王道平, 范小云*， 賈昱寧， 王業(yè)東

(1. 南開大學(xué)金融學(xué)院, 天津 300350； 2. 中國(guó)人民銀行天津分行, 天津 300040)

0 引 言

近年來(lái)，中國(guó)證券市場(chǎng)發(fā)展迅速，成交量屢破萬(wàn)億大關(guān).同時(shí)，我國(guó)股市也一直以高換手率聞名世界.目前中國(guó)股票市場(chǎng)已成為世界上交易最為活躍的市場(chǎng)之一.統(tǒng)計(jì)顯示，我國(guó)國(guó)內(nèi)證券市場(chǎng)1995年～2009年換手率的平均值為506.24%(上海)、532.30%(深圳).2007年的牛市行情中，兩市換手率甚至分別達(dá)到了953.16%與1 062.04%.2008年金融危機(jī)過(guò)后，我國(guó)股市換手率雖然有所回落，但依然處于高位.2015年，滬深兩市換手率又再度達(dá)到523.75%與747.84%.相比之下，發(fā)達(dá)國(guó)家證券市場(chǎng)換手率遠(yuǎn)遠(yuǎn)低于我國(guó).例如，2015年，國(guó)際上成交最為活躍的納斯達(dá)克市場(chǎng)換手率也僅為245%，其余主要國(guó)際交易所中，東京交易所、中國(guó)香港聯(lián)交所以及紐約交易所的換手率分別為133%、117%、64%.

然而，我國(guó)投資者的過(guò)度交易行為往往并非基于理性決策，大量、頻繁交易不僅沒有為投資者帶來(lái)合理的回報(bào)，相反投資者往往因此蒙受損失[1].我國(guó)股市中投資者存在的嚴(yán)重過(guò)度交易現(xiàn)象，不僅可能造成投資者的個(gè)人資金損失，更為嚴(yán)重的是，在市場(chǎng)下跌過(guò)程中，眾多投資者的盲目交易行為所引發(fā)的“羊群效應(yīng)”，將加劇我國(guó)證券市場(chǎng)過(guò)度波動(dòng)、甚至引發(fā)恐慌性崩盤，并可能導(dǎo)致我國(guó)系統(tǒng)性金融危機(jī)與經(jīng)濟(jì)危機(jī)的發(fā)生，為此已備受廣泛重視.

投資者情緒驅(qū)動(dòng)的交易行為，已被認(rèn)為是導(dǎo)致股市產(chǎn)生過(guò)度波動(dòng)現(xiàn)象的重要原因[2].人的貪婪與恐懼是市場(chǎng)中天然的不穩(wěn)定因素，由于作為市場(chǎng)主體的投資者在進(jìn)行投資決策時(shí)，容易受到自身情緒的影響，產(chǎn)生非理性偏差，情緒因素被認(rèn)為是影響股票價(jià)格的系統(tǒng)性風(fēng)險(xiǎn)因子，股市中情緒因素的存在，往往會(huì)使得市場(chǎng)偏離理性框架下的運(yùn)行軌跡，從而增大風(fēng)險(xiǎn)，加劇市場(chǎng)波動(dòng)[3,4].因此，要想深刻理解我國(guó)A股市場(chǎng)過(guò)度波動(dòng)的原因，有必要深入研究我國(guó)投資者情緒、投資者的交易行為與我國(guó)股票市場(chǎng)波動(dòng)之間的動(dòng)態(tài)影響關(guān)系.

本文相對(duì)于現(xiàn)有研究的主要貢獻(xiàn)如下.

1)在理論探討方面，在對(duì)投資者情緒與市場(chǎng)波動(dòng)的關(guān)系研究中創(chuàng)新性地引入過(guò)度交易變量，深入分析了我國(guó)投資者情緒、交易行為與我國(guó)股票市場(chǎng)波動(dòng)三者間的相互影響機(jī)制，并通過(guò)假設(shè)檢驗(yàn)方式加以證實(shí).是對(duì)以往文獻(xiàn)關(guān)于投資者情緒與股市波動(dòng)關(guān)系的研究的重要補(bǔ)充[3, 5, 6].

雖然有眾多以往文獻(xiàn)涉及投資者情緒、股市波動(dòng)以及過(guò)度交易等方面，但是將三者結(jié)合起來(lái)的綜合研究較少，更鮮有文獻(xiàn)深入對(duì)投資者交易行為與情緒和股市波動(dòng)間的關(guān)系與作用機(jī)制進(jìn)行考察.事實(shí)上，以往有關(guān)研究大多關(guān)注投資者情緒與市場(chǎng)過(guò)度波動(dòng)兩者之間的關(guān)系. Shiller等早期研究通過(guò)對(duì)股市數(shù)據(jù)的實(shí)證研究發(fā)現(xiàn)，相對(duì)于基本面而言實(shí)際股價(jià)變化往往表現(xiàn)出過(guò)度波動(dòng)的特征[6].Campbell將這一現(xiàn)象命名為“波動(dòng)性之謎”.隨后，部分學(xué)者開始從行為金融學(xué)理論角度嘗試對(duì)“波動(dòng)性之謎”做出解釋.其中，Shiller認(rèn)為投資者追隨市場(chǎng)風(fēng)氣傾向與部分社會(huì)和心理現(xiàn)象所引致的不完全判斷是造成市場(chǎng)過(guò)度波動(dòng)的潛在解釋.Delong等進(jìn)一步指出，噪音交易者非理性的情緒變化是導(dǎo)致股價(jià)過(guò)度波動(dòng)的重要原因[7].在此基礎(chǔ)上，眾多國(guó)內(nèi)外研究開始從理論與實(shí)證角度探討投資者情緒與股市波動(dòng)兩者之間的關(guān)系，如Lee等、王美今和孫建軍、張宗新和王海亮等[2, 8, 9].但有關(guān)研究均著重探究了投資者情緒變化對(duì)股市波動(dòng)的最終影響，而不涉及情緒變化對(duì)股市波動(dòng)的影響機(jī)制分析.然而，投資者情緒的變化，往往更直接影響的是投資者的交易行為決策，進(jìn)而導(dǎo)致市場(chǎng)交易量與波動(dòng)率等的變化. Agyei-Ampomah和Davies通過(guò)對(duì)英國(guó)投資信托基金與股票市場(chǎng)的實(shí)證研究指出，信托基金的過(guò)度波動(dòng)是由于基金價(jià)格除了對(duì)與基礎(chǔ)投資組合有關(guān)的信息作出反應(yīng)外，還會(huì)對(duì)供求關(guān)系作出反應(yīng)，因此認(rèn)為基金投資者往往可能通過(guò)情緒變化驅(qū)動(dòng)的更多的買賣交易行為顯著推動(dòng)資產(chǎn)價(jià)格波動(dòng)[10].然而遺憾的是，上述研究對(duì)投資者情緒、交易行為與股市波動(dòng)的作用機(jī)理的分析僅停留在簡(jiǎn)單猜想或經(jīng)驗(yàn)解釋階段，并沒有對(duì)三者的作用機(jī)理進(jìn)行深入理論分析或提供實(shí)證論據(jù).而在國(guó)內(nèi)研究方面，相關(guān)研究同樣處于空白狀態(tài).雖然一些相關(guān)實(shí)證研究中涉及投資者交易行為，但這些文獻(xiàn)主要將股市總成交量或換手率作為投資者情緒或者構(gòu)建情緒指數(shù)的一個(gè)代理變量，缺乏對(duì)股票市場(chǎng)換手率作為投資者情緒或者構(gòu)建情緒指數(shù)代理變量可靠性的經(jīng)驗(yàn)檢驗(yàn)[3,5,9,11-13].而深入分析我國(guó)股票市場(chǎng)的過(guò)度交易現(xiàn)象是否由投資者情緒驅(qū)動(dòng)，投資者情緒變化、投資者的過(guò)度交易行為與市場(chǎng)波動(dòng)間具有怎樣的聯(lián)系，以及三者的邏輯及因果關(guān)系是怎樣的，這對(duì)于理解我國(guó)股市波動(dòng)的形成機(jī)制，進(jìn)而對(duì)我國(guó)證券市場(chǎng)風(fēng)險(xiǎn)進(jìn)行科學(xué)管理、保障我國(guó)股市健康發(fā)展，具有重要的理論與現(xiàn)實(shí)意義，這也正是本文的研究重點(diǎn).

此外，對(duì)于我國(guó)而言，近年來(lái)我國(guó)證券市場(chǎng)進(jìn)行了包括融資融券、股指期貨和股票期權(quán)市場(chǎng)等建設(shè)，現(xiàn)有研究大多認(rèn)為在一個(gè)存在賣空限制的市場(chǎng)換手率可以作為投資者情緒的代理變量[8]，那么隨著我國(guó)各種賣空機(jī)制的建立與初步發(fā)展，情緒因素是否仍能顯著影響A股市場(chǎng)投資者交易行為，市場(chǎng)換手率是否仍然可以作為衡量投資者情緒的重要指標(biāo)之一，以往有關(guān)研究關(guān)于換手率作為情緒指數(shù)代理變量的可靠性在賣空限制開始逐漸消除的A股市場(chǎng)是否仍然成立，現(xiàn)有研究缺乏這方面的經(jīng)驗(yàn)檢驗(yàn)，本文研究也將填補(bǔ)這方面研究的空白.

