我国证券市场投资者情绪测度及对市场收益的影响探究

我国证券市场投资者情绪测度及对市场收益的影响探究一、引言1.1研究背景与意义1.1.1研究背景近年来，我国证券市场取得了长足发展，在经济体系中的地位愈发重要。自上世纪90年代初沪深证券交易所相继成立，我国证券市场从无到有，从小到大，逐步走向成熟。截至2024年，沪深两市上市公司数量已超过5000家，总市值规模位居全球前列，涵盖了国民经济的各个行业，成为企业融资和资源配置的重要平台。同时，证券市场的交易品种日益丰富，除了传统的股票、债券，还包括基金、权证、股指期货等金融衍生品，为投资者提供了更多的投资选择。然而，证券市场的波动也较为显著。以股票市场为例，过去几十年间经历了多次大幅涨跌。2007年，在经济快速增长和流动性过剩的背景下，A股市场迎来大牛市，上证指数一度突破6000点，但随后在全球金融危机的冲击下，指数大幅下跌，至2008年末跌至1600多点。2015年，受杠杆资金推动和市场情绪高涨的影响，股市出现非理性繁荣，随后又因去杠杆引发市场大幅调整，许多投资者遭受巨大损失。这些剧烈的市场波动不仅给投资者带来了财富的巨大变化，也对实体经济的稳定发展产生了一定影响。在市场波动背后，投资者情绪起着关键作用。投资者并非完全理性，其决策过程往往受到情绪的左右。当市场处于牛市时，投资者普遍乐观，贪婪情绪占据主导，大量资金涌入市场，推动股价不断上涨，形成资产价格泡沫；而当市场进入熊市，恐惧情绪蔓延，投资者纷纷抛售股票，导致股价进一步下跌，市场陷入恶性循环。例如，在2015年股灾期间，投资者过度恐慌，不计成本地抛售股票，加剧了市场的下跌幅度。此外，社交媒体的发展也使得投资者情绪的传播速度更快、范围更广，进一步放大了情绪对市场的影响。一条未经证实的利好或利空消息，可能在短时间内引发投资者情绪的剧烈波动，从而导致市场的大幅震荡。因此，深入研究投资者情绪对证券市场收益的影响，对于理解市场波动机制、提高投资决策的科学性具有重要的现实意义。1.1.2研究意义从理论层面来看，本研究有助于完善行为金融理论。传统金融理论假设投资者是完全理性的，市场能够有效配置资源，价格反映了所有的信息。然而，现实中的证券市场存在大量无法用传统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。行为金融理论将心理学和行为科学的研究成果引入金融领域，认为投资者的情绪和认知偏差会影响其投资决策，进而导致市场的非理性波动。通过对我国证券市场投资者情绪的测度及其对市场收益影响的研究，可以进一步验证和丰富行为金融理论，为解释市场异常现象提供新的视角和证据，推动金融理论的发展和创新。从实践层面来说，对于投资者而言，了解投资者情绪与市场收益之间的关系，能够帮助他们更好地把握市场走势，提高投资决策的准确性。投资者可以通过关注市场情绪指标，识别市场的过热或过冷状态，避免在市场情绪过度乐观时盲目追涨，在市场情绪过度悲观时恐慌抛售，从而实现低买高卖，获取超额收益。例如，当市场情绪极度乐观，投资者普遍看好后市时，可能意味着市场已经接近顶部，此时投资者应保持谨慎，适当减仓；反之，当市场情绪极度悲观，投资者纷纷离场时，可能是买入的好时机。对于证券市场监管者来说，研究投资者情绪对市场收益的影响，有助于他们更好地了解市场运行规律，制定更加有效的监管政策，维护市场的稳定健康发展。监管者可以通过监测投资者情绪指标，及时发现市场中的异常波动和潜在风险，采取相应的措施进行干预，如加强信息披露、规范市场交易行为、打击违法违规活动等，以防止市场情绪的过度波动引发系统性风险，保护投资者的合法权益，促进证券市场的平稳运行。1.2研究方法与创新点1.2.1研究方法本研究采用了多种研究方法，以确保研究的科学性和全面性。通过文献研究法，全面梳理国内外关于投资者情绪和证券市场收益的相关研究成果。从经典的金融理论文献，如有效市场假说、资本资产定价模型等，到行为金融理论中关于投资者情绪的研究，广泛查阅学术期刊论文、学位论文、专业书籍以及权威金融研究机构报告等资料。对这些文献进行系统分析，总结前人在投资者情绪测度指标构建、投资者情绪对市场收益影响机制等方面的研究现状、研究方法和主要结论，找出已有研究的不足和空白，为本研究提供坚实的理论基础和研究思路参考。在数据分析法上，量化分析投资者情绪和市场收益相关指标。收集我国证券市场的历史数据，包括股票价格、成交量、换手率等市场交易数据，以及宏观经济数据如GDP增长率、通货膨胀率、利率等，这些数据来自权威金融数据平台如万得（Wind）数据库、国泰安（CSMAR）数据库，以及国家统计局、中国人民银行等官方网站。运用统计分析方法，计算各指标的均值、标准差、相关性等统计量，初步了解数据的基本特征和变量之间的关系。同时，利用时间序列分析方法，对投资者情绪指标和市场收益指标进行时间序列建模，如ARIMA模型、GARCH模型等，分析它们随时间的变化趋势和波动特征，为后续实证研究提供数据支持。而在实证研究法中，通过构建计量经济模型，深入验证投资者情绪与市场收益之间的关系。以投资者情绪指标为解释变量，市场收益指标为被解释变量，同时控制其他可能影响市场收益的因素，如宏观经济变量、公司基本面因素等，构建多元线性回归模型。运用最小二乘法（OLS）等估计方法对模型进行参数估计，通过统计检验如t检验、F检验等判断变量之间关系的显著性。此外，采用面板数据模型，考虑不同时间和不同证券样本的个体异质性，进一步增强研究结果的可靠性和普遍性。为了检验实证结果的稳健性，还会采用不同的样本区间、不同的变量度量方法以及不同的模型设定进行稳健性检验，确保研究结论的可靠性。1.2.2创新点本研究在研究视角上，以往对我国证券市场的研究多从宏观经济、公司财务等角度出发，关注投资者情绪对市场收益影响的研究相对较少，且大多集中在对整体市场的分析。本研究不仅关注整体市场，还深入到行业和个股层面，分析投资者情绪在不同行业和个股上对收益影响的差异，从多个维度全面剖析投资者情绪与市场收益的关系，为投资者和市场参与者提供更具针对性的参考。在指标选取上，现有研究中投资者情绪测度指标选取较为单一，且部分指标未能充分反映我国证券市场的特点。本研究综合考虑我国证券市场的交易制度、投资者结构以及市场环境等因素，选取了更具代表性和全面性的指标。除了传统的成交量、换手率等市场交易指标外，还引入了社交媒体大数据指标，如股吧、微博等平台上投资者言论的情感分析数据，以更准确地捕捉投资者情绪的变化，丰富了投资者情绪测度的指标体系。在研究方法上，将机器学习算法与传统计量经济模型相结合。机器学习算法在处理复杂数据和非线性关系方面具有独特优势，本研究运用支持向量机（SVM）、随机森林等机器学习算法对投资者情绪和市场收益进行建模和预测，并与传统计量经济模型的结果进行对比分析。通过这种方法，能够更准确地揭示投资者情绪与市场收益之间复杂的非线性关系，提高研究结果的准确性和预测能力。二、理论基础与文献综述2.1投资者情绪相关理论2.1.1行为金融理论行为金融理论是一门将心理学、行为科学与金融学相结合的交叉学科，它打破了传统金融理论中投资者完全理性的假设，认为投资者在决策过程中会受到各种心理因素和认知偏差的影响，从而导致投资行为的非理性，投资者情绪便是其中一个关键因素。有限理性是行为金融理论的重要基石之一。传统金融理论假设投资者具备完全理性，能够掌握所有信息，并对这些信息进行准确分析和处理，从而做出最优决策。然而，在现实的证券市场中，投资者的认知能力和信息处理能力是有限的。赫伯特・西蒙（HerbertSimon）提出的有限理性概念指出，由于受到时间、精力、知识水平以及信息获取成本等多方面的限制，投资者无法获取和处理所有相关信息，也难以对复杂的市场情况进行全面而准确的评估。他们往往只能在有限的信息范围内，基于自身的经验、直觉和简单的决策规则来做出投资决策。