個體投資者情緒、網絡自媒體效應與股票收益

胡昌生, 陶 鑄

(武漢大學 經濟與管理學院,湖北 武漢 430072)

?

個體投資者情緒、網絡自媒體效應與股票收益

胡昌生, 陶 鑄

(武漢大學 經濟與管理學院,湖北 武漢 430072)

個體投資者情緒變動會影響股票收益嗎？本文以東方財富股吧發帖量作為個體投資者情緒的代理，研究個體投資者情緒、網絡自媒體效應與股票收益可預測性之間的關系。我們發現，個體投資者情緒通過網絡自媒體傳播可以系統地影響股票收益，且存在顯著的可預測性。具體而言，發帖量越高的組合，短期收益越高，表現出短期的動量效應；其次，當對樣本股性質進行區分后，小市值、低賬面市值比和機構投資者持股比低的股票對個體投資者情緒變動更加敏感，呈現出明顯的情緒蹺蹺板效應。進一步地，經風險因子調整之后，零成本套利投資組合仍能獲得顯著的超額收益，且超額收益來源于前期低發帖量組合，情緒依然是情緒。

個體投資者情緒；發帖量；網絡自媒體效應；股票收益

1 引言

我國股票市場是一個典型的以個體投資者占比居多的市場。在整個A股交易中，中小散戶占據絕對比重。由于個體投資者普遍表現為非理性，其情緒容易受到市場中各種噪音信號的影響，是典型的噪音交易者[1]，從而導致我國股票市場上股價的劇烈波動。個體投資者情緒的波動是否構成對股票短期收益的可預測性？這是一個重大的金融理論與現實問題。針對這一問題，目前學界通過兩種途徑進行了有益的探索：一是直接通過個體投資者交易數據，構造投資者情緒的代理，如Kumar和Lee的BSI指數[2]，來探討個體投資者情緒變化對股票價格是否產生系統性的影響。二是間接通過媒體情緒，即媒體效應，來研究投資者情緒與股票價格波動間的關系。近年來，隨著互聯網的普及，自媒體成為投資者尤其是個體投資者獲取信息的主要渠道，較為典型的有股吧、推特、微博等。網絡在信息傳播過程中扮演著日益重要的角色，但網絡在傳播信息的同時，也在傳播著噪音。投資者情緒由過去的口口相傳[3]變為網絡傳播，這就決定了情緒在市場上的傳播無論在速度、參與性還是便利性方面，都極大地超越以往。

東方財富網是國內最大的財經資訊網站，據艾瑞研究，2014年12月該網站日均覆蓋人數超過1500萬人。本文以東方財富股吧發帖量作為個體投資者情緒的代理，有足夠大的樣本覆蓋，同時，由于其更加貼近市場，信息匯集程度高，有別于推特、微博等其他網絡自媒體，可以很好地反映個體投資者情緒的波動。有些研究從關注度的角度來解釋投資者買賣行為與價格和交易量之間的關系。正如羅伯特·席勒所言，股票價格與交易量是投資者關注的結果[3]，投資者關注度高的股票，往往對應著情緒的高漲，反之亦然。股吧發帖量的高低既是投資者關注的結果，更是投資者情緒的表達和傳播。個體投資者情緒在網絡自媒體上的表達，形成了網絡自媒體情緒。對于不同特征的股票，投資者情緒表達是不同的，這就是情緒可預測性在橫截面上的差異性問題。這樣的一種影響機制即為網絡自媒體效應。