2)在方法應(yīng)用方面，采用DAG(“有向無(wú)環(huán)圖”)以及基于DAG結(jié)果的遞歸預(yù)測(cè)方差分解技術(shù)，不但克服了Granger檢驗(yàn)和基于固定樣本期的預(yù)測(cè)方差分解等傳統(tǒng)方法的局限性，提高了結(jié)論的可靠性，而且深入分析了我國(guó)投資者情緒、投資者交易行為與我國(guó)股票市場(chǎng)波動(dòng)之間的同期、以及我國(guó)證券市場(chǎng)融資融券、股指期貨和期權(quán)市場(chǎng)建立后市場(chǎng)處于牛熊更替不同時(shí)期的動(dòng)態(tài)影響關(guān)系.

現(xiàn)有研究關(guān)于投資者情緒對(duì)我國(guó)證券市場(chǎng)波動(dòng)等影響的文獻(xiàn)，大多采用Granger因果檢驗(yàn)和VAR(或VECM)模型方法，如張宗新和王海亮等[9].然而，Granger因果檢驗(yàn)與傳統(tǒng)的脈沖響應(yīng)函數(shù)、預(yù)測(cè)方差分解方法均存在一定的局限性.Granger因果檢驗(yàn)并非事實(shí)上的因果檢驗(yàn)，只是檢驗(yàn)統(tǒng)計(jì)上的顯著性，其結(jié)果對(duì)滯后期非常敏感，不同的滯后期會(huì)產(chǎn)生不同的結(jié)果[14-16]，更重要的是Granger因果關(guān)系只是建立在滯后期的意義上，并不具有經(jīng)濟(jì)意義上的顯著性，而經(jīng)濟(jì)意義上的顯著性是更應(yīng)該關(guān)注的[15,17,18]，因此僅僅用Granger因果檢驗(yàn)來(lái)研究投資者情緒與過(guò)度交易、股市波動(dòng)之間的關(guān)系是不夠的.盡管脈沖響應(yīng)函數(shù)、方差分解考慮了經(jīng)濟(jì)變量間的關(guān)系在經(jīng)濟(jì)意義上的顯著性，可以用來(lái)分析變量之間影響的有效性，但(正交化的)脈沖響應(yīng)函數(shù)依賴于變量的次序，若改變變量次序，則可能得到很不相同的結(jié)果；而合理地進(jìn)行方差分解的關(guān)鍵是正確設(shè)定擾動(dòng)項(xiàng)之間的同期因果關(guān)系[19-21].然而，目前主流的研究方法為對(duì)VAR模型結(jié)構(gòu)進(jìn)行先驗(yàn)主觀判斷、缺乏充分理論基礎(chǔ)和對(duì)變量順序非常敏感的Choleski分解，或者基于依然需要借助先驗(yàn)信息或相關(guān)理論以對(duì)擾動(dòng)項(xiàng)的同期關(guān)系進(jìn)行設(shè)定、同樣不可避免存在主觀色彩的Bernanke結(jié)構(gòu)分解[18,20,22].

事實(shí)上，Spirtes 等提出了“有向無(wú)環(huán)圖”(DAG)分析方法，很好地解決了上述問(wèn)題[20].因?yàn)镈AG分析方法只是通過(guò)數(shù)據(jù)的殘差方差協(xié)方差矩陣，而不需要加任何先驗(yàn)的或者理論上的假設(shè)，便能確定擾動(dòng)項(xiàng)之間的同期因果關(guān)系.并且利用DAG的分析結(jié)果，可以確定進(jìn)行Bernanke結(jié)構(gòu)分解時(shí)新息系統(tǒng)中的同期因果關(guān)系具體形式，避免先驗(yàn)主觀判斷，并能利用基于DAG結(jié)果的預(yù)測(cè)誤差方差分解分析動(dòng)態(tài)因果關(guān)系、以及經(jīng)濟(jì)變量間的關(guān)系在經(jīng)濟(jì)意義上的顯著性 .因此，DAG以及基于DAG結(jié)果的預(yù)測(cè)方差分解方法，被國(guó)內(nèi)外學(xué)者們?cè)絹?lái)越多地運(yùn)用到相關(guān)經(jīng)濟(jì)研究領(lǐng)域[21-25].此外，遞歸的預(yù)測(cè)方差分解技術(shù)由于采用的是變動(dòng)的樣本區(qū)間，可以考察變量之間影響的動(dòng)態(tài)變化及其穩(wěn)健性，從而可以避免傳統(tǒng)的方差分解方法因使用固定樣本導(dǎo)致的缺陷.鑒于此，在國(guó)內(nèi)外學(xué)者研究基礎(chǔ)之上，結(jié)合DAG以及基于DAG結(jié)果的遞歸預(yù)測(cè)方差分解技術(shù)，研究我國(guó)A股市場(chǎng)投資者情緒與投資者交易行為、市場(chǎng)波動(dòng)之間的同期因果關(guān)系，并在此基礎(chǔ)上分析投資者情緒與過(guò)度交易、股市波動(dòng)之間的相互影響及其動(dòng)態(tài)關(guān)系.

3)在數(shù)據(jù)選擇方面，首次采用中國(guó)證券投資者保護(hù)基金發(fā)布的證券投資者信心指數(shù)(SICI)數(shù)據(jù)——這一基于問(wèn)卷調(diào)查的A股市場(chǎng)投資者情緒權(quán)威衡量指標(biāo)，不但豐富了我國(guó)投資者情緒領(lǐng)域的研究，為后續(xù)實(shí)證研究提供了一種度量我國(guó)投資者情緒的新方法，而且驗(yàn)證了采用股市交易變量(成交量、換手率等)作為證券投資者信心指數(shù)代理變量、或者作為采用主成分分析方法構(gòu)建情緒指數(shù)的代理變量之一的合理性，這將為后續(xù)有關(guān)投資者情緒領(lǐng)域的研究提供我國(guó)的經(jīng)驗(yàn)證據(jù)支持.

國(guó)內(nèi)外學(xué)者提出了多種投資者情緒的度量方法.高雅等通過(guò)梳理國(guó)內(nèi)外研究主題中包含“情緒”的相關(guān)文獻(xiàn)，將投資者情緒的構(gòu)建方式分為直接利用市場(chǎng)交易數(shù)據(jù)作為投資者情緒代理變量; 使用主成分分析法得出情緒指標(biāo)共性因子; 根據(jù)調(diào)查研究數(shù)據(jù)構(gòu)建情緒指標(biāo); 提取媒體報(bào)道中關(guān)鍵詞構(gòu)建情緒指標(biāo); 利用天氣、重要比賽結(jié)果、政治環(huán)境變化等影響大眾情緒事件構(gòu)建指標(biāo); 對(duì)投資者情緒構(gòu)建理論模型等6種[26].在上述六類分類的基礎(chǔ)上，進(jìn)一步按照數(shù)據(jù)來(lái)源方式，將對(duì)投資者情緒的衡量方法分為以下三種：1)直接法(1)最近一些學(xué)者采用論壇貼吧、微信或微博數(shù)據(jù)等構(gòu)建投資者情緒指標(biāo)，事實(shí)上也可以看作是直接法的一種，如楊曉蘭等采用東方財(cái)富網(wǎng)吧數(shù)據(jù)構(gòu)建投資者情緒指標(biāo).，即投資者調(diào)查數(shù)據(jù)法，直接利用調(diào)查數(shù)據(jù)衡量投資者情緒，這種通過(guò)對(duì)投資者的直接調(diào)查而獲得的投資者情緒指標(biāo)，可以很好地直接反映投資者的心理特征，代表性文獻(xiàn)主要有Brown等采用的AAII情緒調(diào)查數(shù)據(jù)、Lee等及Brown 和 Cliff等采用的投資人情報(bào)情緒指數(shù)，我國(guó)學(xué)者王美今和孫建軍等采用的央視看盤指數(shù)(2)央視看盤原由CCTV-2財(cái)經(jīng)頻道《證券時(shí)間》、央視網(wǎng)聯(lián)合百家券商共同主辦，但《證券時(shí)間》現(xiàn)已停播.參見http://finance.cctv.com/special/C21937/cctvkanpan/；http://tv.cntv.cn/videoset/C11397、程昆和劉仁等采用的《股市動(dòng)態(tài)分析》好淡指數(shù)(3)《股市動(dòng)態(tài)分析》雜志社于周五對(duì)被訪者關(guān)于未來(lái)股市漲跌的看法進(jìn)行調(diào)查，每周六公布《股市動(dòng)態(tài)分析》好淡指數(shù).好淡指數(shù)分為短期指數(shù)和中期指數(shù)，短期指數(shù)反應(yīng)了被訪者對(duì)下一周的多空意見，中期指數(shù)反應(yīng)了被訪者對(duì)未來(lái)一個(gè)月內(nèi)的多空意見，被訪對(duì)象由50人組成，涉及不同區(qū)域與各類人員，以證券從業(yè)人員為主.但是，該指數(shù)到2014年9月已不再公布.、王道平和賈昱寧采用中國(guó)投資者分類情緒調(diào)查數(shù)據(jù)、姚加權(quán)等采用文本情緒[2, 8, 26-30, 57].2)間接法，即采用反映投資者情緒變化或受投資者情緒影響的證券市場(chǎng)數(shù)據(jù)作為投資者情緒的代理變量，間接法采用投資者情緒的代理變量主要包括：市場(chǎng)平均換手率[8, 31]、封閉基金折價(jià)[32-35]、IPO發(fā)行量及首日收益[36, 37,60]、交易所月新開戶數(shù)[36].3)復(fù)合法，通常利用幾個(gè)不同的投資者情緒代理變量，運(yùn)用主成分分析法(PCA)構(gòu)建情緒指數(shù)[3, 5, 9, 11, 13, 38, 56].

