百度指数视角下投资者关注度对创业板市场表现的影响探究

百度指数视角下投资者关注度对创业板市场表现的影响探究一、引言1.1研究背景与意义1.1.1研究背景在我国资本市场不断发展与完善的进程中，创业板作为重要组成部分，扮演着不可或缺的角色。创业板主要为暂时无法在主板上市的创业型企业、中小企业和高科技产业企业等提供融资途径和成长空间。自2009年10月30日创业板正式开板以来，经过多年发展，已经汇聚了大量具有高成长潜力和创新能力的企业。截至2024年，创业板上市公司数量众多，涵盖了新一代信息技术、生物医药、新能源、新材料等多个战略性新兴产业领域，这些企业在推动产业升级、促进科技创新以及带动就业等方面发挥了积极作用，成为我国经济增长和结构调整的重要力量，对资本市场的稳定和发展有着深远影响。股票市场中，投资者关注度是影响股票市场表现的关键因素之一。行为金融学理论指出，由于投资者的时间和精力有限，在面对海量信息时，往往只能关注部分信息并据此做出投资决策。投资者对某只股票的关注程度变化，会导致其买卖行为的改变，进而对股票的供求关系和价格走势产生作用。当投资者对某股票关注度提高时，会加大对该股票相关信息的搜集和分析，一旦获取到利好信息，就可能增加对该股票的购买，促使股价上升；反之，若关注到负面信息，则可能抛售股票，引起股价下跌。随着互联网的飞速发展，搜索引擎成为人们获取信息的重要工具。百度作为国内最大的搜索引擎之一，拥有庞大的用户基础和丰富的数据资源。百度指数能够反映用户在百度搜索引擎上对特定关键词的搜索热度，通过对股票名称或代码等相关关键词搜索量的统计，可以有效衡量投资者对股票的关注度。运用百度指数来研究投资者关注度对股票市场表现的影响，为投资者提供了新的分析视角和数据支持，有助于更深入地理解股票市场的运行机制。1.1.2研究意义本研究具有多方面的重要意义，无论是对投资者、市场监管者还是学术界都能提供有价值的参考。对于投资者而言，深入了解投资者关注度与股票市场表现之间的关系，有助于其更准确地把握股票价格走势，制定更为合理的投资策略。通过对百度指数所反映的投资者关注度进行分析，投资者能够及时捕捉到市场热点和投资机会。当某只创业板股票的百度指数短期内大幅上升，意味着投资者对其关注度急剧提高，可能预示着该股票即将迎来价格波动，投资者可根据自身风险偏好和投资目标，提前做好买入、卖出或持仓调整等决策。此外，投资者关注度的变化还能反映市场情绪，帮助投资者判断市场趋势，避免盲目跟风投资，降低投资风险，提高投资收益。从市场监管者的角度来看，研究投资者关注度对股票市场表现的影响，为其实施有效的市场监管提供了有力依据。监管部门可以通过监测百度指数等指标，实时掌握投资者的关注动态和市场情绪变化。当发现某类股票或整个创业板市场的投资者关注度异常波动时，监管部门能够及时介入，进行调查和分析，判断是否存在市场操纵、信息披露违规等问题，从而采取相应的监管措施，维护市场的公平、公正和透明，保障广大投资者的合法权益，促进创业板市场的健康、稳定发展。在学术研究领域，本研究丰富和拓展了行为金融学和资本市场领域的研究内容。以往关于投资者关注度与股票市场表现的研究，在研究方法、样本选取和数据来源等方面存在一定局限性。本研究基于百度指数这一独特的数据来源，以创业板数据为样本进行实证分析，为该领域的研究提供了新的数据和实证证据，有助于深化对投资者行为和股票市场运行规律的认识，进一步完善相关理论体系，为后续研究提供有益的参考和借鉴。1.2研究内容与方法1.2.1研究内容本研究聚焦于基于百度指数的投资者关注度对创业板股票市场表现的影响，从多维度展开深入研究。首先，进行数据收集与处理。全面收集创业板股票的相关数据，涵盖股票价格、成交量、公司财务报表等方面，这些数据是衡量股票市场表现的基础指标。同时，借助百度指数平台，获取与创业板股票相关的关键词搜索热度数据，以此精准度量投资者关注度。由于原始数据可能存在噪声、缺失值等问题，需运用数据清洗技术，如去除异常值、填补缺失数据等，确保数据的准确性和完整性，为后续分析提供可靠的数据基础。其次，对投资者关注度与股票市场表现进行描述性统计分析。详细计算并分析百度指数的均值、中位数、标准差等统计量，深入了解投资者关注度的整体水平、集中趋势以及波动程度。对于股票市场表现，同样计算股票收益率、成交量的均值、中位数、标准差等，全面掌握股票价格波动和交易活跃程度的特征。通过绘制折线图、柱状图等可视化图表，直观展示投资者关注度和股票市场表现随时间的变化趋势，初步判断两者之间可能存在的关联。再者，构建实证模型进行深入分析。基于行为金融学理论和已有研究成果，选取合适的变量构建回归模型，以严谨探究投资者关注度与股票市场表现之间的定量关系。将股票收益率或成交量作为被解释变量，百度指数作为核心解释变量，同时纳入公司规模、市盈率、市净率等控制变量，以排除其他因素对股票市场表现的干扰。运用最小二乘法、面板数据模型等计量经济学方法对模型进行估计和检验，通过分析回归系数的显著性和正负方向，明确投资者关注度对股票市场表现的影响方向和程度。此外，为确保研究结果的可靠性和稳定性，进行一系列稳健性检验，如替换变量、改变样本区间、采用不同的估计方法等，观察实证结果是否保持一致。最后，依据实证分析结果提出切实可行的建议。从投资者角度出发，基于研究结论为投资者提供科学的投资策略建议。例如，若研究发现投资者关注度对股票收益率具有显著的正向影响，投资者可关注百度指数的变化，在关注度上升初期适时买入股票；若发现存在滞后效应，可根据关注度的变化提前布局。对于市场监管者，根据研究结果提出针对性的监管建议，以维护市场的稳定和公平。若发现投资者关注度异常波动可能引发市场风险，监管部门应加强对市场信息披露的监管，防止虚假信息传播，避免投资者盲目跟风，维护市场的正常秩序。1.2.2研究方法为确保研究的科学性和严谨性，本研究综合运用多种研究方法，从不同角度深入探究基于百度指数的投资者关注度对创业板股票市场表现的影响。一是文献研究法。全面梳理国内外关于投资者关注度、股票市场表现以及两者关系的相关文献资料。通过对经典理论和前沿研究成果的深入学习，如行为金融学中关于投资者有限关注的理论，了解已有研究在该领域的主要观点、研究方法和研究结论。分析前人研究的优势与不足，找出研究的空白点和可拓展方向，为本研究提供坚实的理论基础和研究思路借鉴，避免重复研究，确保研究的创新性和价值。二是数据收集法。通过多种渠道广泛收集所需数据。从金融数据提供商，如万得（Wind）数据库、东方财富Choice数据等，获取创业板股票的历史价格、成交量、财务指标等详细数据，这些数据能够准确反映股票的市场表现和公司基本面情况。同时，利用百度指数官方平台，按照特定的搜索规则和时间区间，收集与创业板股票名称、代码等相关关键词的搜索热度数据，以此精确衡量投资者关注度。在数据收集过程中，严格遵循数据采集标准和规范，确保数据的准确性、完整性和一致性，为后续的实证分析提供可靠的数据支持。三是实证分析法。运用计量经济学方法构建严谨的实证模型，深入分析投资者关注度与股票市场表现之间的内在关系。基于行为金融学理论和相关研究假设，确定模型的变量设置，将股票收益率、成交量等作为被解释变量，以反映股票市场表现；将百度指数作为核心解释变量，代表投资者关注度；同时选取公司规模、市盈率、市净率等作为控制变量，以排除其他因素对股票市场表现的干扰。采用多元线性回归模型、面板数据模型等方法对模型进行估计和检验，运用统计软件如Stata、Eviews等进行数据分析，通过分析回归系数的显著性、正负方向以及拟合优度等指标，准确判断投资者关注度对股票市场表现的影响方向和程度。此外，通过进行一系列稳健性检验，如替换变量、改变样本区间、采用不同的估计方法等，验证研究结果的可靠性和稳定性，确保研究结论的可信度。1.3研究创新点本研究在研究对象、研究视角和研究方法等方面具有显著的创新之处，为投资者关注度与股票市场表现关系的研究提供了新的思路和方法。