【《投资者情绪对股票市场的影响实证研究》12000字（论文）】

PAGE2投资者情绪对股票市场的影响实证研究摘要传统金融理论中的“理性人”假设认为投资者情绪不会对股票市场产生影响。但是，绝大多数市场都不是有效的，现实中投资者的行为更不是完全理性的。本文依据行为金融学理论，基于我国股票市场，从理论和实证两方面对投资者情绪对股票市场的影响进行研究。希望通过研究，在市场机制、政府监管、法律法规等方面不健全的情况下，引导投资者理性，改善市场中“非理性”现象频发以及投机性严重等问题。本文以中国创业板股票市场为例，定量分析了投资者情绪、创业板综指收益率及波动率之间的相互关系。首先用主成分分析法根据五个代理指标构造投资者情绪复合指标；其次，对创业板收益率、波动率和投资者情绪时间序列进行描述性统计和平稳性检验；然后，检验通过后，对投资者情绪和创业板综指收益率和波动率分别进行回归和协整检验；最后用Grangercausalitytest进一步判断三者之间的相互关系和相互影响的方向。结果表明，收益率变动与投资者情绪变动相互影响，收益率和投资者情绪的变化都将会导致波动率的变化，且均为正向影响。关键词：投资者情绪；创业板；主成分分析法；收益率；波动率目录TOC\o"1-2"\h\z\u1导论 21.1选题背景与意义 21.2国内外文献综述 21.3论文的结构及主要内容 31.4论文的研究方法 32概念界定与股市现状 42.1投资者情绪定义 42.2中国股票市场现状 43投资者情绪指数的选取与构建 53.1代理指标的选取 53.2复合指标的构建 74投资者情绪对股市收益率影响的实证研究 104.1变量说明与描述性分析 104.2协整关系 114.3Granger因果检验 135投资者情绪对股市波动率影响的实证研究 145.1变量说明与描述性分析 145.2协整关系 145.3Granger因果检验 166结论及建议 176.1结论 176.2相关建议 17参考文献 181导论1.1选题背景与意义1.1.1选题背景自1990年11月26日上海证券交易所创立以来，中国股票市场发展只有30年历史，而美国证券交易市场形成至今已超过200年的历史。在欧美等成熟市场中，机构投资者占主导，倡导理性投资、长期投资，并且存在着大量衍生产品，能够有效平抑市场异常波动。与此相比，我国股票市场运行机制还不完善，政府监管、法律法规建设等方面仍然处于不断健全的过程中，股票市场波动较大，市场中“非理性”现象频发、投机性严重等问题较为突出。探寻我国股票市场的影响因素，完善股票市场运行机制，成为目前亟需解决的重要问题。1.1.2选题意义传统金融学理论是以理性人假设、有效市场假说为基础的，认为投资者会对所收集到各种信息进行理性的思考和行为，进而发现金融资产的真实价值。然而，金融市场的实践并非如此，投资者经常表现出某种非理性，如选择性偏差与保守性偏差等。学者们在进一步放宽传统金融学理论假设的同时，试图从行为学、心理学以及社会学的视角，对金融市场中发生的各种异常现象做出合理的分析和解释，行为金融学这一新兴学科应运而生。而作为行为金融学理论的支柱之一，投资者情绪及其对金融市场的影响也越来越多地受到了学者们的普遍关注。投资者情绪由Lee、Shleifer和Thaler（1991）正式引入，并用其解释了封闭式基金长期折价的原因。Baker等（2006）明确提出影响股票收益率的重要因素中包括投资者情绪。对于我国这样一个自然人投资者占多数的证券市场而言，研究投资者情绪对股票市场收益率和波动率的影响就现得尤为重要。1.2国内外文献综述与本文密切相关的一些文献主要涉及以下两个方面：一方面是研究投资者情绪是否对股市收益产生影响；另一方面是研究投资者情绪是否对股市波动产生影响。1.2.1投资者情绪与股市收益的关系AndreiShleifer、RichardH.Thaler、CharlesMCLee（1991）提出，在交易中导致投资者预期发生变化，进而对封闭式基金价格产生影响的原因是投资者情绪。王美今、孙建军（2004）对我国沪深股市进行分析后，发现投资者情绪变化对其均衡收益产生显著地影响,同时反向修正收益波动。张强、杨淑娥、杨红（2007）通过实证检验，证实了中国股市投资者情绪确实会对股票收益产生影响。RobertF.Stambaugh、JianfengYu、YuYuan（2012）研究发现,市场上非理性现象频发，投资者情绪是其中的一部分原因。尹莉娅（2018）研究结果表明投资者情绪能够对股票收益产生正向影响。