本文所采用的SICI指數(shù)數(shù)據(jù)屬于直接法衡量.與后兩種衡量方法相比，采用調(diào)查數(shù)據(jù)衡量投資者情緒的方法更為簡(jiǎn)潔直觀.同時(shí)，后兩種方法要求所選取的代理變量一定要能夠很好地反映我國(guó)投資者情緒的變化，而相應(yīng)變量的選取十分困難，且需要在研究過(guò)程中進(jìn)行調(diào)整與檢驗(yàn).因此，在對(duì)情緒衡量的準(zhǔn)確性方面采用SICI指數(shù)具有一定的優(yōu)勢(shì).此外，以往的實(shí)證研究結(jié)果表明，基于調(diào)查數(shù)據(jù)的投資者情緒指標(biāo)還具有后兩種方法不具有的其他優(yōu)勢(shì).例如，Lee 等指出，作為個(gè)人投資者情緒的衡量標(biāo)準(zhǔn)，基于調(diào)查數(shù)據(jù)的證券投資者信心指數(shù)是衡量市場(chǎng)心理從過(guò)度悲觀到過(guò)度自信變化的良好指示變量，基于調(diào)查數(shù)據(jù)的投資者情緒指標(biāo)往往包含情緒的非理性因素，從而能夠更好地反映投資者心理狀態(tài)[8].Qiu 和Welch、Schmeling等研究指出，基于消費(fèi)者信心調(diào)查數(shù)據(jù)的情緒衡量能更穩(wěn)健地解釋小公司效應(yīng)等市場(chǎng)異象[39].

1 理論分析與研究假設(shè)

關(guān)于股市過(guò)度波動(dòng)的成因，眾多文獻(xiàn)從行為金融學(xué)角度進(jìn)行了理論分析與實(shí)證研究.Shiller的研究指出，投資者追隨市場(chǎng)風(fēng)氣傾向以及一些社會(huì)、心理現(xiàn)象導(dǎo)致的不完全判斷是市場(chǎng)過(guò)度波動(dòng)的潛在解釋[6].DeLong 等構(gòu)建了著名的噪聲交易者模型(DSSW模型)，其研究認(rèn)為，噪聲交易者的非理性樂(lè)觀或悲觀情緒會(huì)使股價(jià)表現(xiàn)出比其內(nèi)在價(jià)值更大的波動(dòng)性[7].Brown采用美國(guó)個(gè)人投資者協(xié)會(huì)(AAII)的證券投資者信心指數(shù)數(shù)據(jù)的實(shí)證研究也表明，投資者情緒與封閉式基金價(jià)格波動(dòng)緊密相關(guān)[27].Lee等則基于DSSW模型采用GARCH-in-mean方法，其研究表明投資者情緒是影響價(jià)格的系統(tǒng)性因子，情緒巨大的牛(熊)變化將導(dǎo)致波動(dòng)性下跌(上漲)修復(fù)，超額收益與情緒變化同期相關(guān)，投資者情緒的變化將影響收益的波動(dòng)[8].Dumas等、Mendel和Shleifer等的研究也認(rèn)為，由于投資者的有限理性，損失厭惡、過(guò)度自信等情緒行為會(huì)正向影響資產(chǎn)價(jià)格的波動(dòng)性，投資者非理性情緒對(duì)資產(chǎn)價(jià)格波動(dòng)具有放大作用[40, 41].

在國(guó)內(nèi)研究方面，在上述理論研究基礎(chǔ)上，我國(guó)學(xué)者利用A股市場(chǎng)波動(dòng)及投資者情緒數(shù)據(jù)進(jìn)行了一系列實(shí)證研究，均證實(shí)了投資者情緒對(duì)我國(guó)股市波動(dòng)存在影響.王美今和孫建軍在DSSW模型的基礎(chǔ)上，將噪聲交易者進(jìn)一步細(xì)分為受情緒影響的交易者與其他交易者兩類，證實(shí)了投資者在接受價(jià)格信號(hào)時(shí)，其所表現(xiàn)出來(lái)的情緒可形成影響均衡價(jià)格的系統(tǒng)性因子，并建立TGARCH-M(1,1)模型經(jīng)驗(yàn)分析表明，我國(guó)投資者情緒的變化不僅顯著地影響滬深兩市收益，而且顯著地反向修正滬深兩市收益波動(dòng)[2].陳彥斌構(gòu)建理論模型將投資者情緒波動(dòng)進(jìn)行了分解，證實(shí)了風(fēng)險(xiǎn)規(guī)避系數(shù)、跨期替代彈性和主觀貼現(xiàn)因子三個(gè)參數(shù)的波動(dòng)將影響股票價(jià)格波動(dòng)[58].韓立巖和伍燕然的研究認(rèn)為，情緒和市場(chǎng)收益之間存在雙向反饋關(guān)系，以及情緒對(duì)市場(chǎng)收益的跨期反向影響和短期市場(chǎng)收益與情緒的相互正向影響；伍燕然和韓立巖的研究進(jìn)一步指出，當(dāng)投資者情緒高漲時(shí)，會(huì)推動(dòng)股票的價(jià)格持續(xù)走高，但近期的價(jià)格高估將導(dǎo)致長(zhǎng)期的價(jià)格回歸，使長(zhǎng)期股票收益率下降[36, 42].張宗新和王海亮在DSSW模型的基礎(chǔ)上，結(jié)合貝葉斯學(xué)習(xí)過(guò)程進(jìn)一步引入主觀信念調(diào)整，其研究指出市場(chǎng)信息使投資者信念進(jìn)行調(diào)整，且通過(guò)投資者情緒反映為市場(chǎng)波動(dòng)，并通過(guò)多元回歸與脈沖響應(yīng)函數(shù)證實(shí)了這一假說(shuō)[6].綜上，現(xiàn)有相關(guān)研究大多認(rèn)為，投資者情緒是影響股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)因子之一，投資者情緒變化將導(dǎo)致股市波動(dòng).

事實(shí)上，投資者情緒的變化，往往更直接的是影響投資者的交易行為決策，進(jìn)而導(dǎo)致市場(chǎng)交易量與波動(dòng)率等的變化.例如，Gervais和Odean的研究認(rèn)為，具有過(guò)度關(guān)注成功而忽略失敗為特征的“過(guò)度自信”交易者，在調(diào)整主觀信念時(shí)，將認(rèn)知自身高能力的權(quán)重過(guò)度放大，形成了過(guò)度樂(lè)觀的情緒，這種情緒將影響投資者行為決策，進(jìn)而引起了資產(chǎn)市場(chǎng)價(jià)格的波動(dòng)[43].Baker 和Stein的研究證明，在一個(gè)存在賣空限制的市場(chǎng)，非理性投資者當(dāng)且僅當(dāng)其對(duì)股市樂(lè)觀時(shí)才會(huì)參與交易，從而增加市場(chǎng)流動(dòng)性，情緒高漲往往會(huì)產(chǎn)生高換手率，高換手率是市場(chǎng)存在價(jià)值高估的征兆，即表明市場(chǎng)存在過(guò)度交易現(xiàn)象，因此換手率(或更為廣義地，由其代表的市場(chǎng)流動(dòng)性)可作為情緒的一個(gè)間接衡量指標(biāo)[5].在此基礎(chǔ)上，有學(xué)者進(jìn)一步指出，投資者情緒、過(guò)度交易與股市波動(dòng)三者的關(guān)系可能是投資者情緒變化引發(fā)的過(guò)度交易行為引致了股市波動(dòng)性變化. Agyei-Ampomah和Davies認(rèn)為，投資者情緒通過(guò)影響其日度買賣決策，從而將影響資產(chǎn)價(jià)格波動(dòng)性[10].在國(guó)內(nèi)研究方面，伍燕然和韓立巖認(rèn)為，投資者情緒高漲時(shí)，對(duì)于風(fēng)險(xiǎn)資產(chǎn)的需求將上升，這將推動(dòng)股票價(jià)格上漲，價(jià)格的上漲又將使正反饋投資者加入推動(dòng)風(fēng)險(xiǎn)資產(chǎn)價(jià)格的行列中，使得價(jià)格繼續(xù)上揚(yáng)，甚至遠(yuǎn)離基本價(jià)值；當(dāng)投資者情緒轉(zhuǎn)為悲觀時(shí)，則將引發(fā)其賣出股票，正反饋投資者也會(huì)由于股票價(jià)格下跌進(jìn)行拋售[36].綜上所述，根據(jù)以往相關(guān)文獻(xiàn)及邏輯分析，可以認(rèn)為投資者情緒、交易行為與市場(chǎng)波動(dòng)間的一項(xiàng)可能關(guān)系為：作為市場(chǎng)主體的投資者在進(jìn)行投資決策時(shí)，容易受到自身情緒的影響，產(chǎn)生非理性偏差，因而情緒因素會(huì)成為影響股票價(jià)格的系統(tǒng)性風(fēng)險(xiǎn)因子.而情緒變化作用于投資者的交易決策行為，進(jìn)而導(dǎo)致市場(chǎng)波動(dòng)性的變化.

基于上述分析，提出以下研究假設(shè).

假設(shè)1投資者情緒的變化，將影響投資者的交易行為決策，進(jìn)而導(dǎo)致市場(chǎng)交易量的變化，引起市場(chǎng)波動(dòng).