在研究对象上，本研究专注于创业板市场。创业板汇聚了众多具有高成长潜力和创新能力的企业，与主板市场相比，其企业特征、投资者结构和市场运行机制存在诸多差异。过往研究多以整个A股市场或主板股票为对象，对创业板市场的针对性研究相对匮乏。本研究聚焦创业板，深入剖析投资者关注度对创业板股票市场表现的影响，有助于揭示创业板市场独特的运行规律，为创业板投资者和监管者提供更具针对性的决策依据，填补了该领域在创业板研究方面的部分空白。研究视角上，本研究将投资者关注度与多种影响股票市场表现的因素相结合进行综合分析。以往研究大多仅关注投资者关注度与股票市场表现的单一关系，较少考虑其他因素的协同作用。本研究在探究投资者关注度对股票收益率、成交量等市场表现指标影响的同时，纳入公司规模、市盈率、市净率等公司基本面因素，以及市场整体走势、宏观经济环境等宏观因素，全面考察这些因素的交互影响，更准确地揭示股票市场表现的影响机制，为投资者提供更全面的投资分析视角，使研究结果更具现实指导意义。在研究方法上，本研究采用了新的数据处理和分析方法。利用百度指数衡量投资者关注度，相较于传统的投资者关注度衡量指标，百度指数具有数据量大、实时性强、覆盖面广等优势，能更精准地反映投资者的关注动态。在数据处理过程中，运用先进的数据挖掘和清洗技术，对原始数据进行深度处理，有效去除噪声和异常值，提高数据质量。在实证分析中，除运用常规的计量经济学方法外，还尝试采用机器学习算法等新兴方法进行模型构建和预测分析，挖掘数据中更复杂的非线性关系，提升研究的深度和准确性，为该领域的研究方法创新做出了积极探索。二、文献综述2.1投资者关注度相关研究投资者关注度是行为金融学领域的重要研究内容，它反映了投资者对特定股票或市场信息的关注程度。在现实投资中，由于时间、精力和认知资源的限制，投资者无法对所有信息进行全面分析和处理，只能将注意力集中在部分信息上，这种有限关注会显著影响投资者的决策行为，进而对股票市场产生作用。在投资者关注度的衡量指标方面，众多学者进行了广泛探索。早期研究中，一些学者采用媒体报道数量来衡量投资者关注度。如Fang和Peress研究发现，媒体对某股票的报道数量越多，该股票受到投资者关注的程度越高，媒体报道起到了传播信息、吸引投资者注意力的作用。然而，媒体报道存在一定的主观性和选择性，可能无法完全准确地反映投资者的真实关注程度。随着互联网技术的发展，搜索引擎数据逐渐成为衡量投资者关注度的重要指标。其中，百度指数因其具有数据量大、实时性强、覆盖面广等优势，被众多学者广泛应用。宋双杰等利用百度指数研究发现，百度指数所反映的投资者关注度与股票收益之间存在显著的正相关关系，百度指数的变化能够有效预测股票价格的短期波动。此外，还有学者运用股票的成交量、换手率等交易数据来衡量投资者关注度。如Gervais等指出，成交量的变化可以反映投资者对股票的关注程度，成交量的大幅增加往往意味着投资者关注度的提高，进而可能引发股票价格的波动。在投资者关注度对股票市场的影响方面，已有研究表明，投资者关注度对股票价格走势、成交量以及市场波动等都具有重要影响。在股票价格走势方面，俞庆进和张兵通过实证研究发现，投资者关注度的提高会导致股票价格短期内上涨，这是因为投资者在关注到某股票后，会增加对该股票的需求，从而推动股价上升。但从长期来看，随着市场信息的逐渐充分和投资者理性的回归，股价可能会逐渐调整到合理水平。在成交量方面，大量研究表明投资者关注度与成交量之间存在正相关关系。当投资者对某股票关注度提高时，会更积极地参与该股票的交易，从而导致成交量增加。例如，赵龙凯等的研究发现，投资者关注度的变化能够显著影响股票的成交量，且这种影响在不同市场环境下具有一定的稳定性。在市场波动方面，一些学者认为投资者关注度的变化会加剧市场波动。当投资者对某股票或整个市场的关注度发生大幅波动时，会引发投资者情绪的不稳定，导致市场买卖行为的剧烈变化，进而加剧市场的波动性。但也有学者持不同观点，认为投资者关注度的提高有助于市场信息的传播和消化，能够降低信息不对称程度，从而在一定程度上稳定市场波动。2.2百度指数在金融市场研究中的应用百度指数是以百度海量网民行为数据为基础的数据分享平台，它能够反映用户对特定关键词的搜索热度和关注度。其原理是通过对百度搜索引擎中用户搜索行为数据的收集和分析，统计出特定关键词在一定时间范围内的搜索频次，并经过加权计算得出相应的指数值。该指数值的高低直观体现了用户对该关键词的关注程度，数值越高，表明用户搜索量越大，关注度也就越高。百度指数不仅涵盖了PC端搜索数据，还包含移动端搜索数据，数据更新及时，能为用户提供自2006年6月至今任意时间段的PC搜索指数，以及2011年1月至今的移动端无线搜索指数，全面、动态地展现关键词搜索趋势的变化。在金融市场研究领域，百度指数得到了广泛应用，为深入理解金融市场的运行机制和投资者行为提供了有力支持。一方面，百度指数可用于衡量投资者关注度。投资者在进行投资决策前，往往会通过搜索引擎获取相关股票的信息，其搜索行为能真实反映对股票的关注程度。众多研究表明，百度指数与投资者关注度之间存在显著的正相关关系。当投资者对某只股票的关注度提高时，会在百度搜索引擎上频繁搜索该股票的相关信息，从而使对应的百度指数上升。例如，宋双杰等学者以中国A股市场为研究对象，利用百度指数衡量投资者关注度，发现百度指数的变化与股票收益之间存在紧密联系，百度指数的上升往往伴随着股票收益的增加。李晓等人采用百度指数衡量个体投资者关注，通过构造衡量个体投资者羊群效应强弱的指标，对中国A股市场进行实证研究，结果表明个体投资者关注度对股票市场羊群效应具有显著的正向影响。这充分说明百度指数能够有效反映投资者关注度，为研究投资者行为和市场现象提供了可靠的数据指标。另一方面，百度指数在预测股票市场走势方面也发挥着重要作用。由于投资者关注度的变化会直接影响股票的供求关系，进而对股票价格走势产生作用，因此通过分析百度指数的变化趋势，能够对股票市场走势进行有效预测。一些研究通过构建基于百度指数的预测模型，发现百度指数在预测股票短期价格波动方面具有较高的准确性。当某只股票的百度指数短期内急剧上升时，预示着投资者对该股票的关注度大幅提高，市场需求可能增加，推动股票价格上涨；反之，若百度指数持续下降，则可能暗示投资者关注度降低，股票价格可能面临下行压力。此外，百度指数还可与其他市场指标相结合，共同构建更全面、准确的股票市场预测模型。例如，将百度指数与宏观经济指标、公司财务指标等相结合，综合分析这些因素对股票市场的影响，能更精准地预测股票市场走势，为投资者提供更具参考价值的投资决策依据。2.3投资者关注度对股票市场表现影响的研究现状投资者关注度对股票市场表现的影响是金融领域的重要研究课题，国内外学者从不同角度、运用多种方法进行了广泛研究，取得了丰硕成果。国外学者较早开始关注这一领域。DellaVigna和Pollet通过对美国股票市场的研究发现，投资者关注度与股票收益之间存在显著的正相关关系。他们以公司盈利公告为事件研究窗口，发现当盈利公告发布时，投资者关注度提高，股票价格会出现显著的正向反应，且这种反应在短期内尤为明显。Barber和Odean基于美国个人投资者的交易数据研究表明，投资者往往更倾向于购买受到较高关注度的股票，这种关注驱动的购买行为会推动股票价格上涨。他们进一步分析发现，投资者关注度高的股票在短期内的交易量和换手率也较高，市场活跃度增加。国内学者在借鉴国外研究的基础上，结合中国股票市场的特点，对投资者关注度与股票市场表现的关系进行了深入探讨。俞庆进和张兵以中国A股市场为样本，运用媒体报道数量作为投资者关注度的衡量指标，研究发现投资者关注度对股票收益率具有显著的正向影响。在高关注度时期，股票收益率明显高于低关注度时期，且这种影响在小盘股和成长型股票中更为显著。