究，使我们对金融市场运行的内在规律有了更为深入和全面的认识。在实践层面，本研究成果对投资者和市场监管者都具有重要的指导意义。对于投资者而言，准确把握投资者情绪与股市波动的关系，有助于制定更为科学合理的投资策略。投资者可以通过关注市场情绪指标，识别市场的过热或过冷状态，避免在市场情绪极端时盲目跟风投资，从而降低投资风险，提高投资收益。当投资者情绪过度乐观，股市出现明显的泡沫迹象时，投资者应保持理性，适当减持股票，避免陷入市场高估的陷阱；而当投资者情绪过度悲观，股市大幅下跌时，投资者可以通过分析市场情绪的变化趋势，寻找被低估的投资机会，进行逆向投资。对于市场监管者来说，深入了解投资者情绪对股市波动的影响机制，是制定有效监管政策的关键。监管者可以通过监测投资者情绪指标，及时发现市场异常波动的潜在风险因素，提前采取措施进行干预，维护股市的稳定运行。当发现投资者情绪出现过度波动，可能引发市场恐慌或过度投机时，监管者可以加强信息披露，引导投资者理性投资；也可以通过调整货币政策、税收政策等宏观调控手段，稳定市场情绪，避免股市出现大幅波动，从而促进金融市场的健康发展，保护广大投资者的利益。1.3研究思路与方法本研究将以MSVAR模型为核心，结合多种计量方法，深入剖析投资者情绪与我国股市波动之间的内在联系，具体研究思路如下：数据收集与预处理：广泛收集我国股市相关数据，包括股票价格指数、成交量等，以全面反映股市波动情况；同时收集投资者情绪相关指标数据，如消费者信心指数、新增投资者开户数等，这些数据来源权威金融数据库、官方统计机构以及专业财经媒体。对收集到的数据进行仔细清洗，剔除异常值和缺失值，并进行标准化处理，以确保数据的质量和一致性，为后续分析奠定坚实基础。投资者情绪指数构建：运用主成分分析法，从多个原始投资者情绪指标中提取主要成分，构建综合的投资者情绪指数。该方法能够有效降维，避免单一指标的局限性，更全面、准确地反映投资者情绪的变化趋势。通过对历史数据的分析和检验，验证所构建情绪指数的合理性和有效性，确保其能够真实反映投资者的情绪状态。MSVAR模型构建与估计：选择合适的MSVAR模型，充分考虑模型的区制数量、滞后阶数等关键参数。利用极大似然估计法对模型参数进行精确估计，通过对不同区制下模型参数的分析，深入探究投资者情绪与股市波动在不同市场状态下的动态关系。同时，运用各种检验方法对模型的拟合优度、稳定性等进行严格检验，确保模型的可靠性和准确性。实证结果分析与讨论：对MSVAR模型的估计结果进行深入分析，明确投资者情绪对股市波动的具体影响方向和程度，以及这种影响在不同市场区制下的差异。结合实际市场情况，对实证结果进行合理的解释和讨论，分析投资者情绪在股市波动中的作用机制，探讨市场参与者的行为模式和市场运行规律。稳健性检验：为确保研究结果的可靠性，采用多种方法进行稳健性检验。更换不同的投资者情绪指标或调整模型参数，重新进行实证分析，观察结果是否保持一致。若检验结果稳定，说明研究结论具有较强的可靠性和说服力，能够为实际决策提供有力的参考依据。在研究方法上，本研究主要采用以下几种方法：文献研究法：全面梳理国内外关于投资者情绪与股市波动的相关文献，了解已有研究的现状和不足，为本文的研究提供坚实的理论基础和丰富的研究思路。通过对经典文献的深入研读，掌握该领域的核心理论和研究方法，明确研究的前沿动态和发展趋势，为后续研究指明方向。主成分分析法：在构建投资者情绪指数时，运用主成分分析法对多个原始情绪指标进行降维处理，提取能够代表投资者情绪的主要成分。该方法可以有效减少指标之间的信息重叠，提高数据的利用效率，使构建的情绪指数更具代表性和解释力。MSVAR模型估计法：利用极大似然估计法对MSVAR模型的参数进行估计，通过精确估计模型参数，深入分析投资者情绪与股市波动在不同区制下的动态关系。该方法能够充分考虑市场状态的变化，捕捉变量之间的非线性关系，为研究提供更为准确和细致的结果。稳健性检验法：采用更换指标和调整模型参数等方法进行稳健性检验，确保研究结果的可靠性和稳定性。通过多种检验方法的综合运用，排除可能存在的干扰因素，增强研究结论的可信度，使研究结果更具说服力和应用价值。1.4创新与不足本研究在方法和视角上进行了创新，多维度构建投资者情绪指标，运用主成分分析法，从消费者信心指数、新增投资者开户数、封闭式基金折价率等多个原始指标中提取主要成分，构建综合投资者情绪指数，相较于传统单一指标，更全面准确反映投资者情绪，为研究提供更可靠数据支持，有效避免单一指标局限性。在模型选择上，采用MSVAR模型捕捉投资者情绪与股市波动动态关系，该模型能考虑市场状态变化，识别不同区制下变量关系，刻画复杂非线性关系，更贴合金融市场实际，为研究提供新视角，深入理解不同市场状态下投资者情绪对股市波动影响，丰富研究层次。本研究也存在一定局限性，数据方面，虽广泛收集多渠道数据，但受限于数据可得性和质量，部分指标时间跨度和样本量不足，可能影响研究结果普适性和稳定性，未来研究可拓展数据来源和样本范围，提升数据质量和代表性。投资者情绪影响因素众多，除构建指标涵盖因素外，还受国际经济形势、地缘政治等因素影响，本研究未能全面考虑，未来研究可纳入更多影响因素，完善理论模型，深入探讨其作用机制，为市场参与者和监管者提供更全面深入参考依据。二、理论基石与文献回顾2.1核心概念界定2.1.1投资者情绪的内涵投资者情绪是行为金融学领域中的关键概念，然而学术界至今尚未对其形成统一且明确的定义。Lee等学者于1991年将投资者情绪定义为无法被基本面因素所解释的收益率预期，这意味着投资者情绪是一种偏离了基于公司财务状况、宏观经济数据等基本面信息所做出的预期。Baker和Stein在2004年则认为投资者情绪反映了投资者的价值判断与资产真实价值的偏差，强调了投资者在评估资产时可能受到主观情绪影响，导致对资产价值的认知出现偏离。Baker和Wurgler在2006年提出了两种投资者情绪定义，一是投资者的投机倾向，反映了投资者在市场中追求短期投机收益的意愿和程度；二是对股票市场整体的乐观与悲观心态，这种心态会影响投资者的买卖决策和市场的整体氛围。综合来看，投资者情绪可被理解为投资者对股票市场的一种主观感受和心理预期，它涵盖了投资者的乐观或悲观态度、投机意愿以及对市场走势的整体判断。这种情绪并非基于完全理性的分析和判断，而是受到多种因素的影响，包括投资者自身的心理特质、市场传闻、媒体报道、群体行为等。当投资者处于乐观情绪状态时，往往会对股票市场的未来走势充满信心，高估股票的潜在收益，从而更倾向于买入股票。此时，即使公司的基本面没有发生实质性变化，投资者也可能因为乐观情绪而忽视潜在风险，大量买入股票，推动股价上涨。在股票市场持续上涨的牛市行情中，投资者的乐观情绪不断蔓延，新投资者纷纷入场，资金大量涌入股市，进一步推动股价上升，形成一种正反馈效应。相反，当投资者处于悲观情绪状态时，会对市场前景感到担忧，低估股票的价值，更倾向于卖出股票。