，（教授），（教授）

一、引言

投資者情緒是行為金融學(xué)的一個(gè)重要基石，受到學(xué)術(shù)界的廣泛關(guān)注。投資者情緒的測(cè)度問題一直是投資者情緒研究的重難點(diǎn)之一，之前的研究多是從理論上來論證投資者情緒對(duì)證券價(jià)格的影響，而尚未形成統(tǒng)一的指標(biāo)、利用現(xiàn)實(shí)數(shù)據(jù)來測(cè)度投資者情緒。研究投資者情緒的本質(zhì)是尋找能表征情緒的代理指標(biāo)，這些代理指標(biāo)最好是可觀測(cè)、可量化的，能夠客觀全面地反映投資者對(duì)市場(chǎng)的看法。

投資者情緒代理指標(biāo)通常分為兩類：?jiǎn)我磺榫w指標(biāo)和復(fù)合情緒指標(biāo)。復(fù)合情緒指標(biāo)是為了全面反映投資者情緒，對(duì)單個(gè)投資者情緒代理變量進(jìn)行綜合處理后構(gòu)造出的能全面反映投資者情緒的指標(biāo)。在此方面較為著名的是Baker和Wurgler（2006）創(chuàng)建的指標(biāo)，其創(chuàng)建指標(biāo)的方法常被稱為B-W方法。Baker和Wurgler（2006）采用封閉式基金折價(jià)率、換手率、IPO數(shù)量、IPO首日收益率、新股發(fā)行占比以及分紅六個(gè)變量，通過主成分分析構(gòu)造了投資者情緒綜合指標(biāo)，主要探究了投資者情緒對(duì)股票收益橫截面的影響。

Baker和Wurgler（2006）提出的方法在之后的研究中得到了廣泛的認(rèn)可，現(xiàn)在學(xué)術(shù)界在投資者情緒復(fù)合指標(biāo)的構(gòu)建上大多遵照他們的這一方法。例如，Yu和Yuan（2012）、Raphael和Kendal（2012）等，國(guó)內(nèi)學(xué)者易志高和茅寧（2008）、馬若微和張娜（2015）等的研究也基本沿用了這一方法。

總結(jié)國(guó)內(nèi)外二十多年的研究成果，度量綜合投資者情緒的基本前提是對(duì)投資者情緒的描述及表征變量的篩選，即選取相關(guān)代理變量表示市場(chǎng)中全部投資者或部分投資者情緒的高漲或低迷。但過去的研究往往存在著以下問題：學(xué)者在表征投資者情緒時(shí)對(duì)所選代理變量的合理性缺乏驗(yàn)證說明，且對(duì)不合理的代理變量也沒有設(shè)定剔除機(jī)制，這類問題很可能導(dǎo)致統(tǒng)計(jì)性錯(cuò)誤，同時(shí)也不利于投資者情緒研究科學(xué)框架的構(gòu)建。據(jù)此，閆偉（2012）在其博士論文《基于投資者情緒的行為資產(chǎn)定價(jià)研究》中，提出了一套選取投資者情緒代理變量的優(yōu)化程序。本文將基于閆偉（2012）已有的優(yōu)化框架，克服其研究中尚存的不足，提出一套更為合理的投資者情緒代理變量客觀評(píng)判程序，從而更恰當(dāng)?shù)孛枋鐾顿Y者情緒，以期為投資者情緒綜合指數(shù)的構(gòu)建提供一定的研究方法論基礎(chǔ)，以及為投資者情緒領(lǐng)域的未來研究提供一定的參考。

二、投資者情緒代理指標(biāo)篩選的優(yōu)化方法

通過設(shè)計(jì)以下五個(gè)步驟，剔除不合理的指標(biāo)，從而篩選出適合表征投資者情緒的代理變量：

1.明確表征情緒的代理變量范圍，并分類說明其與投資者情緒的關(guān)系。在界定投資者情緒代理變量初選范圍的過程中，以往研究存在代理變量未分類、指標(biāo)信息重復(fù)等問題，本文嘗試對(duì)所有初選指標(biāo)按市場(chǎng)行為、市場(chǎng)結(jié)構(gòu)及特殊股組合表現(xiàn)等進(jìn)行類別劃分，并分別闡述每類指標(biāo)表現(xiàn)與投資者情緒變動(dòng)之間的傳導(dǎo)關(guān)系，以使投資者情緒代理變量的跟蹤體系更為清晰。

