A股市場投資者情緒、異質信念與市場超額收益研究

復旦大學經濟學院 付 萱 中央財經大學金融學院 陸加徐

一、引言

2014年下半年，中國A股市場終于告別長達近七年的深度熊市。據統計，上證綜合指數全年上漲52.87%列全球第二，深圳成分股指以35.62%的漲幅列全球第四，走出了一幅令人振奮的牛市行情圖。回顧2014年7月以來的中國A股市場，行情走強起先得益于上半年宏觀經濟數據好于預期以及藍籌板塊在資金推動下的復蘇，11月下旬央行兩年來的首度降息更是推高了市場情緒，資金不斷涌入，融資融券的杠桿效應將涌入的資金量進一步放大，使得投資者對市場的信心大為提振。可以說市場心理和投資者行為方面的因素是中國A股市場本輪牛市行情的重要支撐點。因此，對于市場心理以及投資者行為特征的研究對于人們更深入地認識股市的運行規律和把握投資機會具有很強的現實意義。在傳統現代金融理論的框架下，投資者被假定為完全理性，金融資產價格的影響因素完全來自于基本面。然而隨著越來越多的無法用傳統現代金融理論解釋的“異象”的出現，學者們嘗試使用新的理論來解釋這些所謂的“金融異象”，行為金融學的研究隨之興起。與傳統金融理論不同的是，行為金融學打破了理性人的假設，認為影響金融資產價格的因素不僅來自基本面，也來自于投資者情緒（Investor Sentiment）、異質信念（Heterogeneous Beliefs）等諸多心理和行為因素。投資者情緒是投資者的投資意愿或預期的集中反映（張丹和廖士光，2009）。投資者情緒高漲時，容易造成市場的普遍樂觀，導致股價高估；投資者情緒低落時，市場則趨于悲觀，導致股價低估。所謂異質信念，是指不同投資者對相同股票相同持有期下收益分布估計的差異性，其產生的主要原因在于投資者所擁有私人信息的差異以及信息處理能力上的差異(陸靜等，2011)。投資者情緒和異質信念均表明投資者存在某種程度上的認知、情緒或行為偏差，從而導致股價的高估或低估。不同的是，前者強調了偏好、情感等情緒因素的影響，后者則強調投資者的異質性及其看法的異質性程度的影響。以往的研究通常是針對這兩者各自的單獨討論，并未明確考慮到二者之間的相互作用關系，即市場整體投資者情緒的高低本身會對投資者的異質信念作用于金融資產價格的這一過程產生影響。本文的研究旨在探討投資者情緒和投資者的異質信念之間的相互作用關系，及其對未來中國A股市場整體超額收益的影響，并通過實證檢驗來對其進行精確刻畫。

二、文獻綜述

（一）國外文獻 越來越多的研究發現投資者情緒是影響股票市場收益的重要因素（Kamstra et al.，2000；Hirshleifer和Shumway，2003；Dowling和Lucey，2005；Edmans et al.，2007；Bradley et al.，2009；Palomino et al.，2009；Kaplanski和Levy，2010；Chen et al.，2013）。上述學者普遍認為市場情緒和投資者行為偏差是影響資產價格的重要因素。當市場情緒高漲的時候，一方面會有大量噪聲交易者涌入市場，另一方面投資者的過度自信程度將整體上升并且相應地更加偏好風險，從而傾向于給未來的資產價格賦予一個更為樂觀的估計；當市場情緒低落時，投資者的風險態度也會相應發生改變，變得更加風險厭惡，因此對于未來價格走勢的看法也趨于悲觀。將投資者的異質信念引入資產定價的研究始于Miller（1977），他指出由于賣空限制（short-sale constraints）的存在，相較于樂觀投資者的信念而言，悲觀投資者的信念更加難以在資產價格中反映。后續的大量實證研究也印證了Miller（1977）的這一觀點，發現異質信念的存在會在一定程度上導致股票價格的高估（Chen et al.，2002；Diether et al.，2002；Park，2005；Yu，2011；Hong和Sraer，2012）。上述研究結果帶來一個直接推論：現階段投資者信念的異質性越強，預示著下一階段市場價格走低的可能性越大。然而異質預期能夠作用于股價的前提則是賣空限制的存在。西方許多學者就國外市場上為何會存在賣空限制進行了大量研究，這些研究通過賣空限制將投資者情緒和異質預期聯系在了一起。D’Avolio（2002）的研究表明，投資者賣空所需的資金通常需要從機構投資者處獲得，而股價往往在市場投資者情緒高漲時被高估，機構投資者往往能夠察覺到這種高估而不愿向賣空者提供資金，導致賣空無法順利進行。Yu和Yuan（2011），Stambaugh等（2012）進一步發現這種賣空限制在投資者情緒高漲的時期的影響更加明顯。主要原因在于在市場上投資者情緒普遍高漲的時期會有更多的散戶投資者進入股票市場，導致其對股價的影響更大，由于散戶投資者在投資知識和經驗上的欠缺，從而使得理性投資者更難預測短期內的價格走勢，從而面臨更高的賣空風險和更強的資金約束。

