投资者情绪对股票价格行为的影响研究

投资者情绪对股票价格行为的影响研究

目 录

摘 要............................................................................................................................Ⅰ 目 录............................................................................................................................Ⅲ 一、引言............................................................ 1 二、文献综述........................................................ 1

（一）投资者情绪定义的研究...................................... 1 （二）投资者情绪度量的研究...................................... 2 （三）投资者情绪与股票价格关系的研究............................ 4 （四）综合评述.................................................. 5 三、投资者情绪指标的构建............................................ 5

（一）指标说明.................................................. 5 （二）描述性统计................................................ 6 （三）投资者情绪指数的建立...................................... 6 四、实证分析....................................................... 10

（一）ADF检验 ................................................. 10 （二）协整检验................................................. 10 （三） 误差修正模型............................................ 11 （四） VAR模型估计 ............................................ 11 （五） 稳定性检验.............................................. 14 （六） 格兰杰因果检验.......................................... 15 （七） 脉冲响应函数分析........................................ 16 （八） 方差分解分析............................................ 17 五、总结........................................................... 19

（一）结论..................................................... 19 （二）建议..................................................... 20 （三）不足..................................................... 20 参 考 文 献........................................................ 21 摘 要：作为行为金融学与心理学的桥梁，投资者情绪不仅能够表明市场中投资者的心理情况，也能与现代金融学理论相结合从而解释金融市场中出现的各种异象。因此，研究投资者情绪和股票价格之间的相互关系具有重要意义。 首先，本文以A 股市场为研究背景，通过主成分分析法选取换手率、成交量、市盈率、新增开户数、新成立基金数和消费者信心指数构建投资者情绪指数，用沪深300指数代表股票价格，进而探讨投资者情绪和股票价格的关系。然后，本文构建了以沪深300指数和投资者情绪为变量的VAR模型，结果表明沪深300 指数和投资者情绪在长期和短期内均具有稳定的均衡关系；股票价格与投资者情绪的对投资者情绪的影响具有滞后效应。股票价格波动是投资者情绪的格兰杰原因，表明股票价格的波动能够引起投资者情绪的波动。最后，根据结论给出建议。 关键词：行为金融学；投资者情绪；沪深300指数；股票价格

Research on the influence of investor sentiment on stock

price behavior

Abstract：As a bridge between behavioral finance and psychology, investor sentiment can not only show that the investor's investment psychology in the market, but also explain the various anomalies in the financial market by combining with modern financial theory. Therefore, it is meaningful to study the relationship between investor sentiment and stock price.

Firstly,this paper’s background is A-share market.Turnover rate,trading volume,price-earnings ratio,new account opening,the number of newly established funds and consumer confidence index were selected to construct investor sentiment index by principal component analysis.Shanghai and Shenzhen 300 index represents the stock price and then probe the relationship between investor sentiment and stock price.Then this paper has created a VAR model based on the Shanghai and Shenzhen 300 index and investor sentiment.The results show that the Shanghai and Shenzhen 300 Index and investor sentiment have a stable equilibrium relationship in both long-term and short-term periods；stock price and investor sentiment have a lagging effect on investor sentiment. Stock price volatility is the Granger reason for investor sentiment fluctuations ,indicating that stock price volatility can cause investor sentiment fluctuations. At last ,some suggestions were given.

Key words: behavioral finance; investor sentiment;Shanghai and Shenzhen 300 index; stock price

一、引言

传统金融理论认为资产价格由其内在价值决定，强调金融市场上每一位投资者都是“合乎理性的人”与金融市场的自我调节机制。投资者可根据自身可获得的市场信息进行调整并做出最优决策，期权定价模型（OPM）、资本资产定价模型（CAPM）等作为传统金融学的主要理论模型在实践中得到很多实证检验，并据此构造出一些证券定价公式。但是，随着金融市场的扩大与复杂化，“黑天鹅事件”层出不穷，带来巨大隐患，类如“羊群效应”、“封闭式基金之谜”等造成困扰，传统金融理论难以解释这些异象，因此行为金融学应运而生。行为金融理论是经济学和心理学的交叉范畴，为探索解决生活中的金融问题提供了全新视角。大量研究表明：投资者受其心理的影响，很多决策并非完全理性，即市场上存在“非理性的投资者”（又称噪音交易者），所以此时资产定价应由除资产的内在价值之外的因素影响，还应受投资者在制定投资决策时的心态、偏好和期望的影响，投资者的信心不足、风险厌恶、锚定效应等情绪，会导致最终决策会偏离最优投资组合。

放眼证券市场，股票定价就是由非理性投资者和理性套利者综合作用的结

果，行为金融学认为市场上非理性人的投资行为是股价波动的重要因素，投资者情绪作为行为金融学的重要分支，对金融资产定价、股票收益与价格波动、上市公司融资产生深远影响，并间接影响到实体经济，与我们每个人息息相关。而且，中国的资本市场历史短暂，目前的金融市场尚未成熟，散户众多、投资技能参差不齐、市场投机氛围浓重，2015年的股市动荡就给我们留下了深刻印象。因此，股市是否能够稳健地发展是政府等相关部门及每一位投资者都非常关心的事情。综上可知，探讨投资者情绪与股票价格的关系，对解释金融市场异象、完善国内外学者在行为金融学和股市上的成果、促进我国金融行业稳健发展具有重要作用。