2.投資者情緒代理變量入選的合理性檢驗(yàn)。Wang、Keswani和Taylor早在2006年的研究中就提出，不僅要從相關(guān)性層面進(jìn)行研究，還要分別分析檢驗(yàn)代理變量與市場(chǎng)表現(xiàn)之間的格蘭杰因果關(guān)系。本文將借鑒Wang等（2006）的研究思路，通過格蘭杰因果關(guān)系檢驗(yàn)來判斷投資者情緒代理變量入選的合理性，如果代理變量是股指波動(dòng)率的原因變量，則認(rèn)為其可用以表征投資者情緒，否則，將在初次篩選中予以剔除。

3.投資者情緒代理變量與股指間的“領(lǐng)先—滯后”關(guān)系。由于當(dāng)期的投資者情緒一方面受到代理變量當(dāng)期值的影響，另一方面還可能受到代理變量領(lǐng)先n期或滯后n期值的影響，而以往的研究更多的只是將代理變量的前一期值視作獨(dú)立的代理變量，較少關(guān)注代理變量領(lǐng)先n期或滯后n期值與股指間的相關(guān)性。為此，本文將借鑒Bu Hui和Pi Li（2014）的做法，基于互相關(guān)分析法，分別研究各情緒代理變量與股指間的“領(lǐng)先—滯后”關(guān)系。

4.投資者情緒代理變量與股指間的相關(guān)性分析?；凇邦I(lǐng)先—滯后”關(guān)系分析的結(jié)果，可以篩選出對(duì)股指趨勢(shì)影響較大的情緒指標(biāo)同步項(xiàng)，以及領(lǐng)先或滯后于股指若干期的情緒代理指標(biāo)，但這些指標(biāo)均只能從單一角度來直接或間接地反映投資者的情緒變化，無法明確判斷出究竟哪個(gè)指標(biāo)更能反映投資者的情緒?？梢酝ㄟ^相關(guān)性分析將不合適的代理變量同步項(xiàng)或“領(lǐng)先—滯后”項(xiàng)剔除，從而保存最合適的代理變量數(shù)據(jù)。

5.投資者情緒代理變量間的相關(guān)性分析。以上步驟已經(jīng)考慮了投資者情緒入選變量的合理性、與股指間的“領(lǐng)先—滯后”關(guān)系以及相關(guān)關(guān)系，但未考慮各代理變量之間的交互影響，應(yīng)該通過計(jì)算每?jī)蓚€(gè)變量間的相關(guān)系數(shù)，來分析各代理變量同步項(xiàng)或“領(lǐng)先—滯后”項(xiàng)之間的相關(guān)性。假設(shè)每?jī)蓚€(gè)變量間的相關(guān)系數(shù)為ρij（i≠j），所有相關(guān)系數(shù)絕對(duì)值的均值為e，標(biāo)準(zhǔn)差為ε，若相關(guān)系數(shù)的絕對(duì)值|ρij|＞e+ε或其他類似標(biāo)準(zhǔn)，則結(jié)合步驟4的分析結(jié)果，剔除兩個(gè)代理變量中與股指相關(guān)性較弱的變量，以盡可能地減少代理變量間的信息重復(fù)，得到最終入選的投資者情緒代理變量。

三、投資者情緒代理指標(biāo)篩選優(yōu)化實(shí)證分析

1.投資者情緒代理變量的范圍界定及說明。結(jié)合現(xiàn)有的相關(guān)研究文獻(xiàn)和實(shí)踐經(jīng)驗(yàn)，為了比較全面地反映與投資者情緒相關(guān)的各個(gè)方面，本文先從盡可能多的市場(chǎng)維度中挑選出相應(yīng)的投資者情緒指標(biāo)（共6大類、20個(gè)細(xì)分指標(biāo)），組成了投資者情緒指標(biāo)監(jiān)控體系?；谖覈?guó)股市的現(xiàn)實(shí)情況和周度數(shù)據(jù)的可得性，本文選擇并引入如表1所示的指標(biāo)來間接測(cè)度投資者情緒。