宋双杰等利用百度指数衡量投资者关注度，对中国A股市场进行实证研究，结果表明百度指数所反映的投资者关注度与股票收益之间存在显著的正相关关系，且这种关系在控制了其他影响因素后依然稳健。赵龙凯等从成交量的角度研究投资者关注度对股票市场表现的影响，发现投资者关注度的提高会显著增加股票的成交量，成交量的变化又会对股票价格产生影响。在不同市场环境下，投资者关注度对股票市场表现的影响存在差异。在牛市行情中，投资者整体情绪较为乐观，对股票的关注度普遍较高，此时投资者关注度的增加对股票价格上涨的推动作用更为明显。当市场处于牛市时，投资者对利好信息更为敏感，一旦某只股票受到较高关注，投资者往往会积极买入，推动股价持续上升。而在熊市行情中，投资者情绪较为悲观，对风险更为谨慎，即使某股票的关注度提高，投资者也可能因市场整体环境不佳而谨慎投资，股票价格上涨的动力相对较弱。在市场波动较大时，投资者关注度的变化对股票市场表现的影响更为复杂。市场的不确定性增加，投资者的决策更容易受到情绪和关注度的影响，可能导致股票价格出现大幅波动。不同样本特征下，投资者关注度对股票市场表现的影响也有所不同。从公司规模来看，对于小盘股，由于其流通股本较小，市场操纵相对容易，投资者关注度的变化对其股票价格和成交量的影响更为显著。小盘股的股价更容易受到资金的推动，当投资者关注度提高时，少量资金的流入就可能引发股价的大幅上涨。而大盘股由于市值较大，股价相对稳定，投资者关注度的变化对其影响相对较小。从行业角度分析，新兴行业的股票往往具有较高的成长性和不确定性，投资者对其关注度较高，关注度的变化对股票市场表现的影响也更为明显。新兴行业的发展前景不明朗，投资者对相关信息的关注度较高，一旦有新的技术突破或政策利好消息，投资者关注度的提升会迅速反映在股票价格和成交量上。而传统行业的股票，由于行业发展相对成熟，投资者关注度的变化对其市场表现的影响相对较为平稳。2.4文献评述现有研究在投资者关注度对股票市场表现影响方面取得了丰富成果，但仍存在一些不足之处，有待进一步完善和拓展。首先，在研究对象上，虽然已有研究覆盖了不同股票市场，但对创业板市场的针对性研究相对较少。创业板市场具有独特的企业特征、投资者结构和市场运行机制，与主板市场存在明显差异。创业板上市公司大多为成长型中小企业，具有高成长性和高风险性，其股票价格波动更为频繁，投资者结构中个人投资者占比较高，投资行为更易受到情绪和关注度的影响。以往研究多以整个A股市场或主板股票为对象，难以准确揭示创业板市场中投资者关注度与股票市场表现的关系，因此，针对创业板市场的深入研究具有重要的理论和实践意义。其次，在研究因素的综合分析方面存在欠缺。已有研究主要聚焦于投资者关注度与股票市场表现的单一关系，较少考虑其他因素对两者关系的协同影响。实际上，股票市场表现受到多种因素的共同作用，除投资者关注度外，公司基本面因素如公司规模、盈利能力、财务杠杆等，以及宏观经济因素如经济增长、利率水平、通货膨胀等，都会对股票市场表现产生重要影响。在不同的市场环境下，这些因素之间的相互作用更为复杂，仅研究投资者关注度与股票市场表现的关系，无法全面准确地揭示股票市场表现的影响机制。因此，未来研究应综合考虑多种因素，深入分析它们之间的交互作用，以更全面地理解股票市场的运行规律。最后，在研究方法和模型上，虽然现有研究运用了多种计量经济学方法，但仍存在一定的局限性。部分研究采用的模型相对简单，未能充分考虑变量之间的非线性关系和动态变化，可能导致研究结果的偏差。随着大数据、人工智能等技术的飞速发展，新的数据来源和研究方法不断涌现，如机器学习算法、深度学习模型等，这些方法能够更好地处理复杂的数据和非线性关系，挖掘数据中的潜在信息。未来研究可尝试引入这些新方法和模型，以提升研究的准确性和深度。同时，在数据的选取和处理上，也可进一步拓展数据来源，提高数据质量，为研究提供更有力的数据支持。三、理论基础3.1有效市场假说有效市场假说（EfficientMarketsHypothesis，EMH）是现代金融理论的重要基石，由萨缪尔森于1965年率先提出，1970年尤金・法玛（EugeneF.Fama）对其进行深化并明确定义。该假说认为，在一个充满信息交流和信息竞争的证券市场中，价格能够完全反映所有可得信息，投资者无法通过分析历史数据或其他方法获得超额收益。这一理论对金融市场的运行机制和投资者行为有着深远的影响，为研究股票市场提供了重要的理论框架。有效市场假说的成立依赖于三个重要前提。首先，投资者的行为都是理性的。即他们会根据所有可用的信息做出决策，并且会追求最大化自己的效益。这意味着投资者在决策过程中会全面考虑所有的风险和回报，不受情绪或认知偏差的影响，能够准确评估股票的内在价值，并据此进行投资决策。其次，非理性行为是随机发生的，彼此会抵消。当部分投资者表现出非理性行为时，他们的交易行为呈现出随机性，这些非理性交易之间会相互抵消，尽管会引起大量的市场交易，但不会对资产价格产生显著影响。即使投资者的非理性行为并非完全随机且具有一定相关性，套利的力量仍然可以使市场恢复效率。在套利和市场竞争的作用下，理性交易者会迅速消除非理性交易者引起的价格偏离现象，使资产价格回归到基本价值，从而维持资本市场的有效性。最后，市场信息是完全公开的，投资者可以无成本地获取和利用这些信息。在有效市场中，不存在信息不对称的情况，所有投资者都能平等地获取与股票相关的各种信息，包括历史价格、成交量、公司财务状况、宏观经济数据等，这使得投资者无法凭借信息优势获得超额利润。根据信息的不同类型和市场对信息的反映程度，有效市场假说可以分为三种形态：弱式有效市场假说、半强式有效市场假说以及强式有效市场假说。弱式有效市场假说认为，市场价格已充分反映出所有过去历史的证券价格信息，包括股票的成交价、成交量、卖空金额、融资金额等。在这种市场形态下，投资者无法通过分析历史价格走势获得超额收益，因为所有的历史价格信息都已经反映在当前的股票价格中。技术分析是通过研究历史价格和成交量等数据来预测股票未来价格走势的方法，但在弱式有效市场中，技术分析失去了作用，因为历史价格走势并不能为投资者提供关于未来价格的有效预测信息。然而，基本分析还可能帮助投资者获得超额利润，因为基本分析关注的是公司的基本面信息，如盈利能力、财务状况、行业前景等，这些信息可能尚未完全反映在股票价格中。半强式有效市场假说指出，市场价格不仅反映了历史价格信息，还充分反映出所有已公开的有关公司营运前景的信息，这些信息包括成交价、成交量、盈利资料、盈利预测值、公司管理状况及其它公开披露的财务信息等。在半强式有效市场中，投资者一旦获得这些公开信息，股价应该迅速作出反应。这意味着投资者无法通过利用公开信息进行基本面分析来获得超额收益，因为市场已经对这些公开信息进行了充分的消化和反映。然而，内幕消息可能帮助投资者获得超额利润，因为内幕消息是未公开的信息，尚未被市场价格所反映。强式有效市场假说认为，价格已充分地反映了所有关于公司营运的信息，这些信息包括已公开的或内部未公开的信息。在强式有效市场中，没有任何方法能帮助投资者获得超额利润，即使是拥有内部信息的基金和投资者也无法利用内幕信息获取额外收益。因为市场对所有信息都能迅速、准确地做出反应，任何信息一旦产生，都会立即反映在股票价格中，使得投资者无法通过信息优势获取超额回报。有效市场假说与投资者关注度和股票市场表现之间存在着密切的关系。从理论上来说，在有效市场中，投资者关注度的变化不应该对股票市场表现产生影响，因为股票价格已经充分反映了所有可得信息，投资者的关注与否并不会改变股票的内在价值。然而，在现实的股票市场中，由于存在信息不对称、投资者非理性等因素，市场并非完全有效。投资者关注度的变化会导致投资者对股票信息的获取和分析发生改变，进而影响投资者的买卖决策，最终对股票市场表现产生作用。