（二）國內文獻 迄今為止，國內學者針對投資者異質信念和股票收益之間的關系開展了一些理論和實證研究，也針對投資者情緒和股票收益之間的關系進行了一系列研究。其中具有代表性的研究為陳國進等（2009）以及張宗新和王海亮（2013）。前者發現在中國股票市場上投資者異質信念與股票未來收益之間存在顯著負相關關系；后者主要著眼于市場新信息出現時投資者主觀信念如何調整以影響到投資者情緒水平進而導致市場波動這一沖擊過程，研究結果表明投資者的主觀信念對情緒存在正向沖擊，投資者情緒對市場波動率及收益率均有著顯著的正影響。然而目前尚未有文獻就投資者情緒、異質信念和股票未來超額收益這三者之間的互動關系進行實證研究。本文的研究能夠填補這一空白，并對已有的文獻形成拓展和支撐。本文探討的關鍵問題是在中國A股市場上，投資者異質信念對股票未來超額收益的影響程度與當時市場上投資者情緒高低之間有著怎樣的關系。

三、研究設計

（一）研究假設 倘若賣空限制存在，相較于市場上的樂觀預期而言，悲觀預期更難在市場價格中得到反映。由此所引發的直接后果是，投資者信念的異質性程度越高，當期股票價格就越容易被高估，而未來的股票價格將在價值回歸的作用下進行調整，導致股票的未來超額收益降低。并且上文已提及，當市場情緒高漲時，由于噪聲交易者增加以及資金約束增大等因素的影響，賣空限制將會更加凸 顯（Shleifer和Vishny，1997；D’Avolio，2002；Yu和Yuan，2011；Stambaugh et al.，2012）。根據這一判斷，我們提出本文的核心假設。

假設：在中國A股市場上，當投資者情緒高漲時，投資者的異質信念與股票市場的未來超額收益之間存在顯著負相關關系；而在投資者情緒低落的時期，投資者的異質信念與股票未來超額回報之間的關系并不顯著

（二）樣本選取與數據來源

由于上文構建了SENTI和NEW SENTI兩個投資者情緒指數，本文將分別使用這兩個指數進行后續實證研究，因此本文設置兩個樣本區間：2003年3月至2014年10月，以及2010年5月至2014年10月。此外，本文采用滬深300指數收益率作為市場收益率，采用中債10年期國債到期收益率代表無風險收益率。

（三）變量定義

（1）投資者情緒的度量。

第一，指標選取。目前用來度量投資者情緒的指標分為兩類，一類稱為主觀指標，另一類稱為客觀指標（易志高和茅寧，2009）。Baker和Wurgler（2007）基于主成分分析方法，使用封閉式基金折價、NYSE股票成交量、IPO數量及平均上市首日收益、股票發行占證券發行的比例和股利溢價這6個單項情緒指標，同時控制一系列相關宏觀經濟周期變量，構建了度量美國市場上投資者情緒的復合指數。與前述兩類單一指標相比，該復合指數能夠更全面準確地反映投資者情緒的變動。易志高和茅寧（2009）、張宗新和王海亮（2013）使用主成分分析的方法，各自構建了能夠反映中國股票市場投資者情緒的綜合月度指數。本文參照上述研究，采用主成分分析法構建復合指數（SENTI）來刻畫中國A股市場的投資者情緒。選取的六個投資者情緒指標包括：（1）封閉式基金折價率。該指標作為投資者情緒的傳統代理變量之一，通常與市場情緒呈負相關關系。此處采用封閉式基金折價率的加權平均月度值。（2）換手率。該指標能夠反映市場交易的活躍程度，通常與投資者情緒呈正相關關系。此處采用滬深兩市的月成交量除以兩市的月流通市值的結果。（3）當月IPO數量。該指標能夠從側面反映股市的景氣程度，通常與市場情緒變動方向一致。此處采用滬深兩市每月的IPO數量。（4）IPO首日收益率。該指標能反映市場投資者對于新股的追捧程度，一般來說該指標越高說明市場情緒越高漲。此處采用滬深兩市每月所發新股首日收益率的加權平均值。（5）投資者新增開戶數。該指標較好地反映了新投資者進入市場的意愿是否強烈，當情緒高漲時，該指標也將相應升高。此處采用滬深兩市月度新增開戶數量的自然對數值。（6）消費者信心指數。由于目前中國的投資者信心指數編制尚不完善，且許多學者的研究表明消費者信心指數也能較好衡量投資者的心理變化（易志高和茅寧，2009），因此本文采用國家統計局編制的月度消費者信心指數作為投資者主觀感受的代理指標。同時，考慮到宏觀經濟周期性因素的潛在影響，本文引入了居民消費價格指數、生產者物價指數、工業生產增加值以及宏觀經濟景氣指數這四個指標作為控制變量。