二、文献综述

（一）投资者情绪定义的研究

投资者情绪的标准定义尚未统一，这一概念最早出现在1963年美国Investor Wisdom杂志上，Lee、Shleifer 和Thaler（1991）认为投资者情绪是一种来自于投资者对资产未来收益认知的某种偏差的主观价值判断，即对资产的预期收益中基本面不能诠释的部分。Stein（1996）提出：投资者情绪是投资者对未来预期的不确定性。Vishny、Shleifer和Barberis（1998）认为投资者情绪是一个可以影响交易者形成价值取向和投资理念的认知过程；Chang（2009）认为投资者心态、未来现金流和的投资风险会影响投资者情绪。

在资产定价方面，Delong（1990）认为情绪是可以影响资本市场定价的系统性风险；在系统性预期偏差角度方面，Shleifer（2000）认为投资者情绪是未来资产收益的系统性预期偏差；Baker和Stein（2004）将投资者是对资产的估值偏差与投机倾向；Brown和Cliff（2005）认为投资者情绪是市场投资者的预期相对于正常状态时的比较。

国内学者对投资者情绪的定义起步稍晚，并在国外学者研究的基础上进行拓展。饶育蕾和刘达峰（2003）认为为投资者情绪是对于未来不同预期而形成的系统性偏差。王美今、孙建军(2004)认为投资者情绪是投资者在投资过程由于心理或者认知上的偏差，具体化为噪音交易者对风险资产的估价与理性投资者的偏差是一种情感因素。

（二）投资者情绪度量的研究

Baker、Wurgler和Yuan（2012）说：“在本质上，要想准确度量情绪是困难的。”如今，如何客观准确有效地度量出证券市场投资者情绪指数仍然是世界难题之一，目前分为单一指标和复合指标两种度量方式。

单一指标分为单一主观指标和单一客观指标。单一主观指标是调查机构采用多种调查方法—调查问卷、股票论坛、微博舆论等途径，通过信息提取技术，获取投资者的乐观、悲观或中性的态度与制定出一系列经济信心指数。单一客观指

标是对数据的处理加工，可间接反映投资者心理状态。饶育蕾、刘达锋（2003），王美今、孙建军（2004）为衡量市场收益和情绪的关系，运用“央视看盘”数据构造了BSI指标。Brown和Cliff（2004）运用投资者智能指数充当投资者情绪指标。赖琴云等（2012）为了构建投资者情绪指数，选用“好谈指数”进行分析。综上来说，从解释力和适应性来看，单一指标存在不足，因此有必要构建更加综合的指标。

投资者情绪单一指标采用因子分析法、主成分分析法、卡尔曼滤波法等方法可得到复合指标。Baker和Wurgler（2006）选用了封闭式基金折价率、交易量、IPO数量、上市首日收益、股息溢价和股票发行/证券发行比例，构建出BW指数。易志高、茅宁（2009）删去BW指数中股息溢价和股票发行/证券发行比例，添加了“新增开户数”和“消费者信心指数”两个变量，剔除宏观经济影响，构建出CICSI指数。文凤华等（2013）选用封闭式基金折价率、IPO数量、IPO首日收益率、A股新增开户数和市场换手率，运用主成分分析法，将情绪划分为积极情绪和消极情绪。王镇、郝刚（2014）选择与Baker和Wurgler相同的6个变量，运用偏最小二乘法，探究出这种方法优于主成分分析方法。吴悠悠（2017）则选用不同指标分别构建出散户/机构投资者情绪指数。典型投资者情绪指标可见表1和表2。然而也有研究表明个别指标不能用来衡量投资者情绪：Chen et al.（1993）认为封闭式基金折价率缺乏构建投资者情绪指标的解释力。

当然，任何指标只能反映出投资者部分心理特征，投资者情绪也会或多或少受宏观经济波动的影响，加上计量方法和样本的差异，所以投资者情绪的精确度量依然是一项需要攻克的难题。