在这种情况下，投资者可能会过度关注负面信息，对市场的微小波动反应过度，导致股票价格被过度抛售而下跌。在市场出现突发利空消息，如重大政策调整、经济数据不及预期等情况下，投资者的悲观情绪会迅速发酵，引发恐慌性抛售，股价大幅下跌，市场陷入低迷。投资者情绪的非理性特征使其成为影响股票市场波动的重要因素之一。它打破了传统金融理论中投资者完全理性的假设，为解释股票市场中出现的诸多异常现象，如股价的过度波动、羊群效应、动量效应等提供了新的视角。深入研究投资者情绪的内涵及其对股市波动的影响机制，对于理解金融市场的运行规律和制定有效的投资策略具有重要意义。2.1.2股市波动性的阐释股市波动性是金融市场研究中的重要概念，它主要指股票价格在一定时间范围内的波动程度。这种波动反映了股票市场的不确定性和风险水平，是市场参与者关注的焦点之一。股市波动性受到多种因素的综合影响，包括宏观经济状况、公司基本面、市场供求关系、投资者情绪以及政策变化等。当宏观经济形势向好，企业盈利增加，市场供求关系相对稳定时，股市波动性通常较小；反之，当宏观经济面临衰退风险，企业业绩下滑，市场供求失衡，或者投资者情绪出现大幅波动时，股市波动性会显著增大。在度量股市波动性时，常用的指标有标准差、GARCH模型等。标准差是一种简单直观的度量方法，通过计算股票收益率的标准差来衡量其波动程度。标准差越大，说明股票收益率的波动越剧烈，市场风险越高；反之，标准差越小，市场风险相对较低。对于一只股票，如果其过去一段时间内的收益率标准差较大，意味着该股票价格的波动较为频繁和剧烈，投资者面临的风险相对较高。GARCH模型（广义自回归条件异方差模型）则是一种更为复杂和精确的度量方法，它能够充分考虑到金融时间序列的异方差性和波动的聚集性。GARCH模型通过对过去的波动信息进行建模，预测未来的波动性。该模型在金融市场研究中被广泛应用，能够更准确地捕捉股市波动性的动态变化。在研究股票市场的长期波动趋势时，GARCH模型可以根据历史数据的特征，分析市场波动的变化规律，为投资者和监管者提供更有价值的参考信息。除了标准差和GARCH模型外，还有其他一些度量股市波动性的指标和方法，如贝塔系数、风险价值（VaR）等。贝塔系数用于衡量个股相对于市场整体的波动程度，反映了股票价格与市场指数之间的相关性。风险价值则是在一定置信水平下，衡量投资组合在未来一段时间内可能面临的最大损失。这些指标和方法从不同角度对股市波动性进行了度量，为投资者和研究者提供了多样化的分析工具。2.2MSVAR模型原理剖析MSVAR模型，即马尔可夫区制转移向量自回归模型（MarkovSwitchingVectorAutoregressionModel），是一种在时间序列分析中广泛应用的计量经济模型。该模型由Hamilton在1989年提出，旨在解决传统线性时间序列模型无法捕捉到的经济变量在不同状态下的非线性动态变化问题。MSVAR模型的核心思想是将时间序列划分为不同的区制（Regimes），每个区制代表一种特定的市场状态，如牛市、熊市或平稳期等。在不同区制下，变量之间的关系由不同的向量自回归（VAR）模型来描述，而区制之间的转换则由马尔可夫链来决定。具体来说，MSVAR模型可以表示为：Y_t=\sum_{i=1}^pA_{i,s_t}Y_{t-i}+\mu_{s_t}+\epsilon_t其中，Y_t是k维内生变量向量，p是滞后阶数，A_{i,s_t}是第i个滞后项在区制s_t下的系数矩阵，\mu_{s_t}是区制s_t下的截距向量，\epsilon_t是服从正态分布的误差向量。s_t是不可观测的区制变量，它遵循一个离散的马尔可夫过程，其转移概率矩阵P定义如下：P_{ij}=Pr(s_{t+1}=j|s_t=i),\quad\sum_{j=1}^MP_{ij}=1,\quadi,j=1,\ldots,M其中，M是区制的数量，P_{ij}表示在当前处于区制i的情况下，下一期转移到区制j的概率。转移概率矩阵P刻画了区制之间的转换规律，它反映了市场状态的变化趋势。如果P_{ii}的值较大，说明区制i具有较高的持续性，即市场在该状态下停留的时间较长；反之，如果P_{ij}（i\neqj）的值较大，则表示市场从区制i转移到区制j的可能性较大。在实际应用中，MSVAR模型的估计通常采用极大似然估计法（MLE）。通过最大化观测数据的似然函数，可以得到模型参数的估计值，包括VAR模型的系数矩阵A_{i,s_t}、截距向量\mu_{s_t}以及转移概率矩阵P。在估计过程中，需要对区制的数量和滞后阶数进行选择。区制数量的选择通常基于理论分析和数据特征，一般通过比较不同区制数量下模型的拟合优度、信息准则（如AIC、BIC等）来确定最优的区制数量。滞后阶数的确定则可以通过对VAR模型进行滞后阶数检验，如LR检验、FPE准则等方法来实现。为了确保模型的可靠性和有效性，还需要对估计得到的MSVAR模型进行一系列检验。常用的检验方法包括残差检验、稳定性检验等。残差检验主要用于检查模型的残差是否满足正态分布、独立性和同方差性等假设条件。如果残差存在自相关、异方差或非正态分布等问题，说明模型可能存在设定错误或遗漏变量，需要对模型进行修正。稳定性检验则用于评估模型参数在不同时间区间内的稳定性。可以通过滚动估计、递归估计等方法，观察模型参数随时间的变化情况，如果参数出现显著变化，说明模型的稳定性较差，可能需要重新调整模型或增加数据样本。MSVAR模型通过将马尔可夫区制转移过程与向量自回归模型相结合，能够有效地捕捉经济变量在不同市场状态下的动态变化特征，为分析投资者情绪与股市波动之间的复杂关系提供了有力的工具。2.3文献综述与研究启示国内外学者围绕投资者情绪与股市波动关系展开了大量研究，取得了丰富成果。国外方面，DeLong等学者于1990年提出DSSW噪声交易者模型，该模型将股票市场投资者分为理性投资者和噪音交易者两类。噪音交易者易受情绪影响，导致市场定价偏误，即便存在理性交易者，其套利行为也会因难以预测噪音交易者的情绪冲击而受限，进而使非理性情绪对股票价格产生影响。Baker和Wurgler在2006年构建了综合指标BW指数，基于封闭式基金折价、交易量、IPO数量、上市首日收益、股利收益、股票发行占总发行比例六个单项情绪指标，通过主成分分析法将这些指标综合起来，用于衡量投资者情绪。研究发现，投资者情绪对股票收益具有显著影响，在情绪高涨时期，股票收益往往较高，而在情绪低落时期，股票收益相对较低。国内研究同样成果丰硕。王美今和孙建军在2004年运用消费者信心指数作为投资者情绪的代理变量，对中国股市进行实证研究，结果表明投资者情绪与股票收益之间存在正相关关系。他们认为，当投资者情绪乐观时，会增加对股票的需求，推动股价上涨，从而提高股票收益；反之，当投资者情绪悲观时，会减少对股票的持有，导致股价下跌，降低股票收益。