基于股票市场指数的中国股市投资者情绪指标构建与实证检验

基于股票市场指数的中国股市投资者情绪指标构建与实证检验一、引言1.1研究背景与意义随着中国经济的持续增长和金融市场的不断完善，中国股票市场在经济体系中的地位日益重要。自上世纪90年代初上海证券交易所和深圳证券交易所成立以来，中国股票市场经历了飞速发展，规模不断扩大。截至2023年底，中国A股市场上市公司数量已超过5000家，总市值位居全球前列，股票市场投资者数量超过2亿，涵盖了个人投资者、机构投资者等各类群体，成为了众多投资者资产配置的重要选择。然而，中国股票市场在发展过程中也呈现出一些独特的特征。市场波动性较高，股价波动不仅受到宏观经济、公司基本面等因素的影响，投资者情绪的波动也对市场产生显著作用。从历史数据来看，在某些特定时期，如2007年的牛市和2015年上半年的快速上涨行情，市场中弥漫着过度乐观的情绪，投资者大量涌入市场，推动股价大幅攀升，市盈率等估值指标处于高位；而在2008年金融危机以及2015年下半年的股灾期间，投资者又表现出极度的恐慌和悲观情绪，纷纷抛售股票，导致股市大幅下跌，许多股票价格被严重低估。这种投资者情绪的剧烈波动，使得股票价格在短期内可能偏离其内在价值，增加了市场的不确定性和投资风险。投资者情绪是投资者对市场的主观感受和认知，反映了投资者的心理状态和预期。它在股票市场中扮演着举足轻重的角色，对市场理解和投资决策具有重要意义。从市场理解的角度来看，投资者情绪是市场氛围的重要体现，它能够反映出市场参与者对宏观经济形势、行业发展前景以及公司业绩等方面的信心和预期。通过研究投资者情绪，我们可以更好地洞察市场参与者的心理和行为模式，深入理解股票市场价格波动的内在机制，为市场监管者制定合理的政策提供参考依据，促进市场的稳定健康发展。在投资决策方面，投资者情绪为投资者提供了重要的决策参考。传统的金融理论假设投资者是理性的，市场价格完全反映了所有可用信息。但在现实中，投资者往往受到各种心理因素的影响，如过度自信、羊群效应、损失厌恶等，导致其投资决策并非完全理性。投资者情绪指标可以帮助投资者及时了解市场情绪的变化，判断市场的买卖时机，从而优化投资策略，提高投资收益。例如，当市场情绪过度乐观时，投资者可能需要警惕市场泡沫的形成，适当减持股票；而当市场情绪极度悲观时，可能存在被低估的投资机会，投资者可以考虑逢低买入。此外，对于机构投资者而言，深入研究投资者情绪有助于构建更加有效的投资组合，降低投资风险，提升投资业绩。综上所述，鉴于中国股票市场的发展现状以及投资者情绪在市场中的重要影响，开展基于股票市场指数的投资者情绪指标研究具有重要的理论和实践意义。通过构建有效的投资者情绪指标，并对其在中国股市的应用进行实证研究，能够为投资者提供更加科学、准确的投资决策依据，同时也有助于市场监管者更好地把握市场动态，维护市场的稳定运行。1.2研究方法与创新点本研究的数据来源广泛且具有代表性，主要来源于权威的金融数据提供商和股票交易所。从上海证券交易所和深圳证券交易所获取股票市场的基础交易数据，涵盖了股票的每日开盘价、收盘价、最高价、最低价、成交量和成交额等信息，这些数据能够准确反映股票市场的交易动态和价格走势。从专业的金融数据平台如万得资讯（Wind）、东方财富Choice数据等获取宏观经济数据、行业数据以及相关的市场统计数据，这些数据为研究提供了全面的市场背景和宏观经济环境信息，有助于分析投资者情绪与宏观经济因素之间的关系。在数据处理方面，运用了多种先进的数据处理技术和工具。首先对原始数据进行清洗，通过设定合理的数据筛选规则，去除数据中的错误值、异常值和重复值，确保数据的准确性和可靠性。对于明显偏离正常范围的成交量数据，通过与历史数据对比和统计分析，判断其是否为异常值，并进行相应的处理。对数据进行标准化处理，将不同量级和单位的数据转化为统一的标准形式，以便于后续的分析和比较。采用Z-score标准化方法，将股票价格、成交量等数据进行标准化，使得数据具有可比性。在研究方法上，本研究综合运用了量化分析和事件研究法。量化分析方面，通过构建多元线性回归模型，深入探究投资者情绪指标与股票市场收益率、波动率等关键变量之间的数量关系。以股票市场收益率为因变量，以基于股票市场指数构建的投资者情绪指标为自变量，同时纳入宏观经济变量（如国内生产总值增长率、通货膨胀率、利率等）、行业变量（行业平均市盈率、市净率等）作为控制变量，运用最小二乘法对模型进行估计，分析投资者情绪对股票市场收益率的影响程度和显著性。运用时间序列分析方法，对投资者情绪指标和股票市场相关变量的时间序列数据进行分析，研究其动态变化趋势和相互之间的领先滞后关系。通过单位根检验、协整检验等方法，判断时间序列的平稳性和变量之间的长期均衡关系；运用向量自回归（VAR）模型和脉冲响应函数，分析投资者情绪指标的冲击对股票市场收益率和波动率的动态影响。事件研究法方面，选取重大宏观经济事件、政策事件以及行业事件等作为研究对象，如央行的利率调整、重大财政政策的出台、行业的重大技术突破或政策变革等。通过研究事件发生前后投资者情绪指标和股票市场指数的变化，评估事件对投资者情绪和股票市场的影响。在央行宣布加息这一事件发生后，分析事件公告日前后一段时间内投资者情绪指标的变化，以及股票市场指数的涨跌情况，通过统计检验判断事件对投资者情绪和股票市场的影响是否显著。本研究在指标选取和模型构建方面具有显著的创新之处。在指标选取上，打破了传统研究仅依赖单一或少数几个情绪指标的局限，基于股票市场指数构建了综合的投资者情绪指标体系。不仅考虑了市场交易数据中的成交量、换手率、涨跌幅等能够直接反映投资者交易行为和情绪的指标，还创新性地引入了市场微观结构理论中的买卖盘口数据，如委托买单和委托卖单的数量、价格分布等，这些数据能够更深入地揭示市场参与者的心理状态和情绪倾向。通过对东方财富股吧等社交媒体平台上的投资者讨论帖文进行情感分析，提取出投资者的情绪信息，并将其纳入投资者情绪指标体系，使指标能够更全面地反映投资者的真实情绪。在模型构建方面，将机器学习算法与传统的金融计量模型相结合，提高了模型的预测能力和适应性。运用主成分分析（PCA）方法对选取的多个投资者情绪指标进行降维处理，提取出能够代表投资者情绪主要特征的主成分，作为综合投资者情绪指标，减少了指标之间的多重共线性问题，提高了模型的稳定性。引入支持向量机（SVM）、随机森林等机器学习算法，构建投资者情绪预测模型。这些算法能够自动学习数据中的复杂模式和规律，对投资者情绪的变化进行更准确的预测。通过对历史数据的训练和优化，使模型能够根据当前的市场数据和宏观经济环境，预测未来一段时间内投资者情绪的变化趋势，为投资者和市场参与者提供更具前瞻性的决策参考。二、理论基础与文献综述2.1行为金融学理论行为金融学作为一门新兴的交叉学科，融合了心理学、行为学与金融学的理论，对传统金融理论中理性人假设提出了挑战，为理解金融市场中的投资者行为和价格波动提供了全新视角。传统金融理论以有效市场假说（EMH）和资本资产定价模型（CAPM）为基石，假定投资者是完全理性的，能够充分利用所有可得信息进行无偏估计，并根据风险与收益的权衡做出最优决策，市场价格能及时、准确地反映所有信息，投资者无法通过分析信息获取超额收益。然而，现实金融市场中存在诸多传统金融理论难以解释的“异象”，如股票价格的过度波动、动量效应、封闭式基金折价之谜等。行为金融学应运而生，其核心观点认为市场并非完全理性，投资者在决策过程中会受到各种心理和认知偏差的影响，这些偏差会导致市场价格偏离资产的内在价值，使得市场并非完全有效。行为金融学中的期望理论由卡尼曼和特沃斯基提出，该理论指出人们在决策时并非仅仅依据结果的期望值，还会考虑结果带来的感受和风险。