多元市场视角下投资者情绪与特质风险对股票收益的联动效应剖析

多元市场视角下投资者情绪与特质风险对股票收益的联动效应剖析一、引言1.1研究背景与意义在金融市场中，投资者情绪对股票收益的影响一直是学术界和实务界关注的焦点。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，风险与收益之间存在着稳定的关系。然而，大量的实证研究表明，现实中的投资者并非完全理性，他们的情绪和心理因素会对投资决策产生显著影响，进而导致股票价格偏离其内在价值，使得风险与收益的关系变得更为复杂。近年来，随着行为金融学的兴起，越来越多的研究开始关注投资者情绪在金融市场中的作用。投资者情绪被定义为投资者在进行投资决策时所表现出的情绪状态，包括恐惧、贪婪、乐观、悲观等。这些情绪会影响投资者对市场的认知和判断，进而影响其投资行为。例如，当投资者情绪乐观时，他们往往会过度自信，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；相反，当投资者情绪悲观时，他们会过度恐惧，低估股票的未来收益，减少对股票的需求，导致股票价格下跌。这种情绪驱动的价格波动不仅会影响股票的短期收益，还可能对长期投资绩效产生深远影响。特质风险作为股票风险的重要组成部分，指的是与个股相关的、非系统性的风险，它无法通过分散投资来消除。特质风险的存在使得股票收益具有不确定性，投资者在承担特质风险时，期望获得相应的风险补偿。然而，投资者情绪的变化可能会干扰特质风险与股票收益之间的正常关系。一方面，情绪乐观的投资者可能会忽视特质风险，对高特质风险股票给予过高的估值，从而降低了这些股票的预期收益；另一方面，情绪悲观的投资者可能会过度关注特质风险，对高特质风险股票进行过度抛售，导致股票价格过度下跌，反而增加了其潜在的收益。不同市场环境下，投资者情绪对特质风险与股票收益关系的影响可能存在差异。在牛市中，市场整体表现良好，投资者情绪普遍乐观，此时特质风险对股票收益的影响可能会被弱化，投资者更关注股票的成长性和市场热点，而对特质风险的敏感度降低；相反，在熊市中，市场低迷，投资者情绪悲观，特质风险对股票收益的影响可能会被放大，投资者更加谨慎，对股票的风险要求更高，高特质风险股票的收益可能会受到更大的抑制。此外，不同市场的制度环境、投资者结构和信息透明度等因素也会影响投资者情绪的传导机制，进而影响特质风险与股票收益的关系。本研究具有重要的理论和现实意义。在理论方面，有助于深化对投资者行为和金融市场运行机制的理解。通过探讨不同市场下投资者情绪对特质风险与股票收益关系的影响，可以丰富和完善行为金融学理论，为解释金融市场中的异常现象提供新的视角和理论依据。在现实意义方面，对市场参与者具有重要的指导作用。对于投资者而言，了解投资者情绪与特质风险对股票收益的影响机制，有助于他们更加理性地进行投资决策，避免受到情绪的过度干扰，提高投资绩效；对于金融机构而言，能够帮助其更好地评估市场风险，制定合理的风险管理策略，优化资产配置；对于监管部门来说，研究结果可以为制定科学的金融政策提供参考，有助于维护金融市场的稳定和健康发展。1.2研究目的与创新点本研究旨在深入剖析不同市场环境下投资者情绪对特质风险与股票收益关系的影响机制，具体研究目的如下：首先，精准测度投资者情绪和特质风险。运用科学合理的方法，构建全面有效的投资者情绪指标体系，以及准确衡量特质风险的指标，为后续研究奠定坚实的数据基础。其次，深入探究不同市场下投资者情绪对特质风险与股票收益关系的影响。分别在牛市、熊市以及不同行业市场等多种市场环境中，分析投资者情绪如何作用于特质风险与股票收益之间的关系，揭示其中的内在规律和差异。最后，基于研究结果，为投资者提供切实可行的投资建议，为金融机构制定风险管理策略提供有力参考，为监管部门制定金融政策提供科学依据，以促进金融市场的稳定健康发展。在研究视角上，本研究突破了以往大多仅在单一市场环境下研究投资者情绪与股票收益关系的局限，将研究拓展到不同市场环境，全面对比分析牛市、熊市以及不同行业市场等情况下，投资者情绪对特质风险与股票收益关系的影响差异，为理解金融市场复杂性提供了更广阔的视角。在研究方法上，综合运用多种方法进行分析。在构建投资者情绪指标时，采用主成分分析法等方法，对多个直接和间接指标进行综合处理，以更全面准确地反映投资者情绪；在实证分析中，运用面板数据模型、中介效应模型等多种计量经济学方法，深入剖析变量之间的因果关系和作用机制，提高研究结果的可靠性和科学性。在研究内容上，不仅关注投资者情绪对特质风险与股票收益关系的直接影响，还进一步探讨了信息不对称、投资者结构等因素在其中的调节作用，丰富了对这一领域的研究内容，有助于更深入地理解金融市场中投资者行为和资产定价的内在逻辑。1.3研究方法与数据来源本研究采用多种研究方法，从多个角度深入分析不同市场下投资者情绪对特质风险与股票收益关系的影响。在投资者情绪和特质风险的测度方面，采用主成分分析法构建投资者情绪综合指标。选取多个具有代表性的直接和间接指标，如投资者信心指数、新增投资者数量、IPO首发收益率、封闭式基金折价率、市场换手率等。这些指标从不同层面反映了投资者的心理预期、交易行为和市场活跃度等方面的信息。通过主成分分析法，能够将多个指标综合为一个能够全面反映投资者情绪的综合指标，有效降低指标之间的多重共线性问题，提高指标的解释力和可靠性。在衡量特质风险时，运用Fama-French三因子模型，通过对股票收益率进行回归分析，分离出个股收益率中与市场风险、规模风险和价值风险无关的部分，以此来衡量特质风险。Fama-French三因子模型充分考虑了市场中常见的风险因素，使得分离出的特质风险更能准确反映个股的独特风险特征。为深入探究投资者情绪对特质风险与股票收益关系的影响，构建多元线性回归模型。以股票收益率为被解释变量，特质风险和投资者情绪为解释变量，并控制其他可能影响股票收益的因素，如市场风险、公司规模、财务杠杆等。通过对回归结果的分析，明确投资者情绪在不同市场环境下对特质风险与股票收益关系的影响方向和程度。在模型中引入交互项，以进一步分析投资者情绪与特质风险之间的相互作用对股票收益的影响，从而更全面地揭示三者之间的内在关系。考虑到金融市场中变量之间可能存在的复杂关系，运用中介效应模型和调节效应模型，分析信息不对称、投资者结构等因素在投资者情绪影响特质风险与股票收益关系过程中的作用机制。中介效应模型可以检验某些因素是否在投资者情绪与特质风险和股票收益之间起到中介传导作用；调节效应模型则能判断这些因素是否会调节投资者情绪对特质风险与股票收益关系的影响程度，为深入理解金融市场运行机制提供更丰富的视角。在数据来源方面，主要选取我国A股市场作为研究对象。股票交易数据、公司财务数据来源于国泰安数据库（CSMAR）和万得数据库（Wind）。这些数据库涵盖了丰富的金融市场数据，包括股票的每日交易价格、成交量、上市公司的财务报表等详细信息，能够为研究提供全面、准确的数据支持。投资者情绪相关数据，如投资者信心指数、新增投资者数量等，来源于中国证券投资者保护基金有限责任公司、上海证券交易所和深圳证券交易所等官方机构发布的统计数据。这些数据具有权威性和可靠性，能够真实反映我国投资者情绪的变化情况。对于其他宏观经济数据，如国内生产总值（GDP）增长率、通货膨胀率等，取自国家统计局、中国人民银行等官方网站。宏观经济数据的引入有助于控制宏观经济环境对股票市场的影响，使研究结果更具科学性和可靠性。在数据处理过程中，首先对原始数据进行清洗和筛选，去除异常值和缺失值，确保数据的质量。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，以便于进行统计分析和模型估计。二、理论基础与文献综述2.1投资者情绪相关理论2.1.1投资者情绪的定义与度量投资者情绪作为行为金融学中的关键概念，尽管在金融研究和实践中频繁被提及，但学术界至今尚未对其形成统一且精确的定义。