当投资者对某只股票的关注度提高时，会加大对该股票相关信息的搜索和分析，可能会发现一些尚未被市场充分反映的信息，从而导致对该股票的需求发生变化，引起股票价格和成交量的波动。因此，研究投资者关注度对股票市场表现的影响，有助于深入理解股票市场的运行机制，揭示市场中存在的非有效性因素。3.2行为金融理论行为金融理论是在对传统金融理论的反思和挑战中逐渐发展起来的，它打破了传统金融理论中关于投资者完全理性和市场完全有效的假设，从心理学、社会学等多学科角度研究投资者行为和金融市场现象，为理解金融市场提供了全新的视角。行为金融理论的主要观点与传统金融理论存在显著差异。传统金融理论基于有效市场假说和理性人假设，认为投资者能够理性地处理信息，准确评估资产价值，并在市场中做出最优决策。市场价格能够充分反映所有可得信息，投资者无法通过分析历史数据或其他方法获得超额收益。然而，行为金融理论认为，投资者并非完全理性，在投资决策过程中会受到各种认知偏差和情绪因素的影响。这些因素导致投资者的决策并非完全基于理性的分析和判断，而是存在系统性的偏差，进而对金融市场的价格形成和波动产生影响。投资者的认知偏差是行为金融理论关注的重要内容之一。认知偏差是指人们在处理信息、做出判断和决策时，由于受到自身认知局限、情绪、经验等因素的影响，而偏离理性轨道，导致判断失误或行为偏差。在投资领域，常见的认知偏差包括过度自信、代表性偏差、确认偏误、损失厌恶等。过度自信是指投资者对自己的判断能力和投资技能过度高估，这种自信往往使投资者忽视市场的风险和不确定性，过度交易或持有高风险资产，最终导致投资失败。一些投资者在分析股票走势时，过度相信自己的分析能力，认为自己能够准确预测股票价格的未来走势，从而盲目进行投资操作，结果却因市场的复杂性和不确定性而遭受损失。代表性偏差是指投资者容易根据过去的表现简单推断未来，看到某股票近期连续涨停，就认为它会一直涨下去，忽视了其他重要因素，追高买入后可能被深度套牢。确认偏误是指投资者倾向于寻找、解释或记住信息来支持自己的原有观点，而忽视或否定与自己观点相悖的信息。这种偏差导致投资者在投资决策时过于乐观或悲观，难以客观分析市场变化。损失厌恶是指投资者对损失的厌恶程度远高于对收益的喜爱程度，这使得投资者在面临亏损时更加焦虑，而在盈利时则相对冷静。投资者往往更倾向于避免损失，而不是追求收益，这在一定程度上限制了他们的投资选择和决策灵活性。例如，投资者可能会过早卖出盈利股票锁定利润，却长期持有亏损股票不愿止损，错过更好的投资机会。投资者的情绪对投资决策也有着重要影响。在股票市场中，投资者的情绪会随着市场行情的变化而波动，这种情绪波动会直接影响他们的投资决策。当市场出现利好信息时，投资者的乐观情绪会导致股价上涨；反之，当市场出现利空信息时，投资者的悲观情绪会导致股价下跌。群体心理在股票市场中也发挥着重要作用。当大多数投资者都对某个股票或者整个市场持乐观态度时，这种乐观情绪会形成一种自我实现的循环，推动股价进一步上涨；相反，群体的恐慌情绪也会导致市场的恐慌性抛售。在股票市场的牛市行情中，投资者普遍表现出乐观情绪，纷纷买入股票，推动股价不断攀升；而在熊市行情中，投资者的恐慌情绪蔓延，大量抛售股票，导致股价持续下跌。投资者的认知偏差和情绪对股票市场表现有着多方面的影响。这些因素会导致股票价格偏离其内在价值，使市场价格出现波动和异常。由于投资者的过度自信和羊群效应，可能会导致股票价格在短期内过度上涨或下跌，形成价格泡沫或价值低估。当投资者对某只股票过度乐观时，会大量买入该股票，推动股价大幅上涨，使其价格远远高于其内在价值，形成价格泡沫；一旦市场情绪发生转变，投资者开始抛售股票，股价又会迅速下跌，导致投资者遭受损失。投资者的认知偏差和情绪还会影响股票市场的成交量和流动性。当投资者情绪高涨时，会积极参与股票交易，导致成交量增加，市场流动性增强；而当投资者情绪低落时，会减少股票交易，导致成交量减少，市场流动性减弱。在市场行情火爆时，投资者的交易热情高涨，股票成交量大幅增加，市场流动性良好；而在市场低迷时，投资者交易意愿下降，股票成交量萎缩，市场流动性变差。投资者的认知偏差和情绪还会影响市场的稳定性和效率。如果市场中存在大量非理性的投资者，他们的行为可能会引发市场的过度波动，降低市场的稳定性和资源配置效率。因此，深入研究投资者的认知偏差和情绪对股票市场表现的影响，对于理解股票市场的运行机制、制定合理的投资策略以及加强市场监管都具有重要意义。3.3信息不对称理论信息不对称理论是指在市场经济活动中，各类人员对有关信息的了解存在差异；掌握信息比较充分的人员，往往处于比较有利的地位，而信息贫乏的人员，则处于比较不利的地位。这一理论由乔治・阿克洛夫（GeorgeAkerlof）、迈克尔・斯宾塞（MichaelSpence）和约瑟夫・斯蒂格利茨（JosephStiglitz）三位美国经济学家在20世纪70年代提出，他们因此共同荣获2001年诺贝尔经济学奖。信息不对称理论对经济学、管理学等领域产生了深远影响，为理解市场行为、企业决策和资源配置提供了重要的分析视角。在股票市场中，信息不对称现象广泛存在，主要体现在以下几个方面。一是上市公司与投资者之间的信息不对称。上市公司的管理层掌握着公司的真实经营状况、财务信息、发展战略等内部信息，而投资者只能通过公司公开披露的报告、公告等获取有限的信息。管理层可能出于自身利益考虑，对信息进行有选择性的披露，甚至隐瞒或歪曲重要信息，导致投资者无法准确了解公司的真实情况，从而影响投资决策。二是机构投资者与个人投资者之间的信息不对称。机构投资者通常拥有专业的研究团队、先进的信息分析技术和广泛的信息渠道，能够获取更多的市场信息和内幕消息。相比之下，个人投资者在信息获取和分析能力上相对较弱，主要依赖公开信息进行投资决策。这种信息不对称使得机构投资者在市场中具有更大的优势，可能利用信息优势进行套利，损害个人投资者的利益。三是不同个人投资者之间也存在信息不对称。一些经验丰富、知识水平较高的投资者能够更敏锐地捕捉和分析信息，而部分缺乏投资知识和经验的投资者则可能对信息的理解和把握不足。对宏观经济数据、行业动态等信息的解读能力不同，会导致投资者在投资决策上的差异，进而影响投资收益。信息不对称对投资者决策和股票市场表现有着多方面的重要影响。一方面，它会导致投资者决策偏差。由于信息不对称，投资者难以准确评估股票的真实价值，容易受到虚假信息、噪音信息的干扰，从而做出错误的投资决策。当投资者获取的信息不充分或不准确时，可能会高估或低估股票的价值，导致投资过度或不足。在上市公司隐瞒负面信息的情况下，投资者可能会因对公司前景过于乐观而买入股票，当负面信息最终披露时，股票价格可能大幅下跌，投资者遭受损失。另一方面，信息不对称会加剧股票市场的波动性。当市场中存在信息不对称时，投资者对股票的预期和判断存在差异，导致买卖行为的不一致。这种不一致会引发股票价格的大幅波动，增加市场的不确定性。部分投资者获取到利好信息后大量买入股票，而另一部分投资者因信息不对称未及时跟进，当利好信息被市场充分消化后，股价可能迅速回调，导致市场波动加剧。信息不对称还会影响股票市场的资源配置效率。在理想的有效市场中，资金会流向价值被低估的股票，实现资源的最优配置。但由于信息不对称，股票价格可能无法真实反映其内在价值，导致资金流向不合理，影响市场的资源配置功能。一些业绩不佳的公司可能因信息披露问题或投资者的认知偏差，获得过多的资金支持，而一些具有潜力的公司却因信息不对称难以获得足够的资金，阻碍了市场的健康发展。四、研究设计4.1数据来源与样本选择本研究的数据主要来源于两个关键渠道，即专业的金融数据库和百度指数平台，以此获取全面、准确的创业板股票数据和投资者关注度数据。在创业板股票数据方面，主要从万得（Wind）数据库和东方财富Choice数据这两个权威的金融数据提供商处获取。万得数据库作为国内领先的金融数据平台，涵盖了全球金融市场的各类数据，包括股票的历史价格、成交量、股本结构、财务报表等详细信息。