基于截面数据解析投资者情绪与股票收益率的复杂关联

基于截面数据解析投资者情绪与股票收益率的复杂关联一、引言1.1研究背景与意义在金融市场中，股票市场一直是投资者和研究者关注的焦点。股票收益率不仅关系到投资者的切身利益，也是衡量金融市场效率和经济健康状况的重要指标。传统金融理论假设投资者是完全理性的，市场是有效的，股票价格能够充分反映所有可用信息，股票收益率由宏观经济因素、公司基本面等决定。然而，大量的实证研究和市场实践表明，股票市场中存在着许多无法用传统金融理论解释的异常现象，如股票价格的过度波动、动量效应、反转效应等。这些异常现象的存在促使学者们从行为金融学的角度进行研究，其中投资者情绪对股票收益率的影响成为了研究的热点之一。投资者情绪是指投资者对股票市场总体乐观或悲观的程度，它反映了投资者的心理状态和预期。投资者情绪的产生源于投资者的认知偏差、情感因素以及社会心理因素等。在现实的股票市场中，投资者并非完全理性，他们的决策往往受到情绪的影响。当投资者情绪乐观时，他们可能会过度自信，高估股票的未来收益，从而增加对股票的需求，推动股票价格上涨，提高股票收益率；当投资者情绪悲观时，他们可能会过度恐惧，低估股票的未来收益，从而减少对股票的需求，导致股票价格下跌，降低股票收益率。2007-2008年的全球金融危机是投资者情绪对股票市场产生重大影响的典型案例。在金融危机爆发前，投资者普遍对市场前景持乐观态度，过度的乐观情绪使得股票市场出现了非理性的繁荣，股票价格大幅上涨，远远脱离了公司的基本面。然而，当金融危机爆发后，投资者的情绪迅速从乐观转向悲观，恐慌情绪在市场中蔓延，投资者纷纷抛售股票，导致股票市场急剧下跌，股票收益率大幅下降。以美国的标准普尔500指数为例，从2007年10月的高点到2009年3月的低点，该指数下跌了超过50%，许多股票的市值大幅缩水，投资者遭受了巨大的损失。在中国，股票市场也经历了类似的波动。在2007年，中国股票市场迎来了一轮大牛市，上证指数从年初的2728.19点一路上涨到10月的6124.04点，涨幅超过120%。然而，随后市场迅速反转，到2008年10月，上证指数下跌至1664.93点，跌幅超过70%。这种大幅度的涨跌很难仅仅用宏观经济基本面及公司基本面变化来解释，投资者情绪在其中起到了推波助澜的作用。除了金融危机这样的重大事件，投资者情绪在日常的股票市场波动中也发挥着重要作用。例如，当市场上出现一些利好消息时，投资者的情绪可能会受到鼓舞，变得更加乐观，从而推动股票价格上涨；反之，当出现利空消息时，投资者的情绪可能会变得悲观，导致股票价格下跌。而且，投资者情绪还会通过影响投资者的交易行为，进而影响股票市场的成交量和流动性。当投资者情绪高涨时，市场成交量往往会放大，流动性增强；当投资者情绪低落时，成交量会萎缩，流动性变差。以往对投资者情绪与股票收益率关系的研究主要集中在时间序列数据上，即分析投资者情绪在不同时间点上对股票市场整体收益率的影响。然而，股票市场是一个复杂的系统，不同股票的特征和表现存在差异，仅仅从时间序列角度研究无法全面揭示投资者情绪对股票收益率的影响机制。从截面数据的角度进行研究，即分析在同一时间点上，不同股票的收益率如何受到投资者情绪的影响，可以弥补时间序列研究的不足，为投资者和研究者提供更丰富的信息。一方面，对于投资者而言，了解不同股票对投资者情绪的敏感度差异，有助于他们根据自身的风险偏好和投资目标，选择更合适的股票进行投资，提高投资收益；另一方面，对于研究者来说，从截面数据研究投资者情绪与股票收益率的关系，可以更深入地探讨投资者情绪的作用机制，丰富和完善行为金融学理论。1.2研究目标与问题提出本研究旨在通过对截面数据的深入分析，揭示投资者情绪与股票收益率之间的内在关系，具体目标如下：量化两者关系：精确衡量投资者情绪对股票收益率的影响程度，运用合适的计量模型和统计方法，确定投资者情绪指标与股票收益率之间的定量关系，例如通过回归分析等手段，得出投资者情绪变化一个单位时，股票收益率相应的变化幅度，为投资者和市场参与者提供具体的量化参考。剖析影响机制：深入探究投资者情绪影响股票收益率的内在机制，从投资者行为、市场供求关系、信息传递等多个角度进行分析。例如，研究投资者情绪如何通过影响投资者的买卖决策，进而改变股票市场的供求关系，最终导致股票价格和收益率的变化；分析投资者情绪在信息传递过程中所起的作用，以及它如何影响投资者对股票基本面信息的解读和反应。揭示截面差异：全面分析在同一时间截面上，不同特征股票的收益率受投资者情绪影响的差异。比如，研究小市值股票与大市值股票、高市盈率股票与低市盈率股票、成长型股票与价值型股票等在面对投资者情绪波动时，收益率表现的不同特点，为投资者根据自身投资风格和风险偏好选择合适的股票提供理论依据。基于以上研究目标，本研究提出以下具体问题：投资者情绪与股票收益率的相关性：投资者情绪与股票收益率之间是否存在显著的相关性？若存在，这种相关性是正相关还是负相关？在不同的市场环境下，如牛市、熊市或震荡市，这种相关性是否会发生变化？例如，在牛市中，投资者情绪普遍乐观，此时投资者情绪与股票收益率的正相关性是否更为明显；而在熊市中，投资者情绪悲观，两者的负相关性又会如何表现。投资者情绪对股票收益率的影响程度：投资者情绪的波动对股票收益率的影响程度有多大？能否通过具体的量化指标来衡量这种影响？不同的投资者情绪指标，如封闭式基金折价率、IPO发行量、市场换手率等，对股票收益率的影响程度是否存在差异？通过对这些问题的研究，可以帮助投资者更好地评估投资者情绪对股票投资收益的潜在影响。不同特征股票受投资者情绪影响的差异：不同市值规模、行业属性、财务特征的股票，其收益率受投资者情绪的影响是否存在显著差异？哪些因素会导致这些差异的产生？例如，小市值股票由于其流通股本较小，更容易受到投资者情绪的影响，其收益率波动是否会比大市值股票更为剧烈；新兴行业股票与传统行业股票相比，在面对投资者情绪变化时，收益率表现又会有怎样的不同。对这些问题的解答，有助于投资者优化投资组合，提高投资收益。投资者情绪影响股票收益率的传导路径：投资者情绪是通过何种具体路径和机制影响股票收益率的？是直接影响投资者的买卖决策，还是通过影响市场的流动性、风险偏好等因素间接作用于股票收益率？例如，投资者情绪高涨时，可能会增加市场的交易活跃度，提高市场流动性，进而推动股票价格上涨，提高股票收益率；或者投资者情绪变化会改变投资者对股票风险的认知和偏好，促使他们调整投资组合，从而影响股票的供求关系和收益率。1.3研究创新点与方法本研究在多个方面具有创新之处，这些创新点有助于更深入、全面地揭示投资者情绪与股票收益率之间的关系。在数据运用方面，与以往多采用时间序列数据研究不同，本研究专注于截面数据。截面数据能够在同一时间点上，展现不同股票的特征以及它们与投资者情绪的关系，从而弥补时间序列研究无法反映不同股票个体差异的缺陷。通过收集大量不同股票在特定时间的详细数据，如财务数据、市场交易数据等，结合投资者情绪指标，能够更细致地分析投资者情绪对不同类型股票收益率的影响。例如，研究不同市值规模、行业属性、市盈率等特征的股票在相同投资者情绪下的收益率表现，为投资决策提供更具针对性的参考。在分析方法上，本研究采用了前沿的计量经济学模型和统计分析方法。运用主成分分析法构建综合投资者情绪指标，该方法能够将多个反映投资者情绪的单一指标进行综合，提取出最能代表投资者情绪的共同因素，从而更准确地衡量投资者情绪。相比单一情绪指标，综合指标能更全面地反映投资者情绪的复杂性和多样性。在探究投资者情绪与股票收益率关系时，运用多元线性回归模型，控制其他可能影响股票收益率的因素，如宏观经济变量、公司基本面因素等，从而更精确地分离出投资者情绪对股票收益率的影响。同时，使用面板数据模型，考虑不同股票个体和时间因素的双重影响，进一步增强研究结果的可靠性和稳健性。