徐丹丹（2020）指出当投资者持乐观态度时，股票收益率上升，反之下降。1.2.2投资者情绪与股市波动的关系BrownGW（1999）研究得到个人投资者情绪变化与封闭式投资基金波动呈显著正相关关系。唐静武等（2009）通过建立市场情绪与情绪溢价理论模型，对我国沪深股市收益波动进行分析，结果表明市场情绪是导致中国股票市场非理性大起大落的重要因素，中国股票市场情绪会使沪深两市的收益产生波动。张翠玉（2011）发现投资者对未来的经济预期持乐观态度时，收益波动率就越大，对预期经济持悲观态度时，收益波动率就越小。刘真铄（2014）证明了投资者情绪会对股市波动率产生显著影响，同时在不同行业之间存在差异。林晓曼、林德钦（2020）通过实证分析得到，收益率会影响投资者情绪指数波动，而投资者情绪指数和收益率都会对波动率变化产生影响。目前已经有诸多国内外学者在投资者情绪对股市影响方面进行研究分析，研究重点大都在指标的筛选与构建和投资者情绪对股市收益与波动的影响等方面。在研究投资者情绪对股市影响时,在收益方面，学者们基本认可二者之间存在明显的正向影响，但影响程度、影响范围等不尽相同；在波动方面，研究成果相对较少，但结果大部分证明了二者之间也存在正向影响。本文以创业板市场为例，探究投资者情绪对收益率和波动率的影响，希望可以对此方向的研究提供样本进行补充。1.3论文的结构及主要内容本文主要包括六个部分。第一部分：导论，依次介绍选题背景与意义、国内外文献综述、论文结构及主要内容、论文研究方法。第二部分：概念界定与股市现状，定义投资者情绪，介绍中国股票市场现状。第三部分：投资者情绪指数的构建，对代理指标的数据进行选取与处理，然后顺次对其进行KMO和Bartlett检验，主成分分析，构造投资者情绪复合指标。第四部分：探究投资者情绪对股市收益率的影响，首先对二者的时间序列进行相关分析和检验，然后确定其是否存在协整关系，最后通过Grangercausalitytest进一步判断二者之间是否存在因果关系。第五部分：探究投资者情绪对股市波动率的影响，首先对二者的时间序列进行相关分析和检验，然后确定其是否存在协整关系，最后通过Grangercausalitytest进一步判断二者之间是否存在因果关系。第六部分：根据实证结果为进一步完善股票市场发展，调整资产配置，提高市场运行效率，降低市场波动提出科学合理的对策建议。1.4论文的研究方法本文主要采用文献研究法、个案研究法和实证研究法这三种研究方法。1.文献研究法。依据国内外学者在研究此方面问题时的探究方向，逻辑架构和研究方法，从投资者情绪综合指标的架构，及其与股市收益，股市波动三个方面展开分析，取其精华，借鉴其先进的研究成果。2.个案研究法。以我国股票市场中的创业板市场为例，进行调查研究。3.实证研究法。搜集历史数据，对投资者情绪与股市收益率波动率之间的相关关系进行实证研究，检验其两两之间是否存在影响。2概念界定与股市现状2.1投资者情绪定义投资者情绪源自于投资者自身的认知水平、风险偏好和心理承受能力。在国外的研究文献中，Lee等（1991）首次阐述了投资者情绪定义，当股票预期收益波动时，无法被基本面因素解释的价格预期，可以用投资者情绪来解释。Barberis（1998）将投资者情绪定义为噪声交易者对股票价格定价的信念。Baker和Wurgler（2006，2007）则认为基于现金流和风险预期的综合判断或者信念是投资者情绪，它则来源于投资者自身的禀赋和风险偏好等特性。国内的研究学者王美今，孙建军（2004）认为投资者情绪是一个影响收益的系统性因子。黄德龙等（2009）从投资需求和前景判断程度来定义投资者情绪。这与国外学者关于投资者情绪的主流定义没有过大本质上的差别。本文中的投资者情绪定义为投资者对股票的总体乐观或悲观判断。2.2中国股票市场现状经过30余年的发展，我国股票市场已经形成了与我国经济发展相适应的特色道路，规模不断扩大，上市公司数量不断增加，投资者积极性不断提高，制度建设日趋完善。截至2020年年底，沪深两市上市公司总计4140家，总市值79.72万亿元，A股投资者近1.8亿户，五大指数全部收涨，其中，上证指数涨幅13.87%，创业板指涨幅64.69%。利用Excel将五大指数数据导入绘制成柱形图，结果如图1所示：图12020年五大股指涨幅所以，根据尹莉娅（2018）指出小盘股、高市盈/净率股和高价股的股价波动对于投资者情绪的反应更加敏感这一结论，本文决定以创业板为例，研究投资者情绪对股市的影响。