投資者情緒、網(wǎng)絡搜索對股票收益影響的文獻綜述

● 龔之晨

一、投資者情緒對股票異常收益率的影響

（一）投資者情緒的存在性

國外學者早期在研究投資者情緒的存在性問題上普遍選取的指標為封閉式基金折價。Zweig（1973）認為投資者對于基金預期的變化是基金折價的主要原因。Swaminathan（1996）則發(fā)現(xiàn)封閉式基金折價變動在不同規(guī)模公司中，其對股票收益的預測能力效果不同，主要表現(xiàn)為對小規(guī)模公司的股票預測效果優(yōu)于大規(guī)模公司的預測效果。張俊喜等（2003）通過研究中國小規(guī)模公司股票的收益與基金折價的關系，發(fā)現(xiàn)前者與后者的變動呈負相關。劉超（2006）則發(fā)現(xiàn)股票市場上的波動變化與投資者情緒之間有著較為顯著的聯(lián)系，并且具有相類似的走勢情況。

以上的例子都說明投資者情緒與股票市場的收益率有一定的關系，股票異常收益率也可以從投資者情緒的角度進行分析，兩者之間也存在著某種關聯(lián)。

（二）投資者情緒對股票異常收益率的影響

Daniel&Titman（1999）研究發(fā)現(xiàn)投資者關注度與股市的定價效率之間并不是正相關，個體投資者的關注率越高，其在股市上的反應則是股價有顯著的波動，而個股異常收益主要反應在股票價格的大幅波動，進而投資者關注程度與個股異常受益率之間存在某種聯(lián)系。宋軍，吳沖鋒（2003）研究股評家在廣大的輿論中作出非理性的羊群行為，并且伴隨此種非理性的行為，股票市場會出現(xiàn)個股的異常變化。陳國進（2016）通過實證研究，得出了機構(gòu)投資者對股市短期內(nèi)的暴漲以及暴跌現(xiàn)象有著顯著地助推作用這一結(jié)論。

權(quán)小峰（2012）通過研究中國股票市場投資者的選擇性關注程度對市場異象的影響效應，發(fā)現(xiàn)了投資者關注對股票橫截面收益的影響在統(tǒng)計上是顯著的，并且股市上存在明顯的鴕鳥效應，實證論實了“投資者關注”假說。曹仙葉（2016）采用凈買入資金比例作為投資者情緒指標，在此基礎上，定義了積極投資者情緒與消極投資者情緒，并研究了兩者在股票異常收益中的影響情況，其研究顯示，機構(gòu)投資者情緒對往后四周的收益率有正向的影響，個人投資者情緒相對于機構(gòu)投資者情緒來說產(chǎn)生的影響大有不同，其影響的時效更短，并且影響為負向。

（三）投資者情緒的測量

投資者情緒從其表現(xiàn)形式上可以分為顯性投資者情緒與隱性投資者情緒，其中顯性投資者情緒也稱主觀投資者情緒，隱性投資者情緒也稱客觀投資者情緒。Statman和Michael Solt（1988）把投資者情緒分為看漲情緒指標和看跌情緒指標，并得出通過不同構(gòu)造法構(gòu)造出來的情緒指標不會對研究結(jié)果產(chǎn)生影響的結(jié)論。國內(nèi)的顯性投資者情緒指標有“央視看盤”數(shù)據(jù)、“三大公報”（中國證券報、上海證券報和證券時報）看市、好淡指數(shù)等調(diào)查數(shù)據(jù)。國內(nèi)外的學者主要是以各式的經(jīng)濟指標度量投資者情緒，并且在指標的選擇上，Nanda和Singh（2002）選取了新股上市首日收益率以及首次公開發(fā)行數(shù)目作為投資者情緒的代理變量。

Baker（2006）對投資者情緒的測量方法是目前的主流方法，主要是對封閉式基金折價率、IPO數(shù)量、IPO首日收益、股票發(fā)行比例、紅利溢價和交易量進行主成分分析，并且提取投資者情緒。周孝華，李純亮，梅德祥（2008）采用中簽率、新股首日換手率衡量投資者情緒。易志高，茅寧（2009）通過構(gòu)建投資者情緒的綜合指數(shù)（CICSI），驗證出投資者情緒與股市走勢基本保持一致的變動趨勢。韓立巖和伍燕然（2007）選取的投資者情緒由新股首日市場換手率、交易所新開戶數(shù)這兩個指標構(gòu)建。楊曉蘭（2016）利用計算機文本挖掘技術，對東方財富網(wǎng)股吧上的投資者的發(fā)帖量進行了投資情緒傾向的研究，并在此基礎上構(gòu)建了投資者情緒指標，最終發(fā)現(xiàn)積極與消極的投資者情緒對股票收益產(chǎn)生了對應的正向、負向的影響。