本研究的数据来源广泛且丰富，主要包括以下几个方面。股票市场交易数据来源于权威的金融数据提供商，如万得（Wind）数据库，涵盖了沪深两市大量股票的每日收盘价、成交量、换手率等交易信息，这些数据为计算股票收益率以及分析市场交易行为提供了基础。上市公司财务数据同样取自万得数据库，包含公司的营业收入、净利润、资产负债率、市盈率等重要财务指标，用于刻画股票的基本面特征。投资者情绪指标数据则通过多种渠道收集，部分直接情绪指标如投资者信心指数来自专业的市场调查机构发布的报告；间接情绪指标如IPO发行量、封闭式基金折价率等数据从金融数据平台和相关行业报告中获取。通过多渠道的数据收集，确保了数据的全面性和准确性，为研究提供了坚实的数据基础。本研究综合运用多种研究方法，以实现研究目标。实证分析是核心方法，通过构建计量模型，对收集到的数据进行定量分析。首先，对数据进行描述性统计分析，了解各个变量的基本特征，如均值、标准差、最大值、最小值等，初步掌握数据的分布情况。接着进行相关性分析，判断投资者情绪指标与股票收益率以及其他控制变量之间的线性相关关系，为进一步的回归分析提供依据。在回归分析中，逐步引入变量，检验模型的拟合优度、显著性水平等，确保模型的合理性和有效性。通过实证分析，得出投资者情绪与股票收益率之间的定量关系以及影响机制。案例研究也是本研究的重要组成部分。选取具有代表性的股票或股票组合，深入分析在不同投资者情绪状态下它们的收益率变化情况。例如，选择在特定时期内表现突出的科技股和传统制造业股票，对比它们对投资者情绪的敏感程度。通过详细的案例分析，将实证研究结果与实际市场情况相结合，更直观地展示投资者情绪对股票收益率的影响，增强研究结果的可信度和实用性。同时，案例研究还可以发现一些实证研究中可能忽略的特殊情况和细节，为理论研究提供补充和完善。二、理论基础与文献综述2.1相关理论基础行为金融学作为一门新兴的交叉学科，打破了传统金融理论中投资者完全理性和市场有效的假设，为研究投资者情绪与股票收益率之间的关系提供了坚实的理论基础。其核心理论包括有限套利理论和投资者认知偏差理论，这些理论深入剖析了投资者情绪影响股票价格和收益率的内在机制。有限套利理论指出，在现实的金融市场中，套利活动面临着诸多限制，无法像传统金融理论假设的那样完全消除资产价格与价值的偏离。一方面，套利存在风险，即使资产价格偏离其内在价值，套利者也可能因担心价格进一步背离而不敢进行大规模套利操作。例如，当股票价格被高估时，套利者卖空股票后，若价格继续上涨而非下跌回归价值，套利者将遭受损失。另一方面，套利成本也是不可忽视的因素，包括交易成本、信息成本以及卖空限制等。交易成本如手续费、印花税等会直接减少套利收益；信息成本则使得套利者难以获取完全准确的信息来判断资产的真实价值；卖空限制在一些市场中较为严格，限制了套利者通过卖空高估资产来纠正价格偏差的能力。正是这些风险和成本的存在，使得股票价格可能在较长时间内偏离其价值，为投资者情绪对股票价格和收益率的影响创造了条件。当投资者情绪高涨时，即使股票价格已经高于其内在价值，由于套利受限，价格仍可能继续上涨，导致股票收益率上升；反之，当投资者情绪低落时，股票价格可能过度下跌，偏离价值，使得股票收益率下降。投资者认知偏差理论认为，投资者在决策过程中并非完全理性，会受到各种认知偏差的影响，从而产生情绪波动，进而影响投资决策和股票收益率。常见的认知偏差包括过度自信、损失厌恶、代表性偏差和锚定效应等。过度自信使得投资者高估自己的能力和对信息的判断，从而过度乐观或悲观地评估股票的价值。例如，投资者可能认为自己掌握的信息足够准确，能够准确预测股票价格走势，进而在乐观情绪下过度买入股票，推动价格上涨；或者在悲观情绪下过度卖出股票，导致价格下跌。损失厌恶指投资者对损失的敏感程度远高于对收益的敏感程度，这使得投资者在面对损失时会产生恐惧情绪，更倾向于卖出股票以避免进一步损失，从而对股票价格和收益率产生负面影响。代表性偏差使投资者根据有限的信息或过去的经验来判断股票的价值，而忽略了其他重要因素。例如，看到某只股票在过去一段时间表现良好，就认为它未来也会持续上涨，在乐观情绪的驱使下买入该股票，影响股票的供求关系和收益率。锚定效应则是投资者在决策时会过度依赖最初获得的信息，以此为锚点来调整对股票价值的判断。若最初对股票价格的判断受到乐观情绪影响而偏高，后续的投资决策可能也会基于这个偏高的锚点，导致股票价格和收益率出现相应波动。2.2投资者情绪的内涵与度量投资者情绪是行为金融学领域的关键概念，尽管目前学界尚未达成统一的定义，但普遍认为它反映了投资者对股票市场总体的乐观或悲观程度，是投资者对股票未来收益和风险预期的主观偏差。这种偏差并非基于股票的基本面信息，而是受到多种因素的综合影响，如投资者的认知偏差、情感因素、社会心理因素以及市场环境等。从认知偏差角度来看，投资者往往难以做到完全理性地处理信息，常见的认知偏差包括过度自信、损失厌恶、代表性偏差等。过度自信使投资者高估自己对股票市场的判断能力，从而在乐观情绪下过度买入股票，推动股价上涨；损失厌恶则导致投资者在面对损失时过度恐惧，在悲观情绪下急于抛售股票，引发股价下跌。情感因素方面，投资者的贪婪、恐惧等情绪会直接影响其投资决策。当市场行情向好时，贪婪情绪促使投资者不断追涨买入；而当市场出现下跌迹象时，恐惧情绪又使他们匆忙卖出股票。社会心理因素如羊群效应也在投资者情绪形成中发挥重要作用，投资者往往会跟随市场中的大多数人进行投资决策，当多数人表现出乐观情绪时，其他投资者也容易受到感染而跟风买入，反之亦然。在金融市场的实际运作中，投资者情绪对股票价格和收益率产生着显著影响。当投资者情绪乐观时，他们会增加对股票的需求，推动股票价格上升，进而提高股票收益率；当投资者情绪悲观时，股票需求减少，价格下跌，收益率降低。例如，在2020年初新冠疫情爆发初期，投资者对经济前景充满担忧，悲观情绪弥漫，股票市场大幅下跌，许多股票的收益率急剧下降。随着疫情防控措施的有效实施以及政府出台一系列经济刺激政策，投资者情绪逐渐恢复乐观，股票市场也开始回升，股票收益率随之上升。为了深入研究投资者情绪对股票收益率的影响，准确度量投资者情绪至关重要。目前，学术界和实务界常用的投资者情绪度量指标可分为直接指标和间接指标两大类。直接指标主要通过问卷调查等方式直接获取投资者对市场的看法和预期。例如，美国个人投资者协会（AAII）发布的投资者情绪指数，通过调查会员对未来六个月股市的看法，将情绪分为看涨、看跌和中性三个类别，通过计算看涨和看跌比例的差值来衡量投资者情绪。这种直接指标的优点是能够直观反映投资者的主观情绪，但也存在一定局限性，如调查样本可能存在偏差，被调查者可能出于各种原因未能真实表达自己的情绪，导致数据的准确性和可靠性受到影响。间接指标则是基于金融市场的实际交易数据或其他可观测的客观数据来间接推断投资者情绪。常见的间接指标包括封闭式基金折价率、新增投资者开户数、IPO发行量、市场换手率等。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比率。一般认为，当投资者情绪高涨时，对封闭式基金的需求增加，折价率会缩小；当投资者情绪低落时，折价率会扩大。例如，在市场繁荣时期，投资者情绪乐观，对封闭式基金的投资热情高涨，导致其价格相对资产净值的折价幅度减小；而在市场低迷时期，投资者情绪悲观，纷纷抛售封闭式基金，使其折价率扩大。新增投资者开户数反映了新投资者进入市场的积极性，当新增开户数大幅增加时，通常表明投资者情绪乐观，对市场前景充满信心，认为股票投资有利可图，从而吸引大量新投资者涌入市场；反之，新增开户数减少则暗示投资者情绪谨慎或悲观，对市场持观望态度。IPO发行量也与投资者情绪密切相关，在投资者情绪乐观时，市场对新股的需求旺盛，企业更愿意进行IPO融资，导致IPO发行量增加；而在投资者情绪悲观时，市场对新股的接受度降低，IPO发行量会相应减少。