本文以發帖量作為個體投資者情緒的代理，研究投資者情緒與股票收益可預測性之間的關系。具體地，文章從三個層面展開：首先，我們分析了投資者情緒是否對當期股票收益存在短期可預測性問題。本文按照發帖量的高低將樣本股劃分為高、中和低三種不同的組合，結果表明發帖量高的組合對應著當期高收益，反之亦然。在不考慮交易成本的情形下，高發帖量組合相比低發帖量組合具有顯著為正的收益溢價，呈現出明顯的短期動量效應[4,5]，與Barber和Odean買入熱門股效應一致[6]。進一步地，本文構造零成本套利組合，即買入上期發帖量低的股票，賣出上期發帖量高的股票，研究結果表明投資組合能夠獲得風險調整之后的超額收益。其次，本文分別考察了在不同期間上個體投資者情緒對股票收益影響的橫截面差異，將上述三種不同發帖量組合進一步按照規模、賬面市值比、機構持股比例等因素進行劃分，實證結果表明小市值、低賬面市值比、低機構持股比組合獲得的超額收益更為顯著，這與Baker和Wurgler的情緒蹺蹺板效應相吻合，即投資者情緒對于套利成本高的股票影響更大[7]。此外，為了更深入地考察個體投資者的非理性特征，本文引入了價格因素，結果發現在當期高收益情形下，高發帖量組合較低發帖量組合存在收益為正的溢價，顯著大于低收益組合下對應的收益差。前期高收益組合在當期獲得低收益，而前期低收益組合在當期獲得高收益，表明個體投資者情緒主要受價格變動的牽引，進一步驗證了個體投資者情緒的非理性特征。

相對于已往的文獻，本文的創新之處在于：(1)本文以網絡自媒體的發帖量數據作為個體投資者情緒代理，將網絡自媒體效應與傳統的他媒體效應區分開來，具有理論上的創新性。(2)將網絡自媒體效應與股票收益的可預測性及其在橫截面上的差異性聯系起來，產生了重要而有趣的市場發現。(3)通過引入機構投資者持股比例變量，證實市場在傳播信息的同時也在傳播噪音，市場并不因信息傳播效率的提高而變得更加有效。以上研究豐富了投資者情緒理論，加深了我們對投資者非理性行為的認識。

2 文獻綜述與研究假設

大量的實證研究表明，個體投資者在市場中處于信息劣勢，其交易行為并非源自對股票基本面信息變化的認知，而是源于他們的情緒變化，且更易受到噪音信息的影響[1]。股票價格在面對情緒沖擊時，不是表現為反應過度就是表現為反應不足。Kumar和Lee,王永鋒和胡昌生通過構造反映投資者情緒的BSI指數，證明投資者情緒會對資產價格產生系統性的影響[2,8]。進一步地，Baker和Wurgler將情緒區分為理性和非理性，非理性情緒作為投資者“動物精神”的反映，在短期對資產價格有正向影響[7,9]，存在短期動量效應。伴隨著互聯網的普及，更多的投資者通過股吧、微博等自媒體獲取、交流投資信息。由于網絡媒體情緒具有很強的渲染性，帶有正面或者負面情緒的信息傳播得更快更廣，投資者的投資決策無疑會受到這類媒體情緒的影響[10]。股吧發帖量的高低能夠很好地反映個體投資者情緒的變化。因此，提出本文的第1個假設：

假設1 個體投資者情緒對股票價格構成系統性的影響，情緒越高的股票短期收益越高，存在由情緒驅動的短期動量效應。

個體投資者存在非理性特征，如實現效用[11]和賭博偏好[12]。在實際交易中，投資者往往并非完全遵循風險與收益對等的理性原則，在投資決策時會偏好某些特征的股票，如小市值、機構持股比例較低、高成長性、低價和高波動性等具有較高套利成本的股票[13]，因而這類股票的收益受到個體投資者需求和情緒變動的影響更為顯著。進一步研究表明，對于不同特征的股票而言，情緒的作用效果并不一樣。Baker和Wurgler發現了情緒蹺蹺板效應，即投資者情緒對于不同套利難度的股票價格的影響程度不一致，定價過于主觀和套利難度較大的股票會更多地受到投資者情緒的影響[7]。進一步地，Bartov等以推特作為研究對象，發現盈余公告前10天在推特上所表達的多空觀點與盈余公告期股票的超額收益存在正向關系，特別地，對于小市值、低分析師關注和低媒體報道的股票來說，相關性更為顯著，這意味者信息透明度低的股票更易受到投資者情緒的影響[14]。因此，提出本文的第2個假設：