伍燕然和韩立岩在2007年通过构建包含投资者情绪的资产定价模型，深入分析了投资者情绪对股票市场的影响，发现投资者情绪不仅影响股票价格，还会导致市场出现过度反应和动量效应。他们指出，投资者情绪的波动会使股票价格偏离其内在价值，形成价格泡沫，当情绪逆转时，泡沫破裂，股价大幅下跌。在市场上涨阶段，投资者的乐观情绪不断强化，推动股价持续上升，形成过度反应；而在市场下跌阶段，投资者的悲观情绪蔓延，导致股价过度下跌，形成动量效应。现有研究虽然在投资者情绪与股市波动关系的探讨上取得了显著进展，但仍存在一些不足之处。部分研究在投资者情绪的度量上存在局限性，单一指标难以全面准确地反映投资者情绪的复杂性和多样性。仅使用封闭式基金折价率或交易量等单一指标来衡量投资者情绪，无法涵盖投资者情绪的多个维度，可能导致研究结果的偏差。一些研究在模型选择上相对单一，未能充分考虑金融市场的非线性和时变特征。传统的线性回归模型无法捕捉到投资者情绪与股市波动之间的复杂动态关系，难以准确描述市场的实际运行情况。针对上述不足，本研究将在多个方面进行改进。在投资者情绪度量上，运用主成分分析法，从多个原始指标中提取主要成分，构建综合的投资者情绪指数，以更全面、准确地反映投资者情绪。纳入消费者信心指数、新增投资者开户数、封闭式基金折价率、换手率等多个指标，通过主成分分析将这些指标的信息进行整合，提高投资者情绪度量的准确性和可靠性。在模型选择上，采用MSVAR模型，该模型能够有效捕捉市场状态的变化，刻画投资者情绪与股市波动之间的非线性动态关系，从而更深入地探究二者之间的内在联系。通过MSVAR模型，可以识别不同市场区制下投资者情绪对股市波动的影响差异，为市场参与者和监管者提供更具针对性的决策依据。三、投资者情绪与股市波动性关联机制3.1投资者情绪影响股市波动的理论路径3.1.1基于行为金融学的分析行为金融学理论打破了传统金融理论中投资者完全理性的假设，认为投资者在决策过程中会受到多种心理因素的影响，从而导致认知偏差和情绪波动，这些因素进而对股市波动产生显著影响。投资者常见的认知偏差包括过度自信、损失厌恶、代表性启发和锚定效应等。过度自信使得投资者高估自己的判断能力和投资技巧，对市场走势过于乐观。在股票市场上涨阶段，过度自信的投资者会认为自己能够准确预测股票价格的上涨趋势，从而加大投资力度，甚至不惜借贷资金进行投资。他们往往忽视市场中潜在的风险，如宏观经济形势的变化、公司基本面的恶化等。这种过度投资行为会推动股价进一步上涨，形成市场泡沫。一旦市场出现反转信号，如宏观经济数据不及预期、公司业绩下滑等，过度自信的投资者由于对市场风险的估计不足，可能会陷入恐慌，纷纷抛售股票，导致股价大幅下跌，加剧股市的波动。损失厌恶是指投资者对损失的敏感程度远高于对收益的敏感程度。当投资者面临损失时，他们往往会产生强烈的痛苦情绪，为了避免进一步的损失，可能会采取非理性的决策。在股票价格下跌时，损失厌恶的投资者可能会因害怕损失进一步扩大而匆忙卖出股票，即使股票的基本面并没有发生实质性的改变。这种恐慌性抛售行为会导致股票价格进一步下跌，形成恶性循环。投资者可能会因为害怕错过股票价格反弹的机会而在股价稍有上涨时就急于买入，而没有充分考虑股票的投资价值，这种追涨杀跌的行为会加剧股市的波动。代表性启发是指投资者在决策时，往往会根据过去的经验和记忆中的典型模式来判断当前的市场情况。投资者可能会根据某只股票过去的表现来推断其未来的走势，而忽视了市场环境的变化和其他相关因素。如果某只股票在过去一段时间内表现出色，投资者可能会认为它在未来也会继续上涨，从而盲目买入。这种基于过去经验的判断往往会导致投资者对市场的变化反应滞后，当市场情况发生改变时，他们可能无法及时调整投资策略，从而引发股市的波动。锚定效应是指投资者在决策时，会过度依赖最初获得的信息，将其作为后续决策的参考依据。在股票投资中，投资者可能会将股票的历史价格作为判断其当前价值的重要依据。如果某只股票的历史最高价为100元，而当前价格为80元，投资者可能会认为该股票价格相对较低，具有投资价值，而忽视了公司的基本面和市场的整体情况。这种锚定效应会影响投资者的买入和卖出决策，导致股票价格偏离其内在价值，进而引发股市的波动。羊群效应也是投资者情绪影响股市波动的重要因素。在股市中，投资者往往会观察其他投资者的行为，并倾向于模仿他们的决策。当一部分投资者开始买入或卖出股票时，其他投资者可能会跟随他们的行动，形成一种群体行为。在牛市行情中，随着股票价格的不断上涨，越来越多的投资者受到市场乐观情绪的感染，纷纷跟风买入股票，导致股价进一步上涨，形成市场泡沫。相反，在熊市行情中，投资者的恐慌情绪会相互传染，引发大规模的抛售行为，导致股价大幅下跌。羊群效应使得投资者的行为缺乏独立性和理性判断，加剧了股市的波动。投资者情绪的波动会通过投资者的认知偏差和羊群效应等因素，对股市波动产生显著影响。了解这些影响机制，有助于投资者更好地认识自己的投资行为，提高投资决策的理性程度，同时也为监管者制定有效的市场监管政策提供了理论依据。3.1.2信息不对称与市场反应在金融市场中，信息不对称是一种普遍存在的现象，它指的是市场参与者之间掌握的信息存在差异，一方拥有比另一方更多或更准确的信息。信息不对称会导致投资者在决策过程中面临不确定性和风险，进而影响投资者情绪，引发股市的波动。上市公司内部人员、机构投资者等往往拥有更多关于公司基本面、行业动态、市场趋势等方面的信息，而普通投资者由于信息获取渠道有限、分析能力不足等原因，在信息掌握上处于劣势地位。当市场上出现新的信息时，不同投资者对信息的解读和反应存在差异。拥有更多信息的投资者能够更准确地评估信息的价值和影响，而普通投资者可能会因为信息不足或误解信息而做出错误的决策。当公司发布一份业绩预告时，机构投资者可能通过深入的研究和分析，准确判断出业绩预告对公司未来股价的影响；而普通投资者可能仅仅根据业绩预告的表面数据，盲目地买入或卖出股票，导致股价出现过度反应。在信息不对称的情况下，投资者往往会根据有限的信息和自身的情绪来做出决策。当投资者接收到利好信息时，如果他们处于乐观情绪状态，可能会过度解读这些信息，认为股票价格会持续上涨，从而加大投资力度，推动股价上升。相反，当投资者接收到利空信息时，如果他们处于悲观情绪状态，可能会过度放大这些信息的负面影响，认为股票价格会大幅下跌，从而恐慌性抛售股票，导致股价下跌。在市场传闻某公司可能会获得一项重大合同的情况下，乐观的投资者会立即买入该公司股票，推动股价上涨；而当传闻被澄清后，悲观的投资者又会迅速卖出股票，导致股价下跌。信息传播过程中的噪音和偏差也会加剧信息不对称对股市波动的影响。媒体报道、分析师推荐等信息传播渠道可能存在偏见或误导性，导致投资者接收到的信息不准确或不完整。一些媒体为了吸引眼球，可能会夸大市场热点事件的影响，制造市场恐慌或过度乐观的氛围；一些分析师可能出于自身利益考虑，发布不客观的研究报告，误导投资者的决策。这些噪音和偏差会干扰投资者对真实信息的判断，进一步加剧投资者情绪的波动，从而引发股市的大幅波动。