3投资者情绪指数的选取与构建3.1代理指标的选取用于衡量投资者情绪的指标主要分为两类，一类时是直接指标，一类是间接指标。直接指标一般是指机构通过调查问卷、抽样调查等方式，获取投资者对未来走势的看法态度的主观数据来构建的指标，间接指标则是指利用股票市场中已经存在的客观指标和数据作为投资者情绪的替代变量。3.1.1直接情绪指标例如：CICI（中国投资者信心指数）、CCI（中国消费者信心指数）等。CICI的调查对象广泛包括券商、基金、银行、保险、专业财经媒体等金融机构与个人，保证了调查数据的客观普遍性。它可以反映整个股票市场未来的波动性，当CICI比50小的时候，说明投资者整体持悲观态度，波动率上升；反之波动率下降。除此之外，王美今(2004)和RobertB.Barsky、EricR.Sims(2012)都是根据调查问卷统计出的看涨看跌人数对投资者情绪进行度量。利用Excel将CICI、CCI与创业板综数据导入，绘制成折线图，结果如图2，图3所示：图2中国投资者信心指数与创业板综走势图图3中国消费者信心指数与创业板综走势图3.1.2间接指标例如：封闭式基金折价、换手率、市盈率等。Poniiff等(1995)用封闭式基金折价代表投资者情绪的变化。Baker和Wurgler(2006)采用换手率、股市市盈率、开户数量和封闭式基金折价等六个市场客观指标构建BW投资者情绪指数。杨少华、郭万山（2017）和尹莉娅（2018）均采用换手率、成交量、市盈率作为衡量我国股市投资者情绪的代理指标。徐丹丹（2020）采用换手率、成交量作为衡量我国股市投资者情绪的代理指标。1.换手率（Turn）换手率是一定时间内买卖股票的频率，用来反映股票的流动性情况，一般换手率越高，流动性越好，说明投资者情绪越乐观。2.成交量（Volume）成交量可以直观体现股票流动性和投资者活跃程度。当投资者对股票持乐观态度时，成交量就会增加，进而造成股价上涨，收益率上升；反之，当投资者对股票持悲观态度时，成交量减少，收益率下降。3.成交额（Amount）成交额可以帮助投资者关注股票买卖资金增减趋势，也可以体现股票的供需关系。当供不应求时，就表示股票市场上投资者整体持乐观态度，资金买进较多，成交额增加；反之，当供过于求时，就表示股票市场投资者整体持悲观态度，资金买进较少，成交额减少。4.市盈率（PE）市盈率通常用来评估股票价格合理性，市盈率越高，说明投资者越认可该公司的发展潜力，投资者整体持乐观态度，股价被高估的可能性就越大；市盈率越低，说明投资者整体持悲观态度，不太认可该公司发展潜力，股价被低估的可能性越大。5.上证综指（SH）上证综指可以准确地反映出当前我国股票市场综合经营状况。考虑到情绪在不同类型指数和市场之间的传导性，本文还选取上证综指作为投资者情绪的代理指标。从我国股票市场的经营状况来看，相较于国外，我国封闭式基金规模比较小，加上未来开放式基金才是发展主流，因此我认为封闭式基金的折价率并不适合用于反映当前我国的投资者心态。其次，由于我选择的数据期间内我国IPO相关政策实行核准制，新股上市后会多次出现连续涨停的情况，加上新股发行过程中受到证监会的严格管控，会出现多次暂停新股发行的情况。这导致了数据的中断和信息的缺失，因此IPO数也无法有效地刻画投资者的情绪。因此，基于以上分析，根据我国股市的运行特征，借鉴国内外学者的研究成果，本文拟选取换手率、成交量、成交额、市盈率、上证综指这5个代理指标对投资者情绪进行度量。根据国内外学者的参考文献和自身认知，对各个变量之间的相关关系作出合理推测，结果如表1所示：表1变量选择和相关关系假设变量名称符号表示相关关系假设换手率Turn正相关成交量Volume正相关成交额Amount正相关市盈率PE正相关上证综合指数SH正相关3.2复合指标的构建杨少华，郭万山（2017）发表《我国股市投资者情绪与超额收益关系的研究》指出将换手率、市盈率、股票涨跌个数比和成交量四个投资者情绪代理指标利用主成分分析法构造为投资者情绪综合指标。本文参照此文，采取主成分分析法，对换手率、成交量、成交额、市盈率、上证综指进行拟合。主成分分析法利用降维技术，通过正交变换删去原先所有变量中重叠的信息，转换为一组两两不相关的新变量，并确保这组新变量能尽可能多的保持原有信息。本文选择的样本期限为2010年6月至2019年12月每月的月份统计数据，之所以从2010年6月开始算，是因为这一天是我国创业板市场行情的起始时间；同时，为了避免疫情原因造成的偏差，所以样本时间截止到2019年底。文中全部数据均来源于Choice金融终端和锐思金融数据库。