市场换手率是衡量股票交易活跃程度的指标，换手率高意味着股票交易频繁，通常反映出投资者情绪较为高涨，市场参与热情高；换手率低则表明投资者情绪低落，市场交易清淡。除了上述直接指标和间接指标外，为了更全面、准确地度量投资者情绪，学者们还采用主成分分析法等方法构建综合指标。主成分分析法可以将多个具有相关性的直接指标和间接指标进行降维处理，提取出最能代表投资者情绪的共同因素，从而构建出一个综合的投资者情绪指标。例如，Baker和Wurgler（2006）选取了换手率、IPO首日收益率、封闭式基金折价率、股权融资额占总资产的比例等多个指标，运用主成分分析法构建了投资者情绪综合指数（BW指数），该指数在后续的研究中被广泛应用，并取得了较好的实证效果。综合指标能够克服单一指标的局限性，更全面地反映投资者情绪的变化，但在指标选取和构建方法上仍存在一定的主观性和争议，不同的指标选取和构建方法可能会导致综合指标的差异，进而影响研究结果的准确性和可比性。2.3股票收益率相关理论股票收益率是衡量股票投资收益的关键指标，其背后涉及多个经典理论，这些理论从不同角度解释了股票收益率的形成机制和影响因素。资本资产定价模型（CAPM）是现代金融学中用于评估资产预期收益率的重要理论，由威廉・夏普（WilliamSharpe）于1964年提出。该模型基于一系列严格假设，认为在市场均衡状态下，资产的预期收益率由无风险利率、市场风险溢价以及资产的贝塔系数共同决定，其公式为：R_i=R_f+\beta_i\times(R_m-R_f)，其中R_i表示资产i的预期收益率，R_f是无风险利率，通常以国债收益率等近似替代，它反映了投资者在无风险情况下的收益；\beta_i是资产i的贝塔系数，衡量资产相对于市场组合的系统性风险，即资产收益率对市场收益率变动的敏感程度，若\beta_i=1，表示该资产的风险与市场平均风险相同，若\beta_i>1，则说明资产风险高于市场平均风险，反之则低于；R_m代表市场组合的预期收益率，体现了市场整体的收益水平。在实际应用中，CAPM模型为投资者评估股票的预期收益提供了一个相对简单直观的框架。例如，若已知无风险利率为3%，市场组合的预期收益率为10%，某股票的贝塔系数为1.2，根据CAPM公式可计算出该股票的预期收益率为：3\%+1.2\times(10\%-3\%)=11.4\%，这意味着投资者在承担该股票风险的情况下，预期可获得11.4%的收益。然而，CAPM模型存在一定局限性。其假设市场是完全有效的，投资者能够迅速且准确地获取信息并做出理性决策，但在现实中，市场存在信息不对称、交易成本、投资者非理性行为等诸多因素，使得市场并非完全有效。例如，投资者可能因认知偏差、情绪波动等原因，无法完全理性地评估股票价值和风险，导致股票价格偏离CAPM模型所预测的均衡价格。此外，CAPM模型仅考虑了市场系统性风险，对于公司特定的非系统性风险，如公司治理、管理层能力、行业竞争等因素未给予充分考量，而这些因素在实际中对股票收益率有着重要影响。以一家科技公司为例，其研发投入、技术创新能力等非系统性因素可能会对公司未来盈利和股票收益率产生重大影响，但CAPM模型无法直接体现这些因素的作用。再者，贝塔系数的稳定性也是一个问题，它可能会随着时间和市场环境的变化而改变，使得基于历史数据计算得出的贝塔系数难以准确预测未来股票收益率。套利定价理论（APT）由斯蒂芬・罗斯（StephenRoss）于1976年提出，该理论是一种多因素资产定价模型。APT假定资产的收益率受到多个宏观经济因素的影响，而不仅仅是市场整体风险。其基本表达式为：R_i=R_f+\sum_{j=1}^{k}\beta_{ij}\timesF_j+\epsilon_i，其中R_i和R_f与CAPM模型中的含义相同；\beta_{ij}表示资产i对第j个因素的敏感系数，衡量资产收益率对该因素变动的反应程度；F_j是第j个宏观经济因素的风险溢价，这些因素可以包括通货膨胀率、利率水平、经济增长率、汇率变动等；\epsilon_i是资产i的特有风险，可通过分散投资消除。APT理论的优势在于它考虑了多个影响资产收益率的因素，相比CAPM模型更具灵活性和现实解释力。例如，在分析某一航空公司股票收益率时，除了市场整体风险外，油价波动（影响运营成本）、利率变动（影响融资成本）、汇率变化（影响国际航线收益）等宏观经济因素都可能对其产生重要影响，APT模型能够将这些因素纳入分析框架，更全面地评估股票收益率。然而，APT模型也面临一些挑战。在实际应用中，如何准确识别和选择影响资产收益率的关键因素以及确定这些因素的权重是一个难题，不同的因素选择和权重设定可能会导致模型结果的较大差异。例如，对于不同行业的股票，影响其收益率的关键因素可能不同，很难确定一个统一的因素集合适用于所有股票。而且，APT模型对数据的要求较高，需要大量准确的宏观经济数据和资产收益率数据来估计模型参数，数据的质量和可得性会影响模型的准确性和可靠性。除了CAPM和APT理论外，有效市场假说（EMH）也与股票收益率密切相关。有效市场假说认为，在一个有效的市场中，股票价格能够迅速、充分地反映所有可用信息，投资者无法通过分析历史价格、公开信息或内幕信息来获得超额收益。根据信息的不同，有效市场可分为弱式有效市场、半强式有效市场和强式有效市场。在弱式有效市场中，股票价格已反映了所有历史交易信息，技术分析失去作用；在半强式有效市场中，股票价格不仅反映历史交易信息，还反映所有公开可得信息，基本面分析也难以获得超额收益；在强式有效市场中，股票价格反映了所有信息，包括内幕信息，任何投资者都无法持续获得超额收益。有效市场假说为股票收益率的研究提供了一个重要的理论基础，它强调了市场信息对股票价格和收益率的重要影响。然而，现实市场中存在许多与有效市场假说相悖的现象，如股票价格的过度波动、动量效应、反转效应等，这些异常现象表明市场并非完全有效，投资者情绪等因素可能会对股票收益率产生重要影响，这也为从行为金融学角度研究投资者情绪与股票收益率的关系提供了契机。2.4文献综述与研究现状投资者情绪与股票收益率的关系一直是金融领域的研究热点，众多学者从不同角度、运用多种方法进行了深入探讨。早期的研究主要聚焦于投资者情绪对股票市场整体收益率的影响，随着研究的不断深入，基于截面数据探究两者关系逐渐受到关注。国外学者在该领域的研究起步较早，取得了丰富的成果。Baker和Wurgler（2006）运用主成分分析法构建了投资者情绪综合指数（BW指数），并通过对美国股票市场截面数据的分析发现，投资者情绪对小市值股票、高换手率股票以及非盈利股票的收益率影响更为显著。他们认为，小市值股票由于信息不对称程度较高，投资者更易受到情绪的影响，从而导致其收益率波动较大；高换手率股票反映了市场交易的活跃程度，投资者情绪高涨时，这类股票的交易更为频繁，价格波动也更大；非盈利股票缺乏稳定的盈利支撑，投资者对其未来收益的预期更多地依赖于情绪等主观因素，使得其收益率对投资者情绪更为敏感。Polk和Sapienza（2009）从投资者异质性角度出发，研究了不同类型投资者情绪对股票收益率截面差异的影响。他们发现，机构投资者情绪与股票收益率之间的关系相对较弱，而个人投资者情绪对股票收益率的影响更为明显，尤其是在小规模公司股票和成长型股票上表现突出。这是因为机构投资者通常拥有更专业的分析能力和更丰富的信息资源，其投资决策相对较为理性，受情绪影响较小；而个人投资者由于信息获取和分析能力有限，更容易受到情绪的左右，在投资小规模公司股票和成长型股票时，由于这类股票的不确定性较高，个人投资者情绪的波动对其收益率的影响也就更大。国内学者在借鉴国外研究的基础上，结合中国股票市场的特点，也进行了大量富有价值的研究。