信息不对称还会导致市场上出现逆向选择和道德风险问题。逆向选择是指在信息不对称的情况下，质量较差的公司更容易获得融资，而质量较好的公司可能因为信息不被市场充分了解而难以获得资金支持。道德风险是指在信息不对称的情况下，公司管理层可能会为了自身利益而做出损害股东利益的行为。这些问题会降低市场的效率和稳定性，引发投资者对市场的信任危机，导致投资者情绪恶化，进而影响股市的波动。信息不对称是投资者情绪影响股市波动的重要因素之一。减少信息不对称，提高市场信息的透明度和准确性，加强投资者教育，提高投资者的信息分析能力和理性决策水平，对于稳定投资者情绪，降低股市波动具有重要意义。3.2投资者情绪对不同市场状态下股市波动的差异化影响在股票市场中，牛市和熊市作为两种截然不同的市场状态，具有各自鲜明的特征，投资者情绪在这两种状态下的表现形式和对股市波动的影响也存在显著差异。在牛市阶段，股票价格呈现持续上涨的趋势，市场交易活跃，成交量不断放大。此时，投资者情绪普遍乐观，对市场前景充满信心，这种乐观情绪主要源于对经济增长的良好预期、企业盈利的增加以及市场整体氛围的积极向上。在经济持续增长，企业业绩不断提升的背景下，投资者往往会认为股票价格将继续上涨，从而积极买入股票。这种乐观情绪通过多种途径对股市波动产生影响。乐观的投资者情绪会吸引更多的资金流入股市。当投资者普遍看好市场时，他们会将更多的资金投入到股票市场中，无论是新投资者的入场还是老投资者的追加投资，都会增加市场的资金供给。这些新增资金会推动股票需求的增加，进而促使股票价格上涨。在牛市中，新开户投资者数量往往会大幅增加，他们受到市场赚钱效应的吸引，纷纷将资金投入股市，为市场注入了大量的流动性，推动股价进一步上升。投资者情绪还会影响市场参与者的行为。在乐观情绪的驱动下，投资者往往会降低对风险的感知，更愿意承担风险。他们可能会忽视股票的估值水平，追涨那些涨幅较大的股票，甚至不惜借贷资金进行投资，这种行为进一步推高了股价。一些投资者在牛市中会过度关注股票的短期涨幅，而忽视了公司的基本面和长期投资价值，盲目跟风买入热门股票，导致这些股票的价格远远偏离其内在价值，形成市场泡沫。乐观情绪还会引发羊群效应，使得更多的投资者跟随市场趋势进行投资，进一步放大了市场的波动。当一部分投资者看到市场上涨并获得收益后，其他投资者会受到影响，纷纷效仿，形成一种群体行为，推动股价持续上涨。而在熊市阶段，股票价格持续下跌，市场交易清淡，成交量逐渐萎缩。投资者情绪普遍悲观，对市场前景感到担忧，这种悲观情绪通常是由于经济衰退、企业盈利下降、市场信心受挫等因素引起的。在经济出现衰退迹象，企业业绩下滑，或者市场出现重大利空消息时，投资者往往会对市场失去信心，认为股票价格将继续下跌，从而选择卖出股票。悲观情绪同样会对股市波动产生多方面的影响。悲观的投资者情绪会导致资金从股市流出。当投资者对市场前景感到悲观时，他们会减少对股票的持有，将资金转移到其他相对安全的资产，如债券、现金等。这种资金的流出会导致股票市场的供给增加，需求减少，从而促使股票价格进一步下跌。在熊市中，投资者纷纷赎回股票型基金，导致基金公司不得不抛售股票以应对赎回压力，进一步加剧了股价的下跌。投资者情绪会影响投资者的风险偏好。在悲观情绪的笼罩下，投资者往往会过度关注风险，变得更加谨慎，甚至出现恐慌心理。他们可能会急于抛售手中的股票，以避免进一步的损失，这种恐慌性抛售行为会导致股价加速下跌。一些投资者在熊市中会因为害怕损失进一步扩大而匆忙卖出股票，即使股票的基本面并没有发生实质性的改变。这种过度反应会导致股票价格过度下跌，偏离其内在价值。悲观情绪还会在市场中形成恶性循环，进一步加剧股市的波动。股价的下跌会进一步引发投资者的恐慌，导致更多的投资者抛售股票，从而使股价继续下跌。投资者情绪在牛市和熊市中呈现出截然不同的表现形式，对股市波动的影响也具有显著差异。了解这些差异，对于投资者制定合理的投资策略以及监管者维护市场稳定都具有重要意义。在牛市中，投资者应保持理性，避免盲目跟风和过度投资，关注股票的估值水平和基本面；监管者应加强市场监管，防范市场泡沫的形成。在熊市中，投资者应保持冷静，避免恐慌性抛售，寻找被低估的投资机会；监管者应采取措施稳定市场信心，促进市场的健康发展。四、研究设计与数据处理4.1变量选取与数据来源4.1.1投资者情绪指标的构建为全面、准确地衡量投资者情绪，本研究选取多个具有代表性的指标，并运用主成分分析法构建综合投资者情绪指标。成交量作为股票市场活跃度的重要体现，能够反映投资者的参与程度和交易热情。当成交量大幅增加时，通常表明市场交易活跃，投资者情绪高涨，对市场前景充满信心；反之，成交量低迷则可能暗示投资者情绪低落，市场观望氛围浓厚。换手率则衡量了股票转手买卖的频率，高换手率意味着股票交易频繁，投资者对股票的关注度较高，市场情绪较为活跃；低换手率则反映出投资者交易意愿较低，市场情绪相对冷淡。新增开户数直观地反映了新投资者进入市场的数量，当新增开户数持续上升时，说明有大量新资金涌入市场，投资者对股市前景普遍看好，情绪乐观；新增开户数减少则可能表示投资者对市场的兴趣降低，情绪趋于谨慎。除上述指标外，消费者信心指数也被纳入投资者情绪指标体系。消费者信心指数反映了消费者对当前经济形势和未来经济预期的信心程度，它与投资者情绪密切相关。当消费者信心指数较高时，消费者对经济前景充满信心，消费意愿增强，这种乐观情绪也会传导至股市，促使投资者增加对股票的投资，推动股价上涨；反之，当消费者信心指数下降时，消费者对经济前景感到担忧，消费意愿降低，投资者情绪也会受到影响，可能导致股市资金流出，股价下跌。封闭式基金折价率同样是衡量投资者情绪的重要指标之一。封闭式基金折价率是指封闭式基金的市场价格低于其资产净值的百分比，当折价率较高时，说明投资者对封闭式基金的前景不看好，市场情绪较为悲观；反之，折价率较低或出现溢价时，则表明投资者对封闭式基金的信心较强，市场情绪乐观。本研究运用主成分分析法对这些指标进行处理。主成分分析法的基本原理是通过线性变换将多个原始指标转化为少数几个互不相关的综合指标，这些综合指标能够最大限度地保留原始指标的信息。在进行主成分分析时，首先对原始数据进行标准化处理，以消除指标量纲和数量级的影响。计算标准化数据的相关系数矩阵，通过求解相关系数矩阵的特征值和特征向量，确定主成分的个数和系数。根据特征值大于1或累计贡献率达到一定水平（如85%）的原则，选取主成分。将原始指标的标准化数据与主成分系数相乘，得到主成分得分，进而构建综合投资者情绪指标。通过主成分分析法，能够有效降维，避免单一指标的局限性，更全面、准确地反映投资者情绪的变化趋势。4.1.2股市波动性指标的确定本研究选用沪深300指数收益率的标准差作为衡量股市波动性的指标。沪深300指数由上海和深圳证券市场中市值大、流动性好的300只A股组成，具有广泛的市场代表性，能够较好地反映我国股票市场的整体走势。