投資者情緒量化研究概述

王昊明

（埃克塞特大學 商學院，英國 德文郡EX4 4PU）

隨著后工業化時代的到來，行為經濟學的研究較多關注投資者情緒對市場變化的影響。這里僅對投資者情緒的量化研究進行概述。

一、投資者情緒的定義

投資者情緒根植于投資者的認知和心理，是投資者在決策和執行過程中的主觀因素。由于投資者情緒千變萬化，因此，有關投資者情緒的定義眾說紛紜。1997年，行為經濟學家Shleifer認為投資者情緒是一種認知過程，這種認知會影響交易時的信念和交易價值的判斷。2000年，Shleifer對概念進行補充，指出：投資者情緒是對未來資產收益的系統性預期偏差，這種情緒反映了不同投資者的共同誤判［1］。Mehra 和 Sah 以及 Baker和 Wurgler則將投資者情緒定義為投資者的投機偏好或樂觀和悲觀態度，Brown和Cliff認為，投資者情緒是對整體市場的樂觀或悲觀情緒，投資者情緒的內涵其實就是人們的主觀認知。投資者情緒研究突破了傳統的金融理論研究框架，旨在分析非理性群體的信念或投資行為對股市的影響［2］。

二、投資者情緒的起源

與傳統金融不同，行為金融考慮了情緒這樣的主觀因素，試圖將行為分析與資產定價相結合作為主要研究內容。投資者情緒起始于噪聲交易者。1986年，Black將投資者群體分為“理性”和“噪聲”交易者，噪聲交易者是指將“噪聲”作為真實的內部信息進行交易的投資者。市場上的噪聲交易者常受市場情緒和主觀認知的影響，使得決策過程具有持續的噪聲特征［3］。因此，對噪聲交易者的界定可以說是對投資者情緒研究的起源。此后，經濟學家們在構建資產定價模型時通常將投資者分為理性交易者和非理性交易者兩類。前者根據傳統的資產定價理論進行股票交易，即套利者，后者則接受市場不完全信息的刺激交易股票，即噪聲交易者。

Long等構建了DSSW模型，認為基于情緒的噪聲交易會導致金融資產價格出現預期偏差，導致資產價格波動。噪聲交易理論和行為資產定價都是從心理學和社會的視角分析投資者的認知偏差和心理特點，探討投資者情緒的機理，研究情緒對股票回報等市場收益的影響。行為金融學的研究和投資者情緒殊途同歸，在行為金融學早期，單一指標被廣泛用于研究［4］。Lee等專注于分析情緒與封閉式基金折價，他們分析了封閉式基金的加權平均折現率，發現個人投資者持有大部分小型股和封閉式基金，其中小市值股收益和基金折價變化是正相關，兩者相關系數大［5］。更重要的是，1993 年，Brauer發現7%左右的基金收益波動都能被噪聲交易解釋，說明噪聲交易對基金收益波動有著影響［6］。Lowenstein等的研究進一步發現投資者決策和情緒波動密切相關。這體現在評估股價時投資者更樂意做出滿意的決定，盡管這不是最優的選擇。Brown和 Cliff將研究重點放在市場規模和情緒的關系上，發現大盤股更容易受到主觀情緒的影響。其中他們將收益區間分為長短期并分別研究情緒在其中的解釋能力。在短期區間內，股市收益率和投資者情緒水平是情緒的重要解釋變量。在長期區間內，情緒更容易使得資產價格被錯誤定價，并和未來1-3年的收益呈負相關關系，由此說明情緒在長期區間內也和股市存在著聯系，并能解釋市場價值和真實價值的不統一現象。Mendel和Shleifer剖析了不同類型投資者之間的相互作用是如何導致定價錯誤的，這種錯誤定價和噪聲有關，投資者們有時會將噪聲誤認為是正確信息，以此為依據去交易，將市場對情緒的反應放大，使得資產被錯誤定價。

當然，也有部分經濟學家持有不同的意見，Solt和Statman對投資者情緒是否能正確預測市場未來走向持有不同的看法。他們認為，股評家和分析師可以歸于噪聲交易者，而噪聲交易者的欲望和判斷，甚至他們的情緒，都無法預測未來的股票回報，投資者情緒不具有預測股市的能力。此外，Clarke、Brown和 Cliff、Verma、Kling和 Gao等研究也發現，投資者情緒指標并不能顯著影響市場收益率指標，雖然兩者存在一定的聯系，但投資者情緒對股市回報的預測能力并不強。