對(duì)市場(chǎng)波動(dòng)性存在較大影響的另一項(xiàng)重要因素是賣空限制.陳淼鑫和鄭振龍等眾多研究均表明，賣空機(jī)制能夠起到平抑股價(jià)波動(dòng)、穩(wěn)定市場(chǎng)的功能，存在賣空限制將加劇股市波動(dòng)[59].雖然自2010年3月31日我國(guó)已開通融資融券業(yè)務(wù)，2010年4月16日正式推出滬深300股指期貨上市交易，2015年2月9日推出上證50ETF期權(quán)，但是事實(shí)上至今我國(guó)融券規(guī)模和期權(quán)市場(chǎng)容量依然較為有限，股指期貨市場(chǎng)也仍然受到較大限制，上述賣空機(jī)制門檻相對(duì)較高，對(duì)于我國(guó)仍然以散戶為主的A股市場(chǎng)而言，絕大多數(shù)投資者均面臨較強(qiáng)的賣空限制.對(duì)于我國(guó)當(dāng)前A股市場(chǎng)而言，投資者情緒高漲時(shí)，將增加對(duì)風(fēng)險(xiǎn)資產(chǎn)的需求，大量買入股票資產(chǎn)，使得股票價(jià)格上漲，由于杠桿交易與程序化交易的存在，股票價(jià)格的上漲又將誘發(fā)跟隨策略的實(shí)施導(dǎo)致更大的買入、以及擔(dān)保品價(jià)格的上升可以實(shí)施更大的融資買入行為；但是，當(dāng)投資者情緒轉(zhuǎn)為悲觀或者市場(chǎng)出現(xiàn)負(fù)向波動(dòng)時(shí)，由于絕大多數(shù)投資者面臨較強(qiáng)的賣空限制無(wú)法對(duì)沖市場(chǎng)下跌風(fēng)險(xiǎn)只能集中賣出股票，使得股票價(jià)格短期大幅下跌，此時(shí)程序化交易將誘發(fā)大量的跟隨賣出、擔(dān)保品市值的下跌也將強(qiáng)制杠桿交易者執(zhí)行減倉(cāng)賣出甚至強(qiáng)制平倉(cāng)，導(dǎo)致整個(gè)股票市場(chǎng)暴跌甚至崩盤與系統(tǒng)性危機(jī)的發(fā)生.

據(jù)此，提出以下研究假設(shè).

假設(shè)2在市場(chǎng)對(duì)沖機(jī)制受限條件下，尤其當(dāng)存在杠桿交易與程序化交易時(shí)，市場(chǎng)波動(dòng)將導(dǎo)致投資者大量被動(dòng)交易.

此外，近年來(lái)隨著微博、微信等互聯(lián)網(wǎng)通訊技術(shù)的興起，任何可能導(dǎo)致投資者情緒樂(lè)觀與悲觀情緒的事件，很容易在廣大范圍內(nèi)快速傳播，導(dǎo)致投資者情緒傳染性不斷加強(qiáng).任何情緒變化將被通過(guò)互聯(lián)網(wǎng)快速傳播與放大，這一特征在出現(xiàn)不利事件導(dǎo)致市場(chǎng)快速下跌時(shí)表現(xiàn)得尤為明顯.隨著風(fēng)險(xiǎn)事件持續(xù)發(fā)酵，將進(jìn)一步加劇投資者的恐慌情緒，使之大量拋售風(fēng)險(xiǎn)資產(chǎn)進(jìn)行避險(xiǎn).加之當(dāng)前杠桿交易與程序化交易的大量應(yīng)用，收到賣出信號(hào)后系統(tǒng)自動(dòng)的資產(chǎn)拋售行為將更加快速，疊加產(chǎn)生的市場(chǎng)“踩踏事件”將進(jìn)一步加大資產(chǎn)價(jià)格波動(dòng)，加劇市場(chǎng)風(fēng)險(xiǎn)，從而產(chǎn)生了投資者情緒與股市波動(dòng)間自我實(shí)現(xiàn)的“正反饋效應(yīng)”.例如，2018年6月15日，美國(guó)總統(tǒng)特朗普對(duì)約500億美元中國(guó)產(chǎn)品加征關(guān)稅.隨著信息的迅速傳播與避險(xiǎn)情緒的持續(xù)發(fā)酵，6月19日開盤A股市場(chǎng)大幅下挫，上證指數(shù)收盤跌幅達(dá)3.78%.2019年5月5日，特朗普再次通過(guò)推特威脅對(duì)價(jià)值2 000億美元的中國(guó)商品的關(guān)稅增加到25%，5月6日，A股市場(chǎng)再度大跌，上證指數(shù)大幅收跌5.58%.由此可見，互聯(lián)網(wǎng)通訊時(shí)代，投資者情緒表現(xiàn)出較強(qiáng)的自我實(shí)現(xiàn)特征，情緒變化通過(guò)交易行為作用于市場(chǎng)，并通過(guò)市場(chǎng)風(fēng)險(xiǎn)特征變化對(duì)情緒產(chǎn)生正向反饋，當(dāng)投資者情緒樂(lè)觀時(shí)將更加樂(lè)觀，而當(dāng)悲觀情緒形成后將導(dǎo)致其更加悲觀，市場(chǎng)風(fēng)險(xiǎn)也隨之上升.

因此，提出以下研究假設(shè).

假設(shè)3隨著互聯(lián)網(wǎng)通訊技術(shù)與杠桿交易的興起，投資者情緒與市場(chǎng)波動(dòng)將出現(xiàn)具有較強(qiáng)的“自我實(shí)現(xiàn)”機(jī)制，即情緒與波動(dòng)的正反饋效應(yīng).

2 模型與數(shù)據(jù)說(shuō)明

2.1 模型與估計(jì)方法

為分析投資者情緒、股市波動(dòng)與過(guò)度交易間的邏輯關(guān)系及其相互影響機(jī)制，先建立如下向量自回歸模型(VAR)

(1)

其中yt為3×1階向量，Γi為系數(shù)矩陣，c為截距向量，εt為擾動(dòng)項(xiàng).在預(yù)測(cè)誤差方差分解的識(shí)別結(jié)構(gòu)時(shí)，由于Choleski分解采用遞歸的識(shí)別結(jié)構(gòu)而對(duì)經(jīng)濟(jì)系統(tǒng)設(shè)置了一個(gè)不現(xiàn)實(shí)的假設(shè)，且對(duì)變量的順序非常敏感，不同的變量順序?qū)е碌慕Y(jié)果有很大的不同[22].為了解決上述問(wèn)題，Bernanke和Sims提出了結(jié)構(gòu)分解方法[26, 44].按照Bernanke和Sims的做法，新息系統(tǒng)可以由如下式子構(gòu)成

(2)

其中aij(i,j=1,2,3)為新息系統(tǒng)中的同期因果關(guān)系，它們或者是被賦0或者被估計(jì)出來(lái).本研究中，e1t為情緒方程第t期的殘差項(xiàng)(非正交)，e2t為股票價(jià)格波動(dòng)方程第t期的殘差項(xiàng)，e3t為過(guò)度交易方程第t期的殘差項(xiàng)，uit為對(duì)應(yīng)的正交化的結(jié)構(gòu)沖擊.由于正確地設(shè)定擾動(dòng)項(xiàng)之間的同期因果關(guān)系是合理地進(jìn)行VAR模型方差分解的關(guān)鍵[22, 44]，為了解決正確地設(shè)定擾動(dòng)項(xiàng)之間的同期因果關(guān)系，運(yùn)用Spirtes等提出的“有向無(wú)環(huán)圖”(DAG)分析方法確定同期因果關(guān)系，然后基于DAG結(jié)果構(gòu)建VAR模型并進(jìn)行相關(guān)分析.

2.2 變量及數(shù)據(jù)說(shuō)明

1)證券投資者信心指數(shù)及其說(shuō)明

投資者情緒衡量指標(biāo)采用中國(guó)證券投資者保護(hù)網(wǎng)定期發(fā)布的證券投資者信心指數(shù)(SICI).該指數(shù)數(shù)值介于0～100之間，50為中性值.指數(shù)大于50時(shí)，表示投資者中持積極、樂(lè)觀態(tài)度的比例大于持消極、悲觀看法的比例，投資者情緒整體較為樂(lè)觀.指數(shù)值越高，表示投資者情緒越高漲.指數(shù)小于50時(shí)，表示投資者中持積極、樂(lè)觀看法的比例小于持消極、悲觀看法的比例，投資者情緒整體較為悲觀，采用這種方法衡量投資者情緒，屬于投資者調(diào)查數(shù)據(jù)法.

本文所采用的證券投資者信心指數(shù)，整理自中國(guó)證券投資者保護(hù)網(wǎng)各期《證券投資者信心調(diào)查專報(bào)》，具體數(shù)據(jù)請(qǐng)見附錄.

2)波動(dòng)率的衡量及其說(shuō)明

波動(dòng)率模型一般可分為三種類型：(1)歷史波動(dòng)率模型，即基于歷史收益率數(shù)據(jù)衡量波動(dòng)性.(2)隱含波動(dòng)率模型，即從期權(quán)價(jià)格等市場(chǎng)數(shù)據(jù)中，根據(jù)衍生品定價(jià)模型(如Black-Scholes-Merton模型)提取標(biāo)的資產(chǎn)的波動(dòng)率.(3)實(shí)現(xiàn)波動(dòng)率模型，即使用基于交易期內(nèi)高頻收益數(shù)據(jù)計(jì)算波動(dòng)率.其中，歷史波動(dòng)率模型又可以進(jìn)一步分為三類：(1)方差或標(biāo)準(zhǔn)差度量[4,5].(2)ARCH族模型，該類模型由Engle提出，以衡量一種時(shí)間序列數(shù)據(jù)的特殊異方差現(xiàn)象，即“自回歸條件異方差”[45].由于ARCH模型考慮了方差的波動(dòng)性，很好地反映了金融市場(chǎng)數(shù)據(jù)的波動(dòng)集聚效應(yīng)，故可以更好地預(yù)測(cè)市場(chǎng)波動(dòng)即方差.隨后，在ARCH模型的基礎(chǔ)上，眾多學(xué)者對(duì)其進(jìn)行了推廣，如Bollerslev的廣義自回歸條件異方差模型[46].(3)隨機(jī)波動(dòng)率模型，該種方法由Taylor提出[47].余素紅和張世英指出，時(shí)間序列存在分布“高峰厚尾”性和平方序列微弱、持續(xù)的自相關(guān)性，而SV模型能夠更好地刻畫這一性質(zhì)[48].宋逢明和江婕指出，SV模型與ARCH族模型相比，利用了更多可獲得的信息[49].