Lee等（1991）认为投资者情绪是无法被基本面因素所解释的收益率预期，强调了其与传统基本面分析的背离，指出投资者情绪中包含了那些不能用公司财务状况、宏观经济指标等基本面因素来阐释的对未来收益的主观期望。Baker和Stein（2004）则从投资者价值判断的角度出发，将投资者情绪定义为投资者的价值判断与资产真实价值的偏差，突出了投资者在评估资产时，由于心理、认知等因素导致对资产真实价值的偏离。Baker和Wurgler（2006）提出了更为多元的定义，一方面认为投资者情绪是指投资者的投机倾向，体现了投资者在投资决策中追求短期收益、冒险投机的心理倾向；另一方面，将其定义为对股票市场整体的乐观与悲观心态，这种定义从市场整体氛围和投资者群体心理的角度，反映了投资者对股票市场未来走向的总体情绪态度。综合来看，投资者情绪可以被理解为投资者在进行投资决策时，基于自身的心理、认知、情感以及市场环境等多方面因素，所产生的对股票市场整体或特定股票的乐观、悲观、恐惧、贪婪等情绪状态，以及由此导致的对资产价值和未来收益的主观判断偏差。这种情绪状态并非基于完全理性的分析，而是包含了大量的非理性因素，它会影响投资者的决策过程和行为，进而对金融市场的运行和资产价格产生重要影响。为了准确度量投资者情绪，学者们从多个角度构建了一系列指标和方法，总体上可分为直接指标、间接指标以及基于互联网与大数据的新型指标三类。度量投资者情绪的直接指标主要是通过问卷调查等方式，直接获取投资者对市场未来的预期和看法。在中国，具有代表性的直接指标有国家统计局发布的中国消费者信心指数，该指数反映了消费者对当前经济状况和未来经济走势的信心程度，消费者作为潜在的投资者，其信心指数在一定程度上能体现投资者情绪；基于投资者对未来走势判断的央视看盘指数，通过对投资者的调查，直接了解他们对股票市场涨跌的预期；《股市动态分析》发布的好淡指数，将投资者对股市的情绪分为“好”和“淡”，用看涨投资者与总投资者之比来构造指数，直观地反映投资者对股市的乐观或悲观情绪。然而，直接指标存在一定的局限性。投资者在问卷调查中可能因各种顾虑而无法真实表达自己的想法，导致调查结果与真实心理存在偏差；在实际投资决策中，投资者并不会完全依据情绪行事，调查结果难以准确反映其实际投资行为；调查样本的选取也可能存在局限性，使得指数存在偏差，不能全面准确地反映整体投资者情绪。间接指标则是通过市场表现来间接度量投资者情绪，这类指标丰富多样，目前学术界使用较多的有交易量、封闭式基金折价、IPO发行量及首日收益、共同基金净赎回、波动率指数（VolatilityIndex，VIX）等。交易量反映了市场的活跃程度，当交易量大幅增加时，通常表明投资者参与度提高，市场情绪较为高涨；封闭式基金折价是指封闭式基金的市场价格低于其资产净值的现象，折价率的变化可以反映投资者对基金未来收益的预期和市场情绪，当折价率扩大时，可能暗示投资者情绪悲观；IPO发行量及首日收益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，IPO发行量可能增加，首日收益也往往较高；共同基金净赎回情况反映了投资者对基金的信心和情绪，当大量投资者赎回基金时，说明市场情绪较为悲观；波动率指数（VIX）衡量了市场的恐慌程度，VIX值越高，表明市场恐慌情绪越浓，投资者情绪越悲观。此外，还有换手率、腾落指数、投资者开户增长率、中签率等指标也常被用于考察投资者情绪。为了更全面地反映投资者情绪，目前较多采用主成分分析法构建基于若干单一指标的综合指标，其中Baker和Wurgler（2006）构建的综合指标BW指数具有代表性，该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，通过主成分分析将多个指标综合为一个能够全面反映投资者情绪的综合指标，此后被广泛应用于投资者情绪的研究中。虽然间接指标较为客观且可得性高，但市场表现受多种因素影响，难以将投资者情绪从众多影响因素中完全分离出来。随着计算机技术和互联网的飞速发展，基于互联网与大数据的新型指标应运而生。这类指标主要包括基于媒体报道、社交论坛等文本信息挖掘的情绪指标，以及基于搜索行为的情绪指标。目前常用文本分析方法从文本大数据中提取情绪信息，例如对财经媒体报道、股吧论坛中的言论进行情感分析，通过识别文本中的积极、消极词汇，判断投资者情绪倾向。一些学者利用互联网搜索引擎提供的相关关键词搜索量建立情绪指标，国外学者常用谷歌趋势（GoogleTrends）提供的关键词搜索量，国内学者则多使用百度指数提供的关键词搜索量。虽然这些新型指标具有数据量大、实时性强等优势，但在数据处理和分析方法上仍有待完善，例如文本分析中的语义理解、关键词选取的合理性等问题，都可能影响指标的准确性。2.1.2投资者情绪对股票市场的影响机制投资者情绪对股票市场的影响机制是一个复杂且多维度的过程，涉及行为金融学、市场心理预期、市场有效性以及股票价格泡沫等多个理论视角。从行为金融学的角度来看，投资者并非完全理性的经济人，其投资决策往往受到认知偏差、情绪波动等因素的影响。DeLong等（1990）提出的DSSW噪音交易者模型是投资者情绪研究领域最早也是最经典的理论模型。该模型认为股票市场上存在理性投资者和噪音交易者两类参与者。噪音交易者容易受到情绪影响，其投资决策并非基于对资产基本面的理性分析，而是受到诸如乐观、悲观等情绪的左右。由于理性交易者难以准确预测未来的情绪冲击，他们的套利行为会受到限制。例如，当噪音交易者过度乐观时，会大量买入股票，推动股价上涨，使其偏离内在价值。理性交易者虽然意识到股价高估，但由于担心噪音交易者的情绪进一步推动股价上涨，或者担心短期内无法纠正这种价格偏差而遭受损失，他们的套利行为会变得谨慎，无法完全消除噪音交易者引起的定价偏误，从而导致非理性情绪对股票价格产生持续性影响。市场心理预期理论认为，投资者情绪的变化会直接影响其对股票未来收益和风险的预期，进而改变投资行为，最终影响股票市场。当投资者情绪乐观时，他们会对股票的未来收益产生过高的预期，同时低估风险。这种乐观预期促使他们增加对股票的需求，在市场供给相对稳定的情况下，需求的增加推动股票价格上涨。例如，在市场繁荣时期，投资者普遍看好经济前景和企业盈利增长，纷纷买入股票，导致股票价格不断攀升。相反，当投资者情绪悲观时，他们会过度担忧股票的未来表现，对收益预期降低，风险感知增强，从而减少对股票的需求，甚至抛售手中的股票，引发股票价格下跌。如在经济衰退或市场出现重大负面消息时，投资者的悲观情绪蔓延，大量卖出股票，造成股价大幅下跌。从市场有效性理论来看，投资者情绪的存在对市场有效性构成挑战。有效市场假说认为，股票价格能够充分反映所有可用信息，市场是理性和有效的。然而，投资者情绪的存在表明市场中存在非理性因素，这些因素会导致股票价格偏离其内在价值，使得市场并非完全有效。当投资者情绪高涨时，股票价格可能被高估，形成价格泡沫；当投资者情绪低落时，股票价格又可能被低估。这种价格偏离价值的现象会影响市场资源的合理配置，使得资金流向并非完全基于企业的真实价值和投资回报率，而是受到投资者情绪的左右。例如，一些新兴行业的股票在投资者情绪的推动下，可能出现过度炒作，股价远远超出其实际价值，导致资源过度集中在这些行业，而一些传统行业的优质企业却可能因为投资者情绪的冷落而得不到足够的资金支持。投资者情绪与股票价格泡沫的形成和破裂密切相关。在投资者情绪乐观的上升周期中，利好信息往往被过度强化，利空信息被弱化。投资者对宏观经济和上市公司的盈利前景充满信心，对后市看法越来越乐观，这种高亢的情绪不断感染场外投资者，吸引新增股民和新增资金积极入场。随着资金的大量涌入，股票需求持续增加，推动股价不断上扬，而股价的上涨又进一步强化了投资者的盈利预期以及放大了投机性需求，形成一个正反馈循环，使得股票价格不断偏离其内在价值，最终形成价格泡沫。