东方财富Choice数据同样提供了丰富的金融数据资源，其数据覆盖面广、更新及时，能为研究提供全面、准确的股票市场数据支持。通过这两个数据库，收集了2010年1月1日至2023年12月31日期间所有在创业板上市交易的股票的每日收盘价、开盘价、最高价、最低价、成交量、成交额等交易数据，以及公司的财务报表数据，如营业收入、净利润、总资产、净资产等，这些数据为衡量股票市场表现提供了基础信息。投资者关注度数据则来源于百度指数平台。百度指数是基于百度搜索引擎的海量搜索数据，通过特定算法计算得出的反映用户对关键词搜索热度的指标。在百度指数平台上，以创业板股票的名称和代码作为关键词进行搜索，获取每个交易日对应的搜索指数数据。这些数据能够直观地反映投资者在百度搜索引擎上对创业板股票的关注程度，为研究投资者关注度提供了直接的数据支持。为确保研究结果的可靠性和有效性，对样本进行了严格的筛选。首先，剔除了在研究期间内上市不足30个交易日的股票，因为新上市股票的价格和成交量往往受到较多的市场炒作和短期波动影响，数据的稳定性较差，可能会对研究结果产生干扰。剔除了被ST（SpecialTreatment）和*ST（退市风险警示）的股票，这些股票通常存在财务状况异常或其他重大风险，其市场表现与正常股票存在较大差异，会影响研究结果的准确性。还剔除了数据缺失值超过10%的股票，数据缺失过多会影响模型的估计和分析结果，降低研究的可靠性。经过上述筛选过程，最终得到了1500只创业板股票作为研究样本，这些样本股票在研究期间内具有相对稳定的市场表现和完整的数据记录，能够较好地代表创业板市场的整体情况。4.2变量定义与度量4.2.1被解释变量本研究选用股票收益率、成交量和波动率作为衡量股票市场表现的被解释变量，从不同维度全面反映股票市场的运行状况。股票收益率是衡量股票投资收益的关键指标，能够直观体现股票价格的涨跌变化，反映投资者在一定时期内的投资回报情况。采用对数收益率进行度量，计算公式为：R_{i,t}=\ln(P_{i,t})-\ln(P_{i,t-1})，其中R_{i,t}表示第i只股票在第t期的对数收益率，P_{i,t}表示第i只股票在第t期的收盘价，P_{i,t-1}表示第i只股票在第t-1期的收盘价。对数收益率具有可加性，能更准确地反映股票价格的连续变化，在金融分析中被广泛应用。成交量反映了股票在市场上的交易活跃程度，是衡量市场参与者买卖意愿的重要指标。较高的成交量通常意味着市场对该股票的关注度较高，交易活跃，市场流动性较好；反之，成交量较低则可能表示市场对该股票的兴趣不足，交易相对冷清。直接采用股票的每日成交股数作为成交量的度量指标，用Volume_{i,t}表示第i只股票在第t期的成交量。波动率用于衡量股票价格的波动程度，反映股票投资的风险水平。股票价格波动越剧烈，说明投资风险越高；反之，价格波动较小则风险相对较低。采用历史波动率进行度量，计算方法如下：首先计算股票在一段时间内（如n天）的每日对数收益率R_{i,t}，公式同前；然后计算这些对数收益率的标准差，即波动率\sigma_{i}，计算公式为\sigma_{i}=\sqrt{\frac{1}{n-1}\sum_{t=1}^{n}(R_{i,t}-\overline{R_{i}})^2}，其中\overline{R_{i}}表示第i只股票在该时间段内对数收益率的平均值。历史波动率基于实际的历史交易数据，直观且易于理解，能够较好地反映股票价格过去的波动情况。4.2.2解释变量将百度指数作为衡量投资者关注度的解释变量。百度指数是基于百度搜索引擎的海量搜索数据，通过特定算法计算得出的反映用户对关键词搜索热度的指标。以创业板股票的名称和代码作为关键词在百度指数平台上进行搜索，获取的搜索指数数据能够直观地反映投资者在百度搜索引擎上对该股票的关注程度。百度指数作为投资者关注度代理变量具有合理性。在信息时代，互联网成为投资者获取信息的主要渠道之一，而搜索引擎是投资者查找股票相关信息的重要工具。百度作为国内最大的搜索引擎，拥有庞大的用户基础，其搜索数据能够广泛涵盖各类投资者的关注行为。当投资者对某只创业板股票产生兴趣时，往往会通过百度搜索该股票的相关信息，如公司业绩、行业动态、市场分析等，搜索量的增加直接导致百度指数上升，因此百度指数能够有效反映投资者对股票的关注度变化。在计算百度指数时，采用一定时间窗口内的平均值作为该时间段内投资者关注度的度量指标。对于日度数据，计算过去5个交易日的百度指数平均值，用Baidu_{i,t}表示第i只股票在第t期的百度指数均值，公式为Baidu_{i,t}=\frac{1}{5}\sum_{j=t-4}^{t}Baidu_{i,j}，其中Baidu_{i,j}表示第i只股票在第j期的百度指数。采用平均值可以平滑数据的短期波动，更准确地反映投资者关注度的长期趋势。4.2.3控制变量为准确探究投资者关注度对股票市场表现的影响，排除其他因素的干扰，选取公司规模、财务杠杆、盈利能力等作为控制变量。公司规模对股票市场表现具有重要影响。规模较大的公司通常具有更稳定的经营状况、更广泛的市场份额和更强的抗风险能力，其股票价格相对较为稳定；而规模较小的公司可能具有更高的成长性，但也伴随着更高的风险，股票价格波动可能更为剧烈。采用公司的总资产的自然对数来衡量公司规模，用Size_{i,t}表示第i只股票在第t期的公司规模，公式为Size_{i,t}=\ln(TotalAsset_{i,t})，其中TotalAsset_{i,t}表示第i家公司在第t期的总资产。取自然对数可以使数据更符合正态分布，便于后续的统计分析。财务杠杆反映了公司的债务融资水平，对股票市场表现产生影响。较高的财务杠杆意味着公司面临较大的债务压力和财务风险，可能会导致股票价格的波动；而适当的财务杠杆可以为公司提供资金支持，促进公司发展，对股票价格产生积极影响。采用资产负债率来衡量财务杠杆，用Lev_{i,t}表示第i只股票在第t期的财务杠杆，公式为Lev_{i,t}=\frac{TotalDebt_{i,t}}{TotalAsset_{i,t}}，其中TotalDebt_{i,t}表示第i家公司在第t期的总负债。资产负债率能够直观地反映公司负债占总资产的比例，是衡量公司财务杠杆的常用指标。盈利能力是公司价值的重要体现，直接影响投资者对公司的信心和股票市场表现。盈利能力较强的公司通常能够吸引更多的投资者，推动股票价格上涨；而盈利能力不佳的公司可能导致投资者抛售股票，使股票价格下跌。采用净资产收益率（ROE）来衡量盈利能力，用ROE_{i,t}表示第i只股票在第t期的盈利能力，公式为ROE_{i,t}=\frac{NetProfit_{i,t}}{ShareholdersEquity_{i,t}}，其中NetProfit_{i,t}表示第i家公司在第t期的净利润，ShareholdersEquity_{i,t}表示第i家公司在第t期的股东权益。净资产收益率反映了公司运用股东权益获取利润的能力，是评估公司盈利能力的核心指标之一。此外，还考虑市场整体走势对股票市场表现的影响，引入市场收益率作为控制变量。采用创业板综合指数的收益率来衡量市场收益率，用R_{m,t}表示第t期的市场收益率，计算方法与股票收益率类似，即R_{m,t}=\ln(P_{m,t})-\ln(P_{m,t-1})，其中P_{m,t}表示创业板综合指数在第t期的收盘价，P_{m,t-1}表示创业板综合指数在第t-1期的收盘价。市场收益率能够反映整个创业板市场的涨跌情况，控制该变量可以排除市场系统性风险对个股市场表现的影响。4.3模型构建为深入探究投资者关注度对股票市场表现的影响，构建多元线性回归模型进行实证分析。