第二，傳統投資者情緒指數的構建。構建該投資者情緒指數所使用的數據均為2003年3月至2014年10月的月度數據，原始數據均來源于Wind金融數據庫。由于不同指標對投資者情緒的反映可能存在著時間上的提前與滯后關系。因此需要首先確定上述6項指標的提前與滯后關系。為此，我們構建了包含上述6個指標及其滯后一期變量的共12個變量的投資者情緒指數（senti）。然后分別對senti與這12個變量進相關性分析，選出其中相關系數最大的6個變量作為進一步構造最終的投資者情緒指數（SENTI）的源指標。統計結果見表1。

表1 senti與12變量的相關性

從表1可以看到，各指標均通過相關的顯著性檢驗。我們選取上市首日收益率、上市首日收益率（滯后項）、IPO數量、IPO數量（滯后項）、封閉式基金折價率、封閉式基金折價率（滯后項）這6個變量進一步構造指數SENTI。首先對這6個指標進行標準化處理，隨后還將這6個變量分別與居民消費價格指數、生產者物價指數、工業生產增加值以及宏觀經濟景氣指數這4個同樣經過標準化的宏觀經濟變量進行回歸，得到各自回歸后的殘差序列，再對這6個殘差變量進行主成分分析。由于前4個主成分的累計方差解釋率達到95.37%，能夠囊括大部分信息，故選取前4個主成分。按照各自的解釋百分比進行加權平均來構建投資者情緒指數SENTI。主成分分析的結果見表2。

表2 SENTI構建的主成分分析

第三，新型投資者情緒指數的構建。由于2010年我國推出了融資融券業務，這使得我國A股市場的市場環境發生了較大改變，并且融資融券業務的影響力，尤其是融資業務的影響力隨著時間的增長而日益凸顯，其在2014年下半年以來的股市行情中所起到的推動作用就是很好的例證。鑒于此，本文嘗試在投資者情緒指數中加入第7個指標，即融資融券規模。該指標與市場情緒呈正相關關系，當市場上投資者情緒高漲時，該指標也將相應擴張。此處采用融資融券余額的月度值。此外，2014年下半年以來，在中國股市大漲的背景下，分級基金的杠桿份額出現了異常火爆的行情，并且近年來分級基金在整個基金市場的份額呈快速上升趨勢，與此相對應的則是封閉式基金的逐漸萎縮。因此在構建新型投資者情緒指數時，我們使用分級基金整體折溢價率這一指標替換封閉式基金折價率指標。該指標的計算方法為：整體折溢價率=（(優先級收盤價*優先級份額占比+普通級收盤價*普通級份額占比)/母基金凈值-1）*100%，先求出日整體折溢價率再將其月度化。其余5個指標不變，分別為換手率、當月IPO數量、IPO首日收益率、投資者新增開戶數以及消費者信心指數。構建新型指數所使用的數據均為2010年5月至2014年10月的月度數據，原始數據均來源于Wind金融數據庫。依照上述傳統投資者情緒指數構建的步驟，首先構建包含7個指標及每個指標滯后一期變量的投資者情緒指數（new senti）。再分別對new senti與這14個變量進相關性分析，選出其中相關系數最大的6個變量作為進一步構造最終投資者情緒指數（NEW SENTI）的源指標。這6個變量分別為融資融券規模（滯后項）、融資融券規模、換手率、換手率（滯后項）、分級基金整體折溢價率（滯后項）、分級基金整體折溢價率。具體相關性分析結果見表3。