收益率标准差是一种常用的风险度量指标，它通过计算收益率的离散程度来衡量股市的波动程度。标准差越大，说明收益率的波动越剧烈，股市的风险越高；反之，标准差越小，股市的风险相对较低。具体计算过程如下：首先，计算沪深300指数的日收益率。设P_t为第t日的沪深300指数收盘价，则日收益率r_t的计算公式为：r_t=\frac{P_t-P_{t-1}}{P_{t-1}}其中，t=2,3,\ldots,n，n为样本数据的个数。然后，计算日收益率的均值\overline{r}：\overline{r}=\frac{1}{n-1}\sum_{t=2}^nr_t最后，计算日收益率的标准差\sigma：\sigma=\sqrt{\frac{1}{n-1}\sum_{t=2}^n(r_t-\overline{r})^2}通过上述计算得到的标准差能够直观地反映沪深300指数收益率的波动情况，从而准确衡量我国股市的波动性。除标准差外，还有其他一些指标也可用于衡量股市波动性，如方差、平均绝对偏差等。方差是标准差的平方，同样反映了收益率的离散程度；平均绝对偏差则是收益率与均值之差的绝对值的平均值。然而，标准差在实际应用中更为广泛，因为它具有良好的数学性质，便于进行统计分析和比较。在金融风险管理领域，标准差常被用于计算风险价值（VaR）等风险指标，为投资者和金融机构提供了重要的风险评估工具。在研究股市波动性时，还需考虑到市场的复杂性和不确定性。股市波动性不仅受到宏观经济因素、公司基本面因素的影响，还受到投资者情绪、市场政策等多种因素的综合作用。因此，在分析股市波动性时，需要综合考虑多种因素，运用多种方法进行研究，以更全面、深入地理解股市波动性的变化规律。4.1.3控制变量的考量为更准确地探究投资者情绪与股市波动之间的关系，本研究引入宏观经济变量作为控制变量，以排除宏观经济因素对研究结果的干扰。GDP增长率作为衡量宏观经济增长的核心指标，直接反映了一个国家或地区经济活动的总体规模和增长速度。在经济增长强劲的时期，企业盈利能力增强，市场信心提升，投资者对股市的预期也更为乐观，这通常会促使股市呈现上涨趋势，波动性相对较小。在经济扩张阶段，企业销售额增加，利润上升，股票价格往往会随之上涨，股市的稳定性也会增强。相反，当GDP增长率放缓或出现负增长时，企业面临的经营压力增大，市场不确定性增加，投资者情绪可能会受到负面影响，导致股市波动加剧。在经济衰退时期，企业盈利下降，投资者对股市的信心受挫，纷纷抛售股票，股价大幅下跌，股市波动性显著增大。通货膨胀率也是一个重要的宏观经济变量，它衡量了物价水平的变化情况。适度的通货膨胀对经济和股市具有一定的刺激作用。在温和通货膨胀环境下，企业产品价格上升，利润增加，股票价格可能会上涨。通货膨胀率过高则会带来负面影响。高通货膨胀会导致货币贬值，消费者购买力下降，企业成本上升，这可能会抑制经济增长，引发投资者对股市的担忧，从而导致股市波动加大。当通货膨胀率超过一定水平时，央行可能会采取紧缩的货币政策，提高利率，减少货币供应量，这会增加企业的融资成本，抑制投资和消费，对股市产生不利影响。利率作为货币政策的重要工具，对股市波动有着直接而显著的影响。利率的变化会影响企业的融资成本和投资者的资金成本。当利率下降时，企业融资成本降低，投资意愿增强，经济活动趋于活跃，这对股市是利好消息，可能会推动股价上涨，降低股市波动性。低利率环境下，企业更容易获得贷款进行扩大生产和投资，盈利预期提高，吸引投资者购买股票，推动股市上涨。相反，当利率上升时，企业融资成本增加，投资意愿受到抑制，经济活动可能会放缓，这会对股市产生负面影响，导致股价下跌，股市波动性增大。高利率会使债券等固定收益类资产的吸引力增加，投资者可能会将资金从股市转移到债券市场，导致股市资金流出，股价下跌。汇率变动也是影响股市波动的重要因素之一。在经济全球化的背景下，汇率的波动会对国际贸易和国际投资产生影响，进而影响企业的经营业绩和股市表现。对于出口型企业来说，本币贬值有利于出口，企业利润可能会增加，股价可能会上涨；本币升值则会削弱出口竞争力，对企业业绩产生不利影响，股价可能会下跌。汇率波动还会影响国际资金的流动。当本币升值时，外国投资者持有本国资产的收益会增加，可能会吸引更多的国际资金流入股市，推动股价上涨；反之，当本币贬值时，国际资金可能会流出，导致股市资金减少，股价下跌。通过纳入GDP增长率、通货膨胀率、利率和汇率等宏观经济变量作为控制变量，能够更准确地分析投资者情绪对股市波动的影响，提高研究结果的可靠性和准确性。这些宏观经济变量与投资者情绪和股市波动之间存在着复杂的相互关系，在研究过程中需要综合考虑它们的作用，以全面揭示股市波动的内在机制。4.1.4数据来源及样本区间本研究的数据主要来源于Wind数据库，该数据库是金融领域广泛使用的专业数据平台，涵盖了丰富的金融市场数据和宏观经济数据，具有数据全面、准确、及时等优点。对于投资者情绪指标所涉及的成交量、换手率、新增开户数等数据，以及沪深300指数的相关数据，均从Wind数据库中获取。消费者信心指数数据则来源于国家统计局官网，国家统计局通过科学的调查方法和严谨的数据统计流程，发布的消费者信心指数具有较高的权威性和可信度。考虑到数据的可得性和市场的代表性，本研究确定样本区间为2010年1月至2023年12月。这一时间段涵盖了我国股市的多个重要发展阶段，包括牛市、熊市和平稳期等不同市场状态，能够全面反映投资者情绪与股市波动的动态变化关系。在2010-2015年期间，我国股市经历了一轮先下跌后上涨的行情。2010-2012年，受宏观经济调整、欧债危机等因素影响，股市处于熊市阶段，投资者情绪较为低迷，股市波动性较大。2013-2015年，随着经济结构调整的推进和政策的支持，股市逐渐回暖，进入牛市行情，投资者情绪高涨，成交量大幅增加，股市波动性也有所变化。2015年下半年，股市出现大幅下跌，市场恐慌情绪蔓延，投资者情绪受到严重打击，股市波动性急剧增大。2016-2020年，股市整体呈现震荡走势，期间受到国内外经济形势、政策调整等多种因素的影响，投资者情绪和股市波动也相应发生变化。2020年以来，受新冠疫情等突发事件的冲击，股市经历了剧烈波动，投资者情绪也随之起伏。在数据处理过程中，首先对原始数据进行清洗，剔除异常值和缺失值。对于缺失值，采用插值法或均值法进行填补，以确保数据的完整性。对数据进行标准化处理，消除量纲和数量级的影响，使不同变量之间具有可比性。通过对数据进行对数变换、差分等操作，将数据转化为平稳序列，满足后续模型分析的要求。经过数据清洗和预处理后，得到了高质量的研究数据，为后续的实证分析奠定了坚实的基础。4.2MSVAR模型设定与估计4.2.1MSVAR模型的具体形式选择在构建MSVAR模型时，合理选择模型形式至关重要，它直接影响到模型对数据的拟合效果以及对变量之间关系的刻画能力。本研究综合考虑数据特征和研究目的，确定采用MSIH(2)-VAR(2)模型。