2.投資者情緒監(jiān)控指標(biāo)的合理性檢驗(yàn)。在明確代理變量的選取范圍之后，將通過格蘭杰因果關(guān)系檢驗(yàn)來實(shí)現(xiàn)變量的初次篩選，如果檢驗(yàn)結(jié)果表明某個(gè)代理變量的變動(dòng)是股指波動(dòng)率的格蘭杰原因，則認(rèn)為其在一定程度上能夠刻畫市場(chǎng)情緒，且能較好地解釋市場(chǎng)波動(dòng)率，反之，則認(rèn)為該變量不可單獨(dú)用來表征投資者情緒。本文截取2008年1月4日～2014年5月30日的周度數(shù)據(jù)作為構(gòu)建投資者情緒指數(shù)的訓(xùn)練集，同時(shí)為了檢驗(yàn)指數(shù)構(gòu)建方法的有效性及魯棒性，截取2014年6月6日～2015年5月29日的周度數(shù)據(jù)作為指數(shù)構(gòu)建的測(cè)試集，以對(duì)應(yīng)周期的中證流通指數(shù)走勢(shì)來代表國(guó)內(nèi)A股的整體表現(xiàn)。在格蘭杰因果關(guān)系檢驗(yàn)過程中，為了避免適合表征資產(chǎn)價(jià)格趨勢(shì)的水平變量與適合表征資產(chǎn)波動(dòng)規(guī)律的比率變量混用，導(dǎo)致檢驗(yàn)結(jié)果出現(xiàn)偏差，本文將對(duì)所有的比率變量（如RTA、TURNOVER、LTPTR、RIPO、UDR1、UDR2）不做任何處理，而對(duì)所有的水平變量（除上述比率變量之外的所有變量）均取其一階差分序列，處理之后再檢驗(yàn)其與中證流通指數(shù)對(duì)數(shù)收益率間的因果關(guān)系，檢驗(yàn)結(jié)果見表2。

基于表2的格蘭杰因果關(guān)系檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，在5%的顯著性水平上僅有11個(gè)指標(biāo)通過情緒代理變量入選的合理性檢驗(yàn)，分別為：申萬績(jī)優(yōu)股指數(shù)HPM、申萬微利股指數(shù)LPM、新財(cái)富最佳分析師指數(shù)CAI、每周交易賬戶占比RTA、每周新增基金賬戶數(shù)NAFA、流通市值加權(quán)換手率TURNOVER、申萬低市凈率指數(shù)LPBI、申萬高市凈率指數(shù)HPBI、申萬低市盈率指數(shù)LPEI、申萬高市盈率指數(shù)HPEI以及每周IPO數(shù)量NIPO。需要說明的是，從格蘭杰因果關(guān)系層面來看，本文新引入的大宗交易平均溢價(jià)折價(jià)率指標(biāo)LTPTR在數(shù)據(jù)特征上不能通過格蘭杰因果關(guān)系檢驗(yàn)，而新財(cái)富最佳分析師指數(shù)CAI則能較好地刻畫市場(chǎng)中的投資者情緒。

3.投資者情緒代理變量與股指間的“領(lǐng)先—滯后”關(guān)系。投資者情緒代理指標(biāo)對(duì)股票收益不僅有同步的影響，也可能存在提前或滯后的影響。因此，在構(gòu)建投資者情緒指數(shù)之前，本文將基于互相關(guān)分析法，分別研究每個(gè)投資者情緒代理變量與股票收益間的“領(lǐng)先—滯后”關(guān)系。

表1 投資者情緒指標(biāo)監(jiān)控體系

（1）互相關(guān)分析法的原理?；ハ嚓P(guān)分析法，主要用于分析兩組隨機(jī)變量之間不同時(shí)刻取值的相關(guān)程度，其取值只與兩時(shí)刻的時(shí)間差相關(guān)，可用于研究?jī)山M隨機(jī)變量間的“領(lǐng)先—滯后”關(guān)系。具體函數(shù)表示為：

其中：ρxy（τ）指間隔為τ期的互相關(guān)系數(shù)；x（t+τ）、y（t）為研究的兩組時(shí)間序列，這里的τ可以取0；μx、μy為兩組時(shí)間序列的均值；σx、σy為兩組時(shí)間序列的標(biāo)準(zhǔn)差。