表1 典型投资者情绪单一指标

耶鲁-CCER、美国个人投资者协会指数、投资者智慧指数、投资者信心指数、消费者信心指数、企业家信心指数、企业景气指

主观指标：

数、央视看盘指数、中国投资情绪指数、瑞银集团/盖洛普发布信心指数

腾落指数、新高-新低指数、新增投资者数量、

市场表现类： 市场换手率、市场交易量、市场市盈率、IPO发

行量及首日收益率、市场流动性水平

新增机构投资者数量、封闭式基金折价率、二

机构表现类： 级市场交易每日资金大单流入、网下配售中签

率、网下超额认购倍数

卖空比例、零股买卖比例、短期利率变化比率

客观指标： 市场交易类： （△SHORTIR）、未补抛空比例指数、保证金

借款变化比率

动量指标、股票收益率、个股换手率、个股市

个股表现类： 盈率、个股市净率、个股账面市值比、个股交

易量

投资者新开户数、内幕交易、股利收益、季节

其他指标：

性情绪变化、基金和股票资金流量、基金资产现金比例

表2 典型投资学情绪复合指标

BW指数：

封闭式基金折价率、交易量、IPO数量、上市首日收益、股息溢价和股票发行/证券发行

消费者信心指数、新增投资者开户数、封闭式基金折价、IPO数量、IPO首日收益交易量

CICSI指数：

ISI综合指数： 消费者信心指数、新增开户数、封闭式基金平均折价率、IPO数

量、IPO首日收益率均值、市场换手率 注：表1和表2来自张征超和刘宇宸妃所作《我国股票市场投资者情绪指数构建及有效性检验》一文。

（三）投资者情绪与股票价格关系的研究

1.国外研究状况

国外学者对投资者情绪的研究起步稍早，De，Shleifer，Summers和Waldman（1990）通过首次研究发现投资者情绪的相互影响会影响股价的波动与金融资产的均衡价格。随后关于投资者情绪与股市股价的研究如雨后春笋般涌现出来，并已经证实投资者情绪与股票市场存联系紧密。Browngregory（1999）选用CFED作为变量来衡量投资者情绪，发现情绪与股票市场波动呈现正相关变动方向。Baker和Wurgler（2006,2012）的研究结果得到投资者情绪与股票收益间存在相关性的结论。Kumar和Lee（2016）研究发现零股买卖比例这一代理变量能够很好的反映出市场中投资者的变化，尤其对小盘股、低盘股等这些股票的收益影响相较于其他股票而言更大。Yu和Yuan（2017）将投资者情绪作为纽带，分析股票市场收益与风险之间的关系，结果表明伴随投资者情绪的变化，市场中风险与收益之间的关系同样会发生变化。Neal和Wheatley（2018）在之前研究的基础上加入了共同基金赎回比率、零股买卖比率等变量构建情绪指数，探讨出投资者情绪在时间序列上对未来市场收益有影响。 2. 国内研究状况

国内股票市场起步稍晚，发展尚未成熟，在数据获取方面也存在困难，所以给对投资者情绪与股票价格关系的研究带来很大的局限性。王美今、孙建军（2004）利用以央视看盘指数为投资者情绪指标进行实证研究，发现沪深两市的价格波动是投资者情绪波动的影响因素之一。孙建军、王美今（2007）构建的T-GRACH模型表明情绪对我国股票市场和股市收益率均有影响。李合龙、冯春娥（2014）为从多尺度探究股价和我国投资者情绪的关联性，运用EEMD方法进行研究：短期时，两者显著正相关；中期时，股价波动比投资者情绪滞后；长期中，投资者情绪的波动滞后于上证综合指数价格序列的波动，而与深证综合指数同期相关。黄世达、王镇（2015）建立CAPM模型，对市场中的不正常现象予以合理的解释，通过Avramov 和Chordia两步回归，结果表明，股票交易会受到投资者情绪的影响。王国臣、傅斌、曹伟（2017）研究发现，投资者情绪乐观比悲观时，对股价波动的影响强烈。郁晨（2017）利用文本挖掘技术构造投资者情绪指数，选用GARCH模型，研究表明散户情绪指数与股票价格负相关波动。我国证券市场近些年来发展迅速，但学术理论有待创新完善，以期早日形成体系。 （四）综合评述

纵观现有文献，针对投资者情绪对股票价格行为的影响研究目前已经取得了一定成果。由于国情、政策、人群等方面的差异，在投资者情绪的内涵、选取指标、测量方法上的侧重点有差异，在研究投资者情绪的股票价格的相关性结果存在差异。投资者情绪的定义尚未达成统一标准，基于不同角度国内外学者有各自的见解，比较广为接受的一种说法是投资者情绪是投资者心理与认知上对于未来收益的某种偏差。通过学习，笔者根据自己的理解，认为投资者情绪是一种不确

定因素，受宏观经济和微观因素的影响而发生波动，进而在金融市场上产生一定的影响。

在投资者情绪度量上，单一指标是可以在市场上直接获取的有关投资者情绪的数据，真实准确，但由于样本局限性，其有效性与代表性值得商榷。复合指标是指数使用者根据经验判断，充分发挥主观能动性，运用单一指标通过算法的重新组合，但在选取变量构建指数时存在单一指标过于冗杂的现象。因此，如何高效准确地构建投资者情绪指数现如今仍然是一个急需解决的问题。

在投资者情绪和股价相关性的分析中，国外在此方面的研究起步较早，推动了行为金融学的发展，建立的一系列的理论模型，例如“DSSV模型”、“LST模型”、“非对称GRACH模型”等等，理论体系趋于完备。国内学者在这方面的研究同样取得一定成果，但国内的金融市场是新兴市场，各方面的制度仍不够完善、构建情绪指标单一、研究者集中采用GARCH模型进行实证分析等。基于此，本文构建投资者情绪复合指标后，选用VAR模型，探讨股票价格和投资者情绪波动的关系。