在股市波動(dòng)率研究方面，一個(gè)值得注意的問(wèn)題是波動(dòng)具有不對(duì)稱性.Black指出，資產(chǎn)波動(dòng)性與資產(chǎn)收益率負(fù)相關(guān).即當(dāng)證券價(jià)格上漲時(shí)，收益率為正，波動(dòng)性下降；資產(chǎn)價(jià)格下降時(shí)，收益率變?yōu)樨?fù)值，波動(dòng)性反而上升[50].經(jīng)驗(yàn)表明，波動(dòng)性較高的時(shí)期經(jīng)常與證券市場(chǎng)的下跌相關(guān)，而波動(dòng)性低的時(shí)期時(shí)常與證券市場(chǎng)上漲緊密相關(guān).Campbell和Hentschel認(rèn)為，這一現(xiàn)象可通過(guò)杠桿效應(yīng)(leverage effect)解釋，即股價(jià)下跌會(huì)提高公司財(cái)富杠桿，從而提高公司風(fēng)險(xiǎn)，進(jìn)而通過(guò)股價(jià)波動(dòng)性增大表現(xiàn)出來(lái)[51].在計(jì)量方法上，ARCH族模型中，Nelson提出的EGARCH模型，以及Glosten等提出的GJR GARCH模型(TGARCH模型)等方法均能較好地描述資產(chǎn)波動(dòng)的這種不對(duì)稱性.同時(shí)，隨機(jī)波動(dòng)率模型(SV)也發(fā)展出了可以衡量股市波動(dòng)不對(duì)稱性的杠桿隨機(jī)波動(dòng)率模型(leverage SV).基于眾多實(shí)證研究，“杠桿效應(yīng)”存在于中國(guó)股市已成為不爭(zhēng)的事實(shí)，眾多學(xué)者采用帶杠桿效應(yīng)的模型衡量我國(guó)的股市波動(dòng)，如王美今和孫建軍的TGARCH-M(1,1)模型、陳浪南和黃杰鯤的GJR GARCH模型、鄭振龍和湯文玉的EGARCH-M(1,1)模型、孟利鋒等的杠桿SV模型等[2, 52-54].

由于我國(guó)期權(quán)市場(chǎng)數(shù)據(jù)不足，難以計(jì)算隱含波動(dòng)率.因此，主要選取歷史波動(dòng)率模型估計(jì)A股市場(chǎng)波動(dòng)率(4)參照Merton，本文采用的歷史波動(dòng)率模型也結(jié)合了實(shí)現(xiàn)波動(dòng)率計(jì)算方法，即通過(guò)各指數(shù)的日度收益率數(shù)據(jù)估計(jì)月度波動(dòng)..具體而言，分別采用EGARCH-M(1,1)模型和帶杠桿的隨機(jī)波動(dòng)率模型(leverage SV)兩種方法對(duì)上證指數(shù)、深圳成指與滬深300指數(shù)分別進(jìn)行波動(dòng)率估計(jì).其中，EGARCH-M(1,1)模型估計(jì)利用EViews 7.2軟件,帶杠桿的隨機(jī)波動(dòng)率模型估計(jì)利用Winbugs 1.4軟件.模型具體形式如下

a．EGARCH-M(1,1)模型

(3)

(4)

其中系數(shù)γ代表市場(chǎng)波動(dòng)的不對(duì)稱效應(yīng).

b.帶杠桿的隨機(jī)波動(dòng)率模型

rt=exp (θt/2)εt

(5)

θt=ω+?(θt-1-ω)+ηt

(6)

(7)

采用馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo, MCMC)估計(jì)方法，根據(jù)Kim和Shepherd，選取參數(shù)先驗(yàn)分布為

ω～N(0,102),ση～I(xiàn)G(2.5,0.025),?1～Beta(20,1.5),θ0～N(μ,τ2),ρ～U(-1,1)

其中IG表示逆Gamma分布，Beta表示Beta分布.設(shè)?=2?1-1，選取初始值ω=0，?=0.975，τ=0.02，ρ=0.進(jìn)行Gibbs抽樣，首先進(jìn)行5 000次迭代，再舍棄(burn in)原迭代,重新進(jìn)行35 000次迭代，以保證參數(shù)收斂性.

3)過(guò)度交易的衡量及其說(shuō)明

過(guò)度交易的衡量相對(duì)較為困難.Odean指出，世界金融市場(chǎng)的交易量很大，但理論模型難以衡量真實(shí)市場(chǎng)中的交易量應(yīng)該為多少，即難以衡量交易量是否過(guò)高[55].理論模型給出的交易量從零(不存在噪音的理性預(yù)期模型)到無(wú)限(不存在交易成本，完全對(duì)沖).目前，對(duì)過(guò)度交易衡量的一種觀點(diǎn)為，可通過(guò)股民的交易行為收益能否覆蓋其投資機(jī)會(huì)成本，判斷是否存在過(guò)度交易[1, 61].上述方法較為科學(xué)、準(zhǔn)確.但其缺點(diǎn)為數(shù)據(jù)難以獲取，且計(jì)算量大.因此，也有學(xué)者采取成交量或換手率衡量過(guò)度交易[62, 63].相較而言，這類方法數(shù)據(jù)更容易獲取，且更為簡(jiǎn)單直觀.

分別選取總成交量(VOL)與總換手率(TURN)兩個(gè)指標(biāo)衡量過(guò)度交易.其中，市場(chǎng)總換手率的計(jì)算方法為，用市場(chǎng)整體交易金額和流通市值做比，以此說(shuō)明A股市場(chǎng)兩市交易的整體頻繁程度.

最后，鑒于中國(guó)證券投資者信心指數(shù)始于2008年4月，最終研究樣本期間選取2008年4月1日至2020年12月31日共計(jì)153個(gè)月(包含3 105個(gè)交易日).其余數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)與CCER經(jīng)濟(jì)金融數(shù)據(jù)庫(kù).

3 實(shí)證結(jié)果與分析

3.1 變量平穩(wěn)性檢驗(yàn)

首先對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn).采用ADF方法對(duì)所有變量進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表1所示.由表1可知，當(dāng)對(duì)證券投資者信心指數(shù)(SICI)、兩市總換手率(TURN)和采用杠桿SV模型計(jì)算的滬深300指數(shù)波動(dòng)率(VHS300)的水平值進(jìn)行檢驗(yàn)時(shí)，在5%的顯著性水平下檢驗(yàn)結(jié)果均拒絕存在單位根的原假設(shè).因此，可確定上述各時(shí)間序列均為平穩(wěn)過(guò)程.

表1 單位根檢驗(yàn)

3.2 同期因果關(guān)系的DAG及結(jié)構(gòu)VAR識(shí)別

對(duì)證券投資者信心指數(shù)(SICI)、兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)建立VAR模型，最終得到的殘差相關(guān)矩陣如下(5)VAR模型的具體回歸結(jié)果可向作者索取.

(8)

上述殘差相關(guān)矩陣是同期因果關(guān)系分析的基礎(chǔ)，為運(yùn)用有向無(wú)環(huán)圖(DAG)分析證券投資者信心指數(shù)(SICI)、兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)之間的同期因果關(guān)系，以無(wú)向完全圖開始.圖1(a)為三個(gè)變量的完全無(wú)向圖，在無(wú)向完全圖里面，每個(gè)變量之間都有一條邊連結(jié)，這個(gè)等同于式(2)中，左邊的系數(shù)矩陣完全不受任何約束.運(yùn)用軟件TETRAD III，利用它已經(jīng)設(shè)計(jì)好的程序PC算法來(lái)分析上述變量間的同期因果關(guān)系.無(wú)條件相關(guān)系數(shù)的分析結(jié)果表明，在5%的顯著性水平下，SICI和VHS300的相關(guān)系數(shù)為-0.092 7，其p值為0.255 2，說(shuō)明無(wú)條件相關(guān)系數(shù)顯著為0，這樣就可把表示SICI與VHS300之間的同期因果關(guān)系連線去掉，即SICI與VHS300之間不存在同期因果關(guān)系；而其它兩條邊在5%的顯著性水平下不能被刪掉，因此最后只剩下SICI-TURN-VHS300.這樣，SICI與TURN相鄰，VHS300與TURN相鄰，由于TURN不屬于SICI與VHS300的“分離集”，根據(jù)Spirtes等提出的有向圖算法(PC算法)，可以推斷出證券投資者信心指數(shù)(SICI)、兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)之間的同期因果關(guān)系為SICI→TURN←VHS300.