3.2.1KMO和Bartlett检验因子分析前，首先需要进行KMO检验和巴特利球体检验。KMO检验用于检查变量间的相关性和偏相关性，取值在0到1之间，KMO统计量越接近1，变量间的相关性越强，偏相关性越弱；巴特利球体检验则主要是用于检验数据的分布以及各个变量间的独立情况。当KMO检验系数＞0.5，巴特利球体检验P值＜0.05，才能进行因子分析，反之，则不适合。利用SPSS26.0对数据进行相关处理，结果如表2所示：表2KMO和Bartlett检验KMO取样适切性量数0.592巴特利特球形度检验近似卡方479.098自由度10显著性0.000由表2可知，五个代理指标的KMO统计量为0.592>0.5，巴特利球体检验显著性P值为0.000<0.05，可以进行主成分分析。3.2.2相关性分析对选出来的各个代理变量的数据进行相关性分析，结果如表3所示：表3变量的相关性矩阵表TurnVolumeAmountPESHTurn皮尔逊相关性10.917**0.760**0.181-0.393**Sig.（双尾）0.0000.0000.0540.000个案数114114114114114Volume皮尔逊相关性0.917**10.850**0.176-0.380**Sig.（双尾）0.0000.0000.0610.000个案数114114114114114Amount皮尔逊相关性0.760**0.850**10.545**-0.414**Sig.（双尾）0.0000.0000.0000.000个案数114114114114114PE皮尔逊相关性0.1810.1760.545**1-0.356**Sig.（双尾）0.0540.0610.0000.000个案数114114114114114SH皮尔逊相关性-0.393**-0.380**-0.414**-0.356**1Sig.（双尾）0.0000.0000.0000.000个案数114114114114114**，在0.01级别（双尾），相关性显著。根据表2的相关数据可以看出，大部分显著性P值均小于0.05，说明五个代理变量之间基本均存在相关关系，且相关性显著。其中换手率和成交量与市盈率和上证综指之间相关性较低，且与上证综指呈现负相关性；市盈率与上证综指之间相关性也比较低，说明他们之间存在弱相关。3.2.3主成分分析法主成分分析结果如表4所示：表4总方差解释成分总计初始特征值方差百分比累计%总计提取载荷平方和方差百分比累计%13.10762.13462.1343.10762.13462.13421.03620.72782.8611.03620.72782.86130.66913.37896.23840.1472.93299.17150.0410.829100.00由上表可知，第一个和第二个主成分累计方差解释率达到82.861%，且特征值为2。根据累计贡献率大于80%且特征值大于1的原则来看，说明使用前两个主成分就可以涵盖原本最初的5个投资者情绪代理指标，构建一个投资者情绪复合指标。主成分系数矩阵如表5所示：表5成分系数矩阵成分1成分2Turn0.8900.362Volume0.9140.368SH0.936-0.038CICI0.496-0.786CCI-0.5990.388设置主成分1和2为F1、F2。则主成分的表达式为：F1=0.890*Turn+0.914*Volume+0.936*Amount+0.496*PE-0.599*SHF2=0.362*Turn+0.368*Volume-0.038*Amount-0.786*PE+0.388*SH又因为，各因子的权重为各自的方差贡献率，故用前两个主成分构建的投资者情绪复合指标（CompositeIndicator，以下简称CI）表示为：CI=0.62134*F1+0.20727*F2将2010年6月至2019年12月的5个投资者情绪的月度数据带入公式，就可以得到该期间的投资者情绪复合指标。然后，利用Excel将投资者情绪复合指标和创业板综数据导入，绘制成折线图，结果如图4所示：图4投资者情绪复合指标和创业板综指走势图由图4可以看到，本文构建的投资者情绪复合指标与股市指数创业板综指的走势十分相近，说明存在较高的相关性,应该可以比较好的解释创业板收益率与波动率的变化。4投资者情绪对股市收益率影响的实证检验4.1变量说明与描述性分析4.1.1变量说明与设计对解释变量和被解释变量进行说明，结果如表6所示：表6变量说明变量解释CIM用主成分分析法根据相关指标月度数据计算出来的投资者情绪复合指标ROR创业板综指月度收益率本文创业板综指收益率选取了2010年6月至2019年12月的每日数据。