例如，在面对众多的股票投资选择时，投资者很难对每一家上市公司的财务状况、行业前景、管理层能力等进行深入细致的分析，更多时候是根据一些简单的指标或者他人的建议来做出投资决策，这就导致了投资者的决策往往并非是完全理性的最优决策。认知偏差是投资者在决策过程中偏离理性判断的系统性错误，它是导致投资者情绪产生和影响投资行为的重要原因。常见的认知偏差包括过度自信、损失厌恶、羊群效应、锚定效应、代表性偏差等。过度自信使得投资者高估自己的能力和判断，对投资风险估计不足。有研究表明，大部分投资者认为自己的投资能力高于平均水平，这种过度自信导致他们过度交易，频繁买卖股票，增加了交易成本，却往往难以获得预期的收益。损失厌恶指投资者对损失的敏感程度远远高于对收益的敏感程度，同等金额的损失带来的痛苦要大于收益带来的快乐。在投资中，投资者往往会为了避免损失而不愿意卖出已经亏损的股票，即使这些股票的基本面已经发生恶化，从而错失及时止损的机会；相反，在股票获得盈利时，投资者又倾向于过早卖出以锁定利润，错过了股票进一步上涨带来的收益。羊群效应则是指投资者在投资决策中，往往会受到其他投资者行为的影响，盲目跟随大众的投资决策，而忽视自己所掌握的信息和独立判断。在证券市场中，当市场出现上涨趋势时，大量投资者会跟风买入，推动股价进一步上涨；而当市场出现下跌时，投资者又会纷纷抛售股票，加剧市场的下跌幅度，这种羊群行为容易导致市场的过度波动。锚定效应使投资者在判断股票价格时，往往会过度依赖某个初始参考值（如股票的历史价格、分析师的预测价格等），并以此为基础进行调整，而对新的信息反应不足。比如，当一只股票的历史最高价为100元，即使当前公司的基本面已经发生了重大变化，投资者在对其进行估值时，仍然可能会受到100元这个锚定值的影响，难以对其进行合理的重新定价。代表性偏差是指投资者根据过去的经验和记忆，对当前的投资情境进行分类和判断，过度依赖过去的典型模式，而忽略了当前情境的特殊性和新信息。例如，投资者可能会因为某只股票在过去的一段时间内表现良好，就认为它在未来也会继续保持良好的表现，而忽视了市场环境和公司基本面的变化，从而做出错误的投资决策。这些认知偏差相互交织，共同影响着投资者的情绪和投资行为，进而对证券市场的价格波动和资源配置效率产生重要影响。2.1.2有效市场假说与投资者情绪有效市场假说（EfficientMarketsHypothesis，EMH）由美国经济学家尤金・法玛（EugeneF.Fama）于20世纪70年代正式提出，该理论在传统金融理论体系中占据着核心地位。有效市场假说认为，在一个有效的证券市场中，证券价格能够迅速、准确地反映所有可获得的信息，包括历史价格信息、公开的基本面信息以及内幕信息（在强式有效市场假设下）。这意味着投资者无法通过分析历史价格走势、研究公司基本面或者获取内幕信息来获得超额收益，因为市场价格已经充分反映了所有这些信息。根据信息的不同类型和市场对信息的反应程度，有效市场假说可分为三种形式：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，证券价格已经反映了所有历史交易信息，如过去的价格和成交量数据，因此技术分析（通过分析历史价格和成交量图表来预测未来价格走势的方法）是无效的；在半强式有效市场中，证券价格不仅反映了历史交易信息，还反映了所有公开的基本面信息，如公司财务报表、宏观经济数据等，此时基本面分析（通过分析公司的财务状况、行业竞争格局等基本面因素来评估股票价值的方法）也无法帮助投资者获得超额收益；在强式有效市场中，证券价格反映了所有公开和未公开的信息，包括内幕信息，这意味着即使拥有内幕信息的投资者也无法持续获得超额利润。有效市场假说的成立依赖于一系列严格的假设条件，包括投资者完全理性、信息完全对称、市场无摩擦（不存在交易成本和税收等）以及投资者能够迅速、准确地处理所有信息等。在这些假设条件下，市场能够实现资源的有效配置，价格围绕价值波动，市场处于均衡状态。然而，现实中的证券市场存在着许多与有效市场假说相悖的现象，这些现象被称为市场异常现象，而投资者情绪理论正是对这些异常现象的一种重要解释。投资者情绪理论认为，投资者并非完全理性，他们的情绪和认知偏差会导致投资行为的非理性，进而影响证券市场的价格波动。与有效市场假说中投资者完全理性、能够准确评估证券价值并做出最优决策的假设不同，投资者情绪理论强调投资者在决策过程中会受到各种情绪因素的影响，如恐惧、贪婪、乐观、悲观等。当投资者情绪高涨时，他们往往会过度乐观，对市场前景过于看好，从而高估证券的价值，大量买入股票，推动股价上涨；而当投资者情绪低落时，他们会过度悲观，对市场前景过于担忧，低估证券的价值，纷纷抛售股票，导致股价下跌。这种由于投资者情绪波动引起的股价波动并非基于证券的基本面价值变化，而是市场的非理性行为，与有效市场假说中价格反映所有信息的观点相矛盾。例如，在股票市场中，经常会出现一些股票价格的大幅波动，而这些波动无法用公司基本面的变化来解释。一些热门股票可能会因为投资者的过度追捧而出现价格泡沫，其价格远远高于其内在价值；而在市场恐慌时期，一些基本面良好的股票也可能会被投资者过度抛售，价格被严重低估。这些现象表明，投资者情绪在证券市场中起着重要作用，市场并非如有效市场假说所假设的那样完全有效。此外，有效市场假说假设信息能够迅速、准确地在市场中传播，所有投资者都能同时获得相同的信息并做出理性反应。但在现实中，信息的传播存在延迟和不对称性，不同投资者获取信息的能力和渠道不同，对信息的理解和解读也存在差异。投资者情绪会进一步加剧这种信息不对称和市场的非理性波动。一些投资者可能会根据自己的情绪和偏见对信息进行选择性关注和解读，从而做出错误的投资决策。而社交媒体和网络信息的快速传播，也使得投资者情绪的传播速度更快、范围更广，更容易引发市场的羊群行为和过度反应。综上所述，有效市场假说和投资者情绪理论在对投资者行为和市场有效性的假设上存在明显差异，投资者情绪理论为解释证券市场中的异常现象提供了新的视角和理论基础，弥补了有效市场假说在解释现实市场行为方面的不足。2.2投资者情绪测度方法的文献综述2.2.1直接测度法直接测度法主要通过问卷调查、访谈等方式，直接获取投资者对市场的看法、预期和情绪状态。这种方法能够较为直观地反映投资者的主观感受。问卷调查是直接测度法中最常用的手段之一。相关研究机构会定期向投资者发放问卷，询问他们对市场走势的预期、投资信心、风险偏好等问题。例如，美国的投资者智慧公司（InvestorsIntelligence）每周都会对市场分析师进行问卷调查，统计看涨、看跌和看平的分析师比例，以此构建投资者情绪指数。在国内，也有一些研究机构和金融媒体开展类似的调查，如上海证券报与申银万国证券联合发布的“投资者信心指数调查”，从多个维度了解投资者对市场的信心和情绪。问卷调查的优点在于能够直接获取投资者的情绪信息，调查内容可以根据研究目的进行灵活设计，能够深入了解投资者的心理状态和决策因素。然而，它也存在明显的局限性。样本的选取可能存在偏差，难以完全代表整个投资者群体，而且调查结果容易受到投资者主观因素的影响，如投资者可能出于自我保护或其他原因，提供不真实的回答。此外，问卷调查的实施成本较高，需要耗费大量的人力、物力和时间，调查频率也相对较低，无法及时反映投资者情绪的实时变化。访谈法也是直接测度投资者情绪的一种方式。研究人员通过与投资者进行面对面的交流，深入了解他们的投资决策过程、情绪变化以及对市场的看法。访谈可以采用结构化访谈、半结构化访谈或非结构化访谈的形式。结构化访谈有明确的问题和固定的流程，便于数据的整理和分析；半结构化访谈则在一定的框架下，允许研究人员根据访谈对象的回答进行适当追问；非结构化访谈更加灵活，主要围绕研究主题展开自由交流。访谈法的优势在于能够获取丰富的定性信息，深入挖掘投资者情绪背后的深层次原因，弥补问卷调查只能获取定量数据的不足。