基于前文对变量的定义与度量，分别以股票收益率、成交量和波动率作为被解释变量，以百度指数作为核心解释变量，同时纳入公司规模、财务杠杆、盈利能力、市场收益率等控制变量，构建如下三个回归模型：模型一：投资者关注度对股票收益率的影响模型R_{i,t}=\beta_0+\beta_1Baidu_{i,t}+\beta_2Size_{i,t}+\beta_3Lev_{i,t}+\beta_4ROE_{i,t}+\beta_5R_{m,t}+\epsilon_{i,t}其中，R_{i,t}表示第i只股票在第t期的对数收益率，用于衡量股票市场表现；Baidu_{i,t}表示第i只股票在第t期的百度指数均值，作为投资者关注度的代理变量；Size_{i,t}表示第i只股票在第t期的公司规模，以公司总资产的自然对数衡量；Lev_{i,t}表示第i只股票在第t期的财务杠杆，用资产负债率度量；ROE_{i,t}表示第i只股票在第t期的盈利能力，通过净资产收益率体现；R_{m,t}表示第t期的市场收益率，采用创业板综合指数的收益率衡量；\beta_0为常数项，\beta_1至\beta_5为各变量的回归系数，反映了相应变量对股票收益率的影响程度；\epsilon_{i,t}为随机误差项，代表模型中未被解释的其他因素对股票收益率的影响。模型二：投资者关注度对成交量的影响模型Volume_{i,t}=\beta_0+\beta_1Baidu_{i,t}+\beta_2Size_{i,t}+\beta_3Lev_{i,t}+\beta_4ROE_{i,t}+\beta_5R_{m,t}+\epsilon_{i,t}在该模型中，Volume_{i,t}表示第i只股票在第t期的成交量，用于衡量股票市场的交易活跃程度；其他变量的含义与模型一相同。通过该模型，可分析投资者关注度对股票成交量的影响方向和程度，以及各控制变量在其中所起的作用。模型三：投资者关注度对波动率的影响模型\sigma_{i,t}=\beta_0+\beta_1Baidu_{i,t}+\beta_2Size_{i,t}+\beta_3Lev_{i,t}+\beta_4ROE_{i,t}+\beta_5R_{m,t}+\epsilon_{i,t}此模型中，\sigma_{i,t}表示第i只股票在第t期的波动率，用于衡量股票价格的波动程度，反映股票投资的风险水平；其他变量的定义与前两个模型一致。借助该模型，能够研究投资者关注度对股票波动率的影响，以及各控制变量与股票波动率之间的关系，为投资者评估股票投资风险提供参考。在构建上述模型时，假设自变量与因变量之间存在线性关系，且误差项满足均值为零、方差为常数的正态分布，各观测值之间相互独立，不存在自相关和异方差问题。这些假设是进行多元线性回归分析的基础，有助于保证模型估计结果的有效性和可靠性。在实际分析过程中，将对模型进行严格的检验和诊断，以确保模型的合理性和适用性。若发现模型存在违反假设的情况，将采取相应的修正措施，如进行变量变换、采用加权最小二乘法等，以提高模型的拟合效果和解释能力。五、实证结果与分析5.1描述性统计对样本数据进行描述性统计，结果如表1所示，涵盖了被解释变量、解释变量以及控制变量的相关统计信息，这些统计量能够直观地展现各变量的分布特征和差异情况。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R456000.0020.035-0.1870.201Volume456001.234e+078.678e+061.235e+056.789e+07\sigma456000.0380.0210.0050.156Baidu45600256.78123.4556.78890.23Size4560021.341.0219.5624.78Lev456000.320.150.050.87ROE456000.120.08-0.250.45Rm456000.0010.028-0.1560.189在被解释变量方面，股票收益率（R）的均值为0.002，表明样本期间内创业板股票平均每日收益率为0.2%，但标准差达到0.035，说明股票收益率波动较大，不同股票以及同一股票在不同时间的收益率存在显著差异，投资者面临的收益不确定性较高。成交量（Volume）均值为1.234×10^7股，标准差为8.678×10^6股，最小值与最大值之间相差巨大，反映出创业板股票交易活跃程度参差不齐，部分股票成交量极低，而部分股票成交量极高，市场交易活跃度的离散程度较大。波动率（\sigma）均值为0.038，标准差为0.021，说明创业板股票价格波动程度整体较为明显，且不同股票的价格波动差异较大，投资风险水平不一。解释变量百度指数（Baidu）均值为256.78，标准差为123.45，说明投资者对创业板股票的关注度存在较大差异，部分股票受到投资者的高度关注，而部分股票的关注度则相对较低，这可能与股票所属行业、公司业绩、市场热点等因素有关。控制变量中，公司规模（Size）以总资产的自然对数衡量，均值为21.34，标准差为1.02，表明创业板上市公司规模存在一定差异，但整体分布相对较为集中。财务杠杆（Lev）以资产负债率表示，均值为0.32，说明创业板上市公司平均资产负债率为32%，标准差为0.15，反映出不同公司之间的债务融资水平存在一定波动。盈利能力（ROE）以净资产收益率衡量，均值为0.12，标准差为0.08，说明创业板上市公司平均盈利能力尚可，但公司之间的盈利能力差异较为明显，部分公司盈利能力较强，而部分公司可能面临盈利能力不足的问题。市场收益率（Rm）均值为0.001，标准差为0.028，表明创业板市场整体收益率波动相对较小，但不同时期市场表现仍存在一定差异。通过对各变量描述性统计结果的分析，可以初步了解创业板股票市场表现、投资者关注度以及相关控制变量的基本特征和分布情况，为后续的实证分析奠定基础。这些差异和特征将在回归分析中进一步探讨它们对投资者关注度与股票市场表现关系的影响。5.2相关性分析为初步探究各变量之间的关系，并判断是否存在多重共线性问题，对样本数据进行相关性分析，结果如表2所示。表2：变量相关性分析变量RVolume\sigmaBaiduSizeLevROERmR1Volume0.341**1\sigma0.567**0.258**1Baidu0.289**0.187**0.213**1Size-0.156**0.102**0.087**0.076**1Lev-0.098**0.056**0.063**0.045**0.324**1ROE0.123**0.078**0.095**0.064**0.217**0.154**1Rm0.452**0.297**0.483**0.167**0.095**0.078**0.112**1注：^{**}表示在1%的水平上显著相关。从表2可以看出，被解释变量股票收益率（R）与成交量（Volume）、波动率（\sigma）、百度指数（Baidu）、市场收益率（Rm）之间均存在显著的正相关关系。股票收益率与成交量的相关系数为0.341，表明成交量的增加往往伴随着股票收益率的提高，这与市场实际情况相符，成交量的放大通常意味着市场交易活跃，投资者对股票的关注度和参与度提高，可能推动股价上涨，从而提高股票收益率。股票收益率与波动率的相关系数高达0.567，说明股票价格波动越剧烈，股票收益率的变化也越大，高风险往往伴随着高收益或高损失，这体现了股票市场风险与收益的正相关关系。股票收益率与百度指数的相关系数为0.289，说明投资者关注度的提高对股票收益率具有正向影响，当投资者对某只创业板股票的关注度上升时，会加大对该股票的研究和分析，增加对该股票的需求，进而推动股价上涨，提高股票收益率。股票收益率与市场收益率的相关系数为0.452，表明市场整体走势对个股收益率有着重要影响，当创业板市场整体上涨时，大部分个股的收益率也会随之提高。成交量与百度指数、市场收益率之间也存在显著的正相关关系。