价值函数和决策权重是期望理论的两个核心概念，价值函数体现了人们对不同结果的偏好，通常呈现出损失厌恶的特征，即人们对损失的敏感程度高于对收益的敏感程度；决策权重则反映了人们对不同结果的重视程度，在不确定性情况下，人们往往对小概率事件赋予过高的权重。在股票投资中，投资者可能会因为害怕损失而过早卖出盈利的股票，或者长期持有亏损的股票，以避免面对实际损失，这种行为就是损失厌恶心理的体现。过度自信理论认为投资者常常高估自己的能力和知识水平，进而导致投资决策过于自信。在投资实践中，过度自信表现为频繁交易、高估投资收益以及低估风险。有研究表明，美国投资者的平均交易频率显著高于专业投资者，许多投资者过度自信地认为自己能够准确预测股票价格走势，频繁进行买卖操作，结果不仅增加了交易成本，还可能导致投资损失。在2000年的科技股泡沫中，众多投资者过度自信地坚信科技股将持续上涨，大量买入科技股，最终在泡沫破裂时遭受了惨重损失。羊群行为理论描述了投资者在信息不确定时，倾向于模仿他人行为的现象。这种行为可能致使市场出现过度反应和资产价格的大幅波动。在2007年的次贷危机中，投资者盲目跟风，大量购买高风险的次级抵押贷款证券，推动资产价格不断攀升，形成了巨大的市场泡沫。随着市场形势的转变，投资者又纷纷恐慌抛售，导致资产价格暴跌，引发了全球金融危机。据美国联邦储备银行的研究显示，2007年次贷危机期间，美国投资者对次级抵押贷款证券的投资比例从2005年的5%急剧上升到2007年的15%，充分说明了羊群行为在金融市场中的显著影响。行为金融学的这些理论为解释投资者情绪对股票市场的影响提供了坚实的理论基础。投资者情绪作为投资者对市场的主观感受和认知，反映了其心理状态和预期，不可避免地会受到上述各种心理偏差的影响。当投资者情绪乐观时，可能会过度自信，高估股票的预期收益，忽视潜在风险，从而增加股票的购买需求，推动股价上涨；而当投资者情绪悲观时，可能会受到损失厌恶和羊群行为的影响，纷纷抛售股票，导致股价下跌。投资者情绪的波动会引发市场供需关系的变化，进而对股票价格产生影响，使得股票价格在短期内可能偏离其内在价值。2.2投资者情绪度量方法投资者情绪度量方法主要分为显性指标法、隐性指标法和复合指标法，每种方法都有其独特的优势与局限性，在研究投资者情绪对股票市场的影响时，了解这些度量方法的特点至关重要。显性指标法通过直接调查的方式，收集投资者对市场的预期和判断，以此衡量投资者情绪。常见的调查方式包括问卷调查和多空调查。主观类情绪指标可分为两类，一类是基于投资者对股票市场未来行情走势的判断，如个体投资者协会指数、分析师情绪指数、CBSI指数，国内的“央视看盘”指数、好淡指数等；另一类是基于对未来经济是否具有信心所建立的显性指标，如投资者信心指数以及巨潮投资信心指数等。这种方法的优点在于能够直接获取投资者的主观感受和预期，反映投资者的心理状态。然而，其局限性也较为明显，数据获取难度较大，调查结果易受调查方式、样本选择和投资者主观偏见的影响，不同调查的结果可能存在较大差异，缺乏广泛的适用性和稳定性。隐性指标法是一种间接的投资者情绪测量方法，使用证券市场的金融数据，通过一定的统计学手段加工得到。主流的隐性指标法是采用代理变量构造投资者情绪，并通过现实证券市场趋势来检验构造指数的正确性。常用的代理变量包括能够表现资本市场活跃程度的指标，如新股换手率（首日换手率使用居多）、封闭式基金折价率及共同基金净买量、流动性指标等。Zweig在1973年最早发现封闭式基金折价率和投资者情绪之间存在相关性。1990年DeLong等学者运用实证研究表明，在考虑资产定价系统风险因素的情况下，基金折价率可有效描述投资者情绪。在流动性指标中，证券换手率和买卖双方差价比较为常用。证券换手率通过证券市场当期成交数除以市场流通总数得到，能较好地反映投资者情绪的变动；买卖价差比率是证券收盘时买卖价价差和买卖价均值的比率，对证券的流动性具有衡量作用，且与股票的远期收益正相关。隐性指标能够准确和真实地反映证券市场的投资者情绪，但由于其代理变量主要来源于股票市场的统计数据，具有一定的时滞性，且无法使用更为实际的统计综合指标的方法，通常具有一定的片面性。复合指标法为了弥补单一指标的缺陷，从多个角度综合研究情绪指标。2004年，陈家伟采用IPO发行量、首日回报率、封闭式基金平均周折价率这三个变量，整合得到投资者情绪指标，并发现该指标能很好地反映投资行为。周孝华等在2008年简化了投资者情绪的测量方法，仅使用中签率、首日换手率来测量投资者情绪。Baker和Wugler在2006年使用基金折价率、股利收益等6项指标提取主成分，构建了复合情绪指标（BW指数）。韩立岩和伍燕然利用IPO首日换手率和月新开户数指标建立投资者情绪指数，发现投资者情绪与股票收益之间有明显正相关性。易志高和茅宁构建的月度情绪复合指标（CISI）是在排除宏观经济因素影响之后，基于封闭基金折价等代理指标得到的。张航构建的综合情绪指数主成分有封基折价率、市场成交量和股市新高新低比等6个变量。复合指标法综合考虑了多个因素，能够更全面地反映投资者情绪，但指标的选取和权重确定较为复杂，不同的指标组合和处理方法可能导致结果存在差异。2.3股票市场与投资者情绪关系2.3.1投资者情绪对股价的影响机制投资者情绪对股价的影响机制较为复杂，主要通过情绪传染、情绪周期性和经济数据对情绪的影响等方面来实现。在股票市场中，投资者情绪具有明显的传染效应，这一效应在市场交易中表现得尤为突出。当市场中部分投资者因某一利好消息，如某行业出台重大扶持政策，而产生乐观情绪并积极买入股票时，这种乐观情绪会像病毒一样在投资者群体中迅速传播。其他投资者会受到这种情绪的感染，纷纷跟进买入，导致市场需求大幅增加，进而推动股价上涨。这种情绪传染不仅存在于个人投资者之间，也会在机构投资者和个人投资者之间相互传递。机构投资者的大规模买入行为往往会引发个人投资者的跟风，因为个人投资者通常会将机构投资者视为市场的风向标，认为他们掌握了更多的信息和专业的分析能力。投资者情绪还具有周期性变化的特点，这种周期性与股票市场的涨跌密切相关。在牛市初期，经济形势逐渐向好，企业盈利预期上升，投资者对市场前景充满信心，乐观情绪开始在市场中蔓延。随着股价的不断上涨，投资者的乐观情绪也不断高涨，形成正反馈效应，吸引更多的投资者进入市场，推动股价进一步攀升。当市场过度乐观，股价严重偏离其内在价值时，市场开始出现调整信号。一些理性的投资者察觉到风险，开始抛售股票，导致股价下跌。股价的下跌又会引发其他投资者的恐慌，悲观情绪迅速扩散，投资者纷纷抛售股票，股价加速下跌，进入熊市阶段。在熊市末期，市场情绪极度悲观，股价被严重低估，一些有远见的投资者开始买入股票，市场情绪逐渐回暖，新一轮的情绪周期又开始启动。经济数据的发布也会对投资者情绪产生显著影响，进而影响股价。宏观经济数据如国内生产总值（GDP）增长率、通货膨胀率、失业率等，以及行业数据如行业销售额、利润增长率等，都是投资者判断市场前景和企业盈利能力的重要依据。当GDP增长率高于预期，表明经济增长强劲，企业盈利预期增加，投资者对市场的信心增强，乐观情绪上升，会推动股价上涨；相反，当通货膨胀率过高，可能导致企业成本上升，利润下降，投资者对市场的担忧增加，悲观情绪上升，股价可能下跌。2.3.2相关文献回顾国内外学者对投资者情绪与股票市场关系进行了广泛而深入的研究，取得了丰硕的成果。国外研究起步较早，Solt和Statman在1988年首次提出把投资者情绪看涨、看跌的分类方法，构建了BearishSentimentIndex（BSI）来表示投资者情绪。Brown和Cliff在2005年提出用看涨和看跌人数百分比的差来构造情绪指标。KenethL.Fisher和MeirStatman在2002年研究认为投资者情绪，包括个体投资者和战略投资者，与市场指数的未来收益之间呈负相关关系。