二、網(wǎng)絡搜索強度對個股異常受益率的影響

關鍵詞與外部環(huán)境之間的聯(lián)系成為了眾多學者進行預測研究的一種方法。vosen和schmidt（2011）將搜索變量加入消費預測模型中，發(fā)現(xiàn)較基于消費者信心指數(shù)的模型而言，其具有更高的預測精度。宋雙杰（2011）選取股票簡稱的百度搜索量作為投資者關注度的代理變量，其研究肯定了關鍵詞的搜索強度對收益率以及長期表現(xiàn)的解釋和預測能力。

楊欣（2013）采用事件研究方法，分析了甬溫線動車事故發(fā)生后，有關該事件網(wǎng)絡搜索量對中國動車概念版股市震動的解釋程度，并發(fā)現(xiàn)了其中較高的解釋率。金家華（2015）等人將Google Trend關鍵詞關注指數(shù)加入回歸預測模型中，探討了搜索行為和商品房價格決定機制的理論。徐映梅、高一銘（2017）統(tǒng)計得出了CPI低頻與高頻輿情指數(shù)，驗證且得出了基于互聯(lián)網(wǎng)大數(shù)據(jù)構(gòu)建的CPI輿情指數(shù)對于輔助預測CPI是有效的，得出了相關關鍵詞的搜索熱度指標具有領先CPI預測作用的結(jié)論。

李鳳岐（2017）提出的PS方法，顯示了百度搜索代理變量與經(jīng)濟指標之間關系，并揭示了搜索量數(shù)據(jù)對于經(jīng)濟指標一定的解釋能力。張永杰等（2011）對網(wǎng)絡公開信息進行了考察，發(fā)現(xiàn)了網(wǎng)絡公開信息對股票市場收益率有一定的解釋能力。羅鵬（2018）等選取了三項指標構(gòu)建了金融風險預測模型，并通過該模型發(fā)現(xiàn)包含百度搜索代理變量的預測模型有更高的準確度，并且公眾產(chǎn)生的“追漲殺跌”的非理性行為會轉(zhuǎn)變?yōu)椤白返鴼q”的理性行為。

三、對現(xiàn)有文獻的總結(jié)

投資者情緒與網(wǎng)絡搜索強度兩個詞頻在文獻中屢見不鮮，投資者情緒主要運用于股票定價效率中，在個股異常受益率中的論證篇幅相對較少，在已有的對個股異常受益的研究中，出現(xiàn)相反的結(jié)論。筆者認為情緒測量的準確性是造成有關研究研究結(jié)果不一致的主要原因，從以往的研究中我們可以發(fā)現(xiàn)情緒測量的有關研究有兩個明顯的缺陷：其一，對于投資者情緒的變化普遍采用單個的情緒指標來衡量，而單個情緒指標不能全面揭示投資者的心理變化，因此可能導致解釋變量的缺失。其二，投資者情緒在不同經(jīng)濟周期中的衡量有所差異，缺乏對宏觀經(jīng)濟變量的控制，會導致投資者情緒衡量差異引發(fā)的對股票收益解釋的差異。

學者已經(jīng)將網(wǎng)絡搜索關鍵詞用在股票定價效率問題上，其有效性得到了一定程度的證實，但是仍存在一些局限性，如理論基礎分析的缺乏，關鍵詞及數(shù)據(jù)處理模型不夠完善，方法簡單，實際運算量較大。

投資者情緒和網(wǎng)絡搜索強度對個股異常收益率都有一定程度的解釋力，但是已有的文獻研究，主要是從投資者情緒、網(wǎng)絡搜索強度兩個方面單獨進行的研究，是單一變量對個股異常收益率的研究。在加入單一變量的模型中，預計股票收益率與實際股票收益之間還是有部分不吻合，因此，在已有的基礎上，后續(xù)的研究應建立投資者情緒與網(wǎng)絡搜索強度兩個變量，進一步檢測模型與個股異常收益率的擬合程度。