成交量与百度指数的相关系数为0.187，说明投资者关注度的提高会导致股票成交量的增加，投资者对某股票关注度的提升会促使他们更积极地参与该股票的交易，从而推动成交量上升。成交量与市场收益率的相关系数为0.297，表明市场整体行情向好时，投资者的交易热情高涨，股票成交量也会相应增加。在控制变量方面，公司规模（Size）与财务杠杆（Lev）、盈利能力（ROE）之间存在一定的正相关关系。公司规模与财务杠杆的相关系数为0.324，说明规模较大的公司往往具有更强的融资能力，可能会采用更高的财务杠杆来支持业务发展。公司规模与盈利能力的相关系数为0.217，表明规模较大的公司在市场份额、资源获取等方面具有优势，更有可能实现较高的盈利水平。财务杠杆与盈利能力的相关系数为0.154，说明适度的财务杠杆可能有助于公司提高盈利能力，但过高的财务杠杆也可能带来财务风险，对盈利能力产生负面影响。通过对各变量之间相关性的分析，发现大部分解释变量与被解释变量之间存在显著的相关关系，初步表明这些变量对股票市场表现具有重要影响。虽然部分控制变量之间也存在一定程度的相关性，但相关系数均小于0.5，一般认为当相关系数大于0.8时可能存在严重的多重共线性问题，因此目前的相关性分析结果表明各变量之间不存在严重的多重共线性问题，可进一步进行回归分析，以深入探究投资者关注度对股票市场表现的影响。5.3回归结果分析5.3.1基准回归结果对构建的三个回归模型进行估计，得到基准回归结果，如表3所示。表3：基准回归结果变量RVolume\sigmaBaidu0.005***（3.21）0.234***（4.56）0.004***（3.01）Size-0.002*（-1.87）0.123***（3.21）0.001（0.87）Lev-0.012***（-3.56）0.087**（2.56）0.008***（2.89）ROE0.015***（3.89）0.065*（1.96）0.005**（2.12）Rm0.345***（8.97）0.256***（6.78）0.456***（9.23）Constant0.012***（2.89）-0.567***（-3.56）0.002（0.56）N456004560045600Adj.R20.3450.2870.321注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。在投资者关注度对股票收益率的影响模型中，百度指数（Baidu）的回归系数为0.005，且在1%的水平上显著为正，这表明投资者关注度的提高对股票收益率具有显著的正向影响。当百度指数每增加1个单位，股票收益率将平均提高0.005个单位，说明投资者对创业板股票关注度的提升，会促使他们加大对该股票的研究和分析，发现更多的投资价值，从而增加对该股票的需求，推动股价上涨，提高股票收益率。公司规模（Size）的回归系数为-0.002，在10%的水平上显著为负，说明公司规模越大，股票收益率越低，可能是因为规模较大的公司增长空间相对有限，市场对其预期收益相对较低。财务杠杆（Lev）的回归系数为-0.012，在1%的水平上显著为负，表明财务杠杆的增加会降低股票收益率，较高的财务杠杆意味着公司面临较大的债务压力和财务风险，可能会影响公司的经营稳定性和盈利能力，进而降低股票收益率。盈利能力（ROE）的回归系数为0.015，在1%的水平上显著为正，说明盈利能力越强，股票收益率越高，盈利能力强的公司通常具有更好的业绩表现和发展前景，能够吸引更多的投资者，推动股票价格上涨，提高股票收益率。市场收益率（Rm）的回归系数为0.345，在1%的水平上显著为正，表明市场整体走势对个股收益率有着重要影响，当创业板市场整体上涨时，大部分个股的收益率也会随之提高。在投资者关注度对成交量的影响模型中，百度指数的回归系数为0.234，在1%的水平上显著为正，说明投资者关注度的提高会显著增加股票的成交量。当投资者对某只创业板股票的关注度上升时，会更积极地参与该股票的交易，从而推动成交量上升。公司规模的回归系数为0.123，在1%的水平上显著为正，表明公司规模越大，股票成交量越高，规模较大的公司通常具有更高的市场知名度和流动性，更容易吸引投资者的关注和交易。财务杠杆的回归系数为0.087，在5%的水平上显著为正，说明财务杠杆的增加会提高股票成交量，适当的财务杠杆可以为公司提供资金支持，促进公司发展，吸引更多投资者参与交易。盈利能力的回归系数为0.065，在10%的水平上显著为正，说明盈利能力越强，股票成交量越高，盈利能力强的公司能够吸引更多投资者的关注和交易，推动成交量上升。市场收益率的回归系数为0.256，在1%的水平上显著为正，表明市场整体行情向好时，投资者的交易热情高涨，股票成交量也会相应增加。在投资者关注度对波动率的影响模型中，百度指数的回归系数为0.004，在1%的水平上显著为正，说明投资者关注度的提高会导致股票波动率上升。投资者关注度的提升会引发投资者对股票信息的更多关注和解读，不同投资者对信息的理解和判断存在差异，导致买卖行为的不一致，从而加剧股票价格的波动。财务杠杆的回归系数为0.008，在1%的水平上显著为正，表明财务杠杆的增加会提高股票波动率，较高的财务杠杆会增加公司的财务风险，使得公司的经营状况更加不稳定，进而导致股票价格波动加剧。盈利能力的回归系数为0.005，在5%的水平上显著为正，说明盈利能力越强，股票波动率越高，可能是因为盈利能力强的公司往往处于行业领先地位，其经营决策和市场表现受到更多关注，一旦有新的信息发布，容易引发市场的强烈反应，导致股票价格波动加剧。市场收益率的回归系数为0.456，在1%的水平上显著为正，表明市场整体波动对个股波动率有着重要影响，当创业板市场整体波动较大时，个股的波动率也会相应增加。调整后的R2分别为0.345、0.287和0.321，说明模型对股票收益率、成交量和波动率的解释能力较好，能够在一定程度上解释投资者关注度以及其他控制变量对股票市场表现的影响。5.3.2稳健性检验为确保基准回归结果的可靠性和稳定性，采用多种方法进行稳健性检验。首先，进行替换变量检验。用谷歌趋势（GoogleTrends）数据作为投资者关注度的替代指标。谷歌趋势是谷歌公司提供的一款基于搜索数据的分析工具，能够反映全球范围内用户对特定关键词的搜索热度变化。在谷歌趋势平台上，以创业板股票的名称和代码作为关键词进行搜索，获取相应的搜索热度数据。将谷歌趋势数据替换百度指数重新进行回归分析，结果如表4所示。表4：替换变量检验结果变量RVolume\sigmaGoogle0.004***（3.01）0.212***（4.23）0.003***（2.87）Size-0.002*（-1.89）0.121***（3.19）0.001（0.85）Lev-0.012***（-3.58）0.086**（2.54）0.008***（2.91）ROE0.015***（3.91）0.064*（1.94）0.005**（2.10）Rm0.343***（8.95）0.254***（6.76）0.454***（9.21）Constant0.011***（2.87）-0.565***（-3.54）0.002（0.54）N456004560045600Adj.R20.3430.2850.319注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表4可以看出，谷歌趋势（Google）的回归系数与百度指数在基准回归中的系数符号一致，且均在1%的水平上显著，说明替换投资者关注度指标后，回归结果依然稳健，投资者关注度对股票市场表现的影响方向和程度未发生明显改变。其次，进行调整样本检验。剔除样本中市值排名前5%和后5%的股票，以排除极端值对回归结果的影响。重新进行回归分析，结果如表5所示。