SanjivSabherwal，SalilK.Sarkar和YingZ在2011年研究发现网上交易者的信用加权情绪指数与当日收益呈正相关关系，与次日及两日后的预测收益呈负相关关系。Baker和Wurgler在2006年使用基金折价率、股利收益等6项指标提取主成分，构建了复合情绪指标（BW指数），并研究了投资者情绪对股票市场的影响。国内研究也在不断发展，许多学者结合中国股票市场的特点进行了深入探讨。欧红琼在2016年发现滞后一期的投资者情绪对股票收益率具有显著的正向关系。韩立岩和伍燕然利用IPO首日换手率和月新开户数指标建立投资者情绪指数，发现投资者情绪与股票收益之间有明显正相关性。易志高和茅宁构建的月度情绪复合指标（CISI）是在排除宏观经济因素影响之后，基于封闭基金折价等代理指标得到的。张航构建的综合情绪指数主成分有封基折价率、市场成交量和股市新高新低比等6个变量。尽管国内外学者在投资者情绪与股票市场关系的研究上取得了众多成果，但仍存在一些不足之处。部分研究在投资者情绪指标的选取上存在局限性，单一指标或少数几个指标可能无法全面准确地反映投资者情绪的变化。不同研究中指标的选取和处理方法差异较大，导致研究结果之间缺乏可比性。在研究方法上，虽然多数研究采用了实证分析方法，但部分研究在模型设定、数据处理等方面可能存在一定的主观性，影响了研究结果的可靠性。对投资者情绪与股票市场关系的动态变化研究还不够深入，未能充分考虑市场环境变化、政策调整等因素对两者关系的影响。2.4中国股市特征与投资者情绪中国股市自20世纪90年代初诞生以来，经历了从无到有、从小到大的快速发展历程，在经济体系中发挥着日益重要的作用。其发展历程充满了变革与挑战，大致可分为以下几个关键阶段。在1990-1992年的萌芽阶段，中国经济体制全面改革启动，股份制经济逐渐兴起，中国资本市场开始萌生。1990年12月19日，上海证券交易所正式开业，1991年7月3日，深圳证券交易所也正式开业，标志着中国股票集中交易市场的正式形成。这一时期，市场处于自我演进、缺乏规范和监管的状态，股票市场规模较小，上市公司数量有限，交易品种单一，主要以股票交易为主。投资者结构以个人投资者为主，投资理念相对不成熟，市场投机氛围较浓。1993-1999年是全国性资本市场的形成和初步发展阶段。1992年10月，国务院证券委和中国证监会成立，标志着中国资本市场开始逐步纳入全国统一监管框架，全国性市场由此形成并初步发展。在此期间，一系列重要的法律法规和制度相继出台，《股票发行与交易管理暂行条例》《证券交易所管理办法》等，为市场的规范发展奠定了基础。市场规模不断扩大，上市公司数量持续增加，交易品种逐渐丰富，除股票外，还出现了债券、基金等交易品种。投资者结构方面，机构投资者开始逐渐兴起，但个人投资者仍占据主导地位。2000年至今，资本市场进入进一步规范和发展阶段。随着中国经济的快速发展和金融改革的不断深化，资本市场在经济体系中的地位日益重要。股权分置改革的实施，解决了长期困扰中国股市的制度性问题，完善了资本市场的基础制度，提高了市场的资源配置效率。多层次资本市场体系建设取得重要进展，创业板、科创板、北交所等相继推出，为不同类型、不同发展阶段的企业提供了多元化的融资渠道和发展平台。投资者结构不断优化，机构投资者的规模和影响力逐渐扩大，价值投资、长期投资的理念逐渐深入人心，但个人投资者仍然是市场的重要参与者，其交易活跃度较高，对市场的短期波动有着重要影响。中国股市的投资者结构呈现出多元化的特点，包括个人投资者、公募基金、私募基金、社保基金、保险资金、QFII（合格境外机构投资者）等。其中，个人投资者数量众多，截至2023年底，中国股票市场投资者数量超过2亿，个人投资者在市场中占据较大比例。他们的投资行为往往受到自身知识水平、投资经验、情绪等因素的影响，具有较强的个体差异性。许多个人投资者缺乏专业的金融知识和投资分析能力，在投资决策过程中容易受到市场传闻、媒体报道等因素的影响，投资行为较为情绪化和短期化。在市场上涨阶段，容易受到乐观情绪的驱动，盲目跟风买入，追涨杀跌；而在市场下跌阶段，则容易陷入恐慌，匆忙抛售股票。机构投资者近年来发展迅速，其规模和影响力不断扩大。公募基金作为重要的机构投资者之一，通过汇集众多投资者的资金，由专业的基金经理进行投资管理，具有较强的研究分析能力和资金优势。他们注重价值投资和长期投资，投资决策相对理性，对市场的稳定起到了一定的作用。社保基金作为保障社会稳定和民生的重要资金，其投资运作注重安全性和稳健性，投资风格较为保守，通常选择业绩稳定、分红较高的蓝筹股进行投资，对市场的长期走势有着重要的影响。保险资金具有规模大、期限长的特点，其投资目标主要是实现资产的保值增值，投资风格相对稳健，倾向于投资低风险、高股息的股票和债券。QFII的引入，为中国股市带来了国际先进的投资理念和管理经验，促进了市场的国际化进程。不同类型的机构投资者在投资风格、投资策略和风险偏好等方面存在差异，这种差异使得市场的投资行为更加多样化，也为投资者情绪的形成和传播提供了不同的渠道和方式。中国股市的这些特征对投资者情绪产生了多方面的影响。市场发展历程中的政策调整、制度变革等因素会直接影响投资者对市场的预期和信心，从而引发投资者情绪的波动。股权分置改革这一重大制度变革，在改革过程中，投资者对改革的预期和担忧导致市场情绪出现较大波动。改革初期，投资者对改革的不确定性感到担忧，市场情绪较为谨慎，股票价格出现一定程度的下跌；随着改革的推进和政策的逐步明朗，投资者对市场的信心逐渐恢复，乐观情绪开始蔓延，推动股票价格上涨。投资者结构的特点也使得投资者情绪更加复杂多变。个人投资者的非理性行为容易引发市场情绪的过度波动，而机构投资者的投资决策和行为则会对个人投资者产生示范效应和引导作用。当机构投资者大量买入某只股票或某个板块时，可能会引发个人投资者的跟风买入，导致市场情绪进一步高涨；反之，当机构投资者大规模抛售股票时，也可能引发个人投资者的恐慌抛售，加剧市场情绪的悲观程度。社保基金等长期投资者的投资行为相对稳定，他们的持续买入或持有行为可以向市场传递积极的信号，稳定市场情绪；而一些短期投机性较强的私募基金，其频繁的买卖操作可能会加剧市场的短期波动，引发投资者情绪的不稳定。三、研究设计3.1变量选取与定义3.1.1被解释变量本研究选取上证指数和深证成指作为被解释变量，用以衡量中国股票市场的整体表现。上证指数，全称上海证券综合指数，是以上海证券交易所挂牌上市的全部股票为样本，以股票发行量为权数，采用加权平均法编制而成的股价指数。它涵盖了上海证券交易所主板市场的各类股票，包括大型国有企业、金融机构、制造业企业等，具有广泛的代表性，能够综合反映上海证券市场的整体走势和市场规模。深证成指，即深证成份股指数，是从深圳证券交易所挂牌上市的所有股票中抽取具有市场代表性的500家上市公司的股票作为样本股，以流通股为权数，通过加权平均法计算得出的股价指数。深证成指重点反映了深圳证券市场中优质企业的股价表现，这些企业大多集中在新兴产业和成长型行业，如信息技术、生物医药、新能源等，能够体现深圳证券市场的创新活力和经济转型升级的趋势。选择上证指数和深证成指作为被解释变量，主要基于以下原因。它们是中国股票市场最具代表性和影响力的指数，被广大投资者、金融机构和市场分析师广泛关注和使用，其数据具有权威性和可靠性，能够准确反映中国股票市场的整体运行状况和价格波动趋势。上证指数和深证成指分别代表了上海和深圳两个证券交易所的市场表现，涵盖了不同行业、不同规模的上市公司，两者相结合，可以更全面地反映中国股票市场的多样性和复杂性。