以2015年我国股市为例，在前期市场上涨过程中，投资者情绪高涨，大量资金涌入股市，推动股价大幅上涨，许多股票价格出现严重泡沫。然而，当市场情绪发生逆转，进入下降周期时，利空消息被过度解读，利好消息被忽视，投资者的悲观情绪迅速蔓延。投资者开始抛售股票，导致股票价格下跌，而股价的下跌又进一步加剧了投资者的恐慌，引发更多的抛售行为，形成负反馈循环，最终导致价格泡沫破裂，股票价格大幅下跌，给投资者带来巨大损失。2.2特质风险相关理论2.2.1特质风险的定义与度量特质风险是指与个别资产相关的、非系统性的风险，它源于资产自身的独特特征和公司特定因素，与市场整体波动无关，无法通过分散投资消除。在金融市场中，股票特质风险反映了个股收益率中不能被市场组合、行业因素等系统性风险所解释的部分。Campbell等（2001）在研究中指出，特质风险在股票市场中普遍存在，并且对股票收益具有重要影响。特质风险的产生主要源于公司层面的特有因素，包括公司的经营管理水平、财务状况、技术创新能力、产品市场竞争力、公司治理结构以及管理层决策等。例如，一家公司可能因为管理层决策失误、新产品研发失败、重大法律诉讼等事件，导致其股票价格出现大幅波动，这些波动就是特质风险的体现。度量特质风险的方法和模型众多，其中较为常用的有基于资本资产定价模型（CAPM）的残差法和Fama-French三因子模型残差法。基于CAPM的残差法是最早用于度量特质风险的方法之一。CAPM模型假设投资者在投资决策中只考虑预期收益和风险，且市场是完全有效的，资产的预期收益率与系统性风险（市场风险）呈线性关系，其公式为：R_{i,t}=R_{f,t}+\beta_{i}(R_{m,t}-R_{f,t})+\varepsilon_{i,t}，其中R_{i,t}表示股票i在t时期的收益率，R_{f,t}是t时期的无风险收益率，R_{m,t}为市场组合在t时期的收益率，\beta_{i}是股票i的贝塔系数，衡量股票i相对于市场组合的系统性风险，\varepsilon_{i,t}是残差项，代表股票i的特质风险。通过对股票收益率进行回归分析，得到的残差项的标准差或方差就可以用来度量特质风险。这种方法的优点是简单直观，易于理解和计算，能够在一定程度上分离出个股的特质风险。然而，它也存在明显的局限性，CAPM模型的假设过于理想化，实际市场中投资者并非完全理性，市场也并非完全有效，而且该模型只考虑了市场风险这一个系统性风险因素，无法全面反映股票收益的影响因素，导致度量的特质风险可能存在偏差。Fama-French三因子模型在CAPM模型的基础上进行了改进，引入了规模因子（SMB）和价值因子（HML），认为股票的收益率不仅与市场风险有关，还与公司规模和账面市值比等因素相关。其模型公式为：R_{i,t}-R_{f,t}=\alpha_{i}+\beta_{i}(R_{m,t}-R_{f,t})+s_{i}SMB_{t}+h_{i}HML_{t}+\varepsilon_{i,t}，其中SMB_{t}是规模因子，反映了小市值股票组合与大市值股票组合收益率的差异；HML_{t}是价值因子，体现了高账面市值比股票组合与低账面市值比股票组合收益率的差异；\alpha_{i}是截距项，s_{i}和h_{i}分别是股票i对规模因子和价值因子的敏感度，\varepsilon_{i,t}同样是残差项，代表股票i的特质风险。利用该模型回归得到的残差项的标准差或方差来度量特质风险，能够更全面地考虑影响股票收益的因素，提高特质风险度量的准确性。相较于CAPM模型残差法，Fama-French三因子模型残差法考虑了公司规模和账面市值比等因素对股票收益的影响，更符合实际市场情况，能够更有效地捕捉到股票的特质风险。例如，实证研究表明，在解释股票收益的横截面差异时，Fama-French三因子模型的拟合优度通常高于CAPM模型，说明其度量的特质风险更能反映股票收益的真实情况。但该模型也并非完美，它可能忽略了其他一些影响股票收益的因素，如动量效应、流动性风险等，在某些情况下，度量结果可能不够精确。2.2.2特质风险对股票收益的影响特质风险对股票收益的影响是复杂且多维度的，它与股票价格波动以及投资者行为之间存在着紧密的联系。从理论上讲，特质风险是股票风险的重要组成部分，投资者在承担特质风险时，期望获得相应的风险补偿。根据风险与收益的权衡原则，高特质风险的股票应该具有更高的预期收益，以吸引投资者承担额外的风险。然而，在实际金融市场中，特质风险与股票收益之间的关系并非总是如此简单直接。特质风险会直接导致股票价格的波动。由于特质风险源于公司自身的特有因素，当公司发生诸如管理层变动、产品质量问题、技术创新失败等事件时，这些负面消息会引起投资者对公司未来盈利能力和发展前景的担忧，从而导致投资者对该股票的需求下降，股票价格下跌；反之，若公司取得重大技术突破、获得重要合同等利好消息，会提升投资者对公司的信心，增加对股票的需求，推动股票价格上涨。这种由特质风险引发的股票价格波动具有不确定性和不可预测性，使得股票收益充满了变数。例如，某科技公司若研发的新产品未能达到市场预期，销售业绩不佳，公司股价可能会大幅下跌，持有该股票的投资者将遭受损失；而如果该公司成功研发出具有划时代意义的产品，获得市场广泛认可，股价则可能大幅上涨，投资者将获得丰厚收益。投资者行为在特质风险影响股票收益的过程中起到了关键作用。投资者的风险偏好和认知偏差会导致他们对特质风险的反应不同，进而影响股票收益。在市场中，部分投资者属于风险厌恶型，他们更倾向于投资低风险的股票，当面对高特质风险的股票时，他们会要求更高的风险补偿，否则会减少对该股票的投资。这会导致高特质风险股票的需求相对较低，价格受到抑制，从而降低了其预期收益。而另一部分投资者则具有较高的风险偏好，他们愿意为了追求更高的收益而承担高特质风险，对高特质风险股票的需求相对较高，可能会推动这些股票价格上涨，在短期内提高其收益。投资者的认知偏差也会影响特质风险与股票收益的关系。例如，过度自信的投资者可能会低估特质风险，高估股票的预期收益，从而过度投资于高特质风险股票，推高股价，但当市场回归理性时，股价可能会回调，导致他们遭受损失；相反，保守的投资者可能会过度高估特质风险，对高特质风险股票望而却步，错失潜在的投资机会。一些实证研究也对特质风险与股票收益的关系进行了验证。部分研究表明，特质风险与股票收益之间存在正相关关系，即高特质风险的股票确实能够获得更高的收益，这符合风险与收益的基本理论。然而，也有许多研究发现，特质风险与股票收益之间存在负相关关系，或者关系并不显著。例如，Ang等（2006）通过对美国股票市场的研究发现，特质风险与股票横截面收益呈显著的负相关关系，高特质风险的股票反而具有较低的收益。这种异常现象可能是由于市场的非理性因素、投资者情绪的影响以及市场的不完善等原因导致的。在市场中，投资者情绪的波动会干扰特质风险与股票收益之间的正常关系。当投资者情绪乐观时，他们可能会忽视特质风险，对高特质风险股票给予过高的估值，使得股票价格上涨，预期收益降低；而当投资者情绪悲观时，他们会过度关注特质风险，对高特质风险股票进行过度抛售，导致股价下跌，虽然潜在收益可能增加，但短期内投资者往往遭受损失。2.3不同市场对股票收益的影响2.3.1主板市场主板市场作为资本市场的核心组成部分，具有独特的市场特点，对股票收益产生着重要影响。主板市场的上市门槛相对较高，企业要在主板上市，通常需要满足严格的财务指标、经营年限、股权结构等要求。例如，企业的净利润、营业收入等财务数据要达到一定规模，并且要有持续稳定的盈利能力。这使得主板市场上的上市公司多为大型成熟企业，具有较大的规模和稳定的经营业绩。从行业分布来看，主板市场涵盖了金融、能源、制造业、消费等多个传统行业，这些行业的企业在市场中占据重要地位，具有较强的市场竞争力和抗风险能力。主板市场的稳定性对股票收益有着显著的影响。由于主板上市公司的经营状况相对稳定，其股票收益也相对较为稳定。