顯然，式（1）適用于連續(xù)型隨機(jī)變量間的互相關(guān)關(guān)系研究。對(duì)于離散型隨機(jī)變量，有：

由式（1）及式（2）可以看出，互相關(guān)分析的實(shí)質(zhì)，就是以兩組不同時(shí)刻（相同時(shí)刻亦可）取值的隨機(jī)變量為研究對(duì)象，通過比較兩者的相關(guān)系數(shù)，以確定兩者間的“領(lǐng)先—滯后”關(guān)系。如果ρxy（τ）值較大，則表明x（t+τ）與y（t）的相關(guān)性較強(qiáng)，即將x（t）滯后τ期后的序列與序列y（t）具有較高的相關(guān)性。在一定的置信水平下，若ρxy（τ）大于一定的置信上限，則認(rèn)為x（t）序列以較大概率滯后 y（t）序列τ期，或 y（t）序列以較大概率領(lǐng)先x（t）序列τ期。

將上述互相關(guān)分析法的原理，運(yùn)用到研究投資者情緒代理變量與中證流通指數(shù)間的“領(lǐng)先—滯后”關(guān)系問題上，用x（t）序列指代投資者情緒代理變量序列或代理變量的波動(dòng)序列，以y（t）序列指代中證流通指數(shù)收盤價(jià)或中證流通指數(shù)波動(dòng)率序列，在一定的置信水平下，當(dāng)兩者間的相關(guān)系數(shù)ρxy（τ）大于一定的置信上限時(shí)，可認(rèn)為代理變量的滯后τ期值與中證流通指數(shù)收盤價(jià)當(dāng)期值顯著相關(guān)。

表2 格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

（2）投資者情緒代理指標(biāo)與中證流通指數(shù)的互相關(guān)分析。在互相關(guān)分析法的理論框架下，選取τ=-6，-5，-4，…，0，…，4 ，5，6對(duì)投資者情緒代理指標(biāo)與中證流通指數(shù)的表現(xiàn)進(jìn)行互相關(guān)分析，互相關(guān)系數(shù)見表3。對(duì)所有水平指標(biāo)序列取一階差分，再對(duì)其與中證流通指數(shù)收益率間的互相關(guān)關(guān)系進(jìn)行研究，以消除趨勢(shì)相關(guān)對(duì)相關(guān)性的影響，保留“領(lǐng)先—滯后”關(guān)系對(duì)相關(guān)性的影響，更便于判定各指標(biāo)領(lǐng)先或滯后于中證流通指數(shù)變動(dòng)的時(shí)間，對(duì)應(yīng)的互相關(guān)系數(shù)見表3中上半部分。對(duì)比率變量則單獨(dú)觀察，僅分析其與中證流通指數(shù)收益率的互相關(guān)關(guān)系即可進(jìn)行判斷，對(duì)應(yīng)的互相關(guān)系數(shù)見表3中下半部分。

對(duì)于表3各情緒代理指標(biāo)與中證流通指數(shù)收盤價(jià)以及中證流通指數(shù)收益率間的互相關(guān)分析結(jié)果，首先，筆者以淺色陰影標(biāo)記出互相關(guān)系數(shù)大于0.7的對(duì)應(yīng)項(xiàng)。當(dāng)然，也存在情緒代理指標(biāo)的“領(lǐng)先—滯后”項(xiàng)與中證流通指數(shù)表現(xiàn)間的互相關(guān)系數(shù)均小于0.7的情況。對(duì)于這種情況，筆者同樣以淺色陰影標(biāo)記出互相關(guān)系數(shù)絕對(duì)值最大項(xiàng)及其臨近項(xiàng)，如此可以篩選出與中證流通指數(shù)表現(xiàn)較為相關(guān)的情緒指標(biāo)“領(lǐng)先—滯后”項(xiàng)。但如上文所說，對(duì)于水平變量，較高的相關(guān)系數(shù)可能是由兩者之間的協(xié)整關(guān)系導(dǎo)致的，因此，為了剔除趨勢(shì)相關(guān)對(duì)互相關(guān)性的影響，有必要再結(jié)合表4中的各情緒代理指標(biāo)變動(dòng)與中證流通指數(shù)收益率間的互相關(guān)分析結(jié)果，篩選出表3陰影標(biāo)記項(xiàng)中一階差分序列與中證流通指數(shù)收益率間相關(guān)系數(shù)最大的對(duì)應(yīng)項(xiàng)，以深色陰影著重標(biāo)記。

表3 互相關(guān)系數(shù)表——基于Spearman秩相關(guān)法

表4 比率變量與收益率的互相關(guān)系數(shù)