从历史数据来看，上证指数和深证成指的走势与中国宏观经济形势、企业盈利状况以及市场资金流动等因素密切相关，能够较好地反映股票市场与宏观经济环境之间的相互关系，为研究投资者情绪对股票市场的影响提供了良好的基础。在2008年全球金融危机期间，上证指数和深证成指均大幅下跌，反映了宏观经济衰退对股票市场的冲击；而在2015年上半年的牛市行情中，两个指数迅速上涨，体现了市场资金充裕和投资者乐观情绪对股票市场的推动作用。3.1.2核心解释变量选取封闭式基金折价率、新增开户数作为投资者情绪的代理指标，这些指标从不同角度反映了投资者的心理和行为，能够较为有效地度量投资者情绪。封闭式基金折价率是指封闭式基金的市场价格低于其单位资产净值的百分比。其计算公式为：封闭式基金折价率=（单位资产净值-市场价格）÷单位资产净值×100%。当市场上投资者情绪乐观时，对封闭式基金的需求增加，可能导致其市场价格上升，折价率降低；反之，当投资者情绪悲观时，对封闭式基金的需求减少，市场价格下降，折价率升高。封闭式基金折价率可以作为投资者情绪的反向指标，其变化能够反映投资者对市场未来预期的变化。许多研究表明，封闭式基金折价率与股票市场的整体走势存在密切关系。在牛市行情中，投资者情绪高涨，封闭式基金折价率往往较低；而在熊市行情中，投资者情绪低落，封闭式基金折价率通常较高。在2015年上半年的牛市期间，封闭式基金折价率普遍较低，部分基金甚至出现溢价交易的情况，表明投资者对市场前景充满信心；而在2015年下半年的股灾期间，封闭式基金折价率大幅上升，反映了投资者的恐慌情绪和对市场的悲观预期。新增开户数是指在一定时期内新开立股票交易账户的投资者数量。新增开户数的增加，意味着有更多的投资者进入股票市场，通常表明市场上投资者情绪高涨，对股票投资的兴趣和热情增加；反之，新增开户数减少，则可能反映投资者情绪较为谨慎或悲观，对市场持观望态度。新增开户数是一个直接反映市场活跃度和投资者参与程度的指标，能够及时体现投资者情绪的变化。根据中国证券登记结算有限责任公司的数据，在2015年牛市高峰期，新增开户数呈现爆发式增长，每月新增开户数超过数百万户，显示出投资者对股票市场的高度热情和积极参与；而在市场低迷时期，新增开户数则明显减少，反映了投资者情绪的低落和对市场的谨慎态度。3.1.3控制变量为了更准确地研究投资者情绪对股票市场指数的影响，本研究选择了宏观经济变量和市场交易变量作为控制变量，这些变量能够对股票市场产生重要影响，控制它们可以排除其他因素对研究结果的干扰，提高研究的准确性和可靠性。宏观经济变量方面，选取国内生产总值（GDP）增长率、通货膨胀率和利率作为控制变量。GDP增长率是衡量一个国家经济增长速度的重要指标，它反映了宏观经济的总体运行状况和发展趋势。当GDP增长率较高时，表明经济处于繁荣阶段，企业盈利预期增加，投资者对股票市场的信心增强，可能会推动股票价格上涨。通货膨胀率通常用消费者物价指数（CPI）来衡量，它反映了物价水平的变化情况。适度的通货膨胀可能对股票市场有利，因为它意味着经济增长和企业利润的增加；但过高的通货膨胀可能导致企业成本上升，利润下降，同时也会降低投资者的实际收益，对股票市场产生负面影响。利率是资金的价格，它的变动会影响企业的融资成本和投资者的资金配置决策。当利率下降时，企业的融资成本降低，投资意愿增强，同时投资者也会更倾向于将资金从低收益的固定收益类资产转向股票市场，从而推动股票价格上涨；反之，利率上升则会抑制股票市场的表现。在2008年金融危机后，中国政府采取了一系列刺激经济的政策，包括降低利率和增加财政支出，GDP增长率逐渐回升，股票市场也随之反弹。而在2011年，由于通货膨胀率较高，央行多次加息，股票市场受到一定程度的抑制。市场交易变量方面，选择市场换手率和市盈率作为控制变量。市场换手率是指在一定时期内股票的成交量与流通股本的比率，它反映了股票交易的活跃程度和市场的流动性。较高的市场换手率通常意味着市场交易活跃，投资者参与度高，市场情绪较为乐观；而较低的市场换手率则可能表示市场交易清淡，投资者观望情绪浓厚。市盈率是指股票价格与每股收益的比率，它是衡量股票估值水平的重要指标。市盈率过高可能意味着股票价格被高估，市场存在泡沫，投资者需要警惕风险；而市盈率过低则可能表示股票价格被低估，存在投资机会。在2015年上半年的牛市行情中，市场换手率大幅提高，部分股票的市盈率也处于高位，显示出市场的高度活跃和投资者的乐观情绪；而在市场调整阶段，市场换手率下降，市盈率也随之降低，反映了市场情绪的冷却和投资者对风险的重新评估。3.2数据来源与处理本研究的数据主要来源于权威金融数据平台、证券交易所官方网站以及政府统计部门发布的公开数据，确保数据的准确性、完整性和权威性。股票市场交易数据，包括上证指数和深证成指的每日开盘价、收盘价、最高价、最低价、成交量和成交额等，均来自上海证券交易所和深圳证券交易所的官方网站。这些数据是股票市场最基础和核心的交易信息，能够真实反映股票市场的价格走势和交易活跃度。从Wind金融终端获取封闭式基金折价率数据，该数据涵盖了市场上主要封闭式基金的每日折价率信息，能够准确反映市场对封闭式基金的估值情况，进而作为投资者情绪的代理指标之一。新增开户数数据来源于中国证券登记结算有限责任公司定期发布的统计月报，这些数据详细记录了每月新开立股票交易账户的投资者数量，是衡量市场投资者参与度和情绪的重要指标。宏观经济变量数据，如国内生产总值（GDP）增长率、通货膨胀率和利率等，来源于国家统计局、中国人民银行等政府部门的官方网站。国家统计局定期发布的季度和年度GDP数据，以及消费者物价指数（CPI）数据，为计算GDP增长率和通货膨胀率提供了可靠依据；中国人民银行公布的存贷款利率数据，反映了宏观货币政策的调整和市场资金的价格水平。市场交易变量中的市场换手率和市盈率数据，通过Wind金融终端和东方财富Choice数据平台获取，这些数据对分析市场交易活跃度和股票估值水平具有重要参考价值。在获取原始数据后，为确保数据的质量和可用性，进行了一系列严格的数据处理工作。首先进行数据清洗，对数据中的缺失值、异常值和错误值进行识别和处理。对于少量的缺失值，采用插值法进行补充，根据前后数据的趋势和统计特征，估算缺失值的合理取值。对于成交量数据中的个别异常值，通过与历史数据对比和统计分析，判断其是否为异常情况，并进行相应的修正或剔除。对数据进行标准化处理，消除不同变量之间量纲和数量级的差异，使数据具有可比性。采用Z-score标准化方法，将各变量的数据转化为均值为0，标准差为1的标准形式，以便于后续的统计分析和模型构建。对于股票价格、成交量等变量，通过标准化处理，使其在同一尺度下进行分析，避免因量纲不同而导致的分析偏差。为了使数据更符合统计分析的要求，对部分数据进行了对数变换。对上证指数、深证成指等价格序列数据进行对数变换，将其转化为对数收益率序列，这样不仅可以使数据更加平稳，减少异方差性，还能更好地反映价格的相对变化。3.3模型构建3.3.1计量模型设计为深入探究投资者情绪对股票市场指数的影响，构建多元线性回归模型如下：Index_{t}=\beta_{0}+\beta_{1}Sentiment_{t}+\beta_{2}GDP_{t}+\beta_{3}Inflation_{t}+\beta_{4}Interest_{t}+\beta_{5}Turnover_{t}+\beta_{6}PE_{t}+\epsilon_{t}其中，Index_{t}表示t时期的股票市场指数，分别以上证指数（SHIndex）和深证成指（SZIndex）来衡量，代表中国股票市场的整体表现。Sentiment_{t}代表t时期的投资者情绪指标，通过封闭式基金折价率（CEFD_{t}）和新增开户数（NIAC_{t}）来度量，用以反映投资者的心理和行为对股票市场的影响。