但是，访谈法也存在一些问题。访谈过程受到访谈者和被访谈者主观因素的影响较大，不同访谈者的提问方式和引导技巧可能导致结果的差异；访谈样本量通常较小，难以进行大规模的统计分析，研究结果的代表性有限；而且访谈的时间成本和人力成本较高，对访谈者的专业素质要求也比较高。2.2.2间接测度法间接测度法是利用市场交易数据、宏观经济数据以及互联网大数据等间接指标来推断投资者情绪。这种方法基于投资者的行为会在市场数据中留下痕迹的假设，通过分析这些数据来测度投资者情绪。利用市场交易数据是间接测度法中最常见的途径。成交量是一个重要的市场交易指标，许多研究表明，成交量与投资者情绪密切相关。当投资者情绪高涨时，市场交易活跃，成交量往往会大幅增加；而当投资者情绪低落时，交易清淡，成交量相应减少。例如，在牛市行情中，投资者普遍乐观，大量资金涌入市场，成交量持续放大；而在熊市中，投资者信心受挫，交易意愿下降，成交量萎缩。换手率也是常用的测度指标，它反映了股票在一定时间内转手买卖的频率。较高的换手率通常意味着投资者情绪较为活跃，市场交投热烈；反之，较低的换手率则表示投资者情绪相对冷淡，市场缺乏活力。此外，封闭式基金折价率也被广泛用于测度投资者情绪。封闭式基金的市场价格通常与其净值存在差异，当投资者情绪乐观时，对封闭式基金的需求增加，其市场价格可能高于净值，折价率缩小甚至出现溢价；当投资者情绪悲观时，对封闭式基金的需求减少，市场价格低于净值，折价率扩大。宏观经济数据也能在一定程度上反映投资者情绪。利率是宏观经济中的重要变量，它对投资者情绪有着显著影响。当利率下降时，投资者的融资成本降低，资金更倾向于流入证券市场，投资者情绪可能会变得乐观；相反，当利率上升时，融资成本增加，资金可能会从证券市场流出，投资者情绪趋于悲观。通货膨胀率也与投资者情绪相关，较高的通货膨胀率可能导致投资者对未来经济前景担忧，从而影响投资决策，使投资者情绪受到抑制；而较低的通货膨胀率则可能增强投资者的信心，提升投资者情绪。GDP增长率作为反映经济总体运行状况的指标，也会影响投资者情绪。当GDP增长率较高，经济处于快速发展阶段时，投资者对市场前景充满信心，情绪较为积极；当GDP增长率放缓，经济面临下行压力时，投资者情绪可能会变得消极。随着互联网技术的发展，互联网大数据为投资者情绪测度提供了新的视角和数据来源。社交媒体平台如微博、股吧、雪球等，汇聚了大量投资者的言论和交流信息。通过文本挖掘和情感分析技术，可以对这些平台上投资者的言论进行分析，判断其情绪倾向。例如，提取投资者言论中的关键词，利用情感词典对关键词进行情感赋值，进而计算出整体的情绪得分，以此来衡量投资者情绪的高低。搜索引擎数据也可用于测度投资者情绪，如百度指数、谷歌趋势等，通过分析投资者对特定金融词汇或股票名称的搜索热度，来推断投资者对相关资产的关注程度和情绪变化。互联网大数据具有数据量大、更新速度快、实时性强等优点，能够更及时、全面地反映投资者情绪的变化，但同时也面临数据质量参差不齐、数据处理难度大等问题，需要运用先进的数据挖掘和分析技术进行处理和分析。2.3投资者情绪对市场收益影响的文献综述2.3.1国外研究现状国外学者对投资者情绪与市场收益关系的研究起步较早，取得了丰硕的成果。早期研究中，DeLong、Shleifer、Summers和Waldmann（1990）提出噪声交易理论，指出投资者情绪会导致噪声交易者对股票价格产生错误预期，从而影响股票的市场价格和收益。他们认为噪声交易者的非理性情绪会使股票价格偏离其基本价值，增加市场的不确定性和波动性。这一理论为后续研究投资者情绪对市场收益的影响奠定了基础，引发了学界对投资者非理性行为在金融市场中作用的深入思考。随着研究的深入，学者们开始运用各种实证方法来验证投资者情绪与市场收益之间的关系。Baker和Wurgler（2006）构建了投资者情绪综合指数，通过对美国股市的研究发现，投资者情绪对股票收益具有显著影响，且这种影响在小市值股票和成长型股票上表现更为明显。在市场情绪高涨时，小市值股票和成长型股票的价格往往被高估，收益增加；而当市场情绪低落时，这些股票的价格更容易受到冲击，收益下降。他们的研究成果进一步证实了投资者情绪在市场收益中的重要作用，为投资者在不同市场情绪下进行资产配置提供了参考。不少学者从宏观经济环境和市场周期的角度分析投资者情绪对市场收益的影响。在经济扩张期，投资者情绪通常较为乐观，对市场收益的预期较高，这种乐观情绪会推动市场价格上涨，增加市场收益；而在经济衰退期，投资者情绪趋于悲观，市场收益也会受到负面影响。同时，在牛市和熊市不同的市场周期中，投资者情绪对市场收益的影响也存在差异。在牛市中，投资者情绪高涨，市场收益往往较好；而在熊市中，投资者情绪低落，市场收益较差，且投资者情绪的波动会加剧市场的下跌幅度。2.3.2国内研究现状国内学者对投资者情绪与市场收益关系的研究随着我国证券市场的发展而逐渐增多。李心丹等（2002）通过问卷调查的方式，对我国投资者的行为和情绪进行了研究，发现我国投资者存在明显的非理性行为，投资者情绪对投资决策有重要影响，进而影响市场收益。他们的研究为我国证券市场投资者情绪的研究提供了实证依据，揭示了我国投资者在决策过程中受情绪影响的现实情况。随后，许多学者从不同角度对投资者情绪与市场收益的关系进行了深入研究。王美今和孙建军（2004）运用主成分分析法构建了我国投资者情绪指数，实证研究表明投资者情绪与股票市场收益之间存在显著的正相关关系，投资者情绪的变化能够解释部分股票市场收益的波动。他们的研究方法和结论为后续相关研究提供了重要的借鉴，推动了我国投资者情绪研究的发展。随着互联网大数据技术的发展，国内学者开始尝试利用互联网数据来测度投资者情绪，并分析其对市场收益的影响。如赵龙凯和武康平（2014）利用股吧数据构建了投资者情绪指标，发现投资者情绪对股票收益具有显著的短期预测能力，且情绪指标与股票收益之间存在非线性关系。这种基于大数据的研究方法为投资者情绪的测度提供了新的视角和数据来源，能够更及时、准确地反映投资者情绪的变化，进一步丰富了我国投资者情绪与市场收益关系的研究。然而，目前国内研究仍存在一些不足之处。一方面，部分研究在投资者情绪指标的选取和构建上还不够完善，不同研究之间的指标差异较大，缺乏统一的标准和规范，导致研究结果的可比性和可靠性受到一定影响。另一方面，在研究投资者情绪对市场收益的影响机制时，多数研究仅考虑了单一因素或少数几个因素的作用，对宏观经济环境、政策因素、行业特征以及投资者结构等多因素的综合影响分析不够深入全面，未能充分揭示投资者情绪对市场收益影响的复杂机制。此外，针对我国证券市场中不同板块（如主板、创业板、科创板等）以及不同行业投资者情绪对市场收益影响的差异性研究还相对较少，无法满足投资者和市场参与者在不同市场环境下的投资决策需求。三、我国证券市场投资者情绪的测度3.1测度指标选取3.1.1直接指标直接指标主要通过问卷调查、访谈等方式直接获取投资者对市场的看法、预期和情绪状态，能直观反映投资者的主观感受。以央视看盘指数为例，它是基于投资者对未来走势判断的调查数据编制而成，是我国反映投资者情绪的重要直接指标之一。央视看盘指数通过对投资者进行调查，统计看涨、看跌和看平的投资者比例，以此来衡量投资者对市场的情绪倾向。当看涨投资者比例较高时，表明市场中投资者情绪较为乐观，对未来市场走势充满信心，预期股价将上涨，大量投资者可能会买入股票，推动市场交易活跃；反之，若看跌投资者比例占主导，说明投资者情绪悲观，对市场前景担忧，可能会选择抛售股票，导致市场交易清淡，股价下跌压力增大。例如，在2015年上半年牛市行情中，央视看盘指数显示看涨投资者比例持续上升，市场情绪高涨，投资者纷纷入场，推动上证指数在短时间内大幅上涨；而在2008年金融危机期间，看跌投资者比例急剧增加，投资者情绪极度悲观，市场恐慌性抛售严重，上证指数大幅下跌。