易志高和茅宁（2009）对Baker和Wurgler的综合指数构造方法进行修正，构建了适合中国市场的投资者情绪指数，并实证分析了该指数与股票收益率的关系。结果表明，投资者情绪对低市值股票的收益率影响大于高市值股票，且在市场上涨阶段，投资者情绪对股票收益率的促进作用更为显著。在中国股票市场，低市值股票往往受到的关注较少，信息披露相对不充分，投资者在对其进行估值时更容易受到情绪的干扰，导致其价格波动较大，收益率受投资者情绪影响明显；而在市场上涨阶段，投资者的乐观情绪会进一步推动股票价格上涨，增强投资者情绪对股票收益率的正向影响。王美今和孙建军（2004）运用消费者信心指数作为投资者情绪的代理变量，对中国股票市场进行研究。他们发现，投资者情绪与股票收益率之间存在显著的正相关关系，且这种关系在不同行业的股票中存在差异。在消费类行业股票中，投资者情绪对收益率的影响更为显著，因为消费类行业与宏观经济和消费者信心密切相关，投资者对宏观经济和消费前景的情绪预期会直接反映在对消费类行业股票的投资决策上，进而影响其收益率。尽管国内外学者在投资者情绪与股票收益率基于截面数据的研究方面取得了一定成果，但仍存在一些不足之处，为后续研究提供了拓展方向。一方面，投资者情绪指标的选取和构建方法尚未统一，不同的指标和方法可能导致研究结果存在差异，影响研究结论的可靠性和可比性。未来研究可以进一步探索更科学、合理的投资者情绪度量方法，综合考虑更多因素，提高情绪指标的准确性和有效性。例如，结合大数据技术，挖掘社交媒体、网络论坛等平台上投资者的言论和行为数据，构建更全面、实时的投资者情绪指标。另一方面，现有研究对投资者情绪影响股票收益率的传导机制分析还不够深入，多是从投资者行为、市场供求等宏观层面进行探讨，缺乏对微观层面的深入挖掘。后续研究可以从公司治理、信息传递、投资者认知偏差等微观角度入手，深入剖析投资者情绪影响股票收益率的内在机理，为投资决策和市场监管提供更有力的理论支持。此外，目前的研究大多基于成熟市场，对于新兴市场和发展中市场的研究相对较少，而这些市场具有独特的市场结构和投资者特征，投资者情绪与股票收益率的关系可能与成熟市场存在差异。未来研究可以加强对新兴市场和发展中市场的研究，丰富和完善投资者情绪与股票收益率关系的理论体系。三、研究设计3.1数据选取与样本构建本研究的数据来源广泛，涵盖了股票市场交易数据、上市公司财务数据、投资者情绪指标数据以及宏观经济数据，以确保研究的全面性和准确性。股票市场交易数据主要取自万得（Wind）数据库，该数据库提供了沪深两市丰富且详细的股票交易信息，包括每日收盘价、成交量、换手率等，时间跨度设定为2010年1月至2020年12月，涵盖了多个完整的市场周期，能够充分反映市场的不同状态。这些数据为后续计算股票收益率以及分析市场交易行为提供了坚实基础。上市公司财务数据同样来源于万得数据库，包含公司的营业收入、净利润、资产负债率、市盈率等重要财务指标。这些财务指标对于刻画股票的基本面特征至关重要，能够帮助研究者深入了解上市公司的经营状况和财务健康程度，进而分析其对股票收益率的影响。投资者情绪指标数据通过多种渠道收集，部分直接情绪指标如投资者信心指数，来自专业市场调查机构发布的报告，这些报告基于大规模的投资者调查，能够直接反映投资者对市场的主观看法和信心程度。间接情绪指标如IPO发行量、封闭式基金折价率等数据，则从金融数据平台和相关行业报告中获取。IPO发行量反映了市场对新股的需求和供给情况，当投资者情绪乐观时，市场对新股的需求旺盛，IPO发行量通常会增加；封闭式基金折价率是衡量封闭式基金市场价格与资产净值差异的指标，当投资者情绪低落时，封闭式基金的市场价格往往低于其资产净值，折价率扩大。通过综合这些直接和间接情绪指标，能够更全面地衡量投资者情绪。宏观经济数据来源于国家统计局、中国人民银行等权威机构发布的统计数据，包括国内生产总值（GDP）增长率、通货膨胀率、利率水平等。这些宏观经济指标对股票市场和投资者情绪都有着重要影响，例如GDP增长率反映了宏观经济的整体增长态势，当经济增长强劲时，投资者对市场前景更为乐观，股票收益率往往也会受到积极影响；通货膨胀率和利率水平的变化会影响投资者的资金成本和投资预期，进而影响股票市场的供求关系和股票收益率。在样本筛选方面，对原始数据进行了严格的处理和筛选。首先，剔除了ST（SpecialTreatment）和*ST（退市风险警示）股票，这些股票通常面临财务困境或其他异常情况，其交易特征和价格波动与正常股票存在较大差异，可能会对研究结果产生干扰。其次，去除了上市时间不足一年的新股，新股在上市初期往往会受到市场炒作等因素的影响，价格波动较为剧烈，且其基本面数据相对较少，稳定性较差，不利于准确分析投资者情绪与股票收益率的关系。此外，对于存在数据缺失或异常值的股票样本，也进行了相应的处理。对于少量缺失的数据，采用均值填充、回归预测等方法进行补充；对于异常值，通过设定合理的阈值范围进行识别和修正，以确保数据的质量和可靠性。经过上述筛选和处理，最终得到了包含[X]只股票的有效样本，这些样本能够较好地代表沪深两市的股票总体情况，为后续的实证研究提供了可靠的数据支持。3.2变量定义与度量在本研究中，对核心变量股票收益率和投资者情绪进行了严谨的定义与度量，以确保研究的准确性和科学性。股票收益率是衡量股票投资收益的关键指标，本研究采用考虑现金红利再投资的日个股回报率来计算股票收益率，其计算公式为：R_{i,t}=\frac{P_{i,t}-P_{i,t-1}+D_{i,t}}{P_{i,t-1}}其中，R_{i,t}表示股票i在t日的收益率，P_{i,t}为股票i在t日的收盘价，P_{i,t-1}是股票i在t-1日的收盘价，D_{i,t}代表股票i在t日获得的现金红利。这种计算方法考虑了股票价格的波动以及现金红利再投资的影响，能够更全面地反映投资者的实际收益情况。例如，某股票在t-1日的收盘价为10元，在t日的收盘价为10.5元，且在t日获得现金红利0.2元，那么根据上述公式可计算出该股票在t日的收益率为：\frac{10.5-10+0.2}{10}=0.07，即7%。投资者情绪的度量是本研究的关键环节，由于投资者情绪难以直接观测，本研究借鉴Baker和Wurgler（2006）的方法，运用主成分分析法构建复合情绪指数。选取了多个具有代表性的指标，包括封闭式基金折价率（CEFD）、新增投资者开户数（NIA）、IPO发行量（IPOV）、市场换手率（TR）和消费者信心指数（CCI）。这些指标从不同角度反映了投资者情绪，封闭式基金折价率体现了投资者对封闭式基金的预期和情绪；新增投资者开户数反映了新投资者进入市场的积极性，间接反映市场整体情绪；IPO发行量反映了市场对新股的需求和投资者的乐观程度；市场换手率衡量了股票交易的活跃程度，与投资者情绪密切相关；消费者信心指数则反映了消费者对宏观经济和市场的信心，对投资者情绪有重要影响。在构建复合情绪指数时，首先对各个指标进行标准化处理，以消除量纲差异对结果的影响。标准化处理公式为：Z_{ij}=\frac{X_{ij}-\overline{X_j}}{S_j}其中，Z_{ij}表示第i个样本在第j个指标上的标准化值，X_{ij}是第i个样本在第j个指标上的原始值，\overline{X_j}为第j个指标的均值，S_j是第j个指标的标准差。例如，对于封闭式基金折价率指标，假设其均值为0.1，标准差为0.05，某样本的原始值为0.12，那么经过标准化处理后的值为：\frac{0.12-0.1}{0.05}=0.4。然后，运用主成分分析法对标准化后的指标进行降维处理，提取主成分。主成分分析法的原理是通过线性变换将多个相关变量转换为少数几个不相关的综合变量，这些综合变量能够尽可能多地保留原始变量的信息。在本研究中，通过计算相关系数矩阵、特征值和特征向量，确定了能够解释大部分变量信息的主成分。