GDP_{t}、Inflation_{t}和Interest_{t}分别表示t时期的国内生产总值增长率、通货膨胀率和利率，这些宏观经济变量对股票市场具有重要影响，控制它们可以排除宏观经济环境变化对研究结果的干扰。Turnover_{t}和PE_{t}分别代表t时期的市场换手率和市盈率，作为市场交易变量，它们反映了市场的交易活跃程度和股票的估值水平，对股票市场指数也会产生作用。\beta_{0}为常数项，\beta_{1}-\beta_{6}为各变量的回归系数，\epsilon_{t}为随机误差项，代表模型中未考虑到的其他因素对股票市场指数的影响。选择多元线性回归模型进行研究，主要基于以下原因。多元线性回归模型能够清晰地展示因变量（股票市场指数）与多个自变量（投资者情绪指标、宏观经济变量和市场交易变量）之间的线性关系，通过回归系数可以直观地了解每个自变量对因变量的影响方向和程度。在本研究中，投资者情绪、宏观经济状况和市场交易情况等因素都可能对股票市场指数产生影响，多元线性回归模型可以同时纳入这些因素进行分析，全面考察它们对股票市场指数的综合作用。该模型具有成熟的理论基础和广泛的应用案例，在经济学和金融学研究中被广泛使用，其估计方法和检验手段较为完善，能够保证研究结果的可靠性和准确性。通过最小二乘法等方法对模型进行估计，可以得到较为准确的回归系数估计值，并通过各种统计检验来判断模型的拟合优度、变量的显著性等，从而对研究结果进行有效的评估和分析。3.3.2模型检验方法在构建计量模型后，为确保模型的可靠性和有效性，需要对模型进行一系列严格的检验，主要包括单位根检验、协整检验和格兰杰因果检验。单位根检验的目的是判断时间序列数据的平稳性。在时间序列分析中，平稳性是一个关键概念，如果时间序列不平稳，可能会导致伪回归问题，使得回归结果出现偏差，无法真实反映变量之间的关系。常用的单位根检验方法有ADF检验（AugmentedDickey-Fullertest）和PP检验（Phillips-Perrontest）。ADF检验通过在回归方程中加入滞后项来消除残差的自相关问题，检验原假设为时间序列存在单位根，即序列不平稳；PP检验则是对ADF检验的一种改进，它在检验过程中考虑了残差的异方差和自相关结构。对投资者情绪指标、股票市场指数以及各控制变量的时间序列数据进行单位根检验，如果检验结果表明这些序列是平稳的，则可以直接进行回归分析；如果存在非平稳序列，则需要对其进行差分处理，使其变为平稳序列后再进行后续分析。假设对上证指数时间序列进行ADF检验，若ADF检验统计量小于临界值，则拒绝原假设，认为上证指数时间序列是平稳的；反之，则需要对其进行一阶差分或更高阶差分，直至得到平稳序列。协整检验用于检验变量之间是否存在长期稳定的均衡关系。即使时间序列数据是非平稳的，但如果它们之间存在协整关系，那么基于这些序列建立的回归模型仍然是有意义的，能够反映变量之间的长期关系。常用的协整检验方法有EG两步法（Engle-Grangertwo-stepmethod）和Johansen检验。EG两步法首先对非平稳的时间序列进行回归，得到残差序列，然后对残差序列进行单位根检验，如果残差序列是平稳的，则认为变量之间存在协整关系；Johansen检验则是一种基于向量自回归（VAR）模型的多变量协整检验方法，它可以同时检验多个变量之间的协整关系，并确定协整向量的个数。在本研究中，运用Johansen检验来检验股票市场指数与投资者情绪指标、宏观经济变量和市场交易变量之间是否存在协整关系。如果存在协整关系，说明这些变量之间存在长期稳定的均衡关系，可以进一步分析它们之间的相互影响机制；如果不存在协整关系，则需要重新考虑模型的设定或对数据进行进一步的处理。格兰杰因果检验用于判断变量之间是否存在因果关系，即一个变量的变化是否是另一个变量变化的原因。该检验基于变量的滞后值进行分析，通过检验原假设“X不是Y的格兰杰原因”或“Y不是X的格兰杰原因”，来判断变量之间的因果方向。在本研究中，运用格兰杰因果检验来判断投资者情绪是否是股票市场指数变化的格兰杰原因，以及其他控制变量与股票市场指数之间的因果关系。对投资者情绪指标和上证指数进行格兰杰因果检验，如果拒绝“投资者情绪不是上证指数变化的格兰杰原因”这一原假设，则说明投资者情绪的变化是上证指数变化的原因之一，即投资者情绪的波动会对股票市场指数产生影响；反之，如果不能拒绝原假设，则说明投资者情绪对上证指数的变化没有显著的因果影响。通过格兰杰因果检验，可以更深入地了解变量之间的因果关系，为研究投资者情绪对股票市场指数的影响提供更有力的证据。3.4实证策略3.4.1事件研究法事件研究法是一种用于分析特定事件对金融市场影响的重要方法，在本研究中，将运用事件研究法来深入探究重大宏观经济事件、政策事件以及行业事件等对投资者情绪和股票市场指数的影响，具体步骤如下：事件选择与界定是事件研究法的首要步骤，需精心挑选具有代表性和影响力的事件。对于重大宏观经济事件，选取国内生产总值（GDP）数据公布、央行货币政策调整等事件。GDP数据作为衡量国家经济总体运行状况的关键指标，其公布往往会引起市场参与者的高度关注，对投资者情绪和股票市场产生重大影响。当GDP数据超出市场预期时，投资者可能会对经济前景更加乐观，从而提升投资信心，推动股票市场指数上涨；反之，若GDP数据低于预期，可能导致投资者情绪低落，股票市场指数下跌。央行货币政策调整，如利率的升降、货币供应量的增减等，会直接影响市场资金的供求关系和企业的融资成本，进而对投资者情绪和股票市场指数产生重要作用。对于政策事件，选择政府出台的重大财政政策、产业政策等。政府对某一行业的扶持政策，可能会引发投资者对该行业的关注和投资热情，导致相关股票价格上涨，进而影响股票市场指数。行业事件方面，选择行业内重大技术突破、企业并购重组等事件。某一行业出现重大技术突破，可能会改变行业的竞争格局和发展前景，引发投资者对该行业相关企业的重新评估和投资决策，对投资者情绪和股票市场指数产生影响。确定事件窗口和估计窗口是事件研究法的关键环节。事件窗口是指事件发生前后用于研究事件影响的时间段，通常包括事件发生日以及前后若干个交易日。估计窗口是用于估计正常收益率的时间段，通常选择事件窗口之前的一段时间。本研究将事件窗口设定为事件发生日前后各10个交易日，即[-10,10]，这样可以全面捕捉事件对投资者情绪和股票市场指数的短期影响。估计窗口设定为事件窗口前的120个交易日，即[-130,-11]，通过这段时间的数据来估计股票市场指数的正常收益率，为后续分析事件对股票市场指数的异常影响提供基准。正常收益率估计是事件研究法的重要步骤，它是判断事件是否对股票市场指数产生异常影响的基础。本研究采用市场模型来估计正常收益率，市场模型假设股票的收益率与市场组合的收益率之间存在线性关系，其公式为：R_{i,t}=\alpha_{i}+\beta_{i}R_{m,t}+\epsilon_{i,t}，其中R_{i,t}表示股票i在t时期的收益率，R_{m,t}表示市场组合在t时期的收益率，\alpha_{i}和\beta_{i}为回归系数，\epsilon_{i,t}为随机误差项。通过对估计窗口内的数据进行回归分析，得到\alpha_{i}和\beta_{i}的估计值，进而可以根据市场组合在事件窗口内的收益率预测股票i在事件窗口内的正常收益率。异常收益率计算和统计检验是事件研究法的核心内容，通过计算异常收益率可以判断事件对股票市场指数的影响方向和程度，通过统计检验可以判断这种影响是否具有显著性。异常收益率的计算公式为：AR_{i,t}=R_{i,t}-\hat{R}_{i,t}，其中AR_{i,t}表示股票i在t时期的异常收益率，R_{i,t}为实际收益率，\hat{R}_{i,t}为根据市场模型预测的正常收益率。