央视看盘指数能够及时反映投资者情绪的变化，为市场参与者提供了直观的市场情绪参考，有助于投资者更好地把握市场走势，制定合理的投资策略。然而，直接指标也存在一定局限性，如样本选取可能存在偏差，无法完全代表整个投资者群体，调查结果易受投资者主观因素影响，且调查实施成本高、频率低，难以实时反映投资者情绪变化。3.1.2间接指标间接指标是利用市场交易数据、宏观经济数据以及互联网大数据等间接推断投资者情绪，基于投资者行为会在市场数据中留下痕迹的假设。封闭式基金折价率是常用的间接测度指标之一，它反映了封闭式基金的市场价格与其净值之间的差异。当投资者情绪乐观时，对封闭式基金的需求增加，愿意以较高价格购买，使得基金市场价格高于净值，折价率缩小甚至出现溢价；而当投资者情绪悲观时，对封闭式基金的需求减少，基金市场价格低于净值，折价率扩大。例如，在市场行情较好时，投资者普遍看好未来市场表现，对封闭式基金的投资热情高涨，导致其价格上升，折价率降低；相反，在市场低迷时期，投资者信心受挫，纷纷抛售封闭式基金，使其价格下跌，折价率进一步扩大。封闭式基金折价率的变化能够在一定程度上反映投资者情绪的波动，为研究投资者情绪提供了重要参考。新增开户数也是重要的间接指标，它反映了投资者参与市场的热情程度及其对证券投资的需求程度。当市场处于牛市或投资者对市场前景充满信心时，新增开户数通常会大幅增加，大量新投资者涌入市场，带来新的资金，推动市场交易活跃，股价上涨；而在熊市或市场前景不明朗时，新增开户数会减少，投资者持观望态度，市场交易相对清淡。比如，在2015年牛市初期，随着市场行情的启动，新增开户数急剧上升，许多投资者受市场赚钱效应吸引，纷纷开立证券账户，参与股票投资；而在市场下跌阶段，新增开户数明显下降，投资者对市场风险较为谨慎，开户意愿降低。新增开户数的变化与投资者情绪密切相关，能够直观地体现市场的热度和投资者的情绪状态，对研究投资者情绪对市场收益的影响具有重要意义。此外，成交量、换手率等市场交易指标也常被用于间接测度投资者情绪。成交量反映了市场上的交易活跃程度，当投资者情绪高涨时，市场交易活跃，成交量往往会大幅增加；反之，当投资者情绪低落时，交易清淡，成交量相应减少。换手率则体现了股票在一定时间内转手买卖的频率，较高的换手率通常意味着投资者情绪较为活跃，市场交投热烈；较低的换手率则表示投资者情绪相对冷淡，市场缺乏活力。这些间接指标从不同角度反映了投资者情绪的变化，为全面测度投资者情绪提供了丰富的数据支持。但间接指标也存在一定问题，市场表现受多种因素影响，难以准确地将投资者情绪从众多因素中分离出来，需要综合考虑多种因素进行分析。3.2测度模型构建3.2.1主成分分析法原理主成分分析法（PrincipalComponentAnalysis，PCA）是一种常用的多元统计分析方法，旨在通过降维技术将多个具有一定相关性的变量重新组合成一组较少个数的互不相关的综合指标，以达到简化数据结构、提取主要信息的目的。其基本思想源于对数据方差的分析，方差越大意味着该变量所包含的信息越多。在处理高维数据时，众多变量之间往往存在复杂的相关性，这不仅增加了数据分析的难度，还可能导致信息冗余和多重共线性等问题，影响模型的准确性和稳定性。主成分分析法能够有效地解决这些问题，通过寻找原始变量的线性组合，生成新的综合变量，即主成分。这些主成分不仅个数远远少于原始变量，而且能够保留原始变量的绝大部分信息，同时各主成分之间互不相关，避免了信息重叠。具体计算步骤如下：首先，对原始数据进行标准化处理，这是为了消除不同变量在量纲和数量级上的差异，使各变量具有同等的权重和可比性。设原始数据矩阵为X=(x_{ij})_{n\timesp}，其中n表示样本数量，p表示变量个数，x_{ij}表示第i个样本的第j个变量值。标准化公式为：z_{ij}=\frac{x_{ij}-\overline{x_j}}{s_j}，其中\overline{x_j}是第j个变量的均值，s_j是第j个变量的标准差。标准化后的数据矩阵为Z=(z_{ij})_{n\timesp}。接着，计算标准化数据矩阵Z的协方差矩阵R，协方差矩阵R反映了标准化后的数据之间相关关系的密切程度，其元素r_{ij}表示第i个变量和第j个变量之间的协方差，计算公式为：r_{ij}=\frac{1}{n-1}\sum_{k=1}^{n}(z_{ki}-\overline{z_i})(z_{kj}-\overline{z_j})，其中\overline{z_i}和\overline{z_j}分别是第i个和第j个标准化变量的均值。R是一个p\timesp的实对称矩阵，即r_{ij}=r_{ji}，因此只需计算其上三角元素或下三角元素即可。然后，求解协方差矩阵R的特征值\lambda_i（i=1,2,\cdots,p）和对应的特征向量e_i。特征值是各主成分的方差，其大小反映了各个主成分的影响力，特征向量则确定了主成分与原始变量之间的线性组合关系。通过求解特征方程|R-\lambdaI|=0，可得到p个特征值，将这些特征值按从大到小的顺序排列为\lambda_1\geq\lambda_2\geq\cdots\geq\lambda_p。确定主成分的个数。根据选取主成分个数的原则，通常要求特征值大于1，且累计方差贡献率达到80%-95%。主成分Z_i的贡献率\omega_i计算公式为：\omega_i=\frac{\lambda_i}{\sum_{j=1}^{p}\lambda_j}，累计贡献率为\sum_{i=1}^{m}\omega_i，其中m为主成分的个数。满足条件的特征值\lambda_1,\lambda_2,\cdots,\lambda_m所对应的特征向量e_1,e_2,\cdots,e_m，就确定了m个主成分。例如，若前三个主成分的累计方差贡献率达到了85%，且这三个主成分对应的特征值均大于1，那么就可以确定主成分个数为3。最后，构建主成分表达式。第i个主成分Z_i是原始变量X_1,X_2,\cdots,X_p的线性组合，表达式为Z_i=e_{i1}X_1+e_{i2}X_2+\cdots+e_{ip}X_p，其中e_{ij}是第i个特征向量的第j个分量。通过这些主成分表达式，可以将原始的高维数据转化为低维的主成分数据，实现数据的降维处理，同时保留了原始数据的主要信息，便于后续的数据分析和模型构建。3.2.2构建投资者情绪综合指数利用主成分分析法构建投资者情绪综合指数，能够克服单一指标测度投资者情绪的局限性，更全面、准确地反映投资者情绪的变化。在构建过程中，首先基于前文选取的直接指标（如央视看盘指数）和间接指标（如封闭式基金折价率、新增开户数、成交量、换手率等），收集这些指标在一定时间范围内的历史数据，确保数据的完整性和准确性。数据的时间跨度应足够长，以涵盖不同市场行情和投资者情绪状态，例如可以选取过去5-10年的月度或周度数据。对收集到的数据进行预处理，包括数据清洗，去除异常值和缺失值，确保数据质量；进行标准化处理，消除不同指标在量纲和数量级上的差异，使各指标具有同等的权重和可比性，标准化方法如前文所述。将预处理后的数据代入主成分分析法的计算步骤中。计算标准化数据矩阵的协方差矩阵，以揭示各指标之间的相关关系；求解协方差矩阵的特征值和特征向量，根据特征值大小和累计方差贡献率确定主成分的个数。假设经过计算，确定了3个主成分，它们的累计方差贡献率达到了85%，这意味着这3个主成分能够解释原始指标85%的信息。根据确定的主成分个数和对应的特征向量，构建主成分表达式。例如，第一个主成分Z_1可能是央视看盘指数、封闭式基金折价率和成交量等指标的线性组合，表达式为Z_1=0.3e_{11}X_{央视看盘指数}+0.2e_{12}X_{封闭式基金折价率}+0.4e_{13}X_{成交量}+\cdots，其中e_{1j}是第一个特征向量的第j个分量。