表3 new senti與14變量的相關性

接下來對這6個指標進行標準化處理，并將其與宏觀經濟變量進行回歸，得到各自回歸后的殘差序列，再對這6個殘差變量進行主成分分析。同樣取前4個主成分，其累計方差解釋率達到91.66%。進而按照各自的解釋百分比進行加權平均來構建投資者情緒指數NEW SENTI。主成分分析的結果見表4。

表4 NEW SENTI構建的主成分分析

（2）投資者異質信念的度量。本文采用信息交易量的相對變化率（△IV）作為異質信念Disgt的代理變量來刻畫投資者異質信念的程度。所謂信息交易量（IV），是指總交易量（V）減去流動性交易量（LV）之差。即IVt=Vt-LVt。Andersen（1996）提出可以將市場交易量區分為基于流動性需求的交易量和基于新信息的交易量。根據市場微觀結構理論的分析，由于信息不對稱的存在，當新信息出現時，會導致市場交易發生，其所產生的交易量即為基于新信息的交易量。由于基于流動性需求的交易量是投資者為保持風險資產和現金之間的平衡而進行的交易，并不涉及投資者對資產價值的預期是否發生變化，因此基于流動性需求的交易量只是總交易中的一小部分并且通常較穩定，因此可以用總交易量的T日均值作為流動性需求交易量的代理變量。根據上述分析，結合我國A股市場特點，本文使用樣本區間內交易量的月度均值代表流動性交易量，用月度市場總交易量減去該值即可得到信息交易量的月度值。為了便于后續的實證檢驗，我們進一步計算出月度信息交易量的相對變化率△IV，即。計算異質信念Disgt的代理變量△IV的原始數據來自Wind金融數據庫。

（四）模型構建 中國A股市場上，投資者情緒的高漲或低落是否會對投資者的異質信念與股票市場的未來收益之間的關系產生顯著影響。由于投資者的異質信念與股票市場的未來收益是否顯著相關取決于賣空限制。而在投資者情緒高漲的時期，這種情緒會通過不同的渠道使得賣空限制更為凸顯。我們據此推測，異質信念和股市未來收益之間的關系在市場情緒高漲的時期將會比市場情緒低落的時期更加顯著。

為了證實這一推斷，本文參照Kim等（2014）構建了如下檢驗方程：

其中，Rt+1是月度市場超額收益率，Disgt是異質信念的大小，Var（Rt+1）是市場超額收益率的月度方差（其中市場超額收益率是用滬深300指數月度收益率減去無風險收益率算得的）。Dt是投資者情緒的虛擬變量，在整個樣本期內，當投資者情緒高漲時Dt的取值為1，反之則取值為0。

如何判斷某個月份t是否為投資者情緒高漲的月份從而決定Dt的取值呢？基于我們已經構建的投資者情緒指數SENTI和NEWSENTI，我們采用t月的前后各一個月共三個月為一個觀察期，以該期中位數為基準，倘若t月的投資者情緒指數高于該中位數，即被判定為高情緒月份，其Dt為1；倘若低于該中位數，則被判定為低情緒月份，其Dt取0。

通過觀察投資者情緒虛擬變量Dt和異質信念Disgt的交互項系數是否顯著，我們便可判斷本文的研究假設是否成立。倘若二者的交互項系數顯著，便可說明在投資者情緒高漲的時期，投資者當期的異質信念與下一期的股票市場超額回報之間的關系顯著。值得注意的是，檢驗方程中還包含了市場超額收益率的月度方差Var（Rt+1）以及投資者情緒虛擬變量Dt與Var（Rt+1）的交互項。Var（Rt+1）是市場風險的代理變量，加入這兩項的目的是為了控制股票超額收益中風險因子所解釋的部分，從而更好地反映在高情緒時期異質信念對市場超額收益的解釋力。

四、實證分析

（一）描述性統計 在分別基于SENTI和NEWSENTI求得投資者情緒的虛擬變量Dt后，我們進而以Dt為分組變量進行分組，對檢驗方程的三個關鍵變量進行描述性統計見表5、表6。從表5、6中可以看出，當投資者情緒高漲時，月度超額收益率的標準差明顯大于投資者情緒低落的時期以及整個樣本，同時投資者的異質信念程度也明顯高于低情緒時期。這從直觀上粗略地印證了我們的猜想。