綜上，DAG分析結(jié)果表明，在5%的顯著性水平下，證券投資者信心指數(shù)(SICI)、兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)之間的同期因果關(guān)系及其影響方向?yàn)椋捍嬖谕顿Y者情緒到過(guò)度交易變量和滬深300指數(shù)波動(dòng)率到過(guò)度交易變量的同期因果關(guān)系，而投資者情緒與滬深300指數(shù)波動(dòng)之間并不存在顯著的同期因果關(guān)系，如圖1(b)所示.也就是說(shuō)，就同期相互影響關(guān)系而言，我國(guó)證券市場(chǎng)的投資者情緒變化將影響我國(guó)投資者的交易行為，我國(guó)投資者的信心情緒變化是導(dǎo)致我國(guó)投資者過(guò)度交易的重要的原因；我國(guó)A股市場(chǎng)波動(dòng)也將顯著影響我國(guó)投資者的交易行為，我國(guó)證券市場(chǎng)的過(guò)度波動(dòng)也是導(dǎo)致我國(guó)投資者過(guò)度交易的重要原因，這可能與我國(guó)A股市場(chǎng)仍然以散戶為主、機(jī)構(gòu)與個(gè)人投資者均廣泛存在的追漲殺跌的羊群行為分不開的；但是投資者情緒和股市波動(dòng)之間并不存在顯著的同期相互影響.

圖1(a) 無(wú)向完全圖 圖1(b) 有向無(wú)環(huán)圖(DAG)

(9)

為檢驗(yàn)上述約束式(9)的合理性，進(jìn)行了T檢驗(yàn)和Sims似然比檢驗(yàn).T檢驗(yàn)表明，兩個(gè)非零值(-0.07和-44.85)的t值分別為-5.24和-44.85，均顯著不為零.此外，對(duì)上述DAG結(jié)果的Sims似然比檢驗(yàn)結(jié)果(Sims統(tǒng)計(jì)量值等于1.302，P值為0.25)表明，在5%的顯著水平下無(wú)法拒絕“過(guò)度約束為‘真’”的原假設(shè)(在10%的顯著性水平下，也無(wú)法拒絕原假設(shè))，從而表明施加的約束是合理的，從而也就確定了新息系統(tǒng)中的同期因果關(guān)系系數(shù)矩陣為(9).這也充分說(shuō)明，上述DAG分析的結(jié)論“存在投資者情緒變量到過(guò)度交易變量和股市波動(dòng)變量到過(guò)度交易變量的同期因果關(guān)系，而投資者情緒變量與過(guò)度交易變量之間不存在同期因果關(guān)系”是可靠的.

3.3 建立在DAG基礎(chǔ)上的預(yù)測(cè)誤差方差分解

由于有向無(wú)環(huán)圖(DAG)主要是判斷經(jīng)濟(jì)變量之間是否存在同期因果關(guān)系以及這種因果關(guān)系的具體指向，為了分析投資者情緒與股市波動(dòng)、過(guò)度交易之間的動(dòng)態(tài)影響機(jī)制及其影響程度，基于DAG的分析結(jié)果對(duì)VAR模型進(jìn)行了預(yù)測(cè)誤差方差分解(表2).

預(yù)測(cè)誤差方差分解結(jié)果(表2)表明，在預(yù)測(cè)期第1期(月)，投資者情緒對(duì)過(guò)度交易的解釋超過(guò)11%，這一結(jié)果與DAG的同期因果關(guān)系一致，同時(shí)也證實(shí)了Baker和Stein以及易志高和茅寧的觀點(diǎn)[5,12]：投資者情緒與過(guò)度交易行為間具有顯著的單向同期因果關(guān)系.因此，可以認(rèn)為至少在我國(guó)A股市場(chǎng)，情緒變化能夠通過(guò)投資者的交易行為變化表現(xiàn)出來(lái)，采用成交量或換手率作為投資者情緒的代理變量具有顯著經(jīng)濟(jì)意義.此外股市波動(dòng)對(duì)過(guò)度交易的解釋度達(dá)28%，這與上文DAG的同期因果關(guān)系判斷結(jié)果一致.這進(jìn)一步說(shuō)明，投資者情緒變化與股市的波動(dòng)均可顯著影響我國(guó)A股市場(chǎng)投資者的交易行為，且這一影響的作用效果較快，時(shí)滯較短.

那么，隨著預(yù)測(cè)期的延長(zhǎng)，投資者情緒與股市波動(dòng)對(duì)投資者交易行為的影響有何變化呢？預(yù)測(cè)誤差方差分解的結(jié)果(表2)表明，中長(zhǎng)期內(nèi)投資者情緒對(duì)過(guò)度交易變量的解釋力迅速上升，在6個(gè)月后增至32%，一年后投資者情緒沖擊對(duì)過(guò)度交易變量的解釋將近35%；而股市波動(dòng)變量對(duì)過(guò)度交易的解釋力在中長(zhǎng)期內(nèi)變化不大，且在第3個(gè)月后下降至25%以下.這一現(xiàn)象說(shuō)明，投資者情緒變化對(duì)投資者交易行為的中長(zhǎng)期影響更為顯著，而相比之下，股市波動(dòng)對(duì)投資者交易行為的影響更偏重于短期效應(yīng).因此，可以認(rèn)為在短期內(nèi)，投資者更多地根據(jù)市場(chǎng)的波動(dòng)狀況采取短期避險(xiǎn)等措施，從而影響其自身的交易行為；而在中長(zhǎng)期內(nèi)，在投資者的交易行為決策過(guò)程中，反應(yīng)投資者對(duì)市場(chǎng)未來(lái)走勢(shì)預(yù)期的情緒因素顯得更為重要.這一結(jié)果說(shuō)明，中長(zhǎng)期內(nèi)投資者交易行為的變化能夠更好地反映其情緒變化，采用交易變量(換手率或成交量)作為情緒的代理變量，在較長(zhǎng)期限內(nèi)同樣具有其合理性.

此外，預(yù)測(cè)誤差方差分解結(jié)果還表明，在短期內(nèi)，過(guò)度交易變量完全不能解釋投資者情緒和股市波動(dòng)變量(預(yù)測(cè)第一期解釋度均為0).而中長(zhǎng)期內(nèi)，過(guò)度交易變量對(duì)投資者情緒變量的解釋力始終較小(即使在一年期，過(guò)度交易變量對(duì)投資者情緒的解釋程度也不足1%).同時(shí)，過(guò)度交易變量在中長(zhǎng)期內(nèi)對(duì)股市波動(dòng)變量的整體解釋力也相對(duì)較弱(6個(gè)月期和一年期時(shí)均低于1%).這一結(jié)果部分證實(shí)了Agyei-Ampomah 和 Davies的觀點(diǎn)[10]，說(shuō)明在中長(zhǎng)期內(nèi)，交易行為變量會(huì)在一定程度上影響股市波動(dòng)變量，投資者過(guò)度的交易可能造成股市風(fēng)險(xiǎn)加劇.

另外，預(yù)測(cè)誤差方差分解結(jié)果也表明，投資者情緒對(duì)自身波動(dòng)的解釋力較大，在一年時(shí)間內(nèi)，投資者情緒沖擊對(duì)自身波動(dòng)的解釋均仍在90%以上.這說(shuō)明，投資者情緒的波動(dòng)，主要來(lái)自于其自身觀念變動(dòng)導(dǎo)致的慣性變動(dòng)，導(dǎo)致這種累積性的慣性變動(dòng)因素可能包括投資者對(duì)經(jīng)濟(jì)基本面因素的分析和對(duì)股市未來(lái)發(fā)展的預(yù)期等.

表2 基于DAG分析結(jié)果的預(yù)測(cè)誤差方差分解(%)

預(yù)測(cè)誤差方差分解結(jié)果還表明，在預(yù)測(cè)第一期(月)，投資者情緒變量不能解釋股市波動(dòng)性的變化，而股市波動(dòng)變量也不能解釋投資者情緒變量的變化.而在中長(zhǎng)期，股市波動(dòng)變量能在一定程度上解釋投資者情緒變量的變化(6個(gè)月后股市波動(dòng)變量對(duì)投資者情緒變量的解釋接近6%).這說(shuō)明雖然股市在短期內(nèi)的波動(dòng)現(xiàn)象不能對(duì)投資者情緒產(chǎn)生影響，但較長(zhǎng)時(shí)間的持續(xù)波動(dòng)可能會(huì)造成對(duì)投資者情緒變量的沖擊，影響投資者對(duì)于后市的信心.同時(shí)，中長(zhǎng)期內(nèi)投資者情緒變量對(duì)股市波動(dòng)變量的解釋力也變得較強(qiáng)(6個(gè)月后的解釋程度接近5%，12個(gè)月后接近6%).這表明，對(duì)投資者情緒變量的沖擊在中長(zhǎng)期可以為股市波動(dòng)提供一定的解釋，投資者情緒的巨幅變動(dòng)可能是導(dǎo)致股市出現(xiàn)系統(tǒng)性風(fēng)險(xiǎn)的因素之一.這一結(jié)論與Lee等、王美今和孫建軍、張宗新和王海亮等的研究結(jié)果一致.綜上所述，基于DAG的預(yù)測(cè)誤差方差分解結(jié)果支持了假設(shè)1，即投資者情緒的變化，將影響投資者的交易行為決策，進(jìn)而導(dǎo)致市場(chǎng)交易量的變化，引起市場(chǎng)波動(dòng).

3.4 穩(wěn)健性分析

1)樣本的穩(wěn)健性檢驗(yàn)

為探究本文結(jié)論對(duì)我國(guó)滬深兩市A股市場(chǎng)是否分別成立，并驗(yàn)證結(jié)論的合理性、穩(wěn)健性與可靠性，股市波動(dòng)變量采取帶有杠桿效應(yīng)的EGARCH-M(1,1)模型(模型設(shè)定參見前文第3部分)，過(guò)度交易變量(DVOL)采用滬深兩市成交量(對(duì)原始數(shù)據(jù)取對(duì)數(shù)，再進(jìn)行差分以消除單位根)，并分別采用上證指數(shù)和深證成指數(shù)據(jù)，進(jìn)行樣本穩(wěn)健性分析(具體結(jié)果可向作者索取)，原始數(shù)據(jù)均來(lái)源于CCER中國(guó)經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)和WIND數(shù)據(jù)庫(kù).