同理，可以得到其他主成分的表达式。对各主成分进行加权求和，得到投资者情绪综合指数（ISI）。权重的确定可以根据各主成分的方差贡献率来分配，方差贡献率越大的主成分，其权重越高。例如，若第一个主成分的方差贡献率为40%，第二个主成分的方差贡献率为30%，第三个主成分的方差贡献率为15%，则投资者情绪综合指数的表达式为ISI=0.4Z_1+0.3Z_2+0.15Z_3。通过这样的方式构建的投资者情绪综合指数，综合考虑了多个反映投资者情绪的指标，能够更全面、准确地衡量投资者情绪的高低和变化趋势，为后续研究投资者情绪对市场收益的影响提供了更可靠的基础数据。3.3实证结果分析3.3.1数据选取与处理本研究的数据主要来源于权威金融数据平台，如万得（Wind）数据库、国泰安（CSMAR）数据库，部分宏观经济数据来自国家统计局、中国人民银行等官方网站。选取的数据涵盖了2010年1月至2024年12月期间我国证券市场的相关数据，包括市场交易数据（如股票价格、成交量、换手率等）、投资者情绪指标数据（如央视看盘指数、封闭式基金折价率、新增开户数等）以及宏观经济数据（如GDP增长率、通货膨胀率、利率等）。如此长的时间跨度能够充分反映我国证券市场在不同经济周期和市场环境下的表现，使研究结果更具普遍性和可靠性。在数据处理方面，首先对原始数据进行了清洗，通过设定合理的阈值和数据逻辑校验规则，识别并剔除了异常值和缺失值。例如，对于成交量数据，若某一天的成交量明显偏离历史均值且不符合市场正常波动范围，将其视为异常值进行处理；对于缺失值，根据数据的特点和分布情况，采用均值填充、中位数填充或线性插值等方法进行补充。经过清洗和预处理后，确保了数据的质量和完整性，为后续的分析提供可靠的数据基础。对数据进行了标准化处理，由于不同变量的量纲和数量级存在差异，如股票价格以元为单位，而成交量以股为单位，直接进行分析可能会导致某些变量的影响被高估或低估。为了消除这种差异，使各变量具有同等的权重和可比性，采用了Z-Score标准化方法，将每个变量的值转化为均值为0、标准差为1的标准分数，其公式为：z_{ij}=\frac{x_{ij}-\overline{x_j}}{s_j}，其中x_{ij}表示第i个样本的第j个变量值，\overline{x_j}是第j个变量的均值，s_j是第j个变量的标准差。通过标准化处理，提高了数据分析的准确性和模型的稳定性，避免了因变量量纲不同而带来的误差。3.3.2投资者情绪指数的计算与分析利用主成分分析法计算投资者情绪指数。如前文所述，对选取的直接指标（央视看盘指数）和间接指标（封闭式基金折价率、新增开户数、成交量、换手率等）进行预处理后，代入主成分分析模型。经计算，得到了主成分的特征值、贡献率和累计贡献率。假设前三个主成分的累计方差贡献率达到了85%，且特征值均大于1，符合主成分选取的标准。这三个主成分分别从不同角度反映了投资者情绪的变化，第一个主成分可能主要与市场交易活跃度相关，包含了成交量、换手率等指标的信息；第二个主成分可能更多地体现了投资者的预期和信心，与央视看盘指数、新增开户数等指标相关；第三个主成分则可能与市场的风险偏好有关，与封闭式基金折价率等指标相关。根据主成分表达式和各主成分的方差贡献率，计算得到投资者情绪综合指数（ISI）。对ISI进行分析，发现其呈现出明显的波动特征。在市场处于牛市阶段，如2014-2015年上半年，ISI持续上升，表明投资者情绪高涨，对市场前景充满信心，大量资金涌入市场，推动股市上涨。在2014年底，随着政策利好和经济形势的好转，投资者情绪迅速升温，ISI大幅上升，上证指数在短短几个月内从2000多点上涨至3000多点。而在熊市阶段，如2008年金融危机期间和2015年下半年-2016年初，ISI急剧下降，投资者情绪悲观，纷纷抛售股票，导致股市大幅下跌。2008年，受全球金融危机的影响，投资者对市场前景极度担忧，ISI一路走低，上证指数从年初的5000多点暴跌至年末的1600多点。此外，ISI还存在一些短期的波动，这些波动可能与市场突发事件、政策调整等因素有关。如某一时期监管部门出台了严厉的市场监管政策，可能会导致投资者情绪短暂波动，ISI出现小幅下降。通过对投资者情绪指数波动特征和变化趋势的分析，能够直观地了解投资者情绪在不同市场阶段的变化情况，为进一步研究投资者情绪对市场收益的影响提供了重要依据。四、投资者情绪对证券市场收益影响的实证分析4.1研究假设提出4.1.1投资者情绪与市场收益的正向关系假设基于行为金融理论和对证券市场的实际观察，提出假设H1：投资者情绪与证券市场收益之间存在正向关系。当投资者情绪高涨时，他们对市场前景充满信心，普遍预期证券价格将上涨，从而更倾向于买入证券。这种积极的投资行为会增加市场的需求，推动证券价格上升，进而提高市场收益。例如，在2014-2015年上半年的牛市行情中，投资者情绪极为乐观，大量资金涌入股市，推动上证指数在短时间内大幅上涨，市场收益显著增加。相反，当投资者情绪低落时，他们对市场前景感到担忧，预期证券价格下跌，会选择卖出证券或持币观望。这会导致市场供给增加，需求减少，证券价格下降，市场收益降低。如2008年金融危机期间，投资者情绪极度悲观，纷纷抛售股票，上证指数从年初的5000多点暴跌至年末的1600多点，市场收益大幅下降。从理论角度来看，投资者情绪通过影响投资者的买卖决策，进而改变市场的供求关系，最终对证券市场收益产生影响。在市场中，投资者并非完全理性，他们的情绪和认知偏差会导致投资行为的非理性。当投资者受到乐观情绪的影响时，往往会高估证券的价值，愿意以更高的价格买入，从而推动市场收益上升；而在悲观情绪的主导下，投资者会低估证券价值，急于卖出，导致市场收益下降。许多实证研究也支持了这一观点，国内外学者通过构建投资者情绪指数，并与市场收益指标进行相关性分析和回归分析，发现投资者情绪与市场收益之间存在显著的正相关关系。因此，假设H1具有一定的合理性和理论依据。4.1.2不同市场环境下的影响差异假设考虑到证券市场在不同环境下的运行特点和投资者行为的变化，提出假设H2：投资者情绪对证券市场收益的影响在不同市场环境下存在差异。在牛市环境中，市场整体呈现上涨趋势，投资者普遍乐观，积极参与市场交易。此时，投资者情绪对市场收益的正向影响可能更为显著。由于市场的赚钱效应明显，投资者的乐观情绪会进一步被放大，他们更愿意承担风险，加大投资力度，从而推动市场收益持续上升。以2015年上半年牛市为例，市场情绪高涨，投资者纷纷加杠杆买入股票，使得市场收益快速增长，许多股票价格在短期内翻倍。而在熊市环境中，市场持续下跌，投资者情绪悲观，交易活跃度降低。投资者情绪对市场收益的负面影响可能更为突出。在熊市中，投资者对市场失去信心，恐惧情绪蔓延，即使出现一些利好消息，也难以改变他们的悲观预期，往往会选择持币观望或抛售股票，导致市场收益进一步下降。2018年，A股市场处于熊市，投资者情绪低落，市场成交量持续低迷，股票价格不断下跌，市场收益表现不佳。在震荡市环境中，市场波动较大，投资者情绪也较为不稳定。此时，投资者情绪对市场收益的影响可能更为复杂，既可能因为投资者情绪的快速变化导致市场短期波动加剧，也可能由于市场缺乏明确趋势，投资者情绪对市场收益的影响相对减弱。例如，在某些震荡市阶段，投资者情绪可能会随着市场的短期涨跌而快速转变，导致市场交易频繁，但整体市场收益变化并不明显。不同市场环境下，宏观经济状况、政策导向、投资者结构等因素也会发生变化，这些因素与投资者情绪相互作用，共同影响市场收益。因此，假设H2认为投资者情绪对证券市场收益的影响在不同市场环境下存在差异，具有一定的合理性和现实依据。4.2模型设定与变量选择4.2.1计量模型设定为了深入探究投资者情绪对证券市场收益的影响，本研究构建多元线性回归模型。