为了使收益率与投资者情绪复合指标的月度数据保持同一时间跨度，将每月内的创业板综指收益率加总取平均值。之后，首先对投资者情绪复合指标的月度数据和创业板综指月度收益率进行描述性统计和平稳性检验，检验通过后，对投资者情绪和创业板综指收益率进行回归和协整检验，最后用Grangercausalitytest来判断二者之间的相互关系。4.1.2描述性分析利用Eviews对解释变量和被解释变量进行描述性统计，结果如表7所示：表7变量的描述性统计结果序列CIROR均值11.147710.089460中位数7.8177260.086842最大值38.238921.664737最小值0.507313-1.897368标准差9.5074620.502118偏度0.788864-0.115517峰度2.7441985.018439时间序列变量的描述性统计结果显示，投资者情绪复合指标CI的平均值为11.14771，高于中位数7.817726，说明整体而言，在样本期内投资者对创业板持乐观态度，最大值为38.23892，最小值为0.507313，标准差为9.507462，说明投资者情绪波动较大，不太稳定；创业板综指收益率ROR的均值为0.089460，中位数为0.086842，二者十分相近，标准差为0.502118，说明样本期间内，创业板股票收益率整体波动不大，最大值为1.664737，最小值为-1.897368，可以看出收益率下跌地更明显。4.2协整关系4.2.1协整关系经典数据回归模型的主要特点是完全直接建立在平稳的回归数据基础之上的，对于非平稳性的回归数据变量，无法使用经典数据回归模型，否则就很有可能会直接导致系统出现虚假回归等诸多问题。但是现实情况是，由于许多统计实践和实际应用中绝大多数时间序列都可能是非平稳的，我们往往会选择采用差分的统计方法来去除时间序列中所包含的非平稳性时间趋势，使得这些时间序列在其非平稳性得到改善后再重新建立模型。但是这些变换后的时间序列可能会收到一些限制，导致其不再适用于所讨论的系统经济学理论问题，并且有时候这些变换后的时间序列因为不再具备直接的系统经济学理论意义，使得非平稳性得到改善的时间序列重新建立的时间序列模型不便于我们更加准确地解释。1987年Engle和Granger提出的协整理论及其方法，为非平稳序列的建模提供了另一种途径。虽然一些经济变量的本身是非平稳序列，但是，它们的线性组合却有可能是平稳序列。这种平稳的线性组合被称为协整方程，且可解释为变量之间的长期稳定的均衡关系。4.2.2平稳性检验在建立投资者情绪对创业板综指收益率之间的模型之前，需要对这两个时间序列的平稳性进行检验，以避免非平稳时间序列带来的“伪回归”问题。本文采用AugmentedDickey-Fuller检验方法检验CIt和RORt这两个时间序列的平稳性，平稳性检验结果如表8所示表8两个时间序列的平稳性检验结果序列类型t统计量临界值Prob结论1%5%10%CIt1stdifferenceTrendandintercept-15.66412-4.042819-3.450807-3.1507660.0000平稳RORtIntercept-9.583264-3.490210-2.887665-2.5807780.0000平稳由ADF检验结果可知：投资者情绪复合指标时间序列CIt平稳性检验时进行了一阶差分并采用了截距项和趋势项的模型，t临界统计数据为-15.66412，小于1%显著性差值水平下的临界统计值-4.042819，显著性上的P统计值为0.0000小于0.05；创业板综指收益率时间序列RORt平稳性检验时，只采用了带有截距项的模型，它的t临界统计数据为-9.583264，小于1%显著性差值水平下的临界统计值-3.490210，显著性上的P统计值为0.0000小于0.05。这说明，投资者情绪复合指标和创业板综指收益率的时间序列中，ADF统计值有95%的概率会小于临界值，拒绝原假设。投资者情绪复合指标时间序列CIt和创业板综指收益率时间序列RORt二者均被普遍的认为是平稳的市场时间波动序列。4.2.3协整方程在上部分已经对相关数据进行了ADF单位根检验，得到了所有变量一阶单整的结论。接下来，用E-G两步法分别对投资者的情绪和创业板综合收益率进行了回归和协整关系的检验。