假設2 個體投資者情緒對股票價格的影響存在橫截面差異，小盤股、成長股及機構持股比低等套利難度高的股票對情緒變動更加敏感，更易受到個體投資者情緒的影響。

為了考察投資者情緒是否構成一個獨立的影響股票收益的因子，在假設1和假設2的基礎上，我們進一步提出本文的第3個假設：

假設3 個體投資者情緒對股票收益的系統性影響在排除了已知的風險因子后，依然顯著存在。個體投資者情緒是一個獨立的影響股票收益的因子。

個體投資者情緒通常具有助長助跌的反饋特征，與價格之間存在較為明顯的反饋關系[15]。投資者情緒的變化會對資產價格產生影響，而資產價格的變化反過來又會影響投資者情緒。Kaniel等的研究表明在月度水平上個體投資者會買入前期價格下跌的股票，賣出前期上漲的股票，表現出負反饋的特征[16]。進一步地，Merton認為，在信息不完全的市場中，未被市場廣泛認知的股票由于其特有的風險未被完全分散，故需要更高的未來收益作為補償，即Arbel等的冷門股效應[17]，反之，被市場廣泛認知的股票帶來當期市場價值的上升，未來收益降低[18]。因此，提出本文的第4個假設：

假設4 個體投資者情緒易受股票價格變動的牽引，且超額收益主要來源于前期低情緒股票組合，呈現出顯著的冷門股效應。

3 數據來源和變量選取

3.1 數據來源

本文用python網絡爬蟲從東方財富股吧中抓取樣本股發帖量的周度數據作為個體投資者情緒的代理。為防止單純考察某一市場股票對實證結果產生影響，我們隨機從全市場中抽取954只股票作為研究對象。相比于以往類似研究，本文將研究時間跨度拓展至2年(2013年1月1日到2014年12月31日)，從而使研究結論更具有一般性。與此同時，為了排除新股上市的事件效應，我們抽取的樣本股票均在2013年之前上市。為了確保實證結果的準確性，在數據處理的過程中，我們排除樣本股中每期停牌的股票。鑒于本文使用發帖量作為個體投資者情緒的代理，我們排除期間所有與公司基本面相關的帖子，包括新聞報道、公司公告和研報，避免基本面因素對研究問題產生影響。本文所使用的收益率、股東權益、賬面市值比等數據均來自國泰安數據庫。機構持股比例數據來自銳思數據庫。

3.2 變量選取

本文主要研究作為個體投資者情緒代理的股吧發帖量對股票收益的影響，因此自變量為股吧發帖量，因變量為投資組合的收益率。本文所使用的控制變量包括：市場因子(rmrf)、規模因子(smb)、價值因子(hml)以及動量因子(umd)。其中rmrf是全市場加權平均綜合收益率與三個月期定期存款利率之差的周度數據；smb和hml指標的構建與Fama和French類似[19]，考慮到樣本區間的限制，與三因子模型不同的是，本文根據季度股東權益、賬面市值比數據進行滾動分組，得到周頻率指標；最后，我們按照Carhart的方法構造umd[20]，然而考慮到樣本限制，本文按照前一個月的股票收益大小進行排序。定義umd為全市場收益率前30%組合和后30%組合在下一個月的周收益率之差，組合每月更新一次。

4 實證結果與分析

為了考察個體投資者情緒對股票價格是否構成系統性的影響及其作用機制，本文首先研究當期發帖量對當期股票收益的影響及在橫截面上的差異性。其次，為了檢驗個體投資者情緒是否為獨立存在的影響股票收益的風險因子，本文排除其他風險因子的影響，對其進行進一步研究。再次，考慮個體投資者情緒的非理性特征，本文引入價格因素，驗證投資者情緒是否受到價格因素的牽引。最后是穩健性檢驗。

4.1 發帖量與當期股票收益

由于在股吧發帖的往往是個體投資者，為了考察個體投資者情緒的變化是否對股票價格產生系統性影響，本文首先根據發帖量將樣本股票分為高(H)、中(M)和低(L)三個不同的組合，考察組合間的收益溢價是否顯著異于0。其次，為了檢驗情緒蹺蹺板效應是否存在，本文按照市值、賬面市值比等風格特征，分別將不同發帖量的組合進行二次分組。接下來，進一步檢驗個體投資者情緒是否具有非理性特征，即個體投資者情緒是否會對非理性投資者持股比高的股票價格影響更大，本文納入機構投資者持股比例變量。最后，為了考察投資者情緒是否存在“價格—情緒”的反饋特征，本文按照前期和本期的收益率分別分組進行考察。上述分組均按照30%分位數和70%分位數進行劃分，其中發帖量和收益率等組合每周滾動調整一次，考慮到公司特征數據的可得性，市值、賬面市值比、機構持股比等組合每季度滾動調整一次，后文將不再贅述。