三、投资者情绪指标的构建

考虑到数据的可获得性与之前研究中变量的解释程度，本文将首先考察各个变量的内在含义，结合市场的规律，力求构建综合指标，参照张德容、余攀的《投资者情绪与沪深300指数波动的关系研究》一文，最终采用消费者信心指数（CCI）、交易量（VOL）、换手率（TURN）、投资者新增开户增长数（NIA）、市盈率（PE）、新成立基金数（FUND）这六个变量来构建情绪指标。 （一）指标说明

1）消费者信心指数（CCI）:消费者信心指数可以表现消费者对国民经济状况的信心度，间接反映出市场经济好坏和消费水平。值越大，表明投资者情绪越积极；反之，情绪越消极。

2）交易量（VOL）：交易量指在某一时间具体交易的数量，可用于判断股市中股票的供求形势，是股市中非常重要的指标。若投资者情绪高涨，则进入证券市场参与交易的意愿就强烈，交易量与交易规模上升，推动股价上涨；反之同理。

3）换手率（TURN）：换手率越高，表明市场交易越频繁，投资者情绪就越高；反之同理。

4）投资者新增开户数（NIA）：该项指标表现出投资者对股市的热情程度，因此可用于反映投资者情绪动态的变化。当投资者情绪普遍感到乐观，则进入证券市场人数激增，新增开户会有所上升；悲观情绪则会抑制投资者进入证券市场，新增开户数将减少。

5）市盈率（PE）：市盈率也称“本益比”，常用于估计股价的合理性。一般情况下，当股票具有较高的市盈率，说明此时该股票的盈利能力较强，会使得投资者情绪高涨；市盈率低，则会使情绪处于低迷状态。

6）新成立基金数（FUND）：新成立的基金数目越多，投资者认为后市上涨的概率越高，就会倾向看好市场，情绪高涨；反之同理。

此次研究选用A股市场的月度数据，样本区间在2013年1月至2018年12月，所有数据取自Wind万德数据库；选用EXCL2010、SPSS24和Eviews8.0进行处理、分析。 （二）描述性统计

本文选取六个变量构建投资者情绪指数，既包含主观变量，也包含客观变量。首先进行描述性统计分析，结果可见表3：

表3 描述性统计（保留两位小数）

变 量 PE VOL TURN CCI FUND NIA N 72 72 72 72 72 72 最小值 11.90 12885047797 0.44 97 11 146168 最大值 28.41 110482604639 3.41 124 161 7198624 均 值 18.13 35578044297 1.03 108.77 55.35 1727546.43 标准差 4.09 19571928170 0.62 0.62 32.83 1522357.81 （三）投资者情绪指数的建立 1.构建方法的介绍

在面临实际问题时，为了全面、科学地解决问题，我们常常需要考虑众多的影响因素，如在股市中会存在多种指标，而这些指标较为单一且具有一定的关联性。为了减轻计算的复杂程度、较好地反映出这些指标，我们就会采用主成分分析方法。

本文构建情绪指数的过程中，就是运用主成分分析法，通过选取几个源指标组合得到一个复合型的指数，进而反映市场的投资者情绪。 2.构建过程及结果

第一步，运用SPSS24进行因子分析，包括KMO和Bartlett球形度检验，衡量这六个变量的相关程度，结果如表4：

表4 KMO检验和Bartlett球形度检验

KMO检验 0.628 近似卡方 479.409 Bartlett球形度检验 df 15 显著性 0.000

由结果可知，KMO检验结果为0.628，介于0.6至0.7之间；Bartlett球形度检验结果显示显著性为0，小于0.01，表明在10%的置信水平上达到显著水平，满足因子分析要求，接下来可进行主成分分析。

第二步，对上述六个变量进行主成分分析，可得到总方差解释，提取主成分构建投资者情绪指数，结果如表5：

表5 总方差解释

成分 特征值 方差/% 累计/%

1 3.576 59.601 59.601 2 1.410 23.504 83.105 3 0.592 9.861 92.967 4 0.276 4.593 97.559 5 0.139 2.312 99.871 6 0.008 0.129 100.000

由表5可知，前两个成分的特征值分别为3.576和1.410，方差百分比对应为59.601%和23.504%。根据成分特征值大于1则提取为主成分的标准，提取2个主成分，累计方差解释为83.105%。为了直观观察，可以分析碎石图，如图1。

由图1可知，横坐标表示因子序号，纵坐标表示对应的特征值，根据连线坡度的陡缓程度，可以看出前2个因子坡度较陡峭，其他相对舒缓，证实了前文分析得到的要选用前两个作为主成分的结论，说明这两个主成分结构可以很好反映六个变量的总体情况。

第三步，计算各个变量的系数。公式：变量系数=第一主成分F1的成分矩阵系数/对应特征值的平方根*方差百分比+第二主成分F2的成分矩阵系数/对应特征值的平方根*对应方差百分比。主成分矩阵系数可见表6：

表6 主成分矩阵系数表

图1 碎石图

变量 第一主成分F1 第二主成分F2 市盈率（PE） 0.890 0.199 成交量（VOL） 0.888 -0.356 换手率（TURN） 0.790 -0.549 消费者信心指数（CCI） 0.196 0.818