以市场收益率（R_{t}）作为被解释变量，用于衡量证券市场在t时期的收益情况，其计算方式通常为R_{t}=\frac{P_{t}-P_{t-1}}{P_{t-1}}，其中P_{t}表示t时期的证券市场价格指数（如上证指数、深证成指等），P_{t-1}表示上一时期的证券市场价格指数。投资者情绪指数（ISI_{t}）作为核心解释变量，它是通过主成分分析法构建而成，综合了多个反映投资者情绪的指标，能够较为全面、准确地衡量投资者在t时期的情绪状态。在控制变量方面，纳入了宏观经济变量和市场特征变量。宏观经济变量选取国内生产总值增长率（GDP_{t}），它反映了宏观经济的总体增长态势，对证券市场收益有着重要影响。一般来说，当GDP增长率较高时，经济处于繁荣阶段，企业盈利预期增加，证券市场收益往往较好；反之，GDP增长率较低时，经济增长放缓，证券市场收益可能受到抑制。通货膨胀率（CPI_{t}）也是重要的宏观经济变量，它衡量了物价水平的变化。较高的通货膨胀率可能导致企业成本上升，利润下降，同时也会影响投资者的实际收益，从而对证券市场收益产生负面影响；而较低的通货膨胀率则有利于证券市场的稳定和发展。利率（R_{t}^{interest}）同样被纳入控制变量，利率的变动会影响资金的流向和成本。当利率上升时，债券等固定收益类产品的吸引力增加，资金可能从证券市场流出，导致证券市场收益下降；反之，利率下降时，资金更倾向于流入证券市场，推动证券市场收益上升。市场特征变量选取市盈率（PE_{t}），它反映了股票价格与每股收益之间的关系，是衡量股票估值水平的重要指标。较高的市盈率可能意味着股票价格被高估，市场风险较大，未来收益可能受到影响；较低的市盈率则可能表示股票价格相对低估，具有一定的投资价值，对证券市场收益有积极影响。换手率（Turnover_{t}）也是重要的市场特征变量，它体现了股票在一定时间内转手买卖的频率，反映了市场的活跃程度。较高的换手率通常意味着市场交易活跃，投资者情绪较为高涨，可能对证券市场收益产生正向影响；而较低的换手率则表示市场交易清淡，可能对证券市场收益产生负面影响。构建的多元线性回归模型如下：R_{t}=\alpha_{0}+\alpha_{1}ISI_{t}+\alpha_{2}GDP_{t}+\alpha_{3}CPI_{t}+\alpha_{4}R_{t}^{interest}+\alpha_{5}PE_{t}+\alpha_{6}Turnover_{t}+\varepsilon_{t}其中，\alpha_{0}为常数项，\alpha_{1}-\alpha_{6}为各变量的回归系数，\varepsilon_{t}为随机误差项，代表模型中未考虑到的其他因素对市场收益率的影响。该模型能够综合考虑投资者情绪、宏观经济因素和市场特征因素对证券市场收益的影响，通过回归分析可以确定各因素对市场收益的影响方向和程度，为深入研究投资者情绪与证券市场收益之间的关系提供有力的工具。与其他模型相比，如简单线性回归模型，该多元线性回归模型能够控制更多的变量，更全面地分析影响市场收益的因素，提高研究结果的准确性和可靠性；与时间序列模型相比，它不仅能够分析变量随时间的变化趋势，还能探究不同变量之间的相互关系，更符合本研究的目的和需求。4.2.2变量定义与数据来源市场收益率（R_{t}）定义为证券市场价格指数在t时期相对于上一时期的变化率，如前文所述，计算公式为R_{t}=\frac{P_{t}-P_{t-1}}{P_{t-1}}。本研究选取上证指数作为证券市场价格指数的代表，数据来源于万得（Wind）数据库。上证指数是上海证券交易所编制的反映上海证券市场股票价格总体走势的指数，具有广泛的代表性和权威性，能够较好地反映我国证券市场的整体收益情况。投资者情绪指数（ISI_{t}）通过主成分分析法，基于前文选取的直接指标（央视看盘指数）和间接指标（封闭式基金折价率、新增开户数、成交量、换手率等）构建而成。这些指标的数据同样来源于万得（Wind）数据库和中国证券登记结算有限责任公司等权威机构。如央视看盘指数反映了投资者对市场走势的直接看法，其数据由相关调查机构发布并整理收录在专业金融数据库中；封闭式基金折价率、新增开户数、成交量、换手率等市场交易数据则是证券市场日常交易记录的统计结果，在万得（Wind）数据库中可获取到详细、准确的历史数据。通过主成分分析法对这些指标进行综合处理，得到能够全面反映投资者情绪的ISI指数，为研究投资者情绪对市场收益的影响提供关键变量。国内生产总值增长率（GDP_{t}）是指国内生产总值在t时期相对于上一时期的增长幅度，计算公式为GDP_{t}=\frac{GDP_{t}-GDP_{t-1}}{GDP_{t-1}}\times100\%，其中GDP_{t}和GDP_{t-1}分别表示t时期和上一时期的国内生产总值。数据来源于国家统计局官方网站，国家统计局负责对国内生产总值进行统计和发布，其数据具有权威性和可靠性，能够准确反映我国宏观经济的增长态势，为研究宏观经济因素对证券市场收益的影响提供重要依据。通货膨胀率（CPI_{t}）通常用居民消费价格指数（CPI）的变化率来衡量，计算公式为CPI_{t}=\frac{CPI_{t}-CPI_{t-1}}{CPI_{t-1}}\times100\%，其中CPI_{t}和CPI_{t-1}分别表示t时期和上一时期的居民消费价格指数。数据同样来源于国家统计局，居民消费价格指数是衡量通货膨胀水平的重要指标，通过国家统计局的统计和发布，能够及时、准确地反映物价水平的变化情况，对研究通货膨胀对证券市场收益的影响具有重要意义。利率（R_{t}^{interest}）选取一年期定期存款利率作为代表，它是金融市场中的重要利率指标，对资金的流向和成本有着重要影响。数据来源于中国人民银行官方网站，中国人民银行负责制定和调整利率政策，并发布相关利率数据。一年期定期存款利率的变化能够直观地反映货币政策的调整和市场资金的供求状况，为研究利率对证券市场收益的影响提供关键数据。市盈率（PE_{t}）是指股票价格与每股收益的比率，计算公式为PE_{t}=\frac{P_{t}}{EPS_{t}}，其中P_{t}为t时期的股票价格，EPS_{t}为t时期的每股收益。数据来源于万得（Wind）数据库，该数据库收录了大量上市公司的财务数据和市场交易数据，能够准确提供股票价格和每股收益的历史数据，通过计算得到的市盈率能够反映股票的估值水平，对研究市场特征因素对证券市场收益的影响具有重要作用。换手率（Turnover_{t}）定义为t时期内股票的成交量与流通股本的比率，计算公式为Turnover_{t}=\frac{Volume_{t}}{Shares_{t}}\times100\%，其中Volume_{t}为t时期的股票成交量，Shares_{t}为t时期的股票流通股本。数据来源于万得（Wind）数据库，换手率能够反映市场的交易活跃程度，通过该数据库提供的成交量和流通股本数据，可以准确计算出换手率，为研究市场活跃度对证券市场收益的影响提供有效变量。4.3实证结果与分析4.3.1描述性统计分析对所选取的变量进行描述性统计分析，结果如表1所示：变量观测值均值标准差最小值最大值市场收益率（R_{t}）1800.0050.032-0.1560.124投资者情绪指数（ISI_{t}）1800.0120.254-0.5630.687国内生产总值增长率（GDP_{t}）1800.0650.0180.0260.102通货膨胀率（CPI_{t}）1800.0210.015-0.0280.056利率（R_{t}^{interest}）1800.0300.0080.0150.045市盈率（PE_{t}）18018.565.4810.2335.67换手率（Turnover_{t}）1800.0280.0160.0050.062从表1可以看出，市场收益率的均值为0.005，表明在样本期内，我国证券市场平均每月有0.5%的收益率，但标准差为0.032，说明市场收益率波动较大，最大值为0.124，最小值为-0.156，反映出市场在不同时期的收益表现差异明显。