三、投資者情緒指標

（一）直接情緒指標

經濟學家逐漸關注投資者情緒與市場、測量與量化以及對資產回報的影響研究，一些學者傾向于使用直接的情感指標。1987年7月，美國個體投資者協會對成員進行情感調查，并獲得AAII指數，自此后，該指數被廣泛用作為投資者情緒的代理指標。1993年De Bondt研究了標準普爾500指數與美國個人投資者情緒指數之間的關系。他使用AAII調查中的三個回答選項進行回歸分析，牛市（BULL）、熊市（BEAR）和中性（NEUT）分別代表看漲、看跌和中立（NEUT=100-BULL-BEAR）的態度。研究發現，他們的結果與Fisher等的結果相反，標準普爾指數和美國個人投資者情緒指數在顯著水平上呈正相關［7］。1994年Bernstein等研究了華爾街策略情緒指數和華爾街標準普爾500指數，前者對后者具有反向的指示，并具有一定的預測能力。2000年Fisher等人用美國個人情緒指數構建了BI指標:BIt=?Bulls?t/(?Bulls?t+?Bears?t)，其中，BIt代表 t時期的投資者情緒指數，Bullst代表t時期的看漲數，Bearst代表t時期的看跌數。他們通過研究BSI和SP500指數的收益率，發現情緒指數有能力預測回報率，兩者呈顯著負相關。情緒每增加1%，回報率就下降0.1%，情緒可作為回報率的反向指標［8］。

除了AAII指數，常見的直接指標還有密歇根大學消費者信心指數 （年度）。2003年Charoenrook使用該指標來代表投資者情緒，試圖用情緒來解釋股市回報，測試其是否對未來收益具有預測能力。結果顯示，不論是月度還是年度，情緒都能預測市場超額收益，并不受大環境好壞的影響。這一結論說明非完全理性信念普遍影響著整體股市對情緒的作用［9］。2004年 Brown 和 Cliff使用了 BI投資者智力指數，他們發現，情緒代表市場參與者對市場規范的預期。牛市時，無論平均水平如何，投資者預期收益都高于平均水平，但投資者情緒對股票回報率的預測能力并不強，市場回報率反過來又會影響投資者情緒。2007年Schmeling分別對機構投資者和個人投資者的情緒進行對比研究，發現無論散戶還是機構，情緒都會對股票市場產生影響。預測市場收益率能被消息靈通的機構投資者正向預測，而散戶投資者則反向預測市場趨勢。由于機構投資者往往能更快獲取市場變化的消息，當他們認為散戶投資者的情緒過于樂觀時，他們會認為資產的定價已經偏離了其內在價格，并會產生與個體投資者相反的悲觀情緒，反之亦然［10］。

（二）間接情緒指標

投資者情緒的間接量化通常使用一些能夠間接反映投資者情緒的金融市場交易數據。1998年Neal和Wheatley使用三種指標來作為間接衡量指標，封閉式基金折價、零星銷售購買比例以及共同基金凈贖回。通過對1933-1993年數據的研究，認為：規模溢價能很好地被封閉式基金折價和共同基金凈贖回解釋，但是銷售購買比例不顯著，不具有良好的預測能力［11］。為測量投資者情緒對未來股價的預測能力，1998年Clarke和Statman使用投資者智能指數作為投資者情緒指標。結果表明，該指標與道瓊斯工業標準普爾500指數的關系不顯著。研究發現，自1964年以來，投資者情緒在短期預測中效果良好，但長期則又會發生逆向預測，像以4周代表的短期SP500高收益使投資者對股票看漲，26周或52周代表的長期SP500高收益使得投資者的收益發生反轉。因此，基于這個結果，在牛市和熊市中，投資者預測股票收益的能力并不強［12］。