根據(jù)以上做法，不僅可以判斷各情緒代理指標(biāo)與中證流通指數(shù)收盤價(jià)之間的“領(lǐng)先—滯后”關(guān)系，還可以篩選出對(duì)股市收益率影響較大的情緒指標(biāo)同步項(xiàng)以及“領(lǐng)先—滯后”項(xiàng)，包括HPM（0）、LPM（0）、CAI（0）、NAFA（+1）、LPBI（0）、HPBI（0）、LPEI（0）、HPEI（0）、NIPO（+6）、RTA（+2）、RTA（+3）、TURNOVER（+2）、TURNOVER（+3）。其中，與中證流通指數(shù)同步變動(dòng)的情緒代理指標(biāo)包括HPM、LPM、CAI、LPBI、HPBI、LPEI、HPEI；滯后于中證流通指數(shù)變動(dòng)的投資者情緒代理指標(biāo)包括NAFA（滯后1期）、NIPO（滯后6期）、RTA（滯后2期、3期）、TURNOVER（滯后2期、3期）。入選的指標(biāo)中，暫不存在領(lǐng)先于中證流通指數(shù)變動(dòng)的投資者情緒代理指標(biāo)。

4.投資者情緒代理變量的相關(guān)性檢驗(yàn)。下面將從兩個(gè)層面對(duì)這些變量進(jìn)行相關(guān)性檢驗(yàn)：第一個(gè)層面為投資者情緒代理變量與中證流通指數(shù)間的相關(guān)性分析，剔除與中證流通指數(shù)相關(guān)性較弱的代理變量；第二個(gè)層面是對(duì)剩余的投資者情緒代理變量進(jìn)行變量間的相關(guān)性分析，剔除與其他變量相關(guān)性較強(qiáng)的代理變量，以此得到最終入選的投資者情緒代理變量。

（1）投資者情緒代理變量與中證流通指數(shù)間的相關(guān)性分析。如優(yōu)化程序的步驟4所述，在相關(guān)性分析過程中，若情緒代理變量是水平變量，則分析其與中證流通指數(shù)收盤價(jià)之間的相關(guān)性，如每周IPO數(shù)量與股指價(jià)格的相關(guān)性分析；若代理變量是比率變量，則分析其與中證流通指數(shù)收益率間的相關(guān)性，如流通市值加權(quán)換手率與股指收益率的相關(guān)性分析，從而得到各代理變量對(duì)應(yīng)的相關(guān)系數(shù)，見表5。

表5 投資者情緒代理變量與中證流通指數(shù)的相關(guān)系數(shù)

基于表5的相關(guān)系數(shù)結(jié)果，通過計(jì)算可以得到，所有相關(guān)系數(shù)絕對(duì)值的平均值μ=0.6144，標(biāo)準(zhǔn)差σ=0.3276，若根據(jù)概率分布理論，采取|ρi|＜μ-σ=0.2868的篩選標(biāo)準(zhǔn)，則應(yīng)該剔除相關(guān)系數(shù)絕對(duì)值小于邊界值的原始代理變量RTA（+2）、RTA（+3）、TURNOVER（+2）、TURNOVER（+3）。

（2）投資者情緒代理變量間的相關(guān)性分析。為了避免代理變量之間的相關(guān)性過高導(dǎo)致信息重復(fù)，將結(jié)合表6中代理變量間的相關(guān)系數(shù)統(tǒng)計(jì)結(jié)果剔除相關(guān)性高的代理變量。

表6 投資者情緒代理變量間的相關(guān)系數(shù)——基于Spearman秩相關(guān)法

基于表6的相關(guān)系數(shù)結(jié)果，通過計(jì)算可以得到，所有相關(guān)系數(shù)絕對(duì)值的平均值e=0.6456，標(biāo)準(zhǔn)差ε=0.2670，這里依據(jù)優(yōu)化程序的步驟5，根據(jù)概率分布理論，采取|ρij|＞e+ε=0.9126的篩選標(biāo)準(zhǔn)，則應(yīng)相機(jī)剔除相關(guān)系數(shù)絕對(duì)值大于邊界值的原始代理變量，剔除的原則是結(jié)合表5中的結(jié)果剔除與中證流通指數(shù)相關(guān)性較小的入選代理變量。如HPM（0）與CAI（0）的相關(guān)系數(shù)達(dá)到0.9783，但考慮到HPM（0）與中證流通指數(shù)表現(xiàn)間的相關(guān)系數(shù)為0.9215，而CAI（0）與中證流通指數(shù)表現(xiàn)間的相關(guān)系數(shù)為0.9483，相比HPM（0）來說，CAI（0）與市場(chǎng)表現(xiàn)的相關(guān)性更強(qiáng)，所以為了避免信息重復(fù)計(jì)量，選擇剔除HPM（0），保留CAI（0）。據(jù)此，所有入選變量中，應(yīng)該剔除HPM（0）、LPBI（0）和LPEI（0），最終入選代理變量為L(zhǎng)PM（0）、CAI（0）、NAFA（+1）、HPBI（0）、HPEI（0）、NIPO（+6）。