投资者情绪指数的均值为0.012，标准差为0.254，表明投资者情绪存在较大波动，且取值范围较广，最小值为-0.563，最大值为0.687，说明投资者情绪在极度悲观和极度乐观之间变化。国内生产总值增长率均值为0.065，标准差为0.018，反映出我国经济在样本期内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0.021，标准差为0.015，说明物价水平相对稳定，但也有一定的起伏。利率均值为0.030，标准差为0.008，显示出利率在一定范围内波动。市盈率均值为18.56，标准差为5.48，表明市场整体估值水平存在一定波动。换手率均值为0.028，标准差为0.016，说明市场交易活跃度存在差异。通过描述性统计分析，初步了解了各变量的基本特征和分布情况，为后续的相关性分析和回归分析奠定了基础。4.3.2相关性分析对各变量进行相关性分析，结果如表2所示：变量R_{t}ISI_{t}GDP_{t}CPI_{t}R_{t}^{interest}PE_{t}Turnover_{t}R_{t}1ISI_{t}0.356**1GDP_{t}0.284**0.198*1CPI_{t}-0.175*-0.1320.0851R_{t}^{interest}-0.225**-0.210**-0.156*0.236**1PE_{t}0.258**0.234**0.187*-0.112-0.148*1Turnover_{t}0.327**0.385**0.205**-0.162*-0.208**0.267**1注：*表示在5%的水平下显著，**表示在1%的水平下显著。从表2可以看出，投资者情绪指数与市场收益率的相关系数为0.356，在1%的水平下显著正相关，初步验证了假设H1，即投资者情绪与证券市场收益之间存在正向关系。当投资者情绪高涨时，市场收益率也较高；当投资者情绪低落时，市场收益率较低。国内生产总值增长率与市场收益率、投资者情绪指数均呈正相关关系，且在1%或5%的水平下显著，说明宏观经济增长对市场收益和投资者情绪有积极影响。通货膨胀率与市场收益率呈负相关关系，在5%的水平下显著，表明较高的通货膨胀率可能对市场收益产生负面影响。利率与市场收益率、投资者情绪指数均呈负相关关系，且在1%的水平下显著，说明利率上升会导致市场收益下降，投资者情绪也会受到抑制。市盈率与市场收益率、投资者情绪指数呈正相关关系，在1%或5%的水平下显著，反映出市场估值水平与市场收益和投资者情绪的关联。换手率与市场收益率、投资者情绪指数呈正相关关系，在1%的水平下显著，表明市场交易活跃度与市场收益和投资者情绪密切相关。相关性分析结果初步揭示了各变量之间的关系，为进一步的回归分析提供了参考。4.3.3回归结果分析运用多元线性回归模型对数据进行回归分析，结果如表3所示：|变量|系数|标准误|t值|P>|t|||----|----|----|----|----|||变量|系数|标准误|t值|P>|t|||----|----|----|----|----|||----|----|----|----|----|||ISI_{t}|0.032**|0.012|2.67|0.008|||GDP_{t}|0.025*|0.013|1.92|0.056|||CPI_{t}|-0.018*|0.010|-1.80|0.074|||R_{t}^{interest}|-0.022**|0.009|-2.44|0.015|||PE_{t}|0.008*|0.004|2.00|0.046|||Turnover_{t}|0.020**|0.007|2.86|0.004||常数项|-0.035|0.020|-1.75|0.082|||常数项|-0.035|0.020|-1.75|0.082|||R^{2}|0.456|||||调整后的|调整后的R^{2}|0.423|||||F值|13.82**|||||F值|13.82**||||注：*表示在5%的水平下显著，**表示在1%的水平下显著。从表3的回归结果来看，投资者情绪指数（ISI_{t}）的系数为0.032，在1%的水平下显著，这进一步验证了假设H1，即投资者情绪与证券市场收益之间存在正向关系。投资者情绪指数每上升1个单位，市场收益率将提高0.032个单位，说明投资者情绪对市场收益有显著的正向影响，投资者情绪的高涨会推动市场收益的增加。国内生产总值增长率（GDP_{t}）的系数为0.025，在5%的水平下显著，表明宏观经济增长对市场收益有正向影响。当国内生产总值增长率提高时，企业盈利预期增加，市场投资机会增多，从而带动市场收益上升。通货膨胀率（CPI_{t}）的系数为-0.018，在5%的水平下显著，说明通货膨胀率与市场收益呈负相关关系。较高的通货膨胀率会增加企业成本，降低企业利润，同时也会影响投资者的实际收益，导致市场收益下降。利率（R_{t}^{interest}）的系数为-0.022，在1%的水平下显著，表明利率上升会使市场收益下降。利率的上升会增加企业融资成本，减少投资项目的吸引力，同时也会使债券等固定收益类产品的吸引力增加，资金从证券市场流出，导致市场收益降低。市盈率（PE_{t}）的系数为0.008，在5%的水平下显著，说明市盈率与市场收益呈正相关关系。较高的市盈率意味着市场对股票的估值较高，投资者对股票的预期收益也较高，从而推动市场收益上升。换手率（Turnover_{t}）的系数为0.020，在1%的水平下显著，表明市场交易活跃度与市场收益呈正相关关系。较高的换手率反映出市场交易活跃，投资者参与度高，市场流动性好，有利于市场收益的增加。回归结果还显示，模型的R^{2}为0.456，调整后的R^{2}为0.423，说明模型对市场收益率的解释能力较强，能够解释市场收益率42.3%-45.6%的变化。F值为13.82，在1%的水平下显著，表明模型整体是显著的，即自变量对因变量有显著影响。为了进一步验证假设H2，即投资者情绪对证券市场收益的影响在不同市场环境下存在差异，将样本期分为牛市、熊市和震荡市三个子样本进行回归分析。结果发现，在牛市环境下，投资者情绪指数的系数为0.056，在1%的水平下显著，且系数绝对值大于全样本回归结果，表明在牛市中，投资者情绪对市场收益的正向影响更为显著。在熊市环境下，投资者情绪指数的系数为-0.048，在1%的水平下显著，说明在熊市中，投资者情绪对市场收益的负面影响较为突出。在震荡市环境下，投资者情绪指数的系数为0.025，在5%的水平下显著，其系数绝对值相对较小，表明在震荡市中，投资者情绪对市场收益的影响相对较弱。这一结果验证了假设H2，即投资者情绪对证券市场收益的影响在不同市场环境下存在差异。4.3.4稳健性检验为了验证实证结果的可靠性，进行了一系列稳健性检验。采用不同的样本区间进行回归分析，将样本期缩短为2012年1月至2022年12月，重新计算各变量并进行回归。结果显示，投资者情绪指数与市场收益率仍然在1%的水平下显著正相关，各控制变量的系数符号和显著性水平与原样本回归结果基本一致。替换变量度量方法，用深证成指收益率代替上证指数收益率作为市场收益率的衡量指标，重新构建投资者情绪指数，选取其他相关指标进行主成分分析。回归结果表明，投资者情绪对市场收益的正向影响依然显著，各控制变量的影响方向和显著性也未发生明显变化。运用不同的模型设定进行检验，采用固定效应模型和随机效应模型代替原有的多元线性回归模型。固定效应模型考虑了个体固定效应，能够控制不可观测的个体异质性对结果的影响；随机效应模型则假设个体异质性与解释变量不相关。回归结果显示，在不同模型设定下，投资者情绪与市场收益率的关系依然稳健，进一步验证了实证结果的可靠性。