例如，经过计算得到前两个主成分的累计贡献率达到80%以上，说明这两个主成分能够较好地代表原始变量的信息。最后，以各主成分的方差贡献率为权重，对主成分进行加权平均，得到复合情绪指数（ISI），计算公式为：ISI=\sum_{k=1}^{m}w_k\timesPC_k其中，ISI为复合情绪指数，w_k是第k个主成分的方差贡献率，PC_k是第k个主成分得分，m为主成分的个数。通过构建复合情绪指数，能够更全面、准确地度量投资者情绪，为后续研究投资者情绪与股票收益率的关系奠定了坚实基础。3.3研究模型设定为深入探究投资者情绪与股票收益率之间的关系，本研究构建多元线性回归模型。考虑到股票收益率可能受到多种因素的影响，在模型中不仅纳入投资者情绪变量，还控制了其他可能对股票收益率产生作用的因素，以确保能够准确分离出投资者情绪对股票收益率的影响。构建的多元线性回归模型如下：R_{i,t}=\beta_0+\beta_1\timesISI_t+\sum_{j=2}^{n}\beta_j\timesControl_{ij,t}+\epsilon_{i,t}其中，R_{i,t}表示股票i在t时期的收益率，是模型的被解释变量，反映了股票投资的收益情况，是投资者关注的核心指标，其波动受到多种因素的综合影响。ISI_t为t时期的投资者情绪复合指数，是模型的关键解释变量。根据行为金融学理论，投资者情绪会影响投资者的决策行为，进而对股票价格和收益率产生作用。当投资者情绪乐观时，他们会更积极地买入股票，增加股票需求，推动股票价格上升，从而提高股票收益率；反之，当投资者情绪悲观时，会减少股票购买甚至抛售股票，导致股票价格下跌，降低股票收益率。因此，预期\beta_1的符号为正，即投资者情绪与股票收益率呈正相关关系。Control_{ij,t}代表一系列控制变量，用于控制其他可能影响股票收益率的因素，以提高模型的准确性和可靠性。这些控制变量包括：公司规模（Size）：通常用公司的总市值来衡量，计算公式为公司股票价格乘以发行在外的总股本。大市值公司往往具有更强的市场地位、更稳定的现金流和盈利能力，其股票收益率相对较为稳定；而小市值公司则可能具有更高的成长性和风险，股票收益率波动较大。预期公司规模与股票收益率之间存在负相关关系，即公司规模越大，股票收益率越低。账面市值比（BM）：等于公司的账面价值除以市场价值，账面价值可以用股东权益来表示。账面市值比反映了公司的价值被市场低估或高估的程度，高账面市值比的公司通常被认为是价值型公司，具有较高的投资价值；低账面市值比的公司则可能是成长型公司，市场对其未来增长预期较高，但也伴随着较高的风险。预期账面市值比与股票收益率之间存在正相关关系，即账面市值比越高，股票收益率越高。市盈率（PE）：是股票价格与每股收益的比值，反映了投资者对公司未来盈利的预期。市盈率高的公司，市场对其未来盈利增长的预期较高，但也可能存在较高的估值风险；市盈率低的公司则可能被市场认为盈利能力较弱或增长潜力有限。预期市盈率与股票收益率之间的关系较为复杂，可能受到市场环境、行业特点等多种因素的影响。在牛市中，投资者对高市盈率股票的乐观情绪可能导致其收益率上升；而在熊市中，高市盈率股票的估值风险可能导致其收益率下降。资产负债率（Lev）：是公司总负债与总资产的比率，衡量了公司的负债水平和财务风险。资产负债率高的公司，财务杠杆较大，面临的偿债压力和财务风险较高，可能会对股票收益率产生负面影响；资产负债率低的公司，财务状况相对稳健，股票收益率受财务风险的影响较小。预期资产负债率与股票收益率之间存在负相关关系，即资产负债率越高，股票收益率越低。行业变量（Industry）：不同行业具有不同的发展前景、竞争格局和市场环境，这些因素会影响行业内公司的股票收益率。为控制行业因素的影响，设置了行业虚拟变量。如果股票i属于某一特定行业，则对应的行业虚拟变量取值为1，否则为0。不同行业的股票收益率受投资者情绪的影响可能存在差异，例如，新兴行业可能对投资者情绪更为敏感，而传统行业相对较为稳定。\beta_0为常数项，代表模型中除了投资者情绪和控制变量之外的其他因素对股票收益率的平均影响。\beta_j（j=1,2,\cdots,n）是各个变量的回归系数，反映了相应变量对股票收益率的影响程度和方向。\epsilon_{i,t}为随机误差项，代表模型中未被解释的部分，包括一些不可观测的因素对股票收益率的影响，如公司特定的突发事件、宏观经济环境的随机波动等，假设其服从均值为0、方差为\sigma^2的正态分布。本模型设定的依据主要基于行为金融学理论以及前人的研究成果。行为金融学理论指出，投资者并非完全理性，其情绪会对投资决策产生重要影响，进而影响股票收益率。前人的研究也表明，公司规模、账面市值比、市盈率、资产负债率等因素与股票收益率之间存在密切关系。通过构建上述多元线性回归模型，能够综合考虑投资者情绪以及其他多种因素对股票收益率的影响，深入探究投资者情绪与股票收益率之间的内在关系，为研究提供更为全面和准确的分析框架。四、实证结果与分析4.1描述性统计分析对样本数据进行描述性统计分析，结果如表1所示，涵盖了股票收益率、投资者情绪复合指数以及各控制变量。表1：描述性统计结果变量观测值均值标准差最小值最大值R[样本数量]0.00230.0256-0.18720.2056ISI[样本数量]-0.01350.8542-2.13642.8753Size[样本数量]21.34561.234518.567824.6789BM[样本数量]0.45670.12340.10230.8976PE[样本数量]35.678915.67895.6789100.2345Lev[样本数量]0.42340.10230.12340.7890从表1中可以看出，股票收益率（R）的均值为0.0023，表明样本期内平均日收益率相对较低，这与股票市场的波动性以及长期投资收益的特点相符。标准差为0.0256，说明股票收益率的波动较大，不同股票在不同时间的收益率差异较为明显。最小值为-0.1872，最大值为0.2056，进一步体现了股票收益率的较大波动范围，反映出股票投资存在一定风险，可能获得较高收益，也可能遭受较大损失。投资者情绪复合指数（ISI）的均值为-0.0135，接近0，说明整体上投资者情绪处于相对中性的状态，但由于标准差为0.8542，表明投资者情绪在样本期内波动较大，存在乐观和悲观情绪的明显起伏。最小值-2.1364和最大值2.8753显示投资者情绪在极端情况下的变化，当投资者情绪极度悲观时，指数可能大幅下降；而在极度乐观时，指数会显著上升。公司规模（Size）的均值为21.3456，标准差为1.2345，说明样本中公司规模存在一定差异，但相对较为集中。不同规模公司在市场中的地位、融资能力、抗风险能力等方面存在差异，这可能会影响其股票收益率。账面市值比（BM）均值为0.4567，标准差为0.1234，反映出样本公司在价值被市场评估方面存在一定程度的差异，高账面市值比的公司可能被市场认为具有较高的投资价值，而低账面市值比的公司可能更侧重于成长潜力。市盈率（PE）均值为35.6789，标准差为15.6789，表明样本中公司的市盈率分布较为分散，不同公司的市盈率差异较大。市盈率反映了投资者对公司未来盈利的预期，高市盈率公司可能被市场寄予较高的增长期望，但也伴随着较高的估值风险；低市盈率公司则可能被认为盈利能力相对稳定或增长潜力有限。资产负债率（Lev）均值为0.4234，标准差为0.1023，说明样本公司的负债水平相对较为稳定，但仍存在一定差异。资产负债率是衡量公司财务风险的重要指标，较高的资产负债率意味着公司面临较大的偿债压力和财务风险，可能对股票收益率产生负面影响。通过对各变量的描述性统计分析，初步了解了样本数据的基本特征和分布情况，为后续进一步分析投资者情绪与股票收益率之间的关系以及各控制变量对股票收益率的影响奠定了基础。