（二）回歸分析 本文基于投資者情緒指數SENTI構建虛擬變量Dt的2003年至2014年的面板數據進行了多元線性回歸，表7中展示了本次回歸結果的分析匯總。從表7的回歸式（3）中可以看出，投資者情緒虛擬變量和異質信念變量交互項Dt*Disgt的系數為-0.03113，對應的t值為-4.34，在1%的顯著性水平下顯著。這一結果很好地印證了我們之前的猜想，即在投資者情緒高漲的時期，投資者當期的異質信念與下一期的股票市場超額回報之間的關系極為顯著。并且Dt*Disgt的系數總體為負，這也與我們的經濟學直覺一致：即當期的異質信念與下一期股市超額收益率之間呈負相關關系，當期信念的異質性程度越高，則意味著下一期股市的超額回報率越低。雖然各回歸式的調整可決系數僅為1.53%、2.79%和5.25%，但相較于Kim等（2014）的研究成果中不到3.00%的調整可決系數，本文模型的整體解釋力度則明顯更高。類似地，本文也針對基于投資者情緒指數NEW SENTI構建虛擬變量Dt的2010年-2014年的面板數據進行了回歸，表8中展示了本次回歸結果的分析匯總。從表8中可以看出，在采用新的投資者情緒指數NEW SENTI作為情緒指標的替代變量之后，投資者情緒虛擬變量和異質信念變量交互項Dt*Disgt的系數仍然在10%的顯著性水平下顯著。這一結果與表7回歸結果也完全一致，更加證實了本文的研究假設是成立的。并且此處Dt*Disgt的系數也總體為負，與直覺相一致。另外，從回歸的調整可決系數來看，模型整體的解釋力度較使用傳統情緒指標時有較大幅度的提升。這從一定程度上說明了加入了融資融券規模和分級基金整體折溢價率的情緒指標更能準確捕捉投資者情緒的波動，進而與投資者異質信念等指標結合對未來股指走勢進行有效的預測和判斷。

表5 基于SENTI的Dt分組描述性統計

表6 基于NEW SENTI的Dt分組描述性統計

表7 2003-2014回歸結果匯總

表8 2010-2014回歸結果匯總

五、結論

本文著眼于市場心理及投資者行為特征，將投資者情緒與投資者的異質信念相結合，構建了兩個基于不同指標和樣本區間的投資者情緒指數，進而分別使用這兩個指數建立區分高低情緒的標準，最終通過對檢驗方程的滾動窗口回歸來判斷投資者情緒的高低是否會對投資者的異質信念與未來股票市場的超額回報之間的關系產生顯著影響。本文的實證研究結果表明，在市場上投資者情緒高漲的時期，當期投資者的異質信念與未來股票市場的超額回報之間呈顯著負相關關系；而在投資者情緒低落的時期，投資者信念的異質性程度則不會對未來股票市場的超額收益率產生顯著影響。這一結果背后的原因在于投資者情緒的高低會影響賣空限制的強弱，而賣空限制則是投資者的異質信念能夠對市場收益產生作用的前提和關鍵。在理論層面，本文是近年來行為金融學領域關于投資者情緒研究的補充和拓展。而在應用層面，上述結論對于中國A股市場上的投資有重要的意義和啟示，即在市場情緒高漲的時期，投資者可以通過觀察市場整體信息交易量的變化來對未來的股市回報進行大致的判斷，市場上信息交易量的劇烈變化可能預示著近期內股市將整體走弱。需要說明的是，盡管本文的實證研究有效地整體上我們的分析和結論，但是在新型投資者情緒指數NEW SENTI的構建上，受制于數據的時間跨度較短，樣本量較少的問題，導致本文在這方面的研究還有一定局限性。因此后續研究可以持續跟蹤這些數據，在投資者情緒指數構建的指標選取方面做文章。此外，許多國外研究采用分析師預測的異質程度作為異質預期的代理變量，而在中國，目前尚未有數據庫對該項數據進行專門的系統統計，這也造成了本文在異質信念指標選取上的制約。因此未來我們的研究方向還將包括通過何種方法來度量中國市場上分析師預測的異質程度，進而將其作為異質信念的代理變量。