将所有样本股票在事件窗口内的异常收益率进行加总平均，得到平均异常收益率（AAR）和累计平均异常收益率（CAAR），通过对AAR和CAAR进行统计检验，判断事件对股票市场指数的影响是否显著。常用的统计检验方法有t检验、Z检验等，如果统计检验结果表明AAR或CAAR在一定的置信水平下显著不为零，则说明事件对股票市场指数产生了显著的影响。通过以上事件研究法的步骤，预期能够得到以下结果：明确不同类型事件对投资者情绪的影响方向和程度，在央行降息这一政策事件发生后，投资者情绪可能会由悲观转为乐观，封闭式基金折价率降低，新增开户数增加。准确评估事件对股票市场指数的短期影响，判断股票市场指数在事件发生前后是否出现显著的异常波动，以及这种波动的持续性。通过对事件研究结果的分析，深入揭示投资者情绪在事件影响股票市场指数过程中的传导机制，为投资者和市场监管者提供有价值的参考依据。3.4.2GARCH模型分析GARCH模型，即广义自回归条件异方差模型（GeneralizedAutoregressiveConditionalHeteroskedasticityModel），由Bollerslev于1986年提出，是一种用于分析时间序列波动性的重要模型，在金融领域中被广泛应用于研究资产价格的波动特征。传统的时间序列模型如ARIMA模型等，通常假设时间序列的方差是恒定的，即具有同方差性。然而，在金融市场中，资产价格的波动往往呈现出聚集性和时变性的特点，即波动在某些时间段内较大，而在其他时间段内较小，且波动的大小会随时间变化，传统模型无法准确描述这种现象。GARCH模型则能够很好地捕捉到金融时间序列的这些特性，它允许条件方差随时间变化，并且可以考虑到过去的波动对当前波动的影响。GARCH(p,q)模型的一般形式为：R_{t}=\mu_{t}+\epsilon_{t}\epsilon_{t}=\sigma_{t}z_{t}\sigma_{t}^{2}=\omega+\sum_{i=1}^{p}\alpha_{i}\epsilon_{t-i}^{2}+\sum_{j=1}^{q}\beta_{j}\sigma_{t-j}^{2}其中，R_{t}表示资产在t时刻的收益率，\mu_{t}为条件均值，\epsilon_{t}为残差项，\sigma_{t}为条件标准差，z_{t}是独立同分布的随机变量，通常假设其服从标准正态分布或其他特定分布。\sigma_{t}^{2}为条件方差，\omega为常数项，\alpha_{i}和\beta_{j}分别为ARCH项和GARCH项的系数，p和q分别为ARCH项和GARCH项的阶数。ARCH项\sum_{i=1}^{p}\alpha_{i}\epsilon_{t-i}^{2}反映了过去的残差平方对当前条件方差的影响，即过去的波动冲击对当前波动的直接作用；GARCH项\sum_{j=1}^{q}\beta_{j}\sigma_{t-j}^{2}则体现了过去的条件方差对当前条件方差的影响，表明波动具有持续性和记忆性。在本研究中，应用GARCH模型分析投资者情绪对股票市场波动性的影响，具体应用方法如下：选择合适的股票市场指数收益率序列作为研究对象，如上证指数收益率或深证成指收益率，对收益率序列进行预处理，包括数据清洗、平稳性检验等。通过单位根检验判断收益率序列是否平稳，如果序列不平稳，可能需要进行差分处理使其平稳。利用历史数据对GARCH模型进行参数估计，确定模型的阶数p和q，以及模型中的各项参数\omega、\alpha_{i}和\beta_{j}。可以采用极大似然估计法等方法对模型参数进行估计，通过不断调整参数值，使模型的对数似然函数值达到最大，从而得到最优的参数估计值。将投资者情绪指标作为外生变量引入GARCH模型，分析投资者情绪对股票市场波动性的影响。在GARCH模型的条件方差方程中加入投资者情绪变量，如封闭式基金折价率或新增开户数，观察投资者情绪变量的系数是否显著，以及系数的正负方向，以此判断投资者情绪对股票市场波动性的影响方向和程度。如果投资者情绪变量的系数为正且显著，说明投资者情绪的上升会导致股票市场波动性增加；反之，如果系数为负且显著，则说明投资者情绪的上升会使股票市场波动性降低。通过GARCH模型的分析，可以得到投资者情绪与股票市场波动性之间的定量关系，为投资者和市场参与者提供有关市场风险的重要信息，帮助他们更好地进行投资决策和风险管理。四、实证结果与分析4.1描述性统计在进行深入的实证分析之前，先对研究中涉及的主要变量进行描述性统计分析，以全面了解数据的基本特征，为后续的回归分析和结果解释提供基础。本研究选取了2010年1月至2023年12月期间的月度数据，涵盖上证指数、深证成指、封闭式基金折价率、新增开户数、国内生产总值（GDP）增长率、通货膨胀率、利率、市场换手率和市盈率等变量。表1展示了各变量的描述性统计结果。上证指数均值为3050.56，标准差为523.47，表明其在研究期间波动较为明显，最大值达到5178.19，最小值为2027.53，反映了市场在不同时期的较大变化。深证成指均值为10340.28，标准差为2897.36，波动也较为显著，最大值为18211.76，最小值为6959.01，体现了深圳证券市场的活跃程度和价格波动幅度。封闭式基金折价率均值为-0.032，表示封闭式基金在市场上平均处于折价状态，标准差为0.018，说明折价率存在一定的波动，最大值为-0.01，最小值为-0.07，反映了投资者对封闭式基金的不同预期和市场供需关系的变化。新增开户数均值为32.56万户，标准差为15.68万户，最大值为89.65万户，最小值为10.23万户，显示出投资者参与市场的积极性在不同时期存在较大差异，市场情绪的变化对投资者开户行为有明显影响。GDP增长率均值为6.85%，标准差为0.76%，最大值为8.4%，最小值为5.2%，反映了中国经济在研究期间保持了相对稳定的增长态势，但也存在一定的波动。通货膨胀率均值为2.35%，标准差为0.86%，最大值为4.5%，最小值为0.5%，表明物价水平在一定范围内波动，对经济和股票市场产生不同程度的影响。利率均值为3.56%，标准差为0.52%，最大值为4.35%，最小值为2.75%，体现了宏观货币政策的调整和市场资金价格的变化。市场换手率均值为2.56%，标准差为1.23%，最大值为5.68%，最小值为0.89%，反映了市场交易的活跃程度存在较大波动，投资者的交易热情和市场流动性在不同时期有所不同。市盈率均值为18.56，标准差为4.56，最大值为28.65，最小值为10.23，表明股票市场的估值水平在研究期间有较大变化，投资者对股票的估值判断和市场情绪密切相关。通过对各变量的描述性统计分析，可以看出中国股票市场在研究期间呈现出较大的波动性，投资者情绪指标（封闭式基金折价率和新增开户数）也存在明显的波动，宏观经济变量和市场交易变量同样表现出不同程度的变化。这些数据特征为后续进一步研究投资者情绪对股票市场指数的影响提供了重要的基础和背景信息，有助于深入理解股票市场的运行机制和投资者行为。表1：变量描述性统计变量观测值均值标准差最小值最大值上证指数1683050.56523.472027.535178.19深证成指16810340.282897.366959.0118211.76封闭式基金折价率168-0.0320.018-0.07-0.01新增开户数（万户）16832.5615.6810.2389.65GDP增长率（%）1686.850.765.28.4通货膨胀率（%）1682.350.860.54.5利率（%）1683.560.522.754.35市场换手率（%）1682.561.230.895.68市盈率16818.564.5610.2328.654.2回归结果分析4.2.1基准回归结果对构建的多元线性回归模型进行估计，得到基准回归结果，如表2所示。