新增基金数（FUND） 0.691 0.521 投资者新增开户数（NIA） 0.924 0.057

根据公式的计算方法，经计算，可以得到投资者情绪指数（记为SENT）: SENT=0.224CCI+0.209VOL+0.141TURN+0.303NIA+0.320PE+0.321FUND 由上式可知，CCI、VOL、TURN、NIA、PE、FUND这六个变量的系数均为正值，表明与投资者情绪同向变动，取值越大，情绪越高昂，波动就越大。可以得出结论，情绪指数方程式与理论分析基本一致。 3.投资者情绪指数与沪深300指数走势图

构建好情绪指数后，运用EXCL2010可做出沪深300指数与投资者情绪的走势对比，如图2所示：

2.5E+102E+101.5E+101E+105E+0906000500040003000200010000投资者情绪指数沪深300收盘价

图2 投资者情绪指数与沪深300收盘价走势图对比

由图2可得：本文构建的投资者情绪指数与沪深300走势大致一致，同涨同跌。2014年1月至2016年1月，投资者情绪与沪深300均经历了暴涨暴跌，接近事实情况—2015年我国股市剧烈动荡：于2015年4月左右到达峰值对应2015年股市下跌前的庞大泡沫，投资者情绪高涨，对股市与经济状况表现出过度自信，随后的形势急转直下，股市暴跌，投资者情绪指数降低显著。因此，初步可以认为，本次构建的投资者情绪指数有很好的实用价值。

四、实证分析

本节选用沪深300指数收盘价的月度数据，时间区间与构建投资者情绪的六个变量时间保持一致，均为2013年1月至2018年12月。以A股市场为背景，选用Eviews8.0软件进行分析投资者情绪与股价的关系。 （一）ADF检验

ADF检验，即“序列平稳性检验”：采用t值检验法，参照1%、5%和10%水平下的临界值，若临界值小于t值，则接受原假设，说明序列不平稳；反之表明序列平稳。此外，上文列出的两个变量的趋势图，反映两者存在一定趋势。因此，本节选用含有截距项和趋势项进行检验分析，判断情绪和股票价格数据是否平稳，为接下来的VAR模型做好基础。

首先，对投资者情绪指数（SENT）和沪深300指数（CIP）做对数处理。检验结果如表7：lnCIP的t值为-1.871，与临界值相比较，在1%、5%、10%的检验水平下接受原假设，表明此序列为非平稳状态，而lnCIP的一阶差分P值为0.0000小于0.1，则为平稳序列，表明lnCIP是一阶单整序列；同理，lnSENT也是一阶单整序列。综上可得，投资者情绪和股价做对数后的一阶差分为同阶单整序列，说明投资者情绪和股价波动是平稳的。下面继续进行协整作进一步检验。

表7 ADF检验结果（含截距和趋势项）

指标 t值 1%level 5%level 10%level P值 结果 LnCIP -1.8710 -4.0946 -3.4753 -3.1650 0.6589 非平稳 DLNCIP -6.9148 -4.0946 -3.4753 -3.1650 0.0000 平稳 LNSENT -3.0513 -4.0925 -3.4744 -3.1645 0.1261 非平稳 DLNSENT -9.0145 -4.0966 -3.4763 -3.1656 0.0000 平稳

（二）协整检验

本部分运用EG两步法进行协整检验，排除伪回归现象，并为接下来的误差修正和VAR模型做铺垫。步骤如下：第一步，以lnSENT为因变量，lnCIP为自变量做OLS回归模型，保留残差；第二步，检验残差序列的平稳性。结果如表8所示：

表8 协整检验结果

变量 模型类型 t值 P值 结果

e

含截距项和趋势项 -4.464114 0.0033 平稳

由表8可得，检验结果t值小于10%水平下的临界值，表明残差序列平稳，

投资者情绪波动和股价的波动存在协整，两者在长期的时间跨度内具有稳定均衡。

（三）误差修正模型

为探究投资者情绪和股价的短期波动关系，需要构建误差修建模型。结果如表9。

表9 误差修正模型结果

变量 系数 标准误差 t-统计量 P值 C -4.46E-05 0.0328 -0.0014 0.9989 ECM(-1) -0.4261 0.0992 -4.2964 0.0001 DlnCIP 1.9917 0.4791 4.1575 0.0001

可以得到：DlnSENT=-4.46E-05-0.4261ECM(-1)+1.9917DlnCIP。

上式中ECM(-1)是残差序列滞后1期的值，系数是-0.4261为负，说明符合反向修正机制：在短期投资者情绪和股价均有均衡关系，当发生偏离时，能够以0.4261的修正力度拉回均衡状况。 （四）VAR模型估计

为了探究投资者情绪与股票价格波动的动态关系，需要进行VAR模型研究。首先，分析滞后阶数，保证滞后阶数的精确度，才能更好地反映出变量之间的动态特征，进而建立VAR模型。滞后阶数的结果可见表10：