表1 發帖量對當期股票收益的影響

注：1，2，3分別表示高、中和低分組。

表1中，第一行是不同發帖量股票組合的平均周度收益率，高發帖量股票組合較低發帖量組合而言，超額收益顯著異于0。實證結果表明，在短期，發帖量對于股價產生正向的壓力，發帖量越高，對應的股票收益越高。檢驗結果支持假設1，個體投資者情緒對股票價格構成系統性的影響，且呈現出短期動量效應。

接下來，本部分檢驗股吧發帖量對不同特征股票的影響是否存在明顯的差異。面板A表明，對于小市值股票而言，高發帖量與低發帖量組合收益之差為2.08%，遠高于大市值股票的溢價。面板B的結果顯示，對于低賬面市值比的股票，高發帖量組合相比低發帖量組合存在0.98%的超額收益，高于高賬面市值比組合的0.50%，可見，賬面市值比低的股票更容易受到發帖量的影響。進一步地，從面板C可以看出，在高機構持股比情況下，高發帖量與低發帖量組合收益之差為0.71%，相對于低機構持股比組合而言，實證結果表明機構投資者有助于減少個體投資者情緒對股票市場的影響。實證結果支持假設2，即情緒蹺蹺板效應的存在[7]，也與Kumar和Lee，Han和Kumar對個體投資者的行為研究相吻合[2,13]。

比較面板D和E。在面板D中，當期高收益高發帖量的組合，較當期高收益低發帖量組合能獲得3.32%的超額收益；相應地，對于當期低收益高發帖量組合來說，對應的超額收益為-5.54%。在高發帖量情況下，高收益組合將獲得正異常收益，低收益組合將獲得負異常收益，即個體投資者情緒具有助長助跌的效用，表現為典型的非理性特征[21]。在面板E中，前期高收益組合的當期收益顯著低于前期低收益組合。這可能由于資產價格的修復，當期高媒體情緒組合對應著下一期的低收益，相應地，前期低情緒組合由于情緒溢價較低，本期獲得更高的收益。結合本表第一行的實證結果，這里的分析表明，前期高收益組合對應著當期低發帖量，反之亦然。個體投資者情緒易受資產價格變動的牽引，超額收益來源于前期低發帖量股票，存在冷門股效應[17]，假設4得證。

4.2 進一步分析

為了證明個體投資者情緒是否構成影響股票收益的一個獨立的風險因子，必須對其他的風險因子進行排除。基于此，我們構造零成本套利投資組合，即買入前一周低發帖量組合，賣出前一周高發帖量組合，每周更新一次，進而形成一組周度超額收益的時間序列數據。接下來，本文用超額收益分別對以下三個模型進行回歸。具體如下

模型1rlt-rht=αt+β1t×rmrft+εt

模型2rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+εt

模型3rlt-rht=αt+β1t×rmrft+β2t×smbt+β3t×hmlt+β4t×umdt+εt

其中rlt-rht為投資組合的超額收益，rlt為t-1期低發帖量組合在t期的平均收益率，rht為t-1期高發帖量組合在t期的平均收益率，αt為截距項，εt為隨機擾動項，其余變量均已在上文介紹，本部分不再敘述。

表2 前期發帖量對當期股票收益的影響

注：*，**，***分別表示在10%，5%，1%顯著性水平下顯著；括號里數字表示參數的標準誤。下同。

由面板A的結果可知，對上述三個模型回歸的截距項均顯著為正，這說明根據前期發帖量所構造的套利組合在經過市場因子、規模因子、價值因子和動量因子調整之后，當期仍能獲得顯著為正的超額收益。進一步地，隨著風險因子數量的不斷增加，雖然截距項逐漸減小，但均在99%的置信水平下顯著。實證結果表明個體投資者情緒能夠對股票收益產生系統性的影響，并且經過風險因子調整之后，該情緒對收益的預測性依然穩定存在，結果證實假設3的成立。