有向無(wú)環(huán)圖(DAG)分析的結(jié)果表明，在5%的顯著性水平下(在5%和10%的顯著性水平下，結(jié)果相同)，證券投資者信心指數(shù)(SICI)、股市波動(dòng)變量(VSH/VSZ)和過(guò)度交易變量(DVOL)之間的同期因果關(guān)系及其影響方向仍然為：SICI→TURN(DVOL)←VHS300(VSH/VSZ)，即存在投資者情緒到過(guò)度交易和股市波動(dòng)到過(guò)度交易的同期因果關(guān)系，而投資者情緒與股市波動(dòng)之間不存在同期因果關(guān)系.

表3(a) 建立在DAG基礎(chǔ)上的預(yù)測(cè)誤差方差分解(%)(滬深300，成交量，EGARCH-M(1,1))

表3(b) 建立在DAG基礎(chǔ)上的預(yù)測(cè)誤差方差分解

表3(c) 建立在DAG基礎(chǔ)上的預(yù)測(cè)誤差方差分解(%)

2)遞歸的預(yù)測(cè)方差分解分析

由于自2008年4月以來(lái)，我國(guó)證券市場(chǎng)不但經(jīng)歷了幾次牛熊轉(zhuǎn)換，而且經(jīng)歷了包括融資融券、股指期貨和股票期權(quán)市場(chǎng)等制度與機(jī)制的建設(shè)和變革，這些變化可能導(dǎo)致我國(guó)投資者情緒、投資者交易行為與市場(chǎng)波動(dòng)發(fā)生系統(tǒng)性改變，以及我國(guó)投資者情緒、投資者交易行為與市場(chǎng)波動(dòng)相互影響機(jī)制的變化.圖2關(guān)于我國(guó)證券市場(chǎng)自2008年4月以來(lái)的投資者信心指數(shù)、滬深300指數(shù)波動(dòng)率與A股市場(chǎng)總換手率顯示，我國(guó)投資者情緒、兩市換手率與市場(chǎng)波動(dòng)在樣本期內(nèi)發(fā)生了較大的變化.因此，有必要對(duì)這些動(dòng)態(tài)變化進(jìn)行分析.

圖2 證券投資者信心指數(shù)、 滬深300指數(shù)波動(dòng)率與A股市場(chǎng)總換手率

為了進(jìn)一步考察投資者情緒與股市波動(dòng)、過(guò)度交易之間影響在不同時(shí)間樣本區(qū)間的動(dòng)態(tài)變化，并進(jìn)一步檢驗(yàn)本文基于有向無(wú)環(huán)圖(DAG)技術(shù)識(shí)別VAR模型得出的結(jié)論在樣本區(qū)間內(nèi)是否穩(wěn)健，基于DAG分析的結(jié)果進(jìn)一步作了遞歸的預(yù)測(cè)方差分解分析.在預(yù)測(cè)方差分解分析中以2008年4月至2010年4月為基期，作第一次方差分解分析，以2008年4月到2010年5月作第二次方差分解分析，依次類推直到整個(gè)樣本期2008年4月到2020年12月，并把每次回歸的第12個(gè)月的預(yù)測(cè)誤差方差分解繪成如圖3(a)～圖3(c).通過(guò)遞歸的預(yù)測(cè)方差分解的穩(wěn)健性檢驗(yàn)結(jié)果可以看出，盡管改變了樣本期，但是總體而言，本文關(guān)于我國(guó)投資者情緒、投資者交易行為與市場(chǎng)波動(dòng)相互影響關(guān)系的結(jié)論是較為穩(wěn)健的，盡管動(dòng)態(tài)影響程度隨著近年來(lái)我國(guó)證券市場(chǎng)改革與發(fā)展有所變化.

具體而言，對(duì)投資者情緒基于DAG的遞歸預(yù)測(cè)方差分解(圖3a)的實(shí)證結(jié)果顯示，從2010年4月到2020年12月，投資者情緒對(duì)自身的解釋力逐漸提高，從2010年的70%左右達(dá)到2016年的超過(guò)90%，隨后一直保持在90%以上.也就是說(shuō)，我國(guó)投資情緒的“自我實(shí)現(xiàn)”機(jī)制不斷加強(qiáng)，當(dāng)投資者情緒樂(lè)觀時(shí)將更加樂(lè)觀，而悲觀情緒形成后將導(dǎo)致其更加悲觀，事實(shí)上這與近年來(lái)我國(guó)互聯(lián)網(wǎng)及時(shí)通訊技術(shù)迅速發(fā)展等密切相關(guān)的，如2011年初微信的出現(xiàn)使得樂(lè)觀或悲觀信息很容易被快速傳遞與擴(kuò)散，另外近年來(lái)微博、股吧以及媒體和分析師的過(guò)度解讀、渲染甚至引導(dǎo)與煽動(dòng)輿情，也是導(dǎo)致我國(guó)投資者情緒“自我實(shí)現(xiàn)”與“自我強(qiáng)化”機(jī)制加強(qiáng)的重要因素.此外，遞歸結(jié)果顯示，過(guò)度交易對(duì)我國(guó)投資者情緒的影響程度不斷降低，從分析初期的30%左右降至分析末期的1%以下，該現(xiàn)象說(shuō)明隨著我國(guó)股票市場(chǎng)的發(fā)展，我國(guó)投資者不斷趨于理性，投資情緒受市場(chǎng)非理性交易行為的影響不斷減少.另外，遞歸結(jié)果還表明，股市波動(dòng)對(duì)投資者情緒的影響從分析初期的8%左右降至2015年初期的1%左右，但是在2015年下半年的我國(guó)股市暴跌時(shí)一度有所上升至10%左右，后逐步回落至5%附近.上述結(jié)果表近年來(lái)市場(chǎng)波動(dòng)對(duì)我國(guó)投資者情緒具有一定影響，雖然該影響總體在減弱，但是當(dāng)市場(chǎng)出現(xiàn)較大波動(dòng)尤其是市場(chǎng)暴跌時(shí)，市場(chǎng)波動(dòng)對(duì)我國(guó)投資情緒的影響將會(huì)變大.

對(duì)股市波動(dòng)變量基于DAG的遞歸預(yù)測(cè)方差分解(圖3b)的經(jīng)驗(yàn)研究結(jié)果表明，在分析前期，我國(guó)股市波動(dòng)對(duì)自身的解釋程度基本處于穩(wěn)步上升趨勢(shì)，從2010年初的40%左右逐步上到90%以上，也就是說(shuō)，近年來(lái)我國(guó)證券市場(chǎng)波動(dòng)的“自我實(shí)現(xiàn)”機(jī)制也在不斷加強(qiáng)，我國(guó)A股市場(chǎng)波動(dòng)性的這種“自我強(qiáng)化”機(jī)制的不斷增加，事實(shí)上是與2010年3月末我國(guó)開通融資融券業(yè)務(wù)、A股市場(chǎng)場(chǎng)內(nèi)外杠桿交易規(guī)模不斷擴(kuò)大、采用趨勢(shì)跟隨策略的程序化交易興起等密切相關(guān)的.此外，投資者情緒和過(guò)度交易變量對(duì)我國(guó)A股市場(chǎng)波動(dòng)的解釋程度，總體而言呈不斷下降趨勢(shì)，但值得注意的是，我國(guó)證券市場(chǎng)投資者情緒與交易行為在市場(chǎng)的不同時(shí)期，對(duì)于A股市場(chǎng)波動(dòng)的影響有所區(qū)別，在2015年下半年我國(guó)A股市場(chǎng)暴跌時(shí)，投資者情緒與市場(chǎng)交易變化對(duì)A股市場(chǎng)波動(dòng)的解釋力顯著上升，該現(xiàn)象說(shuō)明，隨著我國(guó)證券市場(chǎng)發(fā)展非理性的投資者情緒與市場(chǎng)交易行為對(duì)于A股市場(chǎng)波動(dòng)的影響日益減少，但在市場(chǎng)暴跌過(guò)程中投資者仍難以達(dá)到完全理性，此時(shí)投資者的非理性情緒與交易行為依然能夠?qū)ξ覈?guó)股市波動(dòng)產(chǎn)生顯著的影響，導(dǎo)致我國(guó)證券市場(chǎng)風(fēng)險(xiǎn)加劇，這一結(jié)果再次部分證實(shí)了投資者情緒驅(qū)動(dòng)的過(guò)度交易行為是引致股市巨幅波動(dòng)的重要原因之一.