表10 VAR模型的滞后阶数

滞后阶数 LogL LR FPE AIC SC HQ

0 -14.2958 NA 0.0056 0.4938 0.5602 0.5200 1 78.0596 176.3149 0.0004 -2.1836 -1.9846* -2.1050* 2 81.5976 6.5400 0.0004 -2.1696 -1.8379 -2.0385 3 84.8738 5.8574 0.0004 -2.1477 -1.6832 -1.9642 4 90.8813 10.3765* 0.0004* -2.2085* -1.6113 -1.9726 5 92.7246 3.0721 0.0004 -2.1432 -1.4133 -1.8548 6 94.0875 2.1889 0.0004 -2.0633 -1.2007 -1.7224

由表10可得，LR、FPE和AIC准则中标注*的数值对应阶数是4阶，据此估计最优滞后期为4，通过Eviews8.0建立VAR模型，输出结果可分为参数统计和回归统计结果。具体结果可见表11：

表11 VAR模型参数统计和回归分析结果

DlnSENT DlnCIP DlnSENT(-1) 0.378078 0.021763 (0.13440) (0.03406) [2.81308] [0.63900] DlnSENT(-2) 0.046739 -0.009854 (0.13902) (0.03523) [0.33619] [-0.27971] DlnSENT(-3) 0.153656 -0.009854 (0.14019) (0.03553) [1.09604] [-0.25492] DlnSENT(-4) 0.247013 0.036265 (0.13368) (0.03388) [1.84775] [1.07050] DlnCIP(-1) 0.910596 1.069934 (0.56937) (0.14428) [1.59930] [7.41548] DlnCIP(-2) -0.610556 -0.162077 (0.79687) (0.20193) [-0.76620] [-0.80263] DlnCIP(-3) 1.115240 0.000276 (0.80348) (0.20361)

[1.38802] [0.00135] DlnCIP(-4) -1.523861 -0.041865 (0.53984) (0.13680) [-2.82282] [-0.30603] C 4.834070 0.194532 (1.83960) (0.46617) [2.62779] [0.41730] 拟合优度 0.684238 0.905634 调整后的拟合优度 0.641423 0.892839

残差平方和 4.700474 0.301846 方程标准差 0.282257 0.071526 F统计量 15.98120 70.77851 对数似然函数 -5.645112 87.70195 AIC信息准则 0.430739 -2.314763 SC信息准则 0.724497 -2.021005 因变量均值 22.64478 8.058773 因变量标准差 0.471361 0.218499 残差协方差矩阵（自由度调整） 0.000326 残差协方差矩阵 0.000245 对数似然值 89.68641 AIC信息准则 -2.108424 SC信息准则 -1.520907

注：表11中“（）”内的数值代表参数估计标准差，“[ ]”内的数值代表参数估计值的t统计量。

由上述两表可得建立的VAR模型为：

DlnSENT＝0.910596DlnCIP（ －1）－0.610556DlnCIP（－2）+1.115240DlnCIP（－3）－

1.523861DlnCIP（－4）+0.378078DlnSENT（ －1）－0.046739DlnSENT（－2）

+0.153656DlnSENT（－3）+0.247013DlnSENT（－4）+4.834070 （1）

DlnCIP＝1.069934DlnCIP（ －1）－0.162077DlnCIP（－2）+0.000276DlnCIP（－3）－0.041865

DlnCIP（－4）+0.021763DlnSENT（ －1）－0.009854DlnSENT（－2）－0.009056DlnSENT（－3）+0.036265DlnSENT（－4）+0.194532 （2） 由回归分析结果可知，模型（1）的拟合优度约为0.684，模型（2）的拟合优度约为0.905，VAR模型的拟合程度较高，表明可信度强。因此，投资者情绪对股票价格波动具有滞后作用，股票价格波动对投资者情绪同样具有滞后作用。投资者情绪波动对自身以及股价的影响是积极的，股价波动对自身以及投资者情绪的影响也是积极的。 （五）稳定性检验

建立好VAR模型后，需要确定模型的稳定性，较为直观的方法是根据VAR模型建立AR根的图。如果所有根位于单位圆内，表明建立的模型其稳定；反之不稳定。如果模型不稳定，则得到的结果与接下来的分析将无效。稳定性判别结果如图3所示：

图3 VAR模型稳定性检验结果

根据图3，可以发现，8个蓝点均随机分布在单位圆内，表明本文建立的VAR

模型稳定，可继续进行分析。 （六）格兰杰因果检验

格兰杰因果检验用于探究两个变量是否存在因果关系以及影响方向。本文所做的格兰杰因果检验如表12所示：

表12 格兰杰因果检验结果

因变量 Excluded Chi-sq df P值 DlnSENT DlnCIP 11.40507 4 0.0224 All 11.40507 4 0.0224 DlnCIP DlnSENT 2.586882 4 0.6291 All 2.586882 4 0.6291

由表12可知，当lnSENT作为外生变量，此时p值为0.0224小于0.1，拒绝原假设，说明lnCIP是lnSENT的格兰杰原因，即股价的波动可以影响投资者情绪的波动；当lnCIP作为外生变量，此时p值为0.6291大于0.1,接受原假设，说明lnSENT不是lnCIP的格兰杰原因，即投资者情绪的波动不能引起股价的波动。 （七）脉冲响应函数分析

脉冲响应函数分析某个内生变量随机扰动项的一个标准差冲击对VAR模型中所有内生变量当前值和未来取值的影响。本文得到的投资者情绪指数和沪深300指数的脉冲响应结果如图4和图5所示：