从数据特征来看，所选取的投资者情绪指标和股市波动性指标的时间序列数据呈现出明显的非线性和时变特征。在不同的市场环境下，投资者情绪与股市波动之间的关系并非一成不变，而是会随着市场状态的变化而发生改变。在牛市和熊市阶段，投资者情绪对股市波动的影响程度和方向可能存在显著差异。这种非线性和时变特征使得传统的线性时间序列模型难以准确捕捉数据的内在规律，因此需要采用能够考虑市场状态变化的MSVAR模型。从研究目的出发，本研究旨在深入探究投资者情绪在不同市场区制下对股市波动的动态影响。MSIH(2)-VAR(2)模型中的“MS”表示马尔可夫区制转移，意味着模型能够识别不同的市场区制，如牛市和熊市等；“IH”表示截距和方差在不同区制下是异质的，这能够更灵活地刻画不同市场状态下变量的均值和波动特征；“(2)”表示VAR模型的滞后阶数为2，即模型考虑了变量的前两期滞后值对当期值的影响。通过设定两个区制，可以将市场状态大致分为高波动区制和低波动区制，分别对应市场的不稳定时期和相对稳定时期。在高波动区制下，市场可能受到重大事件、政策调整等因素的影响，投资者情绪波动较大，股市波动性也相应增强；在低波动区制下，市场运行相对平稳，投资者情绪较为稳定，股市波动性较小。为了进一步确定模型的合理性，对数据进行了单位根检验和协整检验。单位根检验结果表明，所有变量在经过适当的差分处理后均为平稳序列，满足构建MSVAR模型的前提条件。协整检验结果显示，投资者情绪指标与股市波动性指标之间存在长期稳定的协整关系，这为采用MSVAR模型分析二者之间的动态关系提供了理论依据。通过对数据特征和研究目的的综合考量，选择MSIH(2)-VAR(2)模型能够更好地捕捉投资者情绪与股市波动之间的复杂非线性关系，准确刻画不同市场区制下二者的动态变化，为后续的实证分析奠定坚实的基础。4.2.2模型参数估计与检验本研究运用Eviews软件对MSIH(2)-VAR(2)模型的参数进行估计。Eviews软件是一款功能强大的计量经济学分析软件，具有操作简便、计算准确等优点，在经济金融领域的实证研究中被广泛应用。在估计过程中，采用极大似然估计法（MLE）来求解模型的参数。极大似然估计法的基本思想是通过寻找一组参数值，使得样本数据在该参数值下出现的概率最大。对于MSVAR模型，通过最大化观测数据的似然函数，得到模型中VAR部分的系数矩阵、截距向量以及区制转移概率矩阵等参数的估计值。在完成模型参数估计后，需要对模型进行一系列严格的检验，以确保模型的可靠性和有效性。首先进行LR检验（似然比检验），LR检验用于比较不同区制数的MSVAR模型之间的拟合优度。具体而言，通过计算两个不同区制数模型的似然函数值，构建似然比统计量。如果LR检验的结果表明增加区制数能够显著提高模型的似然函数值，即似然比统计量超过了临界值，则说明增加区制数后的模型更优。在本研究中，对MSIH(2)-VAR(2)模型与MSIH(1)-VAR(2)模型进行LR检验，结果显示MSIH(2)-VAR(2)模型的似然函数值显著高于MSIH(1)-VAR(2)模型，说明采用两个区制能够更好地拟合数据，更准确地反映市场状态的变化。还运用AIC（赤池信息准则）和BIC（贝叶斯信息准则）对模型进行评价。AIC和BIC准则是常用的模型选择标准，它们在考虑模型拟合优度的同时，还对模型的复杂度进行惩罚。AIC和BIC的值越小，说明模型在拟合数据和复杂度之间达到了更好的平衡，模型的性能更优。在本研究中，比较了不同滞后阶数和区制数的MSVAR模型的AIC和BIC值，结果表明MSIH(2)-VAR(2)模型的AIC和BIC值相对较小，进一步验证了该模型的合理性和优越性。除了上述检验外，还对模型的残差进行了检验。残差检验主要包括残差的自相关检验和异方差检验。自相关检验用于判断模型的残差是否存在自相关问题，如果残差存在自相关，说明模型可能遗漏了重要信息或存在设定错误。采用Ljung-Box检验对残差的自相关进行检验，结果显示残差在各阶滞后下均不存在显著的自相关。异方差检验用于检查模型的残差是否存在异方差性，如果残差存在异方差，会影响模型参数估计的有效性和假设检验的可靠性。运用ARCH检验对残差的异方差性进行检验，结果表明残差不存在异方差性。这些检验结果表明，MSIH(2)-VAR(2)模型的残差符合白噪声序列的假设，模型的设定是合理的，能够有效地用于分析投资者情绪与股市波动之间的关系。五、实证结果与分析5.1描述性统计分析对收集的数据进行描述性统计分析，以初步了解投资者情绪指标、股市波动性指标和控制变量的基本特征。表1展示了各变量的描述性统计结果：表1：变量描述性统计变量样本量均值标准差最小值最大值投资者情绪指数1680.0320.874-2.3453.126股市波动性（标准差）1680.0250.0180.0050.102GDP增长率1680.0650.0210.0230.105通货膨胀率1680.0210.015-0.0140.056利率1680.0350.0120.0150.068汇率1686.5430.3276.1257.236从投资者情绪指数来看，均值为0.032，表明整体上投资者情绪处于略微乐观的状态。标准差为0.874，说明投资者情绪存在较大的波动，投资者之间的情绪差异较为明显。最小值为-2.345，最大值为3.126，进一步反映了投资者情绪在样本区间内的波动范围较大，经历了极度悲观和极度乐观的不同状态。在市场出现重大利空消息时，投资者情绪可能迅速降至极低水平，如2020年初新冠疫情爆发初期，投资者情绪指数一度接近最小值；而在市场行情火爆，如2015年上半年牛市行情中，投资者情绪指数则大幅上升，接近最大值。股市波动性指标（标准差）的均值为0.025，反映了我国股市在样本区间内的平均波动程度。标准差为0.018，说明股市波动性的变化也较为显著。最小值0.005和最大值0.102表明股市波动性在不同时期存在较大差异。在市场相对稳定时期，如2017-2018年部分时间段，股市波动性较小，接近最小值；而在市场出现剧烈波动时，如2015年股灾期间，股市波动性急剧增大，达到最大值。对于控制变量，GDP增长率均值为0.065，显示出我国经济在样本区间内保持了一定的增长态势。标准差0.021表明GDP增长率存在一定的波动，但相对较为稳定。通货膨胀率均值为0.021，处于温和通胀水平，标准差0.015说明通货膨胀率也存在一定的波动。利率均值为0.035，标准差为0.012，反映了我国货币政策在样本区间内的调整情况。汇率均值为6.543，标准差0.327，表明人民币汇率在一定范围内波动。通过描述性统计分析，可以初步了解各变量的基本特征和波动情况，为后续的实证分析奠定基础。这些统计结果也反映了我国股市和宏观经济环境的复杂性和动态变化性，为进一步探究投资者情绪与股市波动之间的关系提供了背景信息。5.2区制划分与特征分析根据MSVAR模型的估计结果，可将我国股市划分为两个区制：区制1和区制2，它们分别代表了不同的市场状态。