接下來，我們考察超額收益的來源問題。本文分別買空前期低發帖量組合和賣空前期高發帖量組合，將兩組收益分別對上述三個模型進行回歸。對比表2中面板B和C，其中低發帖量組合的截距項顯著異于0，而高發帖量組合的截距項并不顯著異于0。上述結果表明，不考慮交易成本，賣空上一周高發帖量組合不能獲得風險調整之后的超額收益，而買空上一周低發帖量股票將獲得顯著的超額收益，即關注度不足帶來股票未來的超額收益。實證結果與Fang和Peress的研究一致[22]，即媒體效應來自于低媒體報道的股票，而非高媒體報道的股票，同時也與Merton的結論相吻合[18]，當期未被廣泛關注的股票，在未來能獲得更高的收益，進一步支持前文的假設4。

表3 前期發帖量對當期股票收益影響的橫截面差異

在表3中，本文考慮了在不同公司特征下，組合的超額收益對風險因子回歸后截距項的差異。面板A表明，網絡自媒體效應顯著存在于中、小市值組合，而對于大市值組合來說，回歸截距項在統計上均不顯著異于0。可見，個體投資者情緒對股票收益的影響存在規模上的差異。在面板B中，高賬面市值比組合的回歸截距項均不顯著異于0，而中、低賬面市值比股票組合能夠獲得統計上顯著的超額收益，即成長股受個體投資者情緒的影響更大。同理，面板C表明，中、低機構持股比例組合的回歸截距項在一定的置信水平下顯著，而機構持股比例高的組合截距項均不顯著。表3的結果表明，在排除了其他風險因子的影響后，個體投資者情緒對股票收益的影響在橫截面上的差異性依然獨立地存在，再次驗證假設2和3的成立。

4.3 穩健性檢驗

前文的實證中，本文將周一到周日發帖量之和作為個體投資者情緒的代理，以此研究情緒對股價的影響。為了避免上市公司在非交易日公布的基本面相關公告對交易日股價產生影響，本文的穩健性檢驗是通過縮減樣本容量的樣本內檢驗(去除掉非交易日的發帖量數據)，重復表2的實證，結果與上文保持一致。

5 結論與啟示

互聯網的普及極大地拉近了人與人之間的距離，為人們的信息與情感交流提供了便利。在金融市場上，互聯網極大地提升了信息傳播的效率，使投資者能夠迅速獲取投資信息。一般地，市場信息傳播效率的提高理應帶來市場定價效率的提高。事實則不然，本文的研究表明，以東方財富網為代表的網絡媒體傳播手段的大量普及，一方面加大了公司基本面信息在市場上傳播的廣度和深度，但另一方面也傳播了市場的噪音。具體而言，首先，投資者的非理性特征并未因市場信息傳播效率的提高而消失，非理性情緒依舊會對資產價格產生系統性的影響，并且呈現為顯著的橫截面差異，其中小市值、低賬面市值比和低機構持股比的股票更易受到情緒的沖擊，對非理性情緒的敏感性更高。其次，個體投資者的非理性情緒還會導致資產價格的錯位，表現為高媒體情緒對應著當期高股票收益，低媒體情緒預示著下一期高股票收益。最后，價格與情緒之間存在反饋關系，即索羅斯所說的反身性[23]，高收益組合網絡媒體情緒的高漲能帶來異常的正收益，反之亦然。以上的結果表明，盡管互聯網改變了信息傳播的方式與效率，卻未能改變投資者的非理性，情緒依然是情緒。

本文的研究為投資者和監管者提供了有益的參考。投資者可以利用網絡自媒體上投資者情緒的非理性特征，制定投資策略，獲得顯著的超額收益；對于監管者而言，可以將個體投資者情緒作為重要的監測指標，據此制定針對性措施，時刻防范由情緒劇烈變化導致的資本市場大幅波動，維護市場健康有序運行。

[1] Barber B M, Odean T, Zhu N. Systematic noise[J]. Journal of Financial Markets, 2009, 12(4): 547-569.

[2] Kumar A, Lee C. Retail investor sentiment and return co-movements[J]. The Journal of Finance, 2006, 61(5): 2451-2486.

[3] 羅伯特·席勒.非理性繁榮[M].李心丹譯.北京:中國人民大學出版社,2001.35-58.

[4] Jegadeesh N, Titman S. Returns to buying winners and selling losers: implications for stock market efficiency[J]. The Journal of Finance, 1993, 48(1): 65-91.