首先采用最小二乘法对RORt和CIt进行回归，结果如表9：表9OLS回归结果（投资者情绪和收益率）VariableCoefficientStd.Errort-StatisticProb.CI-0.0018690.005041-0.3708020.7115C0.1106380.0743691.4876800.1397R-squared0.001248Meandependentvar0.089460AdjustedR-squared-0.007831S.D.dependentvar0.502118S.E.ofregression0.504080Akaikeinfocriterion1.485533Sumsquaredresid27.95064Schwarzcriterion1.534077Loglikelihood-81.18983Hannan-Quinncriter1.505229F-statistic0.137494Durbin-Watsonstat1.813647Prob(F-statistic)0.711498然后在命令栏输入genre=resid，即可自动生成一个由RORt和CIt回归后的残差数据所组成的对应序列，对其进行AugmentedDickey-Fuller检验（这里不能附加任何条件，只能选取最为基础的AugmentedDickey-Fuller检验），结果如表10所示：表10残差序列单位根检验（收益率）t-StatisticProb.*AugmentedDickey-Fullerteststatistic-9.6055170.0000Testcriticalvalues:1%level-3.4902105%level-2.88766510%level-2.580778由上图可知，显著性上的P统计值为0小于0.05，则序列e拒绝存在单位根的原假设，说明序列e平稳，因此被解释变量RORt与解释变量CIt之间存在协整关系，其协整方程为：ROR=0.110638-0.001869CI由此可以说明，收益率与投资者的情绪之间是一种长期稳定的平衡关系。4.3Granger因果检验林晓曼、林德钦（2020）运用Granger因果关系检验就投资者情绪指数、上证综指收益率及波动率之间的相互关系进行实证分析。本文参照此文，在投资者情绪复合指标CIt和创业板综指收益率RORt两个时间序列满足平稳的前提下，接下来通过Grangercausalitytest判断二者之间的相互关系。（Grangercausalitytest的优势之处在于不仅能够分析各个变量之间的相互影响关系，而且还能够判定各个变量之间的相互影响方向。）投资者情绪复合指标CIt和创业板综指收益率RORt两个时间序列的Grangercausalitytest结果如表11所示：表11CIt与RORt的Grangercausalitytest结果零假设F统计量P值结论ROR不是CI变化的Granger原因10.72783.E-06拒绝原假设CI不是ROR变化的Granger原因2.834690.0419拒绝原假设当滞后3阶时，在5%的显著性水平下拒绝了ROR不是CI变化的Granger原因的零假设，CI不是ROR变化的Granger原因的零假设。这表明，收益率变化是导致投资者情绪变化的正向原因，投资者情绪变化也是导致收益率变化的正向原因，即收益率的变动与投资者情绪的变动相互影响，且均为正向影响。5投资者情绪对股市波动率影响的实证检验5.1变量说明与描述性分析5.1.1变量说明与设计对解释变量和被解释变量进行说明，结果如表12所示：表12变量说明变量解释CIM用主成分分析法根据相关指标月度数据计算出来的投资者情绪复合指标V创业板综指月度波动率本文创业板综指波动率选取了2010年6月至2019年12月的每日数据。为了使波动率与投资者情绪复合指标的月度数据保持同一时间跨度，将每月内的创业板综指波动率加总取平均值。之后，首先对投资者情绪复合指标的月度数据和创业板综指月度波动率进行描述性统计和平稳性检验，检验通过后，对投资者情绪和创业板综指波动率进行回归和协整检验，最后用Grangercausalitytest来定量分析二者之间的相互关系。