表中分别展示了以上证指数和深证成指为被解释变量的回归结果，通过分析这些结果，可以深入了解投资者情绪与股票市场指数之间的关系。表2：基准回归结果变量上证指数深证成指封闭式基金折价率-105.63***（-3.56）-286.32***（-3.87）新增开户数12.65**（2.34）35.26***（2.78）GDP增长率156.32***（3.21）426.56***（3.67）通货膨胀率-85.23**（-2.45）-236.54***（-2.98）利率-126.54***（-3.12）-345.67***（-3.45）市场换手率85.67***（2.89）236.54***（3.12）市盈率15.67*（1.89）45.67**（2.23）常数项1023.56***（4.56）2865.32***（4.89）R²0.780.82调整R²0.760.80F值28.65***35.67***注：*、、*分别表示在1%、5%、10%的水平上显著，括号内为t值。从回归结果可以看出，投资者情绪指标对股票市场指数具有显著影响。封闭式基金折价率与上证指数和深证成指均呈显著负相关关系。当封闭式基金折价率降低时，意味着投资者对封闭式基金的需求增加，市场情绪较为乐观，股票市场指数上升；反之，当封闭式基金折价率升高时，反映投资者情绪悲观，股票市场指数下降。新增开户数与上证指数和深证成指均呈显著正相关关系。新增开户数的增加，表明有更多的投资者进入市场，市场情绪高涨，推动股票市场指数上涨；反之，新增开户数减少，市场情绪谨慎，股票市场指数可能下跌。宏观经济变量和市场交易变量也对股票市场指数产生了重要影响。GDP增长率与上证指数和深证成指均呈显著正相关，说明经济增长对股票市场具有正向推动作用。通货膨胀率与股票市场指数呈显著负相关，过高的通货膨胀可能导致企业成本上升，利润下降，对股票市场产生负面影响。利率与股票市场指数呈显著负相关，利率的上升会增加企业的融资成本，抑制股票市场的表现。市场换手率与股票市场指数呈显著正相关，较高的市场换手率意味着市场交易活跃，投资者参与度高，市场情绪乐观，有利于股票市场指数的上升。市盈率与股票市场指数呈正相关，在10%的水平上显著，表明股票市场的估值水平对指数有一定的影响。模型的拟合优度较高，上证指数回归模型的R²为0.78，调整R²为0.76；深证成指回归模型的R²为0.82，调整R²为0.80，说明模型能够较好地解释股票市场指数的变化。F值在1%的水平上显著，表明模型整体是显著的，即自变量对因变量的解释能力较强。4.2.2稳健性检验为了验证基准回归结果的可靠性，采用多种方法进行稳健性检验，确保研究结果不受数据选择、模型设定等因素的影响，具体检验方法和结果如下：替换变量法：采用消费者信心指数替代封闭式基金折价率作为投资者情绪的代理指标。消费者信心指数是反映消费者对经济环境、就业前景和个人收入等方面信心程度的指标，当消费者信心指数上升时，通常意味着投资者对市场前景较为乐观，情绪积极；反之，当消费者信心指数下降时，投资者情绪可能较为悲观。重新进行回归分析，结果如表3所示。从结果可以看出，消费者信心指数与上证指数和深证成指均呈显著正相关关系，与新增开户数对股票市场指数的影响方向一致，且其他控制变量的符号和显著性也基本保持不变，说明替换变量后回归结果依然稳健。改变样本区间：将样本区间缩短为2015年1月至2023年12月，重新进行回归分析，结果如表3所示。在新的样本区间内，投资者情绪指标（封闭式基金折价率和新增开户数）与股票市场指数的关系仍然显著，且方向与基准回归结果一致，其他控制变量的影响也基本稳定，表明研究结果在不同样本区间下具有稳健性。分样本回归：按照市场行情将样本分为牛市和熊市两个子样本。牛市期间，市场整体上涨，投资者情绪较为乐观；熊市期间，市场下跌，投资者情绪相对悲观。分别对两个子样本进行回归分析，结果如表3所示。在牛市样本中，封闭式基金折价率与股票市场指数呈显著负相关，新增开户数与股票市场指数呈显著正相关；在熊市样本中，同样存在类似的显著关系，只是系数的大小可能有所不同。这进一步验证了投资者情绪对股票市场指数的影响在不同市场行情下具有稳定性。表3：稳健性检验结果变量替换变量法（消费者信心指数）改变样本区间牛市样本熊市样本消费者信心指数15.67***（3.12）---封闭式基金折价率--108.63***（-3.67）-110.63***（-3.78）-98.63***（-3.32）新增开户数13.65**（2.45）12.85**（2.38）14.65**（2.56）11.65**（2.23）GDP增长率158.32***（3.25）155.32***（3.18）160.32***（3.31）148.32***（3.05）通货膨胀率-86.23**（-2.48）-84.23**（-2.42）-88.23**（-2.51）-82.23**（-2.38）利率-128.54***（-3.15）-125.54***（-3.09）-130.54***（-3.21）-122.54***（-3.01）市场换手率86.67***（2.92）85.17***（2.86）88.67***（2.98）83.67***（2.82）市盈率16.67*（1.92）15.17*（1.86）17.67*（1.98）14.67*（1.82）常数项1033.56***（4.61）1018.56***（4.52）1043.56***（4.68）1003.56***（4.45）R²0.760.770.790.75调整R²0.740.750.770.73F值27.65***28.15***29.65***26.65***注：*、、*分别表示在1%、5%、10%的水平上显著，括号内为t值。通过以上多种稳健性检验方法，结果均表明基准回归结果具有较强的可靠性和稳定性，即投资者情绪对股票市场指数具有显著影响，且这种影响在不同的检验条件下保持一致，进一步验证了研究结论的有效性。4.3异质性分析为深入探究投资者情绪对股票市场指数影响的异质性，从不同市场条件和投资者类型两个维度展开分析，以揭示投资者情绪在不同情境下对股票市场指数的影响差异。在不同市场条件下，将市场分为牛市和熊市进行研究。牛市期间，市场整体呈现上涨趋势，投资者普遍乐观，市场信心较强。对牛市样本数据进行回归分析，结果显示投资者情绪指标对股票市场指数的影响更为显著。封闭式基金折价率每降低1个单位，上证指数上涨110.63个单位，深证成指上涨306.32个单位；新增开户数每增加1万户，上证指数上涨14.65个单位，深证成指上涨38.26个单位。这表明在牛市中，投资者情绪的变化对股票市场指数的推动作用更为明显。当市场处于乐观氛围时，投资者情绪高涨，更愿意积极参与市场交易，大量资金涌入市场，使得股票市场指数对投资者情绪的变化更为敏感。而在熊市期间，市场处于下跌态势，投资者情绪较为悲观，市场信心不足。对熊市样本数据的回归结果表明，投资者情绪指标对股票市场指数仍然具有显著影响，但影响程度相对牛市有所减弱。封闭式基金折价率每升高1个单位，上证指数下跌98.63个单位，深证成指下跌266.32个单位；新增开户数每减少1万户，上证指数下跌11.65个单位，深证成指下跌31.26个单位。在熊市中，尽管投资者情绪的变化依然会影响股票市场指数，但由于市场整体处于下行趋势，投资者的交易活跃度降低，市场流动性减弱，使得投资者情绪对股票市场指数的影响相对减弱。从投资者类型角度分析，将投资者分为个人投资者和机构投资者。个人投资者通常资金规模较小，投资经验相对不足，更容易受到情绪的影响，投资行为具有较强的个体差异性和情绪化特征。