[5] Hillert A, Jacobs H, Muller S. Media makes momentum[J]. Review of Financial Studies, 2014, 27(12): 3467-3501.

[6] Barber B, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors[J]. The Review of Financial Studies, 2008, 21(2): 785- 818.

[7] Baker M, Wurgler J. Investor sentiment in the stock market[J]. Journal of Economic Perspectives, 2007, 21(2): 129-151.

[8] 王永鋒,胡昌生.交易偏好、公司特征與股票收益——基于我國個體投資者交易數據的實證檢驗[J].投資研究,2013,32(1):119-131.

[9] Frazzini A, Lamont O A. Dumb money: mutual fund flows and the cross-section of stock returns[J]. Journal of Financial Economics, 2008, 88(2): 299-322.

[10] Stieglitz S, Linh D X. Emotions and information diffusion in social media——sentiment of microblogs and sharing behavior[J]. Journal of Management Information Systems, 2013, 29(4): 217-248.

[11] Barberis N, Xiong W. Realization utility[J]. Journal of Financial Economics, 2012, 104(2): 251-271.

[12] Barberis N, Huang M. Stocks as lotteries: the implications of probability weighting for security prices[J]. American Economic Review, 2008, 98(5): 2066-2100.

[13] Han B, Kumar A. Speculative retail trading and asset prices[J]. Journal of Financial and Quantitative Analysis, 2013, 48(2): 377- 404.

[14] Bartov E, Faurel L, Mohanram P. Can twitter help predict firm-level earnings and stock returns[R]. Rotman School of Management Working Paper(SSRN 2631421), 2015. 1- 44.

[15] De Long J B, Shleifer A, Summers L H, et al.. Positive feedback investment strategies and destabilizing rational speculation[J]. Journal of Finance, 1990, 45(2): 375-395.

[16] Kaniel R, Saar G, Titman S. Individual investor trading and stock returns[J]. Journal of Finance, 2008, 63(1): 273-310.

[17] Arbel A, Carvell S, Strebel P. Limited information as a source of risk[J]. The Journal of Portfolio Management, 1983, 39(3): 57-63.

[18] Merton R C. A simple model of capital market equilibrium with incomplete information[J]. Journal of Finance, 1987, 42(3): 483-510.

[19] Fama E F, French K R. Common risk factors in the returns on stocks and bonds[J]. Journal of Financial Economics, 1993, 33(1): 3-56.

[20] Carhart M M. On persistence in mutual fund performance[J]. The Journal of Finance, 1997, 52(1): 57- 82.

[21] 胡昌生,池陽春.投資者情緒與資產價格波動性研究[M].武漢:武漢大學出版社,2014.94-121.

[22] Fang L, Peress J. Media coverage and the cross-section of stock returns[J]. The Journal of Finance, 2009, 64(5): 2023-2052.

[23] 喬治·索羅斯.超越金融:索羅斯的哲學[M].宋嘉譯.北京:中信出版社,2010.1-50.

Individual Investor Sentiment, Network We-media Effect and Stock Returns

HU Chang-sheng, TAO Zhu

(SchoolofEconomicsandManagement,WuhanUniversity,Wuhan430072,China)

Does the individual investor sentiment affect stock returns？By using the number of posts on East Money Stock Post Boards as a proxy variable, this paper analyzes the relationship among the individual investor sentiment, the network we-media effect, and the predictability of stock returns. We find that individual investor sentiment can influence stock returns through the spread of network we-media which produces a significant predictability. Specifically, stocks with the more number of posts will earn higher in short-term, showing a short-term momentum effect. When distinguishing the sample stocks by corporation identity, empirical results indicate that individual investor sentiment more significantly affects the small scale stocks, low book-to-market stocks and stocks with low institutional ownership, showing a distinguished “Sentiment Cogging Effect”. Furthermore, after risk adjustment, the zero-cost arbitrage portfolio still produces significant excess returns, and those returns are derived from the previous low number of posts stocks, sentiment remains emotional.

individual investor sentiment; number of posts; network we-media effect; stock returns

2016- 06-26

國家自然科學基金資助項目(71671134)；國家自然科學基金青年資助項目(71401128)

F832.5

A

1003-5192(2017)03- 0050- 06

10.11847/fj.36.3.50