在市场环境较为平稳时，主板股票的价格波动相对较小，投资者能够获得较为稳定的股息和红利收益。主板市场的交易规模通常较大，股票的发行量和流通量较大，交易活跃度高，这使得市场的流动性较好，有利于资金的快速进出。良好的流动性降低了投资者的交易成本和风险，进一步增强了股票收益的稳定性。例如，在经济增长稳定、宏观经济环境良好的时期，主板市场的金融类股票，如工商银行、建设银行等，由于其稳健的经营和稳定的盈利，股价波动较小，投资者可以获得相对稳定的分红收益和一定的资本增值。主板市场也具备一定的成长性，这为股票收益带来了增长潜力。虽然主板上市公司大多为成熟企业，但其中不乏一些具有创新能力和拓展空间的企业。这些企业通过技术创新、市场拓展、并购重组等方式，不断提升自身的竞争力和盈利能力，从而推动股票价格上涨，为投资者带来丰厚的收益。例如，贵州茅台作为主板市场的白酒龙头企业，凭借其独特的品牌优势、精湛的酿造工艺和持续的市场拓展，业绩不断增长，股价也屡创新高，投资者获得了显著的收益。一些主板上市公司积极布局新兴产业，如新能源、人工智能等领域，通过转型升级实现了新的增长，为股票收益注入了新的动力。2.3.2中小板市场中小板市场定位于中型企业，在股票市场中占据着独特的地位，具有一系列鲜明的特征，这些特征对股票收益产生着重要而独特的影响。与主板市场相比，中小板市场的上市条件相对略低，这为一些具有一定规模和发展潜力，但尚未达到主板上市标准的企业提供了融资和发展的平台。中小板企业通常在某一细分领域具有较强的竞争力，专注于特定的产品或服务，通过差异化竞争来获取市场份额。它们在技术创新、商业模式创新等方面具有较高的积极性和灵活性，能够快速响应市场变化，抓住发展机遇。从行业分布来看，中小板市场集中了许多新兴产业和成长型行业的企业，如信息技术、生物医药、高端装备制造等，这些行业具有较高的成长性和发展潜力。中小板市场的这些特征使得其股票收益具有独特的表现。由于中小板企业具有较高的成长性，其股票收益具有较大的增长潜力。当企业的业务不断拓展、市场份额逐步扩大、盈利水平持续提升时，股票价格往往会随之上涨，投资者可以获得显著的资本增值收益。以海康威视为例，作为中小板市场的安防龙头企业，多年来凭借其在视频监控领域的技术优势和市场拓展能力，业绩快速增长，股价也实现了大幅上涨，为投资者带来了丰厚的回报。中小板股票的价格波动相对较为活跃，受到市场热点和资金流动的影响较大。在市场行情较好时，投资者对中小板企业的成长预期较高，资金大量流入，推动股票价格快速上涨；而在市场调整时，投资者情绪转向悲观，资金流出，中小板股票的下跌幅度可能也较为显著。这种价格波动既为投资者带来了获取高额收益的机会，也增加了投资风险，投资者需要具备较强的风险承受能力和投资技巧。中小板市场为投资者提供了丰富的投资机会。对于风险偏好较高、追求高收益的投资者来说，中小板市场的高成长性股票具有较大的吸引力。他们可以通过深入研究和分析，挖掘具有潜力的中小板企业，在企业成长过程中分享其发展成果。中小板市场也为投资者提供了多样化的投资组合选择，投资者可以将中小板股票与主板股票、债券等其他资产进行合理配置，以分散风险，提高投资组合的整体收益。在投资中小板股票时，投资者需要密切关注企业的基本面变化，包括财务状况、市场竞争力、管理层能力等，以及市场热点和行业趋势的变化，以便及时调整投资策略，降低风险，实现投资目标。2.3.3创业板市场创业板市场主要面向创业型企业和高科技企业，具有鲜明的特点，这些特点决定了其股票收益呈现出高风险高回报的特性，同时也伴随着较高的投资风险。创业板市场的上市门槛相对较低，对企业的盈利要求相对宽松，但对企业的创新性和成长性有较高要求。这使得创业板市场吸引了大量处于初创期或成长期的创新型企业，这些企业在技术、产品或商业模式等方面具有创新性，但由于发展时间较短，规模相对较小，经营业绩不够稳定，面临着较大的不确定性和风险。从行业分布来看，创业板市场集中了众多高科技行业和新兴产业的企业，如新能源、生物医药、互联网、人工智能等，这些行业具有技术更新快、市场竞争激烈、发展前景广阔但不确定性高的特点。创业板市场的高风险特性主要体现在以下几个方面。由于创业板企业大多处于发展初期，技术研发、市场拓展等方面面临诸多挑战，企业的盈利能力和可持续发展能力存在较大不确定性。如果企业的技术研发失败、市场推广不力或面临激烈的市场竞争，可能导致经营业绩下滑，甚至出现亏损，从而使股票价格大幅下跌，投资者面临较大的损失。创业板市场的股票价格波动较大，受到市场情绪、行业政策、技术突破等因素的影响较为明显。在市场情绪乐观时，投资者对创业板企业的未来发展充满信心，资金大量涌入，推动股票价格快速上涨；而当市场情绪转向悲观时，投资者纷纷抛售股票，股价可能会大幅下跌。例如，在新能源汽车行业，当政策支持力度加大、行业发展前景看好时，创业板相关企业的股票价格可能会大幅上涨；但如果行业出现技术瓶颈、竞争加剧等问题，股价则可能迅速下跌。创业板市场的信息不对称程度相对较高，投资者获取企业真实信息的难度较大，这也增加了投资风险。然而，高风险也伴随着高回报的可能性。如果创业板企业能够成功突破技术瓶颈，实现市场拓展，获得良好的发展，其股票收益将十分可观。一些创业板企业在技术创新的推动下，迅速成长为行业领军企业，股票价格大幅上涨，为投资者带来了丰厚的回报。例如，宁德时代作为创业板市场的新能源电池龙头企业，凭借其在电池技术方面的领先优势和市场份额的不断扩大，业绩快速增长，股价也实现了大幅攀升，投资者获得了显著的收益。对于风险承受能力较高、具有较强风险识别和投资分析能力的投资者来说，创业板市场提供了获取高收益的投资机会。但投资者在投资创业板股票时，需要充分了解企业的基本面和行业发展趋势，做好风险评估和控制，谨慎做出投资决策。2.3.4新三板市场新三板市场，即全国中小企业股份转让系统，具有独特的市场特性，对股票收益产生着特定的影响，投资者在参与新三板投资时需要关注一些关键要点。新三板市场主要服务于创新型、创业型、成长型中小微企业，上市门槛相对较低，对企业的财务指标和规模要求相对宽松。这使得新三板市场汇聚了大量处于不同发展阶段、具有不同业务模式和行业特点的中小微企业，企业数量众多，行业分布广泛，涵盖了新兴产业、传统制造业、服务业等多个领域。新三板市场的交易活跃度相对较低，流动性较差。这主要是由于新三板企业大多规模较小，知名度较低，投资者对其了解有限，参与交易的积极性不高。此外，新三板市场的交易制度相对主板和创业板市场也不够完善，如交易方式相对单一、投资者门槛较高等，这些因素都限制了市场的流动性。新三板市场的这些特性导致其股票收益具有一定的特点和投资要点。由于新三板企业的规模较小、发展不确定性较大，其股票收益的波动性相对较高。一些企业可能因为业务拓展顺利、技术创新成功等因素实现快速增长，股票价格大幅上涨，为投资者带来丰厚的收益；而另一些企业可能由于市场竞争激烈、经营不善等原因面临困境，股票价格下跌，投资者遭受损失。投资者在投资新三板股票时，需要对企业的基本面进行深入研究，包括企业的商业模式、核心竞争力、财务状况、管理层能力等，以识别具有潜力的投资标的。由于新三板市场的流动性较差，投资者在买卖股票时可能面临较大的交易成本和困难，股票的变现能力相对较弱。因此，投资者需要具备长期投资的理念，做好资产配置，避免过度集中投资于新三板股票，以降低流动性风险。新三板市场也为投资者提供了一些独特的投资机会。对于具有专业投资能力和丰富行业经验的投资者来说，新三板市场是一个挖掘潜在优质企业的宝库。通过深入调研和分析，他们可以发现那些具有创新能力和成长潜力，但尚未被市场充分认识的企业，在企业成长过程中分享其发展成果。新三板市场的政策支持力度较大，政府出台了一系列政策鼓励和引导资金投向新三板企业，这也为投资者提供了一定的政策红利。在投资新三板股票时，投资者还需要关注市场的政策变化、监管要求以及企业的信息披露情况，及时调整投资策略，以适应市场的变化，保障投资的安全和收益。