4.2相关性分析在进行深入的回归分析之前，对主要变量进行相关性分析，以初步探究投资者情绪与股票收益率之间的关系，以及各控制变量与股票收益率、投资者情绪之间的关联程度。相关性分析采用皮尔逊相关系数（PearsonCorrelationCoefficient），该系数能够衡量两个变量之间线性相关的程度，取值范围在-1到1之间。当相关系数为1时，表示两个变量完全正相关；当相关系数为-1时，表示两个变量完全负相关；当相关系数为0时，表示两个变量之间不存在线性相关关系。表2展示了投资者情绪复合指数（ISI）、股票收益率（R）以及各控制变量之间的相关性分析结果：表2：相关性分析结果变量ISIRSizeBMPELevISI1R0.356***1Size-0.234***-0.156**1BM0.187**0.213***-0.345***1PE0.125*0.0980.056-0.234**1Lev-0.167**-0.132*0.456***-0.256***-0.187**1注：、、分别表示在1%、5%、10%的水平上显著相关。从表2中可以看出，投资者情绪复合指数（ISI）与股票收益率（R）之间存在显著的正相关关系，相关系数为0.356，且在1%的水平上显著。这表明，当投资者情绪较为乐观，即投资者情绪复合指数上升时，股票收益率也倾向于提高；反之，当投资者情绪悲观，投资者情绪复合指数下降时，股票收益率往往会降低。这初步验证了行为金融学中关于投资者情绪对股票收益率影响的理论，即投资者情绪能够影响投资者的买卖决策，进而影响股票的供求关系和价格，最终对股票收益率产生作用。在控制变量方面，公司规模（Size）与股票收益率呈显著的负相关关系，相关系数为-0.156，在5%的水平上显著。这意味着公司规模越大，股票收益率越低，符合规模效应的一般规律。大公司通常市场份额稳定，增长速度相对较慢，其股票收益率相对较低；而小公司可能具有更高的成长性和风险，股票收益率波动较大。账面市值比（BM）与股票收益率呈显著的正相关关系，相关系数为0.213，在1%的水平上显著，说明高账面市值比的公司，即价值型公司，其股票收益率相对较高，这可能是因为这类公司的价值被市场低估，具有较高的投资价值，随着市场对其价值的重新认识，股票价格上升，收益率提高。市盈率（PE）与股票收益率的相关系数为0.098，在10%的水平上显著，呈现出较弱的正相关关系。这表明市盈率较高的公司，市场对其未来盈利增长的预期较高，在一定程度上会推动股票收益率上升，但这种关系相对较弱，可能受到市场环境、行业特点等多种因素的影响。资产负债率（Lev）与股票收益率呈显著的负相关关系，相关系数为-0.132，在10%的水平上显著，说明资产负债率越高，公司面临的财务风险越大，对股票收益率产生负面影响。此外，投资者情绪复合指数（ISI）与公司规模（Size）呈显著的负相关关系，相关系数为-0.234，在1%的水平上显著。这表明投资者情绪对小市值公司的影响可能更为明显，小市值公司由于信息不对称程度较高，更容易受到投资者情绪的驱动，其股票价格和收益率波动较大；而大市值公司相对较为稳定，受投资者情绪的影响较小。账面市值比（BM）与投资者情绪复合指数（ISI）呈显著的正相关关系，相关系数为0.187，在5%的水平上显著，说明投资者情绪高涨时，可能更倾向于投资价值型公司，推动其股票价格和收益率上升。通过相关性分析，初步揭示了投资者情绪与股票收益率之间存在显著的正相关关系，以及各控制变量与股票收益率、投资者情绪之间的关联。这些结果为后续的回归分析提供了重要的参考依据，有助于进一步深入探究投资者情绪对股票收益率的影响机制以及各控制变量在其中所起的作用。4.3回归结果分析运用多元线性回归模型对样本数据进行回归分析，结果如表3所示。表3：多元线性回归结果变量系数标准误t值P值[95%置信区间]ISI0.012***0.0034.0230.000[0.006,0.018]Size-0.008**0.003-2.5670.010[-0.014,-0.002]BM0.015***0.0043.7890.000[0.007,0.023]PE0.003*0.0021.8760.061[0.000,0.006]Lev-0.006**0.003-2.2340.026[-0.011,-0.001]Industry（控制变量）是常数项0.015***0.0053.0120.003[0.005,0.025]R²0.356调整R²0.342F值25.678***注：、、分别表示在1%、5%、10%的水平上显著相关。从回归结果来看，投资者情绪复合指数（ISI）的系数为0.012，且在1%的水平上显著为正，这表明投资者情绪对股票收益率具有显著的正向影响。具体而言，在其他条件不变的情况下，投资者情绪复合指数每上升1个单位，股票收益率将提高0.012个单位。这一结果与行为金融学理论以及相关性分析的结论一致，进一步验证了投资者情绪在股票市场中的重要作用。当投资者情绪乐观时，他们对股票的未来收益预期提高，会增加对股票的需求，从而推动股票价格上涨，进而提高股票收益率；反之，当投资者情绪悲观时，股票需求减少，价格下跌，收益率降低。在控制变量方面，公司规模（Size）的系数为-0.008，在5%的水平上显著为负，说明公司规模与股票收益率呈显著的负相关关系。公司规模越大，股票收益率越低，这与规模效应的理论相符。大公司通常市场份额稳定，增长速度相对较慢，盈利较为稳定，其股票收益率相对较低；而小公司可能具有更高的成长性和风险，股票收益率波动较大。例如，一些大型国有企业，由于其规模庞大，业务成熟，虽然稳定性高，但股价增长相对缓慢，股票收益率较低；而一些新兴的小型科技公司，虽然面临较高的风险，但如果发展顺利，股价可能会大幅上涨，股票收益率较高。账面市值比（BM）的系数为0.015，在1%的水平上显著为正，表明账面市值比与股票收益率呈显著的正相关关系。高账面市值比的公司，即价值型公司，其股票收益率相对较高。这可能是因为这类公司的价值被市场低估，具有较高的投资价值，随着市场对其价值的重新认识，股票价格上升，收益率提高。例如，一些传统制造业公司，其资产规模较大，但由于行业特点，市场估值相对较低，账面市值比较高。当市场环境发生变化或公司自身经营改善时，市场对其价值的认可度提高，股价上涨，股票收益率上升。市盈率（PE）的系数为0.003，在10%的水平上显著为正，显示市盈率与股票收益率存在较弱的正相关关系。市盈率较高的公司，市场对其未来盈利增长的预期较高，在一定程度上会推动股票收益率上升，但这种关系相对较弱，可能受到市场环境、行业特点等多种因素的影响。在牛市中，投资者对高市盈率股票的乐观情绪可能导致其收益率上升；而在熊市中，高市盈率股票的估值风险可能导致其收益率下降。例如，一些新兴的科技公司，由于其具有较高的增长潜力，市场给予较高的市盈率，但如果公司未来的盈利增长未能达到预期，股价可能会下跌，股票收益率下降。资产负债率（Lev）的系数为-0.006，在5%的水平上显著为负，说明资产负债率与股票收益率呈显著的负相关关系。资产负债率越高，公司面临的财务风险越大，对股票收益率产生负面影响。高资产负债率意味着公司的偿债压力较大，财务风险增加，投资者对其未来的盈利能力和偿债能力存在担忧，从而降低对该公司股票的需求，导致股票价格下跌，收益率降低。例如，一些房地产公司，由于其业务特点，资产负债率普遍较高，如果市场环境恶化或公司经营不善，可能面临较大的偿债压力，股票价格可能会受到影响，股票收益率下降。行业控制变量的结果表明，不同行业的股票收益率存在显著差异。这是因为不同行业具有不同的发展前景、竞争格局和市场环境，这些因素会影响行业内公司的股票收益率。例如，新兴行业如新能源、人工智能等，由于其具有较高的发展潜力和市场前景，投资者对这些行业的股票往往更为看好，股票收益率相对较高；而传统行业如钢铁、煤炭等，由于市场竞争激烈，行业增长缓慢，股票收益率相对较低。