四、結(jié)論與展望

本文從情緒的傳導(dǎo)機(jī)制入手，確定投資者情緒代理變量的選取范圍。首先，基于格蘭杰因果關(guān)系檢驗(yàn)結(jié)果來判斷投資者情緒代理變量入選的合理性；然后，基于互相關(guān)分析法，分別對(duì)各投資者情緒代理變量與股票收益間的“領(lǐng)先—滯后”關(guān)系進(jìn)行了分析，篩選出對(duì)股市收益率影響較大的情緒指標(biāo)同步項(xiàng)以及“領(lǐng)先—滯后”項(xiàng)；最后，本文先后從兩個(gè)層面進(jìn)行相關(guān)性分析，即基于投資者情緒代理變量與中證流通指數(shù)間的相關(guān)性分析，剔除了與中證流通指數(shù)相關(guān)性較弱的原始代理變量，再基于投資者情緒代理變量間的相關(guān)性分析，剔除了與其他變量相關(guān)性較強(qiáng)的代理變量，以此得到最終入選的投資者情緒代理變量LPM（0）、CAI（0）、NAFA（+1）、HPBI（0）、HPEI（0）、NIPO（+6）。值得注意的是，筆者新引入的主觀指標(biāo)新財(cái)富最佳分析師指數(shù)CAI可以較好地表征投資者情緒。

投資者情緒的合理測(cè)度，長(zhǎng)期以來都是行為金融學(xué)研究領(lǐng)域中尚待解決的重難點(diǎn)之一。在構(gòu)造投資者情緒綜合測(cè)度指數(shù)之前，首當(dāng)其沖的便是單個(gè)情緒代理指標(biāo)的選取問題，即選擇何種情緒代理指標(biāo)能夠更準(zhǔn)確地表征投資者情緒。本文提出了一套合理的投資者情緒代理變量客觀評(píng)判程序，從而可以更恰當(dāng)?shù)貙?duì)投資者情緒進(jìn)行描述，以期為投資者情緒綜合指數(shù)的構(gòu)建提供一定的研究方法論基礎(chǔ)，以及為投資者情緒領(lǐng)域的未來研究提供一定的參考。

Baker M.，Wurgler．Investor sentiment and the cross- section of stock returns［J］．The Journal of Finance，2006（4）．

Stambaugh R. F.，Yu J.，Yuan Y.．The short of it：investor sentiment and anomalies［J］．Journal of Financial Economics，2012（2）．

Ben-Rephael A.，Kandel S.，Wohl A.．Measuring investor sentiment with mutual fund flows［J］．Journal of Financial Economics，2012（2）．

俞紅海，李心丹，耿子揚(yáng)．投資者情緒、意見分歧與中國(guó)股市IPO之謎［J］．管理科學(xué)學(xué)報(bào)，2015（3）．

易志高，茅寧．中國(guó)股市投資者情緒測(cè)量研究：CICSI的構(gòu)建［J］．金融研究，2009（11）．

馬若微，張娜．我國(guó)股票市場(chǎng)投資者情緒SENT指數(shù)的構(gòu)建——基于上證A股公司的面板數(shù)據(jù)［J］．中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2015（7）．

閆偉．基于投資者情緒的行為資產(chǎn)定價(jià)研究［D］．廣州：華南理工大學(xué)，2012．

Wang Y.， Keswani A.， Taylor S.． The relationships between sentiment，returns and volatility［J］．International Journal of Forecasting，2006（1）．

Bu Hui，Pi Li．Does investor sentiment predict stock returns？ The evidence from Chinese stock market［J］．Journal of Systems Science and Complex，2014（27）．

蔣玉梅，王明照．投資者情緒與股票收益：總體效應(yīng)與橫截面效應(yīng)的實(shí)證研究［J］．南開管理評(píng)論，2010（3）．

Baker M.，Wurgler J.，Yuan Y.．Global，local，and contagious investor sentiment［J］．Journal of Financial Economics，2012（2）．