2.4文献综述总结综上所述，现有研究在投资者情绪、特质风险以及不同市场对股票收益的影响等方面取得了丰富的成果，但仍存在一些研究空白和不足，为后续研究提供了方向。在投资者情绪的研究中，虽然学者们从不同角度对投资者情绪的定义、度量方法和影响机制进行了深入探讨，但目前尚未形成统一的投资者情绪度量标准。不同的度量指标和方法各有优缺点，直接指标存在调查偏差和样本局限性，间接指标难以完全分离投资者情绪与其他市场因素的影响，基于互联网与大数据的新型指标在数据处理和分析方法上还有待完善。在投资者情绪对股票市场的影响机制研究中，虽然噪音交易模型等理论揭示了投资者情绪影响股票价格的部分机理，但实际市场中投资者情绪的传导过程更为复杂，受到多种因素的交互影响，仍需要进一步深入研究。特质风险的研究方面，现有研究对特质风险的定义和度量方法已较为成熟，但在特质风险对股票收益的影响上，实证结果存在较大分歧。部分研究发现特质风险与股票收益呈正相关，符合风险与收益的理论关系，但也有大量研究表明二者呈负相关或关系不显著。这说明特质风险与股票收益之间的关系可能受到多种因素的干扰，如投资者情绪、市场环境、信息不对称等，需要进一步探讨这些因素在其中的作用机制。关于不同市场对股票收益的影响研究，虽然对主板、中小板、创业板和新三板市场的特点及对股票收益的影响进行了分析，但大多是单独研究各个市场，缺乏对不同市场之间的对比分析，尤其是在不同市场环境下，投资者情绪对特质风险与股票收益关系的影响差异研究较少。不同市场的制度环境、投资者结构、信息透明度等因素不同，这些因素可能会改变投资者情绪和特质风险对股票收益的影响路径和程度，深入研究这些差异有助于投资者更好地进行跨市场投资决策，也能为市场监管提供更有针对性的建议。本研究将针对上述研究空白和不足展开。综合运用多种方法构建更全面、准确的投资者情绪指标，以减少度量误差；深入探讨在不同市场环境下，投资者情绪如何通过特质风险影响股票收益，以及信息不对称、投资者结构等因素在其中的调节作用，通过对比分析不同市场的情况，揭示其中的内在规律和差异，为投资者、金融机构和监管部门提供更具参考价值的研究成果。三、投资者情绪与特质风险对股票收益影响的理论分析3.1投资者情绪对特质风险股票收益的直接影响投资者情绪作为金融市场中一个关键的影响因素，对特质风险股票收益有着直接且显著的作用，这种作用在投资者情绪处于乐观和悲观两种不同状态时表现出不同的特征。当投资者情绪乐观时，市场中弥漫着积极的氛围，投资者对股票的未来收益充满信心，倾向于高估股票的价值。这种乐观情绪使得投资者在评估股票时，往往会忽视特质风险的存在。他们更关注股票的潜在上涨空间和可能带来的高额收益，而对公司层面的特有风险，如管理层变动、产品质量问题、技术创新失败等负面因素的敏感度降低。例如，在某一时期，科技行业的发展前景被普遍看好，投资者情绪乐观，对该行业内具有高特质风险的股票给予了过高的估值。即使这些股票所属公司可能面临技术研发瓶颈、激烈的市场竞争等风险，但投资者依然大量买入，推动股票价格上涨。然而，这种忽视特质风险的投资行为可能导致股票价格脱离其真实价值，一旦公司的实际发展情况不如预期，负面因素显现，股票价格可能会大幅下跌，投资者将遭受损失。在乐观情绪的影响下，投资者的风险偏好也会发生变化。他们更愿意承担高风险，以追求更高的收益。对于特质风险较高的股票，投资者认为其具有更大的潜在回报，因此对这类股票的需求增加。根据供求关系原理，需求的增加会推动股票价格上升，在短期内提高了股票的收益。但这种收益的提升并非基于公司基本面的改善，而是投资者情绪驱动的结果，具有较大的不确定性。以新能源汽车行业为例，当市场对新能源汽车的发展前景充满乐观预期时，投资者情绪高涨，纷纷买入该行业内一些具有高特质风险的初创企业股票。这些企业可能在技术研发、市场推广等方面还存在诸多不确定性，但投资者为了追求高收益，愿意承担这些风险，导致股票价格快速上涨，收益增加。当投资者情绪悲观时，市场氛围变得消极，投资者对股票的未来收益预期降低，风险感知增强，开始过度关注特质风险。他们对公司的负面信息过度反应，放大了特质风险对股票收益的影响。一旦公司出现任何不利消息，如业绩下滑、管理层丑闻等，投资者会迅速抛售股票，导致股票价格下跌。例如，某公司发布了一份业绩不及预期的财报，在投资者情绪悲观的市场环境下，投资者会对这一负面消息过度解读，认为公司未来的发展前景黯淡，即使该公司的长期基本面依然良好，投资者也会纷纷卖出股票，使得股票价格大幅下跌，收益降低。悲观情绪还会导致投资者的风险偏好降低，他们更倾向于选择低风险的投资，对高特质风险股票的需求大幅减少。在市场上，高特质风险股票的供给相对稳定，而需求的减少会使股票价格面临下行压力，进一步降低了股票的收益。在市场整体下跌的熊市中，投资者情绪悲观，对高特质风险股票的恐惧加剧，大量资金从这类股票中流出，转向债券、货币基金等低风险资产。高特质风险股票的价格不断下跌，投资者持有这些股票的收益也随之大幅下降。投资者情绪的波动还会影响股票的流动性，进而对特质风险股票收益产生直接影响。当投资者情绪乐观时，市场交易活跃，股票的流动性增强，买卖价差缩小，投资者更容易买卖股票，这在一定程度上有利于股票价格的上涨，提高股票收益。相反，当投资者情绪悲观时，市场交易清淡，股票的流动性减弱，买卖价差扩大，投资者买卖股票的难度增加，这会对股票价格产生抑制作用，降低股票收益。3.2投资者情绪对特质风险股票收益的间接影响3.2.1通过市场流动性的影响投资者情绪与市场流动性之间存在着紧密的相互作用关系，这种关系使得投资者情绪能够通过影响市场流动性，进而对特质风险股票收益产生间接影响。当投资者情绪乐观时，市场交易氛围活跃，投资者参与交易的积极性高涨。他们对市场前景充满信心，更愿意承担风险，积极买入和卖出股票，从而导致市场交易量大幅增加。市场流动性增强，买卖价差缩小，股票的交易更加顺畅。在这种情况下，特质风险较高的股票也能够更容易地被买卖，投资者对其需求增加，推动股票价格上涨，进而提高了股票收益。例如，在市场处于牛市阶段，投资者情绪普遍乐观，资金大量涌入市场，市场流动性充足。一些具有高特质风险的成长型股票，如新兴科技行业的股票，虽然面临着技术研发不确定性、市场竞争激烈等风险，但由于市场流动性良好，投资者能够顺利地进行买卖操作，对这些股票的投资热情高涨，使得股票价格不断攀升，为投资者带来了较高的收益。相反，当投资者情绪悲观时，市场交易活跃度大幅下降，投资者变得谨慎，对风险的容忍度降低，纷纷减少交易活动，甚至选择持有现金。市场流动性减弱，买卖价差扩大，股票的交易难度增加。对于特质风险较高的股票，投资者的担忧加剧，更不愿意持有这类股票，导致其需求大幅下降。在供给相对稳定的情况下，需求的减少使得股票价格面临下行压力，收益降低。以市场处于熊市阶段为例，投资者情绪悲观，市场流动性变差，资金大量流出股票市场。高特质风险股票，如一些业绩不稳定的中小企业股票，由于市场流动性不足，投资者难以顺利卖出股票，股票价格持续下跌，投资者的收益受到严重影响。市场流动性在投资者情绪与特质风险股票收益之间起到了重要的中介作用。投资者情绪的变化首先影响市场流动性，然后通过市场流动性的改变来影响特质风险股票收益。在实证研究中，可以通过构建中介效应模型来验证这一传导机制。选取市场换手率、买卖价差等指标作为市场流动性的代理变量，将投资者情绪、市场流动性和特质风险股票收益纳入同一个模型中进行分析。如果回归结果显示，投资者情绪对市场流动性有显著影响，市场流动性对特质风险股票收益也有显著影响，且在控制市场流动性后，投资者情绪对特质风险股票收益的影响减弱或不显著，那么就可以证明市场流动性在投资者情绪对特质风险股票收益的影响中起到了中介作用。例如，一些研究通过对中国股票市场的数据进行分析，发现投资者情绪的上升会显著提高市场换手率，增强市场流动性，而市场流动性的增强又会对特质风险股票收益产生正向影响，从而验证了市场流动性在投资者情绪影响特质风险股票收益过程中的中介作用。