图5 投资者情绪指数冲击受到股价后的脉冲响应

图4 投资者情绪指数受到股价冲击后的脉冲响应

图5 股价受到投资者情绪指数冲击后的脉冲响应

由图4可知，当给股票价格1个的正项标准差冲击时，投资者情绪在第一期有正向影响，并在第四期时达到最大的正向影响，响度程度在0.16左右，随后影响程度迅速下降，在第13期响应为0之后往负项增强，并在第22期达到负项低谷，随后开始减弱，并到第42期之后趋于0。根据红色虚线不包含0即表明响应显著，总体来看，只有第三和第四期的响应是显著的，股票价格对投资者情绪指数在短期内具有显著的正向影响。

由图5可知，当给投资者情绪指数1个单位的正项标准差冲击时，在第一期给股票价格带来正向影响，并在第二期达到最大的正向影响，响应程度为0.04

左右，第三、四期有所下降，第五期回弹，第六期后迅速下降并在第30期响应为0，随后产生负项影响，到第50期趋于0。总体来看，前9期响应显著，但投资者情绪对股票价格的影响敏感度较小。 （八）方差分解分析

方差分解用来分析内生变量变化受到每一个结构冲击对的影响程度，进而评价不同结构冲击的重要性。根据方差分解分析，可以观察到随着时间的推移，模型中各变量对冲击的反应情况。投资者情绪和股票价格的方差分解结果可见表13和表14：

表13 投资者情绪的方差分析部分结果

滞后期 S.E. DlnSENT DlnCIP 1 0.282257 100.0000 0.000000

2 0.318640 96.66168 3.338322 3 0.332081 95.06841 4.931588 4 0.371355 87.63956 12.36044 5 0.400951 88.17824 11.82176 ... ... ... ... 26 0.470845 85.41468 14.58532 27 0.471521 85.23627 14.76373 28 0.472132 85.09071 14.90929 29 0.472680 84.97464 15.02536 30 0.473166 84.88470 15.11530 31 0.473591 84.81705 15.18295 ... ... ... ... 48 0.475714 84.70797 15.29203 49 0.475727 84.70564 15.29436

50 0.475739 84.70293 15.29707

表14 股票价格的方差分解部分结果

滞后期 S.E. DlnSENT DlnCIP 1 0.282257 0.000000 100.0000 2 0.318640 0.263732 99.73627 3 0.332081 0.352927 99.64707 4 0.371355 0.319244 99.68076 5 0.400951 0.779340 99.22066 ... ... ... ... 22 0.467502 12.62065 87.37935 23 0.468429 12.83977 87.16023 24 0.469294 13.00976 86.99024 25 0.470101 13.13758 86.86242 26 0.470845 13.22954 86.77046 27 0.471521 13.29208 86.70792 ... ... ... ... 48 0.475714 13.31151 86.68849 49 0.475727 13.31634 86.68366 50 0.475739 13.32086 86.67914

由表13可知：在第1期，投资者情绪只受自身因素的影响；从第2期开始，自身因素减弱，受股价因素的影响开始增强；在第30期受到的影响趋于稳定，自身因素贡献率约为84.885%，股价对投资者情绪的影响贡献约为15.115%。综

合来看，投资者情绪对自身影响更大。

由表14可知：在第1期，股票价格只受自身因素的影响；从第2期开始，自身因素减弱，受投资者情绪因素的影响开始增强；在第25期受到的影响趋于稳定，自身因素贡献率约为86.862%，投资者情绪对股价的影响贡献约为13.138%。综合来看，股价对自身影响更大。

同为第50期，在投资者情绪指数方差分解中，股票价格的贡献率为15.29707%；在股票价格方差分解中，投资者情绪指数的贡献率为13.32086%。表明股票价格对投资者情绪波动的贡献率率大于投资者情绪对股票价格波动的贡献率。因此，可以得出结论：股票价格对投资者情绪指数影响更大。

五、总结

（一）结论

分析我国证券市场发展中的投资者情绪与股票价格两者之间的关系具有重要意义。本文基于2013年1月至2018年12月的月度数据，选取了消费者信心指数作为主观指标，选取成交量、新增投资者开户数、市场换手率、市盈率作为客观指标，提取两个主成分构建投资者情绪指数。以沪深300指数代表股价，研究投资者情绪与股票价格的关系。在通过一系列检验、建立VAR模型，可得到沪深300指数与投资者情绪指数的关系，最后通过脉冲分析函数和方差因解分析对VAR模型进行动态分析，主要结论为：

第一、本文构建的投资者情绪指数与沪深300指数的走势图趋于一致，表明构建合理。

第二、投资者情绪指数与沪深300指数波动平稳，在长期具有稳定的均衡关系；在短期，当二者发生偏离时，能够以0.426124的修正力度拉回均衡状态，说明二者在短期同样存在均衡状态。