5.1.2描述性分析利用Eviews对解释变量和被解释变量进行描述性统计，结果如表13所示：表13变量的描述性统计结果序列CIV均值11.147711.889484中位数7.8177261.800687最大值38.238923.999137最小值0.5073131.118505标准差9.5074620.561904偏度0.7888641.642125峰度2.7441985.989634时间序列变量的描述性统计结果显示，投资者情绪复合指标CI的平均值为11.14771，高于中位数7.817726，说明整体而言，在样本期内投资者对创业板持乐观态度，最大值为38.23892，最小值为0.507313，标准差为9.507462，说明投资者情绪波动较大，不太稳定；创业板综指波动率V的均值为1.889484，中位数为1.800687，二至比较相近，标准差为0.561904，说明样本期间内，创业板股票波动率整体波动很小，最大值为3.999137，最小值为1.118505，可以看出波动率上升地更明显。5.2协整关系5.2.1平稳性检验用AugmentedDickey-Fuller检验方法检验CIt与Vt这两个时间序列的平稳性，检验结果如表14所示表14CIt与Vt时间序列的平稳性检验结果序列类型t统计量临界值Prob结论1%5%10%CIt1stdifferenceTrendandintercept-15.66412-4.042819-3.450807-3.1507660.0000平稳VtIntercept-2.922717-3.490210-2.887665-2.5807780.0459平稳由ADF检验结果可知：投资者情绪复合指标时间序列CIt平稳性检验时进行了一阶差分并采用了截距项和趋势项的模型，t临界统计数据为-15.66412，小于1%显著性差值水平下的临界统计值-4.042819，显著性上的P统计值为0.0000小于0.05；创业板综指波动率时间序列Vt平稳性检验时，只采用了带有截距项的模型，它的t临界统计数据为-2.922717，小于5%显著性差值水平下的临界统计值-2.887665，显著性上的P统计值为0.0459小于0.05。这说明，投资者情绪复合指标和创业板综指波动率的时间序列中，ADF统计值有95%的概率会小于临界值，拒绝原假设。投资者情绪复合指标时间序列CIt、和创业板综指波动率时间序列Vt二者均被普遍地认为是平稳的市场时间波动序列。5.2.2协整方程首先用最小二乘法对Vt和CIt进行回归，结果如表15所示：表15OLS回归结果（投资者情绪和波动率）VariableCoefficientStd.Errort-StatisticProb.CI0.0187600.0053533.5043430.0007C1.6769160.07898421.231060.0000R-squared0.100428Meandependentvar1.889484AdjustedR-squared0.092250S.D.dependentvar0.561904S.E.ofregression0.535359Akaikeinfocriterion1.605937Sumsquaredresid31.52700Schwarzcriterion1.654481Loglikelihood-87.93246Hannan-Quinncriter1.625633F-statistic12.28042Durbin-Watsonstat0.391869Prob(F-statistic)0.000663然后在命令栏输入genra=resid，即可自动生成一个由Vt和CIt回归后的残差数据所组成的对应序列，对其进行单位根检验，结果如表16所示：表16残差序列单位根检验（波动率）t-StatisticProb.*AugmentedDickey-Fullerteststatistic-3.3410800.0153Testcriticalvalues:1%level-3.4902105%level-2.88766510%level-2.580778由上图可知，显著性上的P统计值为0.0153小于0.05，则序列a拒绝存在单位根的原假设，序列a平稳。因此被解释变量V与解释变量CI之间存在协整关系，其协整方程为：V=1.676916+0.018760CI由此可以说明，波动率与投资者的情绪之间是一种长期稳定的平衡关系。5.3Granger因果检验在投资者情绪复合指标CIt与创业板综指波动率Vt两个时间序列满足平稳的前提下，接下来通过Grangercausalitytest判断二者之间的相互关系。