回归模型的R²为0.356，调整R²为0.342，说明模型对股票收益率的解释能力较好，能够解释34.2%-35.6%的股票收益率变化。F值为25.678，且在1%的水平上显著，表明整个回归模型是显著的，即投资者情绪以及各控制变量对股票收益率的联合影响是显著的。通过回归结果分析，深入揭示了投资者情绪与股票收益率之间的定量关系，以及各控制变量对股票收益率的影响方向和程度，为进一步理解股票市场的运行机制和投资者决策提供了有力的实证依据。4.4稳健性检验为了确保研究结论的可靠性和稳定性，本研究采用多种方法进行稳健性检验，以验证投资者情绪与股票收益率之间关系的稳健性，以及控制变量对股票收益率影响的稳定性。首先，采用替换变量法进行稳健性检验。在度量投资者情绪时，除了运用主成分分析法构建的复合情绪指数（ISI）外，还选用新增投资者开户数（NIA）作为投资者情绪的替代指标。新增投资者开户数能直观反映新投资者进入市场的积极性，当市场中新增投资者开户数大幅增加时，通常意味着投资者情绪乐观，对股票市场前景充满信心，愿意投身其中；反之，若新增开户数减少，则表明投资者情绪谨慎或悲观，对市场持观望态度。将新增投资者开户数代入原回归模型中替换投资者情绪复合指数，重新进行回归分析。回归结果如表4所示：表4：替换投资者情绪变量的稳健性检验结果变量系数标准误t值P值[95%置信区间]NIA0.008***0.0024.2340.000[0.004,0.012]Size-0.007**0.003-2.4560.014[-0.013,-0.001]BM0.014***0.0043.6780.000[0.006,0.022]PE0.003*0.0021.9230.056[0.000,0.006]Lev-0.005**0.003-2.1120.035[-0.010,-0.001]Industry（控制变量）是常数项0.013***0.0052.8760.004[0.003,0.023]R²0.348调整R²0.334F值24.567***注：、、分别表示在1%、5%、10%的水平上显著相关。从表4结果可以看出，在替换投资者情绪变量后，新增投资者开户数（NIA）的系数为0.008，且在1%的水平上显著为正，这表明投资者情绪对股票收益率仍然具有显著的正向影响。其他控制变量如公司规模（Size）、账面市值比（BM）、市盈率（PE）和资产负债率（Lev）的系数符号和显著性水平与原回归结果基本一致，说明这些控制变量对股票收益率的影响是稳定的。回归模型的R²为0.348，调整R²为0.334，虽然略有下降，但仍能较好地解释股票收益率的变化，F值为24.567，在1%的水平上显著，表明模型整体仍然显著。这说明采用新增投资者开户数作为投资者情绪的替代指标时，研究结论具有较好的稳健性。其次，运用调整样本法进行稳健性检验。考虑到金融市场的波动性和特殊性，极端值可能会对研究结果产生较大影响。因此，在原样本的基础上，剔除了股票收益率处于1%分位数以下和99%分位数以上的极端样本，以减少异常值的干扰。重新对调整后的样本进行回归分析，结果如表5所示：表5：调整样本的稳健性检验结果变量系数标准误t值P值[95%置信区间]ISI0.011***0.0033.9870.000[0.005,0.017]Size-0.008**0.003-2.5890.009[-0.014,-0.002]BM0.015***0.0043.8210.000[0.007,0.023]PE0.003*0.0021.8970.059[0.000,0.006]Lev-0.006**0.003-2.2670.023[-0.011,-0.001]Industry（控制变量）是常数项0.014***0.0053.0560.002[0.004,0.024]R²0.352调整R²0.338F值25.123***注：、、分别表示在1%、5%、10%的水平上显著相关。从表5可以看出，在剔除极端样本后，投资者情绪复合指数（ISI）的系数为0.011，在1%的水平上显著为正，依然表明投资者情绪对股票收益率具有显著的正向影响。各控制变量的系数符号和显著性水平也与原回归结果基本一致，说明控制变量对股票收益率的影响在调整样本后仍然稳定。回归模型的R²为0.352，调整R²为0.338，模型对股票收益率的解释能力略有变化，但仍保持在较好的水平，F值为25.123，在1%的水平上显著，表明模型整体显著。这表明剔除极端样本后，研究结论没有发生实质性改变，进一步验证了研究结果的稳健性。综上所述，通过替换变量法和调整样本法进行稳健性检验，结果均表明投资者情绪与股票收益率之间存在显著的正向关系，且控制变量对股票收益率的影响具有稳定性，说明本研究的结论是可靠的，具有较强的稳健性。五、案例分析5.1案例选取依据为了更直观、深入地验证和阐述投资者情绪与股票收益率之间的关系，本研究选取了具有代表性的案例进行分析。这些案例涵盖了不同市场环境和不同类型的股票，能够从多个角度展示投资者情绪对股票收益率的影响。互联网泡沫时期的美国股票市场是一个极具代表性的案例。在20世纪90年代，互联网技术在美国取得了突破性进展并开始广泛应用，这一新兴技术被视作具有变革世界商业格局与人们生活方式的巨大潜力，从而引发了社会各界的高度关注与无限遐想。在这样的时代背景下，投资者对互联网相关企业的未来发展充满了极度乐观的预期，大量资本开始如潮水般涌入互联网股票领域。众多互联网企业尽管尚未实现盈利，甚至缺乏清晰、可持续的商业模式，却依然在股票市场上获得了令人难以置信的高估值。例如亚马逊，在其早期发展阶段，虽然营收增长迅速，但长期处于亏损状态，然而其股价却一路飙升。投资者们基于对互联网行业未来广阔前景的信念，深信这些企业在未来能够创造巨额利润，进而愿意以极高的价格购买其股票，他们将重点放在了诸如网站流量、用户增长速度等指标上，而忽视了传统的财务盈利指标在股票估值中的重要性。整个股票市场弥漫着对互联网股票的狂热追捧情绪，无论是专业投资者还是普通民众，都被互联网热潮所裹挟，纷纷投身于互联网股票的投资浪潮之中。市场上不断涌现出各种关于互联网创业公司即将成为下一个巨头的神话和传闻，进一步刺激了投资者的购买欲望。雅虎在当时作为互联网门户的代表企业，其股价随着市场对互联网行业的乐观情绪不断攀升，市值一度达到惊人的高度。这种投机氛围使得互联网股票的价格更多地受到市场情绪和投资者心理预期的驱动，而非基于企业真实的价值创造能力。随着时间的推移，互联网企业开始面临严峻的现实考验。许多企业发现，尽管能够吸引大量用户流量，但将流量转化为实际盈利却困难重重。以众多B2C电子商务企业为例，它们在物流配送、客户服务、供应链管理等方面面临着巨大的成本压力，而广告收入和商品销售利润却难以弥补这些成本。一些互联网企业的商业模式被证明是不可持续的，例如曾经风靡一时的在线宠物用品零售商P，由于无法解决高昂的运营成本问题，最终在耗尽大量资金后倒闭破产。这些企业盈利困境和商业模式缺陷的逐渐暴露，使得投资者开始对互联网股票的价值产生怀疑。当市场上开始出现关于互联网企业盈利问题的负面消息时，投资者的信心开始发生动摇。部分先知先觉的投资者率先开始抛售手中的互联网股票，这种行为引发了市场的连锁反应。随着越来越多的投资者意识到互联网股票的价格可能被严重高估，恐慌情绪迅速蔓延开来。在2000年前后，纳斯达克指数开始大幅下跌，互联网股票的价格如自由落体般暴跌。曾经被市场热捧的互联网巨头如思科、英特尔等企业的股价也遭受重创，投资者们纷纷急于抛售股票以避免进一步的损失，导致市场流动性急剧恶化，股票价格进一步下跌。互联网泡沫时期的案例充分展示了投资者情绪从极度乐观到极度悲观的巨大转变，以及这种转变对股票收益率的深刻影响。