第三、股价波动对投资者情绪、投资者情绪对股价波动具有滞后效应且影响积极。

第四、本文构建的VAR模型拟合程度较高、通过了稳定性检验，表明模型比较稳定，经济变量动态关系可靠性强。

第五、根据格兰杰因果检验，股票价格是投资者情绪的格兰杰原因，即股票价格变化能够引起投资者情绪的变化；反之不成立。

第六、方差分解中，同期投资者情绪对股票价格波动的贡献率小于股票价格对投资者情绪波动的贡献率，表明股票价格对投资者情绪影响更大。 （二）建议

1、对政府和其他相关部门来说，应当平衡市场运行机制与定期开展教育。政府颁布的政策法规应当避免造成证券市场动荡，适度减少对市场的干预，发挥市场的调节机制，促进市场稳健运行；同时重视投资者的权益保障，加强对广大投资者的教育力度，倡导正确的投资理念。

2、对投资者来说，要不断加强自身知识素养、提升专业技能。“股市有风险，投资需谨慎。”在证券市场中，投资者要做一名“理性人”，应当保持客观冷静的心态，避免盲目跟风，注意股市大方向与大盘走向。当股市过热时，切忌投机行为或被冲昏头脑，因为此时市场往往隐藏巨大泡沫；当股市惨淡时，同样投资者也不必过度抱有悲观心态。总之，投资者应注意控制情绪、强化理论学习、认清市场形势、谨慎进行投资。

3、加强对上市企业的管理。“股市是经济运行状况的晴雨表。”实体经济和股市有很强的关联性，所以应当着重对上市企业的引导与规范。第一，保证上市公司运营状况等信息的透明度，杜绝虚假信息；第二，完善市场信息披露制度，保障信息传播途径；第三，严厉打击内幕交易，提高信息质量。 （三）不足

由于数据的限制、笔者的知识素养等因素，本文的研究存在一些不足，主要有以下两点：

1、本文采用月度数据，精确度不及日度数据，在接下来的研究中可选用日度数据更加准确地构造投资者情绪指数。

2、本文没有剔除市场中宏观经济波动带来的影响，以后的研究应当选取宏观经济指标加以控制进行研究。

3、本文在数据提取方面单一，可选用网络爬虫等工具搜集数据。

参 考 文 献

[1]王美今，孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究，2004（10）：75-83.

[2]高铁梅主编.计量经济分析法与建模（EViews应用及实例）[M].第二版.北京：清华大学出版社，2009年：267-314.

[3]庞璐.投资者情绪特征对股票价格行为的影响研究[J].时代金融，2017(11)：123.

[4]易志高，茅宁.中国股市投资者情绪测量研究：CICSI的构建[J].金融研究，2009，（11）：174-184.

[5]朱伟骅，张宗新.投资者情绪、市场波动与股市泡沫[J].经济理论与经济管理，2008（02）：45-50.

[6]鲁训法，黎建强.中国股市指数与投资者情绪指数的相互关系[J].系统工程理论与实践，2012,32（03）：621-629.

[7]张征超，刘宇宸妃.我国股票市场投资者情绪指数构建及有效性检验[J].商业经济研究，2018，（07）：156-18.

[8]刘宇宸妃，张征超.中国股票市场投资者情绪研究综述[J].经济师，2018，（05）：78-79.

[9]张德容，余攀.投资者情绪与沪深300指数波动的关系研究[J].湖南工业大学学报（社会科学版），2018，23，（06）：33-39.

[10]姜涵.浅析股票市场中投资者情绪及其影响[J].中国科技投资，2018，（36）：161-162.

[11]王国臣，傅斌，曹伟，等.投资者情绪、新股申购资金冻结与股价波动[J].中央财经大学学报，2017（11）：38-49.

[12]邹辉文，孙磊，陈圳斌，等.投资者情绪对证券价格波动的影响：建模与模拟分析[J].金融教学与研究，2015，164（06）：43-52.

[13]文凤华，肖金利，黄创霞，陈晓红，杨晓光.投资者情绪特征对股票价格行为的影响研究[J].管理科学学报，2014，17（03）：60-69.

[14]吴开燕，杨朝军.金融市场投资者情绪研究述评[J].现代管理科学，2012，（02），12-14,17.

[15]宋泽芳，李元.投资者情绪与股票特征关系[J].系统工程理论与实践，2012,32，（01）：27-33.

[16]Baker M，Wurgler J.Investor Sentiment In the Stock Market[J].Journal of Economic Perspective，2007，21（02）：129-151.

[17]Brown G.W.，M.T .Cliff.Investor Sentiment and Asset Valuation[J].The Journal of Business.2005，78(2): 405.

[18]Brown G.W.，M.T.Cliff.Investor Sentiment and the Near-term Stock Maker[J].Journal of Empirical Finance，2004,11（01）：1-27.

[19]De Long J B D，Shleifer A，Summers L H，etal. Noise Trader Risk in Finance Markets[J]. Journal of Political Economy，1990，98（04）：703-738. [20]Fisher K，Statman.Confidence and Stock Returns [J].Journal of Portfolio Management，2003（30）：115-128.

[21] Neal，R.，S.M.Wheatley.Do Measures of Investor Sentiment Predict

Returns?[J].Journal of Financial and Quantitative Analysis，1998，,33（04）：523.