2006年Kumar和Lee通過分析1991至1996年間的185萬個散戶投資者交易數據，發現散戶投資者交易時有同步性。不透明股票往往市值小、價值和機構所有權都比較低，這種類型的股票往往容易受到個體投資者的情緒影響，并難以套利。這種個體投資者的股票回報，宏觀經濟分析數據和收益預測的補充都不能很好地解釋這樣的結果，這樣可反向推測出情緒影響著股票收益［13］。Glushkov指出，20世紀80年代，機構投資者遠離了情緒敏感的股票，但20世紀90年代以來，機構投資者增加了情緒敏感的股票。通過估計個股對情緒變化的敏感性，發現有一些股票難以估值，難以套利。這些股票具有相似的特點，如市值小、發行時間短、賣空約束高、波動性大、股息低，市值較小的股票情緒敏感度較高。

在對情緒和市場研究中，經濟學家的關注點從投資者情緒對股價的作用逐漸轉移到如何更好地量化投資者情緒。為了更好地測量情緒，在研究中，經濟學家從開始的單一指標，逐漸使用不同的復合指數來測量消費者的情緒指數。

（三）復合情緒指標

2006年Baker和Wurgler采用主成分分析法，分析證明了有較高波動性、較小市場價值、上市年限短、難評估、盈利能力較低、沒有分紅，和極端成長性特征的難估值股票更容易受投資者情緒影響，不過這僅僅是在雙因子模型中，當拓展到多因子模型時，這個結論就不再像之前一樣顯著［14］。2007年Verma基于Baker和Wurgler的情緒指數，首次將投資者情緒指數分為完全理性情緒指數和有限理性情緒指數。其中有限理性情緒指數具有后發性特點，是指投資者對過去信息所作出的情緒反應［15］。2008年Burghardt運用歐洲權證交易所銀行發行權證的1 810萬筆交易數據集，構建散戶投資者情緒指數。經過數據量化，最終發現散戶投資者情緒是股票定價過程的一個重要部分，并很好地衡量了投資者情緒，這個發現為他的后續操作提供了思路。德國DAX指數成份股的每日情緒指數是通過衍生品市場交易數據構建的，30只成份股根據其情感價值進行分類，形成了高、中、低三種投資。計算各組第二天的平均收益率，和投資者情緒高的組合相比，低情緒的平均超額收益更加顯著［16］。Wurgler和Baker等人分析了情緒對世界主要股票市場的影響，并發現市場之間的傳播機制，建立了六大股票市場 (美國、英國、日本、德國、法國、加拿大)，投資者情緒指數分為全球(世界)指數和6個本地(國內)指數。他們發現全球情緒是國家水平收益的反向預測，全球和本地市場情緒都是市場內橫截面回報時間序列的反向預測因素。當情緒高時，未來回報率低，相對難以套利和估值。個人的資本流動形成了一種機制，使得情緒在全球范圍內擴散［17］。2012年 Berger和Turtle在BW研究的基礎上，將公司按照透明度分組并進行量化分析，最后發現投資者主觀情緒更容易影響那些不透明性質的股票［18］。

四、結語

投資者情緒的量化研究越來越多元化，并逐漸向著復合指標、與大數據結合的整合方向發展。為了證明投資者情緒是否具有橫截面上的解釋能力，經濟學家用不同的方法量化投資者情緒，并證明了投資者情緒在大多數情況下對市場有著重要的影響。但是，對于利用投資者情緒對市場影響進行精準預測方面，一直難以有較大的突破。隨著計算機語言在金融領域的滲透和應用，基于人工神經網絡和人工智能的方式使得投資者情緒量化研究有了更多的選擇。除了對于股票收益等資產價格的橫截面分析外，利用計算機編程能夠實時監控股市的走向和投資者情緒的變化，更容易將主觀因素量化并納入綜合考量。現在，金融領域的研究更加體現跨領域知識的交叉應用，很多學者使用計算機語言編寫網絡爬蟲，從互聯網媒體中抽取輿論，通過此舉，可以不斷更新投資者對市場的情緒，并以此來反映投資者對股市、對國內經濟的態度。因此，可以預見的是，隨著互聯網技術的發展、多維度大數據分析手段的運用和人工智能以及機器學習技術的融合，投資者情緒量化分析的研究將會朝著越來越全面，越來越真實以及時效性越來越強的方向發展。

總之，投資者情緒方面的研究是行為金融學、投資者情緒指標以及投資者情緒對資產定價和收益解釋作用的研究，這都是為了解決現實中的金融異象和傳統金融理論難以解釋的問題。而現代社會的技術支持為以后的投資者情緒量化研究提供了更多的手段和選擇。