机构投资者资金实力雄厚，拥有专业的研究团队和投资策略，投资决策相对理性。通过对不同投资者类型的样本数据进行分析，发现个人投资者情绪对股票市场指数的短期波动影响较大。个人投资者在情绪乐观时，往往会迅速增加投资，推动股价上涨；而在情绪悲观时，又会匆忙抛售股票，导致股价下跌，从而加剧股票市场指数的短期波动。机构投资者情绪虽然对股票市场指数的短期波动影响相对较小，但在长期投资中，机构投资者的投资决策和行为会对市场产生重要影响。当机构投资者对市场前景持乐观态度时，会长期持有或增加投资，为市场提供稳定的资金支持，对股票市场指数的长期走势产生积极影响；反之，当机构投资者对市场前景担忧时，会调整投资组合，减少投资，可能会引发市场的调整。通过异质性分析可知，投资者情绪对股票市场指数的影响在不同市场条件和投资者类型下存在显著差异。在牛市中，投资者情绪对股票市场指数的推动作用更为显著；而在熊市中，影响程度相对减弱。个人投资者情绪主要影响股票市场指数的短期波动，机构投资者情绪则对股票市场指数的长期走势产生重要作用。这些发现为投资者和市场监管者提供了更有针对性的参考依据，投资者可以根据不同市场条件和自身类型，合理调整投资策略，降低投资风险；市场监管者可以根据投资者情绪在不同情境下的影响特点，制定更加有效的监管政策，维护市场的稳定健康发展。4.4机制分析4.4.1信息不对称机制信息不对称在投资者情绪影响股票市场指数的过程中发挥着关键作用，其作用机制主要体现在信息传递和投资者决策两个重要环节。在股票市场中，信息的传递并非是即时且均匀的，不同投资者获取信息的渠道、时间和质量存在显著差异。大型机构投资者凭借其专业的研究团队、广泛的信息网络和先进的信息处理技术，往往能够更快速、准确地获取和分析各类信息，包括宏观经济数据、行业动态、公司财务报表等。他们与上市公司保持密切的沟通，能够提前了解公司的战略规划、重大投资项目等内部信息，从而在投资决策中占据优势。而个人投资者由于资源和能力的限制，获取信息的渠道相对狭窄，主要依赖于公开媒体报道、网络论坛等，信息获取存在明显的滞后性和片面性。个人投资者可能无法及时获取公司的重大公告，或者对复杂的财务报表难以进行深入分析，导致在投资决策时缺乏充分的信息支持。这种信息不对称会对投资者的决策产生重大影响，进而引发投资者情绪的波动。当市场上出现利好消息时，机构投资者能够迅速捕捉到信息，并准确判断其对股票价格的影响，做出相应的投资决策。他们可能会加大对相关股票的买入力度，推动股价上涨。而个人投资者由于信息获取滞后，在机构投资者已经开始行动后，才逐渐了解到利好消息，此时他们往往会受到市场情绪的影响，盲目跟风买入股票。由于缺乏对信息的深入分析和对市场风险的充分认识，个人投资者在跟风买入过程中容易产生过度乐观的情绪，进一步推动股价上涨，形成正反馈效应。相反，当市场出现利空消息时，机构投资者能够及时调整投资组合，抛售相关股票，而个人投资者可能因为信息滞后，未能及时做出反应，当他们最终了解到利空消息时，往往会陷入恐慌，匆忙抛售股票，导致股价加速下跌，投资者情绪也随之变得极度悲观。信息不对称还会导致市场上出现虚假信息和谣言的传播，进一步加剧投资者情绪的波动。在信息传播过程中，一些不良分子为了谋取私利，可能会故意散布虚假信息，误导投资者的决策。在某公司发布业绩预告之前，市场上可能会出现关于该公司业绩大幅下滑的谣言，个人投资者由于难以辨别信息的真伪，容易受到谣言的影响，产生恐慌情绪，纷纷抛售该公司的股票，导致股价下跌。而当公司最终发布的业绩预告与谣言不符时，股价又可能出现大幅反弹，投资者情绪再次发生剧烈变化。这种因信息不对称导致的虚假信息和谣言传播，使得投资者情绪更加不稳定，市场波动性增大。信息不对称在投资者情绪影响股票市场指数中起着重要的作用，它通过影响信息传递和投资者决策过程，导致投资者情绪的波动，进而影响股票市场指数的变化。为了减少信息不对称对市场的负面影响，需要加强信息披露制度建设，提高信息的透明度和准确性，加强对投资者的教育，提高投资者的信息分析能力和风险意识，以促进股票市场的稳定健康发展。4.4.2流动性机制流动性在投资者情绪影响股票市场指数中扮演着重要角色，其作用机制主要通过资金流动和市场供需关系来体现。当投资者情绪乐观时，对股票市场的预期较为积极，会吸引大量资金流入股市。这些资金来源广泛，包括个人投资者的新增资金、机构投资者的加仓资金以及外部资金的流入等。个人投资者在乐观情绪的驱动下，可能会将更多的储蓄资金投入股市，或者增加对股票型基金的购买；机构投资者，如公募基金、私募基金等，会根据市场情绪和自身投资策略，加大对股票的配置比例。随着资金的大量流入，股票市场的流动性增强，市场上的买盘力量明显增加。在市场供需关系中，需求的大幅增加使得股票价格面临上涨压力。当买盘需求超过卖盘供给时，股票价格必然上涨，从而推动股票市场指数上升。在2015年上半年的牛市行情中，投资者情绪极度乐观，大量资金涌入股市，市场流动性充裕，上证指数在短短几个月内大幅上涨，从年初的3234点攀升至6月的5178点，涨幅超过60%。相反，当投资者情绪悲观时，对股票市场的前景感到担忧，会导致资金从股市流出。投资者可能会赎回基金份额，或者直接抛售股票，将资金转移到相对安全的资产，如债券、货币基金等。资金的大量流出使得股票市场的流动性减弱，市场上的卖盘力量增强。在市场供需关系中，供给的大幅增加而需求相对减少，股票价格面临下跌压力。当卖盘供给超过买盘需求时，股票价格下跌，进而导致股票市场指数下降。在2015年下半年的股灾期间，投资者情绪极度悲观，大量资金从股市撤离，市场流动性迅速枯竭，上证指数在短时间内大幅下跌，从6月的5178点暴跌至9月的3052点，跌幅超过40%。市场流动性的变化还会进一步影响投资者情绪。当市场流动性较好时，投资者的交易成本较低，交易更加便捷，这会增强投资者的信心，进一步推动投资者情绪向乐观方向发展。而当市场流动性较差时，投资者的交易难度增加，可能会面临无法及时买卖股票的情况，这会加剧投资者的恐慌情绪，使投资者情绪更加悲观。在市场流动性紧张的情况下，投资者可能会因为担心无法及时卖出股票而匆忙抛售，导致股价进一步下跌，形成恶性循环。流动性在投资者情绪影响股票市场指数中，通过资金流动改变市场供需关系，进而影响股票价格和市场指数，同时市场流动性的变化又会反作用于投资者情绪，形成相互影响的动态关系。五、结论与政策建议5.1研究结论本研究基于股票市场指数，通过构建投资者情绪指标，运用多种实证分析方法，深入探究了投资者情绪对中国股市的影响，得出以下主要结论：投资者情绪对中国股市指数具有显著影响。通过多元线性回归分析发现，以封闭式基金折价率和新增开户数作为代理指标的投资者情绪，与上证指数和深证成指之间存在显著的相关关系。封闭式基金折价率与股票市场指数呈显著负相关，即当投资者情绪乐观时，封闭式基金折价率降低，股票市场指数上升；新增开户数与股票市场指数呈显著正相关，新增开户数的增加表明投资者情绪高涨，会推动股票市场指数上涨。在2015年上半年的牛市行情中，投资者情绪极度乐观，新增开户数大幅增加，上证指数和深证成指也随之大幅攀升；而在2015年下半年的股灾期间，投资者情绪悲观，封闭式基金折价率升高，股票市场指数急剧下跌。经过多种稳健性检验，包括替换变量法、改变样本区间和分样本回归等，结果均表明投资者情绪对股票市场指数的影响具有较强的可靠性和稳定性，进一步验证了研究结论的有效性。投资者情绪对股票市场指数的影响存在异质性。在不同市场条件下，牛市中投资者情绪对股票市场指数的推动作用更为显著，而在熊市中影响程度相对减弱。从投资者类型来看，个人投资者情绪主要影响股票市场指数的短期波动，机构投资者情绪则对股票市场指数的长期走势产生重要作用。在牛市中，投资