表5：调整样本检验结果变量RVolume\sigmaBaidu0.005***（3.19）0.232***（4.54）0.004***（2.99）Size-0.002*（-1.85）0.122***（3.18）0.001（0.83）Lev-0.012***（-3.55）0.087**（2.55）0.008***（2.88）ROE0.015***（3.87）0.065*（1.95）0.005**（2.11）Rm0.344***（8.96）0.255***（6.77）0.455***（9.22）Constant0.012***（2.88）-0.566***（-3.55）0.002（0.55）N432004320043200Adj.R20.3440.2860.320注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表5可以看出，调整样本后，百度指数的回归系数与基准回归结果基本一致，且在1%的水平上显著，说明剔除极端值后，回归结果依然稳健，投资者关注度对股票市场表现的影响具有稳定性。最后，进行分阶段回归检验。将样本期间划分为2010-2016年和2017-2023年两个阶段，分别进行回归分析。结果如表6所示。表6：分阶段回归检验结果变量2010-2016年R2017-2023年R2010-2016年Volume2017-2023年Volume2010-2016年\sigma2017-2023年\sigmaBaidu0.004***（3.05）0.006***（3.34）0.228***（4.32）0.240***（4.68）0.003***（2.90）0.005***（3.12）Size-0.002*（-1.82）-0.002*（-1.90）0.120***（3.05）0.125***（3.25）0.001（0.80）0.001（0.90）Lev-0.011***（-3.45）-0.013***（-3.65）0.085**（2.45）0.089**（2.65）0.008***（2.80）0.008***（2.95）ROE0.014***（3.78）0.016***（4.02）0.063*（1.89）0.067*（2.01）0.005**（2.05）0.005**（2.15）Rm0.335***（8.76）0.355***（9.18）0.245***（6.56）0.265***（6.98）0.445***（9.02）0.465***（9.44）Constant0.011***（2.80）0.013***（2.95）-0.560***（-3.45）-0.575***（-3.65）0.002（0.50）0.002（0.60）N216002400021600240002160024000Adj.R20.3380.3520.2800.2940.3150.327注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表6可以看出，在不同阶段，百度指数的回归系数均在1%的水平上显著为正，且系数大小与基准回归结果相近，说明分阶段回归后，回归结果依然稳健，投资者关注度对股票市场表现的影响在不同时间段内具有一致性。通过上述多种稳健性检验方法，结果均表明基准回归结果具有较高的可靠性和稳定性，投资者关注度对股票市场表现的影响是真实存在且稳健的。5.4异质性分析为进一步探究投资者关注度对股票市场表现的影响在不同行业和不同市值股票之间是否存在差异，进行异质性分析。按照申万一级行业分类标准，将样本股票划分为多个行业，分别对各行业进行回归分析。结果如表7所示，呈现了部分主要行业的回归结果。表7：不同行业投资者关注度对股票收益率的回归结果变量医药生物电子计算机传媒Baidu0.006***（3.56）0.004***（3.12）0.005***（3.34）0.007***（3.89）Size-0.003**（-2.12）-0.002*（-1.89）-0.002*（-1.85）-0.003**（-2.01）Lev-0.013***（-3.65）-0.011***（-3.45）-0.012***（-3.55）-0.014***（-3.78）ROE0.016***（4.02）0.014***（3.78）0.015***（3.89）0.017***（4.21）Rm0.355***（9.18）0.335***（8.76）0.345***（8.97）0.365***（9.34）Constant0.013***（2.95）0.011***（2.80）0.012***（2.89）0.014***（3.05）N6500580049003500Adj.R20.3650.3480.3560.378注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表7可以看出，在不同行业中，投资者关注度对股票收益率的影响存在显著差异。在医药生物行业，百度指数的回归系数为0.006，在1%的水平上显著为正，表明投资者关注度对该行业股票收益率的正向影响较为明显。医药生物行业具有较高的技术壁垒和研发投入，其发展前景和创新成果受到投资者的高度关注，一旦有新的研发突破、产品获批等利好消息，投资者关注度的提升会迅速反映在股票价格上，推动股票收益率上升。在传媒行业，百度指数的回归系数为0.007，同样在1%的水平上显著为正，且系数值相对较大，说明投资者关注度对传媒行业股票收益率的影响更为显著。传媒行业与市场热点、消费者需求等密切相关，市场关注度较高，行业内公司的业绩和发展受到投资者的广泛关注，投资者关注度的变化对股票收益率的影响更为敏感。相比之下，电子和计算机行业中，百度指数的回归系数相对较小，分别为0.004和0.005，虽然也在1%的水平上显著为正，但投资者关注度对股票收益率的影响程度相对较弱。这可能是因为电子和计算机行业竞争激烈，技术更新换代快，公司的业绩和发展受到多种因素的综合影响，投资者在决策时需要考虑更多的因素，导致投资者关注度对股票收益率的影响相对不那么突出。进一步按照股票市值大小进行分组，将样本股票分为小盘股、中盘股和大盘股三组，分别进行回归分析。结果如表8所示。表8：不同市值股票投资者关注度对股票收益率的回归结果变量小盘股中盘股大盘股Baidu0.007***（4.01）0.005***（3.21）0.003**（2.12）Size-0.004***（-2.56）-0.002*（-1.87）0.001（0.87）Lev-0.015***（-3.89）-0.012***（-3.56）-0.008**（-2.56）ROE0.018***（4.34）0.015***（3.89）0.010***（3.01）Rm0.375***（9.56）0.345***（8.97）0.305***（8.01）Constant0.015***（3.12）0.012***（2.89）0.008**（2.12）N152001560014800Adj.R20.3850.3450.312注：括号内为t值，*、**、***分别表示在10%、5%、1%的水平上显著。从表8可以看出，在不同市值的股票中，投资者关注度对股票收益率的影响也存在明显差异。在小盘股组，百度指数的回归系数为0.007，在1%的水平上显著为正，且系数值最大，表明投资者关注度对小盘股收益率的正向影响最为显著。小盘股由于流通股本较小，市场操纵相对容易，股价对投资者关注度的变化更为敏感。当投资者对小盘股的关注度提高时，少量资金的流入就可能推动股价大幅上涨，从而显著提高股票收益率。在中盘股组，百度指数的回归系数为0.005，在1%的水平上显著为正，投资者关注度对中盘股收益率也有一定的正向影响，但影响程度相对小盘股较弱。中盘股的市值和流动性介于小盘股和大盘股之间，其股价受到多种因素的综合影响，投资者关注度对股价的推动作用相对较为平稳。在大盘股组，百度指数的回归系数为0.0