通过以上稳健性检验，表明本研究的实证结果是可靠的，投资者情绪与证券市场收益之间存在显著的正向关系，且在不同市场环境下影响存在差异这一结论具有较强的稳定性。五、影响机制分析5.1基于行为金融学的分析5.1.1过度反应与反应不足理论过度反应与反应不足理论是行为金融学中解释投资者情绪对证券市场收益影响的重要理论。过度反应是指投资者对某一信息或事件的发生做出了比正常反应更加剧烈的反应。在证券市场中，当新消息公布后，股票价格往往会剧烈变动，超过预期的价格水平，然后再以反向修正的形式回复到其应有的价格水平。例如，一家公司发布了超出市场预期的业绩报告，投资者可能会过度乐观，认为公司未来业绩将持续高速增长，从而大量买入该公司股票，导致股价大幅上涨，远远超过基于公司基本面应有的价格水平。然而，随着时间的推移，投资者逐渐冷静下来，对公司的业绩增长预期进行理性调整，股价又会逐渐回调，向其真实价值回归。这种过度反应现象的产生，主要源于投资者的认知偏差和情绪因素。投资者在面对新信息时，往往会受到代表性偏差和可得性偏差的影响。代表性偏差使投资者根据过去的经验和记忆，对当前的投资情境进行分类和判断，过度依赖过去的典型模式，而忽略了当前情境的特殊性和新信息。当一家公司过去业绩一直良好，投资者就会认为它在未来也会继续保持良好的表现，即使新的业绩报告可能存在一些偶然因素，他们也会过度解读为公司竞争力的持续增强，从而做出过度反应。可得性偏差则使投资者更容易根据容易获得的信息来做出决策，而忽略了其他重要信息。当市场上大量传播关于某公司的利好消息时，投资者更容易关注到这些消息，而对公司可能存在的潜在风险和问题视而不见，进而导致过度反应。反应不足指人们对新信息反应迟钝，无论消息利好利空，都得不到投资者的反应，或反映微弱。股票价格在一定时间内沿着原方向继续运动，缓慢加以修正，逐步向均衡方向靠拢。比如，一家公司发布了一项重大的技术突破消息，但由于市场对该技术的应用前景存在疑虑，投资者可能对这一利好消息反应不足，股价没有出现应有的上涨，而是在一段时间内继续维持原来的走势。随着时间的推移，市场逐渐认识到该技术的价值，股价才开始缓慢上升，向合理价值回归。反应不足的原因主要包括锚定效应和保守主义偏差。锚定效应使投资者在判断股票价格时，往往会过度依赖某个初始参考值（如股票的历史价格、分析师的预测价格等），并以此为基础进行调整，而对新的信息反应不足。如果一只股票的历史价格一直较为稳定，投资者在面对新的利好消息时，可能仍然以历史价格为锚，对股价的上涨预期较低，从而反应不足。保守主义偏差则使投资者倾向于维持原有的观点和判断，不愿意轻易改变，对新信息的接受速度较慢。当市场出现新的变化时，投资者可能由于保守主义偏差，继续按照原来的思维方式和投资策略进行操作，对新信息反应迟钝，导致股票价格反应不足。过度反应和反应不足都会导致股票价格偏离其内在价值，从而影响证券市场的收益和资源配置效率。了解这些理论，有助于投资者更好地理解市场波动，避免因自身的认知偏差和情绪因素而做出错误的投资决策。5.1.2羊群效应的作用羊群效应是指投资者在决策过程中，倾向于模仿他人的行为，而不是基于自身的独立分析和判断。在证券市场中，羊群效应表现得尤为明显，它对投资者情绪影响市场收益起着重要作用。当市场中一部分投资者开始买入或卖出某只股票时，其他投资者往往会受到影响，不假思索地跟随他们的行动。这种从众行为在牛市中表现为投资者纷纷跟风买入股票，推动股价不断上涨，形成市场的非理性繁荣；在熊市中则表现为投资者恐慌性抛售股票，加剧市场的下跌幅度。2015年上半年牛市期间，互联网金融概念火爆，大量投资者受羊群效应影响，盲目跟风买入相关股票，即使这些股票的估值已经远远超出其合理范围，仍然不断涌入，导致股价持续攀升，形成严重的价格泡沫。而在2015年下半年股市下跌时，投资者又因恐惧和从众心理，纷纷抛售股票，进一步推动股价下跌，市场陷入恐慌性抛售的恶性循环。羊群效应的产生主要源于信息不对称和投资者的心理因素。在信息不对称的情况下，投资者往往难以获取全面准确的信息，他们会认为跟随大多数人的决策是一种相对安全的策略。当市场上出现大量投资者买入某只股票的情况时，其他投资者会认为这些投资者掌握了自己所不知道的利好信息，从而选择跟风买入。投资者的心理因素如恐惧、贪婪和追求安全感等也会导致羊群效应的出现。在市场上涨时，投资者害怕错过赚钱机会，受到贪婪心理的驱使，盲目跟风买入；在市场下跌时，投资者又担心自己遭受损失，出于恐惧和寻求安全感的心理，跟随其他投资者抛售股票。羊群效应会导致市场的过度波动，使股票价格偏离其真实价值，影响市场的资源配置效率。大量投资者的跟风行为会使市场交易过度集中于某些热门股票或板块，而一些具有投资价值但不被市场关注的股票则被忽视，导致市场资源配置不合理。羊群效应还会放大投资者情绪对市场收益的影响，加剧市场的不稳定。因此，投资者应努力提升自身的金融知识水平，培养独立思考和分析的能力，避免受到羊群效应的过度影响，做出理性的投资决策。五、影响机制分析5.2从市场微观结构角度分析5.2.1投资者情绪对交易行为的影响投资者情绪对交易行为有着显著的影响，这种影响主要体现在买卖决策和交易频率等方面。当投资者情绪乐观时，他们往往对市场前景充满信心，预期股票价格将上涨，从而更倾向于买入股票。这种积极的情绪会促使投资者忽视一些潜在的风险，甚至可能过度投资。例如，在牛市行情中，投资者普遍乐观，大量资金涌入股市，推动股价不断上涨。许多投资者受到市场乐观情绪的感染，纷纷跟风买入股票，即使这些股票的估值已经偏高，他们也愿意冒险投资，期望在股价进一步上涨中获利。在2015年上半年的牛市中，互联网金融概念火爆，投资者对相关股票充满信心，大量买入，导致这些股票价格大幅上涨，市盈率居高不下。相反，当投资者情绪悲观时，他们对市场前景感到担忧，预期股票价格下跌，会选择卖出股票或持币观望。这种消极情绪会使投资者过度关注市场的负面信息，对风险过度敏感，从而错失一些投资机会。在熊市中，投资者情绪低落，恐惧情绪蔓延，纷纷抛售股票，导致股价进一步下跌。在2008年金融危机期间，投资者对市场失去信心，恐慌性抛售股票，许多股票价格暴跌，即使一些公司的基本面并没有发生重大变化，其股票价格也受到了严重的打压。投资者情绪还会影响交易频率。当投资者情绪高涨时，他们的交易意愿增强，认为市场充满机会，会频繁地买卖股票。这种频繁交易不仅增加了交易成本，还可能导致投资者因为过度交易而做出错误的决策。一些投资者在情绪激动时，会盲目跟风，频繁追涨杀跌，结果往往是高买低卖，遭受损失。而当投资者情绪低落时，交易频率会降低，投资者持观望态度，市场交易相对清淡。在市场震荡时期，投资者情绪不稳定，对市场走势缺乏信心，交易频率也会受到影响，市场成交量可能会出现明显的下降。投资者的恐惧和贪婪情绪也会对交易行为产生重要影响。恐惧情绪会使投资者在市场下跌时急于抛售股票，以避免进一步的损失；贪婪情绪则会使投资者在市场上涨时过度追高，期望获得更高的收益。在投资中，投资者往往会受到恐惧和贪婪情绪的驱使，做出非理性的交易决策。当市场出现大幅下跌时，恐惧会驱使投资者匆忙抛售资产，以避免进一步的损失，这种行为往往导致投资者在市场底部卖出，错过后续的反弹机会；而当市场处于上升趋势时，贪婪会使投资者过度乐观，忽视风险，盲目追高，他们可能会投入过多资金，甚至使用杠杆来获取更高的回报，然而，市场行情难以预测，一旦市场反转，贪婪的投资者往往会遭受巨大的损失。5.2.2交易行为对市场价格和收益的传导投资者交易行为的变化会通过供求关系等因素对市场价格和收益产生重要的传导作用。当投资者情绪乐观，大量买入股票时，市场需求增加，而股票的供给在短期内相对稳定，根据供求原理，需求的增加会推动股票价格上涨。股票价格的上涨会导致市场收益率上升，投资者的财富增加，进一步增强他们的乐观情绪，吸引更多的投资者