区制1为低波动区制，区制2为高波动区制。在低波动区制下，股市运行相对平稳，投资者情绪较为稳定，市场不确定性较低。这一时期，宏观经济形势通常较为稳定，政策环境相对宽松，企业盈利状况良好，投资者对市场前景充满信心，投资行为相对理性。在经济增长稳定，通货膨胀率和利率水平较为稳定的时期，股市波动性较小，投资者情绪也较为平稳。区制转移概率矩阵表明，区制1转移到区制1的概率为0.925，转移到区制2的概率为0.075；区制2转移到区制1的概率为0.156，转移到区制2的概率为0.844。这意味着在低波动区制下，股市维持当前状态的可能性较大，达到92.5%，而转换到高波动区制的概率相对较小，仅为7.5%。在高波动区制下，股市维持高波动状态的概率为84.4%，转换到低波动区制的概率为15.6%。这种转移概率反映了股市状态的持续性和稳定性，也说明了市场状态的转变并非一蹴而就，而是需要一定的条件和时间。不同区制的持续时间也有所不同。通过计算，区制1的平均持续期约为13.33个月，区制2的平均持续期约为6.41个月。低波动区制的持续时间明显长于高波动区制，这表明我国股市在大部分时间内处于相对稳定的状态。在2010-2014年期间，我国股市整体处于低波动区制，市场运行较为平稳，投资者情绪相对稳定。而在2015年股灾期间，股市进入高波动区制，市场出现剧烈波动，投资者情绪极度恐慌。但高波动区制持续时间相对较短，随着市场的调整和政策的干预，股市逐渐恢复稳定，再次进入低波动区制。从不同区制下投资者情绪与股市波动的关系来看，在低波动区制下，投资者情绪对股市波动的影响相对较小。投资者在相对稳定的市场环境中，能够更理性地分析和判断市场信息，投资行为相对谨慎，情绪波动对股市波动的传导作用较弱。在高波动区制下，投资者情绪对股市波动的影响显著增强。市场的不确定性和风险增加，投资者更容易受到情绪的影响，恐慌或乐观情绪在市场中迅速传播，导致投资者行为的一致性和趋同性增强，从而放大了股市的波动。在市场出现重大利空消息时，投资者的恐慌情绪会引发大规模的抛售行为，导致股价大幅下跌，股市波动性急剧增大。5.3脉冲响应分析5.3.1投资者情绪冲击对股市波动性的动态影响通过脉冲响应函数，深入分析投资者情绪正向和负向冲击对股市波动性的短期和长期影响。在短期内，当给予投资者情绪一个正向冲击时，股市波动性会迅速上升。这是因为投资者情绪的高涨会引发市场交易的活跃，投资者纷纷增加买入操作，导致股票价格的波动加剧。在市场行情向好，投资者情绪乐观时，新投资者大量涌入市场，他们的买入行为推动股价上涨，但同时也增加了市场的不确定性，使得股市波动性增大。这种影响在冲击发生后的前几期尤为明显，随着时间的推移，波动性逐渐趋于稳定。大约在冲击后的第5期，波动性开始逐渐回落，表明投资者情绪对股市波动性的短期冲击效应逐渐减弱。这是因为随着时间的推移，市场逐渐消化了投资者情绪的变化，投资者的行为也逐渐回归理性，股市波动性相应降低。从长期来看，投资者情绪的正向冲击对股市波动性仍有一定的持续影响，但影响程度相对较小。这意味着投资者情绪的变化不仅在短期内会引发股市的波动，还会在长期内对股市的稳定性产生一定的影响。如果投资者长期处于乐观情绪状态，会推动股市持续上涨，形成一定的泡沫，增加股市的潜在风险。当投资者情绪出现逆转时，泡沫破裂，股市可能会面临较大的下跌压力，波动性增大。长期的乐观情绪会导致投资者过度投资，使得股票价格偏离其内在价值，一旦市场出现调整，股价就会大幅下跌，股市波动性增大。当给予投资者情绪一个负向冲击时，股市波动性同样会迅速上升。投资者情绪的悲观会导致他们对市场前景失去信心，纷纷抛售股票，引发股价下跌，进而增大股市波动性。在市场出现重大利空消息，投资者情绪悲观时，股票价格会大幅下跌，成交量急剧增加，股市波动性显著增大。与正向冲击类似，负向冲击对股市波动性的影响在短期内较为明显，随着时间的推移，影响逐渐减弱。在冲击后的第3-4期，波动性达到峰值，随后开始逐渐下降。这表明投资者情绪的负向冲击对股市波动性的短期影响较为剧烈，但市场具有一定的自我修复能力，能够在一定程度上缓解情绪冲击带来的影响。在长期，投资者情绪的负向冲击同样会对股市波动性产生一定的持续影响。持续的悲观情绪会导致市场信心受挫，资金流出股市，股市的稳定性受到影响，波动性维持在相对较高的水平。在经济衰退时期，投资者对未来经济前景感到悲观，纷纷减少股票投资，导致股市长期低迷，波动性较大。5.3.2不同区制下的脉冲响应差异比较不同区制下投资者情绪冲击对股市波动性的脉冲响应差异，发现其在低波动区制和高波动区制下存在显著不同。在低波动区制下，投资者情绪冲击对股市波动性的影响相对较小。当给予投资者情绪一个正向冲击时，股市波动性虽然会有所上升，但上升幅度相对较小。这是因为在低波动区制下，市场运行相对平稳，投资者情绪相对稳定，市场对投资者情绪的变化具有一定的缓冲能力。投资者在相对稳定的市场环境中，能够更理性地分析和判断市场信息，不会因为情绪的微小变化而做出过度的投资决策。即使投资者情绪出现一定程度的乐观，他们也会谨慎地增加投资，不会导致市场出现大幅波动。当给予投资者情绪一个负向冲击时，股市波动性的上升幅度也相对有限。这表明在低波动区制下，市场的稳定性较强，能够有效抵御投资者情绪的负面冲击。市场中的理性投资者会在股价下跌时进行反向操作，稳定股价，从而抑制股市波动性的增大。在市场相对稳定时期，即使出现一些利空消息，引发投资者情绪的短暂悲观，市场也能够通过自我调节机制，保持相对稳定的运行状态。而在高波动区制下，投资者情绪冲击对股市波动性的影响显著增强。当给予投资者情绪一个正向冲击时，股市波动性会大幅上升。在高波动区制下，市场不确定性增加，投资者更容易受到情绪的影响，乐观情绪在市场中迅速传播，导致投资者纷纷跟风买入股票，推动股价大幅上涨，股市波动性急剧增大。在牛市后期，市场情绪极度乐观，投资者大量买入股票，股价泡沫严重，市场波动性大幅增加。当给予投资者情绪一个负向冲击时，股市波动性的上升幅度更为剧烈。投资者的恐慌情绪会迅速蔓延，引发大规模的抛售行为，导致股价大幅下跌，股市波动性急剧增大。在熊市行情中，一旦投资者情绪转为悲观，市场就会陷入恐慌，股票价格大幅下跌，成交量急剧增加，股市波动性达到极高水平。不同区制下投资者情绪冲击对股市波动性的脉冲响应差异主要源于市场状态和投资者行为的不同。在低波动区制下，市场运行相对稳定，投资者行为相对理性，对情绪冲击的反应较为温和；而在高波动区制下，市场不确定性增加，投资者情绪波动较大，行为趋同性增强，对情绪冲击的反应更为剧烈。5.4方差分解分析为进一步明确投资者情绪和其他因素对股市波动性变化的贡献度，本研究进行方差分解分析。方差分解通过将股市波动性的预测误差方差分解为各个变量冲击所带来的贡献，以此评估每个变量对股市波动性的相对重要性。