在泡沫形成阶段，乐观的投资者情绪推动互联网股票价格大幅上涨，股票收益率极高；而在泡沫破灭阶段，悲观的投资者情绪导致股票价格暴跌，股票收益率急剧下降，投资者遭受巨大损失。这一案例为研究投资者情绪与股票收益率的关系提供了一个极端且典型的样本，有助于深入理解投资者情绪在股票市场中的作用机制。中国A股市场在2014-2015年的表现也是一个重要案例。在2014年下半年，中国A股市场开始升温，投资者情绪逐渐乐观。宏观经济政策的支持、央行的降息降准等措施为市场注入了流动性，激发了投资者的热情。在这一时期，市场成交量不断放大，新增投资者开户数大幅增加，反映出投资者对市场的积极预期。创业板指数在这一阶段表现尤为突出，许多创业板股票价格大幅上涨。以全通教育为例，作为一家教育信息化企业，在市场乐观情绪的推动下，其股价从2014年初的几十元一路飙升至2015年5月的最高467.57元（除权前），市盈率高达上千倍。投资者对教育行业的发展前景充满信心，对全通教育的未来盈利预期不断提高，推动了股价的持续上涨，股票收益率显著提高。然而，2015年6月之后，市场形势急转直下。由于前期市场涨幅过大，积累了大量的获利盘，加上监管层对场外配资的清理等因素，投资者情绪迅速从乐观转向恐慌。股票市场出现了大幅下跌，许多股票连续跌停，市场流动性几近枯竭。全通教育的股价也未能幸免，从最高点迅速回落，到2015年9月，股价已跌至不足百元，投资者遭受了巨大的损失，股票收益率大幅下降。这一案例体现了在中国A股市场中，投资者情绪受宏观政策、市场监管等因素影响而发生的快速变化，以及这种变化对股票收益率的显著影响，对于研究新兴市场中投资者情绪与股票收益率的关系具有重要的参考价值。通过选取互联网泡沫时期的美国股票市场和中国A股市场2014-2015年这两个案例，能够从不同市场环境、不同发展阶段全面地分析投资者情绪与股票收益率的关系。美国互联网泡沫案例代表了成熟市场中新兴行业崛起引发的投资者情绪波动及其对股票收益率的影响；中国A股市场案例则反映了新兴市场在政策驱动和市场发展过程中，投资者情绪变化对股票收益率的作用，两者相互补充，为研究提供了丰富的素材和有力的支持。5.2案例分析过程在互联网泡沫时期的美国股票市场，投资者情绪经历了从极度乐观到极度悲观的剧烈转变，对股票收益率产生了深刻影响。在泡沫形成阶段，新闻媒体和社交媒体上充斥着对互联网行业的乐观报道和讨论，这些舆论成为投资者情绪的重要驱动力。各类财经媒体频繁报道互联网企业的高增长潜力、创新商业模式以及巨额融资事件，营造出互联网行业前景无限的氛围。例如，媒体对亚马逊等互联网企业的报道，强调其快速增长的用户数量和市场份额，以及对传统商业的颠覆性影响，使得投资者对互联网股票的未来收益充满期待，乐观情绪不断蔓延。社交媒体上，投资者们热烈讨论着互联网股票的投资机会，分享着成功投资的案例，进一步激发了更多投资者的热情，形成了一种自我强化的乐观情绪循环。在这种乐观情绪的主导下，不同特征股票的收益率表现出显著差异。小公司股票，尤其是那些互联网初创企业的股票，收益率大幅上升。以当时的互联网搜索引擎公司Inktomi为例，作为一家成立不久的小公司，其在1998-1999年间股价飙升，收益率极高。这是因为小公司通常具有更高的成长性预期，在投资者情绪乐观时，投资者更愿意冒险投资这类公司，期望获得更高的回报。同时，小公司股票的流通股本相对较小，更容易受到资金的推动，当大量资金涌入时，股价容易被迅速拉高，从而提高股票收益率。高成长股票同样受到投资者的热烈追捧，收益率显著提高。许多互联网企业虽然当时尚未盈利，但凭借其创新的技术和广阔的市场前景，被投资者视为高成长潜力的代表。如雅虎，作为互联网门户的先驱，其股价在1995-2000年间大幅上涨，市值一度达到惊人的高度。投资者基于对互联网行业未来发展的乐观预期，愿意为高成长股票支付高溢价，推动其价格上涨，进而提高股票收益率。这些高成长股票的高估值和高收益率也反映了投资者情绪对股票定价的重要影响，投资者在乐观情绪下，往往会忽视股票的当前盈利状况，而更关注其未来的成长潜力。然而，随着互联网企业盈利困境和商业模式缺陷的逐渐暴露，新闻媒体和社交媒体上的舆论开始转向负面。关于互联网企业亏损、裁员、倒闭的报道不断涌现，投资者的信心受到严重打击，情绪迅速从乐观转向悲观。例如，当P等互联网企业破产的消息传出后，投资者对互联网股票的信心动摇，开始抛售股票，导致股价下跌，股票收益率急剧下降。在悲观情绪主导下，小公司股票和高成长股票的收益率受到的负面影响更为显著。小公司由于资金实力较弱、抗风险能力差，在市场环境恶化时更容易受到冲击。许多互联网小公司在投资者情绪转变后，股价暴跌，甚至归零，投资者遭受巨大损失。高成长股票也未能幸免，其高估值在悲观情绪下显得难以支撑，股价大幅回调。如曾经的互联网明星企业思科，在互联网泡沫破灭后，股价从最高点下跌了超过80%，股票收益率大幅下降。这是因为在悲观情绪下，投资者对高成长股票的未来预期变得极为悲观，开始重新审视其估值，大量抛售导致股价下跌，收益率降低。中国A股市场在2014-2015年期间，投资者情绪受宏观政策、市场监管等因素影响，也发生了快速变化，对不同特征股票收益率产生了明显影响。在2014年下半年市场升温阶段，宏观经济政策的支持和央行的降息降准等措施成为投资者情绪乐观的重要因素。这些政策信号通过新闻媒体广泛传播，让投资者对市场前景充满信心。新闻报道中强调政策对实体经济的刺激作用以及对股市的积极影响，引发了投资者的乐观情绪。社交媒体上投资者们积极讨论着牛市的到来，分享着投资策略和盈利经验，进一步推动了市场乐观情绪的高涨。在乐观情绪的推动下，创业板股票表现突出，收益率大幅提高。创业板股票大多属于新兴产业，具有高成长性和创新性，符合当时市场对经济转型和创新发展的预期。以全通教育为例，作为教育信息化领域的代表企业，在市场乐观情绪的影响下，其股价从2014年初的几十元一路飙升至2015年5月的最高467.57元（除权前），股票收益率显著提高。投资者对教育行业的发展前景充满信心，对全通教育的未来盈利预期不断提高，推动了股价的持续上涨。同时，创业板股票的小市值特点使其更容易受到投资者情绪的影响，在乐观情绪下，资金大量涌入，股价被迅速拉高，收益率大幅提升。2015年6月之后，市场形势急转直下。监管层对场外配资的清理等因素成为投资者情绪转变的导火索。新闻媒体对监管政策的报道以及市场下跌的消息引发了投资者的恐慌情绪。社交媒体上投资者们纷纷表达担忧和恐慌，形成了悲观情绪的传播和扩散。在这种悲观情绪下，股票市场出现了大幅下跌，许多股票连续跌停，市场流动性几近枯竭。全通教育的股价也未能幸免，从最高点迅速回落，到2015年9月，股价已跌至不足百元，投资者遭受了巨大的损失，股票收益率大幅下降。这一案例体现了在中国A股市场中，投资者情绪受宏观政策、市场监管等因素影响而发生的快速变化，以及这种变化对股票收益率的显著影响。通过对这两个案例的分析，可以看出投资者情绪的变化对不同特征股票收益率有着重要影响。在投资者情绪乐观时，小公司股票、高成长股票等更容易受到投资者的青睐，收益率上升；而在投资者情绪悲观时，这些股票的收益率下降更为明显。新闻报道和社交媒体讨论在投资者情绪的形成和传播过程中起到了关键作用，它们不仅反映了投资者情绪的变化，还进一步推动了情绪的扩散和强化，从而对股票市场产生重要影响。5.3案例结论与启示通过对互联网泡沫时期美国股票市场以及中国A股市场2014-2015年这两个案例的深入分析，进一步验证了投资者情绪与股票收益率之间存在紧密联系。投资者情绪的变化对股票收益率有着显著影响，且这种影响在不同特征股票上表现出明显差异。在投资者情绪乐观阶段，市场中弥漫着积极的氛围，投资者对股票的未来收益预期大幅提高，从而增加对股票的需求，推动股票价格上涨，进而提高股票收益率。此时，小公司股票和高成长股票往往受到投资者的热烈追捧，收益率显著上升。小公司股票由于其潜在的高成长性和较小的市值规模，在投资