3.2.2通过信息传递的影响投资者情绪的变化会对信息传递和解读产生显著影响，进而间接作用于特质风险股票收益。在投资者情绪乐观时，市场氛围积极向上，投资者更倾向于关注正面信息，对负面信息则容易忽视或淡化。他们对公司的未来发展前景充满信心，在解读信息时会带有乐观的偏见，即使面对一些潜在的风险信息，也可能会过度乐观地进行解读，认为这些风险不会对公司的业绩产生实质性影响。例如，某公司发布了一份研发投入增加但短期业绩未明显提升的公告，在投资者情绪乐观的情况下，投资者可能会认为这是公司为未来发展进行的积极布局，对公司的长期发展有利，而忽略了研发失败的风险，继续看好该公司股票，推动股票价格上涨，增加了股票收益。投资者情绪乐观还会促进信息的快速传播。积极的市场情绪会吸引更多的投资者关注市场，他们会更积极地收集和分享信息，使得市场信息传播的速度加快、范围扩大。这会导致市场对股票的需求增加，尤其是对那些被市场关注的高特质风险股票，投资者的乐观情绪会促使他们对这些股票进行过度投资，进一步推高股票价格，提高股票收益。在社交媒体和金融资讯平台发达的今天，投资者情绪的乐观会引发大量的正面讨论和推荐，使得相关股票的信息迅速传播，吸引更多投资者跟风买入，从而影响股票收益。当投资者情绪悲观时，情况则相反。投资者会更加关注负面信息，对正面信息持怀疑态度，容易对信息进行过度悲观的解读。一旦公司出现任何负面消息，即使是一些轻微的不利因素，投资者也会过度反应，放大风险，认为公司的前景黯淡，从而对股票价格产生负面影响，降低股票收益。例如，某公司发布了一份业绩略低于预期的财报，在投资者情绪悲观的市场环境下，投资者会对这一负面消息过度解读，担心公司未来业绩会持续下滑，纷纷抛售股票，导致股票价格下跌，收益降低。悲观情绪还会抑制信息的传播。投资者在情绪悲观时，对市场的信心不足，参与信息传播的积极性降低，市场信息的传播速度和范围都会受到限制。这使得市场对股票的需求减少，高特质风险股票由于其不确定性更高，受到的影响更大，股票价格下跌，收益降低。在市场恐慌时期，投资者往往选择观望，减少信息交流，导致市场上的负面情绪不断积累，进一步加剧了股票价格的下跌。信息不对称在投资者情绪通过信息传递影响特质风险股票收益的过程中起到了重要的调节作用。在信息不对称程度较高的市场中，投资者获取真实信息的难度较大，投资者情绪对信息解读和股票收益的影响更为显著。当投资者情绪乐观时，由于信息不对称，他们可能无法准确评估股票的真实价值和风险，更容易受到乐观情绪的驱使，对高特质风险股票给予过高的估值，导致股票价格泡沫的形成；而当投资者情绪悲观时，信息不对称会使得他们过度担忧风险，对股票价格产生过度的打压。相反，在信息对称程度较高的市场中，投资者能够获取更全面、准确的信息，能够更理性地解读信息，投资者情绪对信息传递和股票收益的影响相对较小。例如，在一些成熟的资本市场，信息披露制度完善，信息透明度高，投资者能够及时获取公司的真实信息，投资者情绪对股票收益的影响相对较为稳定，股票价格更能反映其内在价值。3.3特质风险对投资者情绪与股票收益关系的调节作用特质风险在投资者情绪与股票收益的关系中扮演着重要的调节角色，其调节效果在特质风险处于高或低不同水平时呈现出显著差异。当特质风险较高时，投资者对股票的风险感知增强，此时投资者情绪对股票收益的影响更为敏感。在乐观情绪下，虽然投资者倾向于承担高风险以追求高收益，但由于高特质风险股票的不确定性较大，投资者在决策时会更加谨慎。即使投资者情绪乐观，对高特质风险股票的需求增加，但这种需求的增长可能会受到风险担忧的限制。股票价格上涨的幅度相对较小，投资者情绪对股票收益的提升作用相对较弱。例如，在科技行业中，一些研发投入大、技术更新快的初创企业，其股票特质风险较高。即使市场投资者情绪乐观，对这些企业的发展前景充满期待，但由于其技术研发失败、市场竞争激烈等风险因素，投资者在投资时仍会有所保留，不会过度追捧，使得股票价格上涨幅度有限，收益提升不明显。当投资者情绪悲观时，高特质风险股票受到的冲击更为显著。投资者对风险的恐惧加剧，会更加谨慎地对待高特质风险股票，甚至选择抛售。此时，股票价格下跌的幅度可能会更大，投资者情绪对股票收益的负面影响被放大。在市场出现负面消息或经济形势不稳定时，高特质风险的股票，如一些业绩不稳定的中小企业股票，投资者会迅速撤离，导致股票价格大幅下跌，收益急剧下降。当特质风险较低时，投资者对股票的风险担忧相对较小，投资者情绪对股票收益的影响相对较为平稳。在乐观情绪下，投资者对低特质风险股票的信心增强，更愿意投资这类股票，推动股票价格上涨，投资者情绪对股票收益的正向影响能够较为顺利地实现。由于低特质风险股票的稳定性较高，投资者的乐观情绪能够更有效地转化为对股票的需求，促进股票价格上升，从而提高股票收益。例如，一些传统行业的龙头企业，其经营稳定，特质风险较低。在市场投资者情绪乐观时，投资者对这些企业的股票需求增加，股票价格稳步上涨，投资者能够获得较为稳定的收益增长。在悲观情绪下，低特质风险股票相对具有一定的抗跌性。投资者虽然情绪悲观，但由于低特质风险股票的风险较低，其抛售压力相对较小，股票价格下跌的幅度有限，投资者情绪对股票收益的负面影响相对较小。在市场整体下跌的情况下，低特质风险的蓝筹股，如一些大型金融企业和消费类企业的股票，由于其稳定的业绩和较低的风险，股价下跌幅度相对较小，投资者的损失相对较小。特质风险的调节作用还体现在对投资者情绪传导机制的影响上。高特质风险会增加投资者情绪传导的阻力，使得投资者情绪对股票收益的影响更加曲折和复杂；而低特质风险则有助于投资者情绪的顺畅传导，使投资者情绪对股票收益的影响更加直接和明显。四、不同市场下投资者情绪与特质风险对股票收益影响的实证研究设计4.1研究样本与数据选取本研究选取2010年1月1日至2023年12月31日期间我国A股市场的所有上市公司作为初始研究样本。这一时间跨度涵盖了多个完整的市场周期，包括牛市、熊市以及震荡市等不同市场阶段，能够全面反映市场环境的变化，为研究不同市场下投资者情绪与特质风险对股票收益的影响提供丰富的数据基础。在数据来源方面，股票交易数据和公司财务数据主要来源于国泰安数据库（CSMAR）和万得数据库（Wind）。国泰安数据库和万得数据库是国内权威的金融数据提供商，涵盖了A股市场所有上市公司的详细信息，包括每日交易价格、成交量、公司财务报表等数据。这些数据具有全面性、准确性和及时性的特点，能够满足本研究对股票交易和公司财务状况分析的需求。投资者情绪相关数据，如投资者信心指数、新增投资者数量、IPO首发收益率、封闭式基金折价率、市场换手率等，来源于中国证券投资者保护基金有限责任公司、上海证券交易所和深圳证券交易所等官方机构发布的统计数据，以及各大财经媒体和专业金融研究机构的报告。这些数据来源可靠，能够真实反映我国投资者情绪的变化情况。宏观经济数据，如国内生产总值（GDP）增长率、通货膨胀率、利率等，取自国家统计局、中国人民银行等官方网站。宏观经济数据的引入有助于控制宏观经济环境对股票市场的影响，使研究结果更具科学性和可靠性。在数据处理过程中，首先对原始数据进行清洗和筛选，去除异常值和缺失值。对于股票交易数据，剔除了ST、*ST股票以及上市时间不足一年的股票，以避免这些特殊股票对研究结果的干扰。ST、*ST股票通常面临财务困境或其他风险，其交易特征和价格波动与正常股票存在较大差异；上市时间不足一年的股票，由于其市场表现尚未稳定，可能会影响研究结果的准确性。对公司财务数据，采用合理的方法填补缺失值，并对异常值进行修正，确保数据的质量。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，以便于进行统计分析和模型估计。将所有数据统一调整为月度频率，以提高数据的一致性和可比性，便于后续的实证分析。4.2变量定义与度量4.2.1投资者情绪变量本研究选取多个具有代表性的直接和间接指标，运用主成分分析法构建投资者情绪综合指标。