［1］陳國進、胡超凡、王景：《異質信念與股票收益——基于我國股票市場的實證研究》，《財貿經濟》2009年第3期。

［2］劉煜輝、熊鵬：《資產流動性,投資者情緒與中國封閉式基金之謎》，《管理世界》2004年第3期。

［3］陸靜：《投資者異質信念與上市公司盈余信息的甄別》，《中國管理科學》2011年第5期。

［4］陸靜、曹國華、唐小我：《基于異質信念和賣空限制的分割市場股票定價》，《管理科學學報》2011年第1期。

［5］韓立巖、伍燕然：《投資者情緒與IPOs之謎——抑價或者溢價》，《管理世界》2007年第3期。

［6］王美今、孫建軍：《中國股市收益,收益波動與投資者情緒》，《經濟研究》2004年第10期。

［7］易志高、茅寧：《中國股市投資者情緒測量研究：CICSI的構建》，《金融研究》2009年第11期。

［8］張丹、廖士光：《中國證券市場投資者情緒研究》，《證券市場導報》2009年第10期。

［9］張俊喜、張華：《解析我國封閉式基金折價之謎》，《金融研究》2002年第12期。

［10］張維、張永杰：《異質信念,賣空限制與風險資產價格》，《管理科學學報》2006年第4期。

［11］張宗新、王海亮：《投資者情緒,主觀信念調整與市場波動》，《金融研究》2013年第4期。

［12］Andersen,T.G.Return Volatility and Trading Volume:An Information Flow Interpretation of Stochastic Volatility.The Journal of Finance,1996.

［13］Bia？kowski,J.,Etebari,A.,Wisniewski,T.P.Fast profits:Investor Sentiment and Stock Returns During Ramadan.Journal of Banking Finance,2012.

［14］Bradley,D.J.,Gonas,J.S.,Highfield,M.J.,Roskelley,K.D.An Examination of IPO Secondary Market Returns.Journal of Corporate Finance,2009.

［15］Chen,J.,Hong,H.,Stein,J.C.Breadth of Ownership and Stock Returns.Journal of Financial Economics,2002.

［16］Chen,M.P.,Chen,P.F.,Lee,C.C.Asymmetric Effects of Investor Sentiment on Industry Stock Returns:Panel Data Evidence.Emerging Markets Review,2013.

［17］D’avolio,G.The Market for Borrowing Stock.Journal of financial economics,2002.

［18］Diether,K.B.,Malloy,C.J.,Scherbina,A.Differences of Opinion and the Cross Section of Stock Returns.The Journal of Finance,2002.

［19］Dowling,M.,Lucey,B.M.Weather,Biorhythms,Beliefs and Stock Returns—some Preliminary Irish Evidence.International Review of Financial Analysis,2005.

［20］Edmans,A.,Garcia,D.,Norli,O.Sports Sentiment and Stock Returns.The Journal of Finance,2007.

［21］Hirshleifer,D.,Shumway,T.Good Day Sunshine:Stock Returns and the Weather.The Journal of Finance,2003.

［22］Hong,H.,Sraer,D.Speculative betas(No.w18548).National Bureau of Economic Research,2012.

［23］Kamstra,M.J.,Kramer,L.A.,Levi,M.D.Losing Sleep at the Market:The Daylight Saving Anomaly.American Economic Review,2000.

［24］Kaplanski,G.,Levy,H.Sentiment and Stock Prices:The Case of Aviation Disasters.Journal of Financial Economics,2010.

［25］Kim,J.S.,Ryu,D.,&Seo,S.W.Investor Sentiment and Return Predictability of Disagreement.Journal of Banking&Finance,2014.

［26］Miller,E.M.Risk,Uncertainty,and Divergence of Opinion.The Journal of Finance,1977.

［27］Palomino,F.,Renneboog,L.,Zhang,C.Information Salience,Investor Sentiment,and Stock Returns:The Case of British Soccer Betting.Journal of Corporate Finance,2009.

［28］Park,C.Stock Return Predictability and the Dispersion in Earnings Forecasts.The Journal of Business,2005.

［29］Stambaugh,R.F.,Yu,J.,Yuan,Y.The short of it:Investor sentiment and anomalies.Journal of Financial Economics,2012.

［30］Yu,J.Disagreement and Return Predictability of Stock Portfolios.Journal of Financial Economics,2011.

［31］Yu,J.,Yuan,Y.Investor Sentiment and the Mean–Variance relation.Journal of Financial Economics,2011.