表2展示了方差分解的结果：表2：方差分解结果预测期投资者情绪股市波动性自身GDP增长率通货膨胀率利率汇率115.32%68.25%5.48%3.26%4.13%3.56%218.45%63.12%6.73%4.05%4.87%2.78%321.34%58.67%7.56%4.68%5.23%2.52%423.56%55.21%8.12%5.01%5.45%2.65%525.18%52.34%8.56%5.23%5.67%3.02%从表中可以看出，在短期内（预测期为1时），股市波动性自身对其波动的贡献度最大，达到68.25%。这表明股市波动性具有较强的惯性，前期的波动状态对当前的波动性有较大影响。投资者情绪对股市波动性的贡献度为15.32%，在各因素中位居第二。这说明投资者情绪在短期内已经对股市波动性产生了不可忽视的影响，投资者情绪的变化能够在一定程度上解释股市波动性的变化。GDP增长率、通货膨胀率、利率和汇率等宏观经济变量对股市波动性的贡献度相对较小，分别为5.48%、3.26%、4.13%和3.56%。这可能是因为宏观经济变量的变化相对较为缓慢，对股市波动性的影响需要一定的时间才能显现出来。随着预测期的延长，投资者情绪对股市波动性的贡献度逐渐增加。在预测期为5时，投资者情绪的贡献度上升至25.18%。这进一步证明了投资者情绪对股市波动性的影响具有持续性，且随着时间的推移，这种影响逐渐增强。股市波动性自身的贡献度则逐渐下降，在预测期为5时降至52.34%。这表明随着时间的推移，股市波动性的惯性逐渐减弱，其他因素对其影响逐渐增大。GDP增长率、通货膨胀率、利率和汇率等宏观经济变量对股市波动性的贡献度也呈现出逐渐上升的趋势，但总体上仍相对较小。通过方差分解分析可以得出，投资者情绪是影响股市波动性的重要因素之一，其对股市波动性变化的贡献度随着时间的推移逐渐增大。在制定投资策略和市场监管政策时，应充分考虑投资者情绪的影响，加强对投资者情绪的监测和引导，以降低股市波动性，维护金融市场的稳定。5.5稳健性检验5.5.1替换变量法为确保研究结果的可靠性，采用替换变量法进行稳健性检验。在投资者情绪指标方面，将原本构建的综合投资者情绪指数替换为百度指数中与股市相关的搜索热度指标。百度指数能够反映大众对特定关键词的搜索频率，当投资者对股市关注度提高，搜索热度上升，往往意味着投资者情绪高涨；反之，搜索热度下降，则可能表明投资者情绪低落。以“股票投资”“股市行情”等关键词的百度指数作为新的投资者情绪指标，重新进行MSVAR模型估计。在股市波动性指标方面，选用上证50指数收益率的标准差替代沪深300指数收益率的标准差。上证50指数由上海证券市场规模大、流动性好的最具代表性的50只股票组成，同样能够反映股市的整体波动情况。通过替换变量后的实证结果显示，投资者情绪对股市波动性依然具有显著影响。在不同区制下，投资者情绪冲击对股市波动性的脉冲响应方向和大致趋势与原模型结果保持一致。在高波动区制下，投资者情绪的正向冲击仍会导致股市波动性大幅上升；在低波动区制下，投资者情绪冲击对股市波动性的影响相对较小。方差分解结果也表明，投资者情绪对股市波动性变化的贡献度在新的变量下依然较为显著，且随着时间推移逐渐增加。这充分说明，即使更换了投资者情绪指标和股市波动性指标，研究结论依然具有较强的稳健性，即投资者情绪是影响股市波动性的重要因素，其对股市波动性的影响机制具有稳定性。5.5.2改变样本区间为进一步检验研究结果的稳定性，对样本区间进行调整。将样本区间缩短为2013年1月至2020年12月，该时间段涵盖了我国股市的多轮涨跌行情，包括2015年的牛市和股灾以及之后的市场调整期。在这一区间内，经济形势和市场环境也经历了诸多变化，如宏观经济政策的调整、金融监管的加强等。重新对MSVAR模型进行估计和分析，结果显示，投资者情绪与股市波动之间的关系并未发生实质性改变。投资者情绪对股市波动性的影响方向和程度在不同区制下与原样本区间的结果相似。在脉冲响应分析中，投资者情绪正向和负向冲击对股市波动性的短期和长期影响趋势依然明显。在方差分解中，投资者情绪对股市波动性变化的贡献度也与原结果相近。将样本区间延长至2008年1月至2023年12月，这一区间不仅包含了上述行情，还涵盖了2008年全球金融危机对我国股市的冲击。在全球金融危机期间，我国股市大幅下跌，投资者情绪极度悲观，市场波动性急剧增大。对该样本区间进行实证分析后发现，研究结论依然保持稳定。投资者情绪在不同市场环境下对股市波动性的影响机制具有一致性，进一步验证了研究结果的可靠性和稳健性。通过改变样本区间进行稳健性检验，表明研究结果不受样本区间选择的影响，能够较为准确地反映投资者情绪与股市波动之间的真实关系。六、结论与政策建议6.1研究结论总结本研究运用MSVAR模型，深入剖析了投资者情绪与我国股市波动性之间的动态关系，得出以下重要结论：投资者情绪与股市波动性之间存在着紧密的联系。通过构建综合投资者情绪指数和选取沪深300指数收益率的标准差衡量股市波动性，并引入宏观经济变量作为控制变量，进行实证分析后发现，投资者情绪对股市波动性具有显著影响。当投资者情绪高涨时，股市波动性往往增大；当投资者情绪低落时，股市波动性相应减小。在市场行情向好，投资者情绪乐观时，新投资者大量涌入市场，交易活跃度增加，股价波动加剧，股市波动性增大；而在市场行情低迷，投资者情绪悲观时，投资者交易意愿降低，市场流动性减弱，股价波动相对较小，股市波动性减小。不同区制下，投资者情绪对股市波动性的影响存在明显差异。根据MSVAR模型的估计结果，将我国股市划分为低波动区制和高波动区制。在低波动区制下，股市运行相对平稳，投资者情绪较为稳定，投资者情绪对股市波动性的影响相对较小。市场对投资者情绪的变化具有一定的缓冲能力，投资者能够相对理性地分析和判断市场信息，投资行为相对谨慎，情绪波动对股市波动的传导作用较弱。在高波动区制下，市场不确定性增加，投资者更容易受到情绪的影响，投资者情绪对股市波动性的影响显著增强。恐慌或乐观情绪在市场中迅速传播，导致投资者行为的一致性和趋同性增强，从而放大了股市的波动。在牛市后期，市场情绪极度乐观，投资者大量买入股票，股价泡沫严重，股市波动性大幅增加；而在熊市行情中，投资者情绪悲观，恐慌性抛售行为导致股价大幅下跌，股市波动性急剧增大。方差分解分析结果表明，投资者情绪是影响股市波动性变化的重要因素之一。随着预测期的延长，投资者情绪对股市波动性的贡献度逐渐增加。在短期内，股市波动性自身对其波动的贡献度最大，但投资者情绪的贡献度也不容忽视；随着时间的推移，股市波动性的惯性逐渐减弱，投资者情绪对其波动的影响逐渐增大。这进一步证明了投资者情绪对股市波动性的影响具有持续性，且随着时间的推移，这种影响逐渐增强。通过替换变量法和改变样本区间进行稳健性检验，结果表明研究结论具有较强的稳健性。即使更换了投资者情绪指标和股市波动性指标，或者调整了样本区间，投资者情绪与股市波动之间的关系并未发生实质性改变，投资者情绪对股市波动性的影响依然显著。这说明本研究结果能够较为准确地