具体选取的指标如下：投资者信心指数，由中国证券投资者保护基金有限责任公司发布，该指数通过对投资者的问卷调查，直接反映投资者对当前证券市场的信心程度和对未来市场走势的预期，是衡量投资者情绪的重要直接指标。新增投资者数量，取自上海证券交易所和深圳证券交易所发布的统计数据，反映了市场的参与热情和新资金的流入情况。当新增投资者数量大幅增加时，通常表明市场吸引力增强，投资者情绪较为乐观，积极参与市场投资；反之，新增投资者数量减少，则可能暗示投资者情绪趋于谨慎或悲观。IPO首发收益率，指新股上市首日的收益率，是衡量市场对新股接受程度和热度的重要指标。较高的IPO首发收益率意味着市场对新股的需求旺盛，投资者对新上市公司的前景充满信心，反映出投资者情绪高涨；而较低的IPO首发收益率则可能表示市场对新股的热情不高，投资者情绪相对低迷。封闭式基金折价率，计算每月最后一个交易日所有参与交易的封闭式基金的市值加权平均折价率。封闭式基金折价率反映了市场对封闭式基金未来表现的预期，当市场普遍存在乐观情绪时，投资者对封闭式基金的未来收益预期较高，折价率可能较低；相反，若市场普遍存在悲观情绪，则投资者对封闭式基金的未来收益预期降低，折价率会较高。市场换手率，采用沪深两市各月流通市值加权换手率，衡量市场的活跃程度。换手率高，表明市场交易活跃，投资者参与度高，通常与积极的投资情绪相对应；换手率低，则说明市场交易清淡，投资者参与热情不高，可能反映出投资者情绪较为消极。在构建投资者情绪综合指标时，首先对上述五个指标进行标准化处理，消除量纲和数量级的差异。由于投资者情绪的各代理变量本身可能存在一定的领先—滞后效应，使得这些变量不同时期都能反映投资者情绪，借鉴已有研究方法，利用所有5个变量的当期和滞后一期共10个代理变量进行主成分分析。通过主成分分析，提取出能够解释大部分数据变异的主成分，这里选取第一、二、三、四主成分进行加权平均，构建投资者情绪指标时间序列Sent。为确保所构建的指标能够准确反映投资者情绪，将构建的指标与10个原始代理变量进行相关性分析，根据相关性系数，在当期和滞后一期中选择相关性较大的变量作为最终的情绪变量。为了消除宏观经济对投资者情绪的影响，用三个宏观经济变量，即居民消费价格指数、工业品出厂价格指数、宏观经济景气指数，分别对这5个指标做回归，得到的残差作为剔除宏观经济影响的投资者情绪指标。再次使用主成分分析法，对这些残差指标进行处理，通过主成分的加权平均得到最终的投资者情绪指数。最终得到的投资者情绪综合指标Sent，取值越大，表示投资者情绪越乐观；取值越小，表示投资者情绪越悲观。4.2.2特质风险变量本研究运用Fama-French三因子模型来度量特质风险。Fama-French三因子模型认为，股票的收益率不仅与市场风险有关，还与公司规模和账面市值比等因素相关。其模型公式为：R_{i,t}-R_{f,t}=\alpha_{i}+\beta_{i}(R_{m,t}-R_{f,t})+s_{i}SMB_{t}+h_{i}HML_{t}+\varepsilon_{i,t}。其中，R_{i,t}表示股票i在t时期的收益率，R_{f,t}是t时期的无风险收益率，本研究采用一年期国债收益率作为无风险收益率的代理变量，一年期国债收益率由中国债券信息网发布，具有较高的稳定性和代表性，能够较好地反映市场的无风险利率水平。R_{m,t}为市场组合在t时期的收益率，采用沪深300指数收益率来代表市场组合收益率，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股作为样本编制而成，能够综合反映中国A股市场上市股票价格的整体表现，具有广泛的市场代表性。\beta_{i}是股票i的贝塔系数，衡量股票i相对于市场组合的系统性风险；SMB_{t}是规模因子，反映了小市值股票组合与大市值股票组合收益率的差异，通过构建市值加权的小市值股票组合（SMALL）和大市值股票组合（BIG），计算二者收益率之差得到，即SMB_{t}=R_{SMALL,t}-R_{BIG,t}。HML_{t}是价值因子，体现了高账面市值比股票组合与低账面市值比股票组合收益率的差异，通过构建高账面市值比股票组合（HIGH）和低账面市值比股票组合（LOW），计算二者收益率之差得到，即HML_{t}=R_{HIGH,t}-R_{LOW,t}。\alpha_{i}是截距项，s_{i}和h_{i}分别是股票i对规模因子和价值因子的敏感度，\varepsilon_{i,t}是残差项，代表股票i的特质风险。在计算特质风险时，首先获取样本股票在研究期间内的日收益率数据，以及无风险收益率、沪深300指数收益率、各股票的市值和账面市值比等数据。运用时间序列回归方法，对每只股票的日收益率数据进行Fama-French三因子模型回归，得到回归方程的残差项\varepsilon_{i,t}。对每只股票的残差项进行处理，计算其标准差，作为该股票特质风险的度量指标。具体计算公式为：IdioRisk_{i}=\sqrt{\frac{1}{n-1}\sum_{t=1}^{n}(\varepsilon_{i,t}-\overline{\varepsilon_{i}})^2}，其中IdioRisk_{i}表示股票i的特质风险，n为回归样本的观测期数，\overline{\varepsilon_{i}}为股票i残差项的均值。特质风险指标值越大，表明股票i的特质风险越高；指标值越小，表明股票i的特质风险越低。4.2.3股票收益变量股票收益主要包括股息收益和资本利得。股息收益是指公司按照股份分配给股东的利润，计算方法通常是每股股息乘以持有的股数。资本利得则是通过股票买入价与卖出价之间的差价来计算。如果以P_1表示买入价，P_2表示卖出价，N表示持有的股数，那么资本利得的计算公式为：(P_2-P_1)\timesN。总收益就是股息收益与资本利得之和。在本研究中，为了更准确地衡量股票的收益情况，考虑了分红和送股等因素对股票收益的影响。如果持有期间股票有分红或者送股，需要将这些因素纳入计算。例如，分红会直接增加收益，而送股会增加持股数量，从而影响最终的收益额计算。采用考虑现金红利再投资的月度个股回报率来度量股票收益，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月份的收益率，P_{i,t}为股票i在t月末的收盘价，P_{i,t-1}为股票i在t-1月末的收盘价，D_{i,t}为股票i在t月份获得的现金红利和送股等收益。该指标能够综合反映股票价格波动和分红送股等因素对股票收益的影响，更全面地衡量股票的实际收益情况。4.2.4控制变量为了更准确地研究投资者情绪和特质风险对股票收益的影响，本研究选取了多个控制变量，包括市场风险、公司规模、财务杠杆、账面市值比、动量效应和流动性等。市场风险采用市场组合收益率的标准差来度量，市场组合收益率的标准差反映了市场整体的波动程度，是衡量市场风险的重要指标。市场风险对股票收益具有重要影响，在不同市场环境下，市场风险的变化会直接影响股票的价格和收益。公司规模以公司的流通市值来衡量，流通市值等于股票的流通股数乘以每股价格，它反映了公司在市场中的规模大小。公司规模不同，其经营稳定性、市场竞争力和融资能力等方面存在差异，这些差异会对股票收益产生影响。一般来说，大型公司的经营相对稳定，抗风险能力较强，股票收益也相对较为稳定；而小型公司的发展潜力较大，但风险也相对较高，股票收益的波动性可能较大。财务杠杆用资产负债率来表示，资产负债率是负债总额与资产总额的比率，它反映了公司的债务负担和偿债能力。财务杠杆较高的公司，面临的财务风险较大，可能会对股票收益产生负面影响；而财务杠杆较低的公司，财务状况相对稳健，股票收益可能相对稳定。账面市值比是股票的账面价值与市场价值的比值，它反映了公司的估值水平和市场对公司的预期。账面市值比高的公司，可能被市场认为具有较高的价值和潜力，股票收益可能较高；而账面市值比低的公司，可能被市场低估，股票收益的表现可能相对较差。