投资者情绪复合指标CIt与创业板综指波动率Vt两个时间序列的Grangercausalitytest结果如表17所示：表17CIt与Vt的Grangercausalitytest结果零假设F统计量P值结论V不是CI变化的Granger原因1.163270.3276接受原假设CI不是V变化的Granger原因3.448050.0194拒绝原假设当滞后3阶时，在5%的显著性水平下拒绝了CI不是V变化的Granger原因的零假设。这表明，投资者情绪变化是导致波动率变化的Granger原因，投资者情绪的变化会导致波动率的变化，且为正向影响。对创业板综收益率和波动率进行格兰杰因果检验，结果如表18所示：表18创业板综收益率与波动率的Granger因果检验结果零假设F统计量P值结论V不是ROR变化的Granger原因0.229640.8756接受原假设ROR不是V变化的Granger原因8.367915.E-05拒绝原假设当滞后3阶时，在5%的显著性水平下拒绝了ROR不是V变化的Granger原因的零假设。这表明，收益率变化是导致波动率变化的Granger原因，收益率的变化会导致波动率的变化，且为正向影响。6结论及建议6.1结论本文研究投资者情绪对股市的影响，以创业板为例，通过对创业板收益率与波动率两方面的实证检验，得到如下结论：第一，投资者情绪与创业板收益率之间存在协整关系，它们之间存在着长期稳定的均衡关系，证明投资者情绪的变化会对创业板收益率的变化产生影响。第二，投资者情绪与创业板波动率之间存在协整关系，它们之间存在着长期稳定的均衡关系，证明投资者情绪的变化会对创业板波动率的变化产生影响。第三，当滞后阶数为3时，在5%的显著性水平下，收益率是投资者情绪变化的格兰杰原因，投资者情绪也是收益率变化的格兰杰原因，即收益率变动与投资者情绪变动相互影响。第四，当滞后阶数为3时，在5%的显著性水平下，波动率不是投资者情绪变化的格兰杰原因，但投资者情绪是波动率变化的格兰杰原因。第五，当滞后阶数为3时，在5%的显著性水平下，收益率是波动率变化的格兰杰原因，但波动率不是收益率变化的格兰杰原因。6.2相关建议1.构建投资者心态的预警机制。市场中一些投资者的乐观和悲观的情绪往往会对其股票的收益有明显的正面或负面影响，进而诱发非理性的投资行为，政府部门可以通过建立一套相应的识别投资者不同情绪的风险预警机制，及时对投资者的非理性情绪变化进行识别、追溯，引导广大投资者合理地进行投资，及时停滞止损，避免因投资者极端情绪的变动所引发的股市大幅波动。2.加强投资者对于投资风险意识的认识与识别，规避投资风险方法的理解与掌握，提高投资者维护股票市场的责任心与公民意识，避免其盲目地“追涨杀跌”。中国的股市主要是由中小型投资者组成的，但中小型的投资者由于自身专业知识的欠缺，难以适应股市复杂的波动，而最终选择了盲目地跟风。金融机构应当定期地对广大中小型投资者群体进行理论知识的培训和教育，提高他们的专业理论基础和分析技能，减少这部分投资者的非理性行为。3.规范股票市场的信息发布机制，投资者的情绪是根据自身所了解到的信息进行变化的，由于我国信息公开和披露方面的制度不健全，上市公司对于一些重大信息的公布可能会存在不及时、不全面等问题，甚至通过发布虚假信息谋取利益。而不清楚内幕信心的中小型投资者就会因此对股票市场的真实状况产生误判，从而导致股价异常波动。因此必须提高各方面信息的客观性、真实性与及时性，避免投资者情绪因此而受到影响，以及由此导致的股票市场过度波动4.进一步切实加强对金融市场的决策监督力度，从而降低金融市场的非理性等风险。由于目前我国股市的经济发展生命周期相对较短，市场管理体系和法律制度与发达国家市场相比尚不完善，时常有一些违法违规、操纵炒作市场的行为发生，使得个人投资者等小股民很容易成为股市的牺牲品。因此政府应进一步加强对金融市场的监督和管理，切实依法维护中小企业和广大投资者的合法利益，及时平复我国股票市场中的极端情绪和不稳定情绪，提高投资者参与市场的信心，保障广大投资者的合法权益参考文献[1]黄旭红.投资者情绪对市场预期收益率和波动率的影响：基于行业差异的实证研究[D].复旦大学,2012.[2]胡雅婷,王陆秀,赵玥.个人投资者情绪对股票收益影响的实证研究——基于A股市场[J].攀枝花学院学报,2020,37(06):64-70.[3]李鸿翔.投资者情绪与股票收益率的关系研究——基于上证50ETF波动率指数的实证分析[J].中国物价,2020(08):74-77.[4]林晓曼,林德钦.投资者情绪与上证综指收益率及波动率关系实证研究[J].吉林工商学院学报,2020,36(03):58-63.[5]刘真铄.投资者情绪与沪市A股市场收益和波动率的影响关系研究[D].南京财经大学,20