动量效应采用过去12个月的累计收益率来度量，它反映了股票价格的趋势性变化。具有正动量效应的股票，过去一段时间内价格持续上涨，投资者往往会根据过去的价格走势来预测未来的收益，动量效应会影响股票的需求和价格，进而影响股票收益。流动性用换手率来衡量，换手率是一定时期内股票成交量与流通股本的比率，它反映了股票交易的活跃程度。流动性好的股票，交易成本较低，投资者更容易买卖，股票收益可能受到流动性的影响。这些控制变量从不同角度反映了公司的基本面和市场环境等因素，对股票收益具有重要影响，在研究投资者情绪和特质风险对股票收益的影响时，控制这些变量可以减少其他因素的干扰，更准确地揭示三者之间的关系。4.3实证模型构建为深入研究不同市场下投资者情绪对特质风险与股票收益关系的影响，构建多元线性回归模型。以股票收益率为被解释变量，特质风险和投资者情绪为解释变量，并控制其他可能影响股票收益的因素。基本回归模型设定如下：R_{i,t}=\alpha_{0}+\alpha_{1}IdioRisk_{i,t}+\alpha_{2}Sent_{t}+\alpha_{3}IdioRisk_{i,t}\timesSent_{t}+\sum_{j=1}^{n}\alpha_{j+3}Control_{j,i,t}+\varepsilon_{i,t}其中，R_{i,t}表示股票i在t时期的收益率；IdioRisk_{i,t}表示股票i在t时期的特质风险；Sent_{t}表示t时期的投资者情绪；IdioRisk_{i,t}\timesSent_{t}为特质风险与投资者情绪的交互项，用于检验投资者情绪是否会改变特质风险对股票收益的影响，若交互项系数\alpha_{3}显著，则说明投资者情绪对特质风险与股票收益关系存在调节作用。Control_{j,i,t}为一系列控制变量，j表示控制变量的个数，包括市场风险、公司规模、财务杠杆、账面市值比、动量效应和流动性等；\alpha_{0}为常数项，\alpha_{1}至\alpha_{n+3}为各变量的回归系数，\varepsilon_{i,t}为随机误差项。在不同市场环境下，对上述模型进行拓展分析。将市场类型作为虚拟变量引入模型，分别构建主板市场、中小板市场、创业板市场和新三板市场的回归模型。以主板市场为例，模型设定为：R_{i,t}^{main}=\beta_{0}+\beta_{1}IdioRisk_{i,t}+\beta_{2}Sent_{t}+\beta_{3}IdioRisk_{i,t}\timesSent_{t}+\sum_{j=1}^{n}\beta_{j+3}Control_{j,i,t}+\beta_{n+4}D_{main}+\varepsilon_{i,t}^{main}其中，R_{i,t}^{main}表示主板市场中股票i在t时期的收益率，D_{main}为主板市场的虚拟变量，当股票i属于主板市场时，D_{main}=1，否则D_{main}=0；\beta_{0}为常数项，\beta_{1}至\beta_{n+4}为各变量的回归系数，\varepsilon_{i,t}^{main}为随机误差项。通过对比不同市场模型中各变量系数的差异，可以分析投资者情绪对特质风险与股票收益关系在不同市场下的影响差异。为进一步检验信息不对称、投资者结构等因素在投资者情绪影响特质风险与股票收益关系过程中的作用机制，构建中介效应模型和调节效应模型。中介效应模型用于检验信息不对称是否在投资者情绪与特质风险和股票收益之间起到中介传导作用。假设信息不对称指标为IA_{i,t}，中介效应模型设定如下：IA_{i,t}=\gamma_{0}+\gamma_{1}Sent_{t}+\sum_{j=1}^{n}\gamma_{j+1}Control_{j,i,t}+\mu_{i,t}R_{i,t}=\delta_{0}+\delta_{1}IdioRisk_{i,t}+\delta_{2}Sent_{t}+\delta_{3}IA_{i,t}+\sum_{j=1}^{n}\delta_{j+3}Control_{j,i,t}+\varepsilon_{i,t}其中，\gamma_{0}和\delta_{0}为常数项，\gamma_{1}至\gamma_{n+1}、\delta_{1}至\delta_{n+3}为各变量的回归系数，\mu_{i,t}和\varepsilon_{i,t}为随机误差项。若\gamma_{1}和\delta_{3}均显著，且在控制中介变量IA_{i,t}后，\delta_{2}的系数减小或不显著，则说明信息不对称在投资者情绪对特质风险与股票收益关系中起到中介作用。调节效应模型用于判断投资者结构是否会调节投资者情绪对特质风险与股票收益关系的影响程度。假设投资者结构指标为IS_{i,t}，调节效应模型设定如下：R_{i,t}=\theta_{0}+\theta_{1}IdioRisk_{i,t}+\theta_{2}Sent_{t}+\theta_{3}IS_{i,t}+\theta_{4}Sent_{t}\timesIS_{i,t}+\sum_{j=1}^{n}\theta_{j+4}Control_{j,i,t}+\varepsilon_{i,t}其中，\theta_{0}为常数项，\theta_{1}至\theta_{n+4}为各变量的回归系数，\varepsilon_{i,t}为随机误差项。若交互项Sent_{t}\timesIS_{i,t}的系数\theta_{4}显著，则说明投资者结构对投资者情绪与特质风险和股票收益关系具有调节作用。五、实证结果与分析5.1描述性统计分析对样本数据中的各变量进行描述性统计，结果如表1所示。从表中可以直观地了解各变量的数据特征和分布情况。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股票收益率（R_{i,t}）182400.0120.085-0.3560.452特质风险（IdioRisk_{i,t}）182400.0280.0150.0050.102投资者情绪（Sent_{t}）182400.0030.854-2.1352.568市场风险（MktRisk_{t}）182400.0100.0080.0010.045公司规模（Size_{i,t}）1824022.0561.23419.56825.684财务杠杆（Lev_{i,t}）182400.4560.1580.0560.854账面市值比（BM_{i,t}）182400.5680.2350.1251.568动量效应（Mom_{i,t}）182400.0850.125-0.2560.568流动性（Liquidity_{i,t}）182400.0350.0180.0050.085股票收益率的均值为0.012，表明样本期间内股票平均月度收益率为1.2%，但标准差达到0.085，说明股票收益率的波动较大，不同股票之间的收益差异明显。最小值为-0.356，最大值为0.452，进一步体现了股票收益的高风险性和不确定性。特质风险的均值为0.028，标准差为0.015，说明不同股票的特质风险存在一定差异，但相对来说差异程度较小。最小值为0.005，最大值为0.102，表明部分股票的特质风险相对较高，可能受到公司特定因素的影响较大。投资者情绪的均值接近0，为0.003，标准差为0.854，说明投资者情绪在样本期间内围绕中性水平波动，且波动幅度较大。最小值为-2.135，反映出投资者情绪极度悲观的情况；最大值为2.568，则表示投资者情绪非常乐观的状态。市场风险的均值为0.010，标准差为0.008，说明市场整体风险水平相对较为稳定，但也存在一定的波动。最小值为0.001，最大值为0.045，表明在某些时期市场风险会显著增加。公司规模的均值为22.056，标准差为1.234，体现了样本中公司规模存在一定的差异。最小值为19.568，最大值为25.