最后，關(guān)于過(guò)度交易的遞歸預(yù)測(cè)方差分解結(jié)果(圖3c)表明，在樣本期間內(nèi)，投資者情緒對(duì)過(guò)度交易的影響總體而言基本保持在20%～40%之間，這說(shuō)明，近年來(lái)在中國(guó)A股市場(chǎng)，情緒因素對(duì)我國(guó)A股市場(chǎng)投資者的交易行為影響仍然較大，投資者交易行為的變化能夠較好地反應(yīng)其情緒變化，這也進(jìn)一步從實(shí)證經(jīng)驗(yàn)上驗(yàn)證了Baker和Wurgler、Baker等、易志高和茅寧、楊墨竹以及張宗新和王海亮等關(guān)于我國(guó)投資者情緒的相關(guān)研究中，采用反應(yīng)投資者交易行為的指標(biāo)(成交量、換手率等)作為情緒指數(shù)代理變量的合理性與可靠性[4,9,11-13]；另外，尤為值得注意的是自2014年下半年A股牛市以后我國(guó)證券市場(chǎng)進(jìn)入一個(gè)暴漲與暴跌的過(guò)度波動(dòng)時(shí)期，此時(shí)投資者情緒變化對(duì)投資者交易行為的影響程度有一個(gè)顯著的平臺(tái)式上升，投資者情緒變化對(duì)過(guò)度交易變量的解釋力從之前的20%左右提高至30%～40%左右，這表明在我國(guó)A股市場(chǎng)短期過(guò)度波動(dòng)時(shí)期投資者的情緒波動(dòng)將導(dǎo)致非理性交易行為增加，因此，為減少我國(guó)投資者的非理性過(guò)度交易行為，對(duì)投資者情緒的合理引導(dǎo)、限制煽動(dòng)市場(chǎng)情緒行為十分必要.此外，遞歸結(jié)果還表明，我國(guó)證券市場(chǎng)波動(dòng)對(duì)A股市場(chǎng)過(guò)度交易的影響從2010年初的20%左右逐漸提高至2013年～2014年的30%左右，后在2015年股災(zāi)后回歸20%附近水平.事實(shí)上，這也是與我國(guó)與2010年3月末我國(guó)開通融資融券業(yè)務(wù)、A股市場(chǎng)場(chǎng)內(nèi)外杠桿交易規(guī)模不斷擴(kuò)大、采用趨勢(shì)跟隨策略的程序化交易興起等密切相關(guān)的，在上述杠桿交易與程序化交易機(jī)制下，我國(guó)A股市場(chǎng)一旦出現(xiàn)趨勢(shì)性上漲將導(dǎo)致短期大量的買入交易，而一旦出現(xiàn)下跌趨勢(shì)則將引發(fā)短期內(nèi)大量的賣出交易. 這一結(jié)論進(jìn)一步證實(shí)了假設(shè)2，

圖3(a) 投資者情緒基于DAG的遞歸預(yù)測(cè)方差分解

圖3(b) 股市波動(dòng)基于DAG的遞歸預(yù)測(cè)方差分解

圖3(c) 過(guò)度交易基于DAG的遞歸預(yù)測(cè)方差分解

即在市場(chǎng)對(duì)沖機(jī)制受限條件下，尤其當(dāng)存在杠桿交易與程序化交易時(shí)，市場(chǎng)波動(dòng)將導(dǎo)致投資者大量被動(dòng)交易.同時(shí)，這一結(jié)果也從側(cè)面證實(shí)了陳淼鑫和鄭振龍等關(guān)于賣空機(jī)制與市場(chǎng)波動(dòng)的研究結(jié)果，即賣空機(jī)制能夠起到穩(wěn)定市場(chǎng)的功能，存在賣空限制將使投資者更易在市場(chǎng)波動(dòng)期間產(chǎn)生大量“追漲殺跌”的非理性交易行為[59].此外，與對(duì)投資者情緒基于DAG的遞歸預(yù)測(cè)方差分解(圖3a)的實(shí)證結(jié)果結(jié)合分析表明，近年來(lái)我國(guó)A股市場(chǎng)投資者情緒存在較強(qiáng)的“自我實(shí)現(xiàn)”機(jī)制，即當(dāng)情緒大幅波動(dòng)出現(xiàn)后，將導(dǎo)致投資者產(chǎn)生過(guò)度交易行為，從而造成市場(chǎng)波動(dòng)性加劇，風(fēng)險(xiǎn)增大.而較大的市場(chǎng)風(fēng)險(xiǎn)將正反饋至投資者的悲觀情緒，使之再度加強(qiáng)，進(jìn)一步加劇了我國(guó)證券市場(chǎng)風(fēng)險(xiǎn).這一結(jié)果驗(yàn)證了假設(shè)3，即隨著互聯(lián)網(wǎng)通訊技術(shù)與杠桿交易的興起，投資者情緒與市場(chǎng)波動(dòng)將出現(xiàn)較強(qiáng)的“自我實(shí)現(xiàn)”機(jī)制.

3)對(duì)不同情緒指數(shù)的對(duì)比及穩(wěn)健性檢驗(yàn)

本文采用的中國(guó)證券投資者信心指數(shù)(SICI)基于對(duì)證券投資者的直接調(diào)查數(shù)據(jù)，屬于采用直接法構(gòu)建的情緒指數(shù).為檢驗(yàn)SICI指數(shù)對(duì)我國(guó)A股市場(chǎng)投資者情緒的代表性，并進(jìn)一步驗(yàn)證實(shí)證研究結(jié)果的穩(wěn)健性，本文以基于易志高和茅寧方法構(gòu)建的中國(guó)股票市場(chǎng)投資者情緒綜合指數(shù)(CICSI)作為采用復(fù)合法構(gòu)建的證券投資者信心指數(shù)的代表，對(duì)SICI指數(shù)進(jìn)行替換.CICSI指數(shù)數(shù)據(jù)來(lái)自國(guó)泰安CSMAR經(jīng)濟(jì)金融研究數(shù)據(jù)庫(kù).

首先將本文采用的證券投資者信心指數(shù)(SICI)與中國(guó)股票市場(chǎng)投資者情緒綜合指數(shù)(CICSI)進(jìn)行對(duì)比，如圖4所示.

圖4 SICI指數(shù)與CICSI指數(shù)對(duì)比圖

由圖4可見，SICI指數(shù)與CICSI指數(shù)在樣本期間的波動(dòng)趨勢(shì)大體保持一致，且情緒變化趨勢(shì)與中國(guó)A股市場(chǎng)走勢(shì)基本一致，說(shuō)明這兩種指數(shù)均能較好地衡量我國(guó)股市的投資者情緒變化.同時(shí)通過(guò)觀察圖4可以發(fā)現(xiàn)，SICI指數(shù)在樣本期內(nèi)的某些時(shí)期略微領(lǐng)先于CICSI指數(shù)，如2010年10月～2010年11月、2011年2月～2011年3月、2013年5月～2013年10月、2014年7月～2014年12月、2015年3月～2015年8月、2016年5月～2016年6月、2017年5月～2017年8月以及2018年11月～2019年5月等.導(dǎo)致這一現(xiàn)象的可能原因是，證券投資者信心指數(shù)(SICI)基于對(duì)投資者的直接調(diào)查，能夠更加及時(shí)地反應(yīng)投資者情緒變化.而投資者的情緒作用于其投資交易行為，進(jìn)而對(duì)CICSI指數(shù)選取的各間接指標(biāo)產(chǎn)生作用有時(shí)會(huì)存在一定時(shí)滯，從而使基于間接指標(biāo)的采用復(fù)合法構(gòu)建的情緒指數(shù)在時(shí)效性方面不及基于調(diào)查數(shù)據(jù)的采用直接法構(gòu)建的情緒指數(shù).

隨后，采用中國(guó)股票市場(chǎng)投資者情緒綜合指數(shù)(CICSI)與兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)建立VAR模型并得到殘差相關(guān)矩陣，根據(jù)Spirtes等提出的有向圖算法(PC算法)通過(guò)去邊與定向兩個(gè)步驟，最終得到各變量間的同期因果關(guān)系如圖5所示.

圖5 采用CICSI指數(shù)的有向無(wú)環(huán)圖

由圖5可知，采用中國(guó)股票市場(chǎng)投資者情緒綜合指數(shù)(CICSI)作為投資者情緒衡量指標(biāo)時(shí)與兩市總換手率(TURN)和滬深300指數(shù)波動(dòng)率(VHS300)之間的同期因果關(guān)系為CICSI→TURN←VHS300，即存在投資者情緒到過(guò)度交易變量和股市波動(dòng)到過(guò)度交易變量的同期因果關(guān)系，而投資者情緒與股市波動(dòng)之間并不存在顯著的同期因果關(guān)系.這一結(jié)果與采用中國(guó)證券投資者信心指數(shù)(SICI)衡量投資者情緒時(shí)完全一致.

此外，為進(jìn)一步證實(shí)對(duì)于投資者情緒與股市波動(dòng)、過(guò)度交易之間的動(dòng)態(tài)影響機(jī)制及其影響程度的實(shí)證研究結(jié)果的穩(wěn)健性，將SICI指數(shù)替換為CICSI指數(shù)，基于DAG的分析結(jié)果構(gòu)建了VAR模型并進(jìn)行預(yù)測(cè)誤差方差分解，結(jié)果如表4所示.

表4 采用CICSI指數(shù)時(shí)基于DAG分析結(jié)果的預(yù)測(cè)誤差方差分解(%)

由表4結(jié)果可知，在影響方向上，無(wú)論是在分析同期還是滯后期內(nèi)，各變量間的相互影響方向均與正文中結(jié)論完全一致，即在分析同期只存在由投資者情緒變量和股市波動(dòng)變量到過(guò)度交易變量的影響，而在滯后期內(nèi)各變量均能被自身與其余兩變量有所解釋.而在影響程度上，在滯后期內(nèi)投資者情緒指標(biāo)無(wú)論是對(duì)自身還是對(duì)過(guò)度交易變量的解釋程度均比原文有較大幅度下降，同時(shí)過(guò)度交易變量無(wú)論是對(duì)自身還是對(duì)投資者情緒指標(biāo)的解釋程度均有較大幅度提升.究其原因，這正是由于兩種方法在指數(shù)構(gòu)建過(guò)程中的差異造成的.易志高和茅寧在構(gòu)建CICSI指數(shù)過(guò)程中，通過(guò)選取六項(xiàng)間接指標(biāo)并提取各間接指標(biāo)的前五階主成分作為指數(shù)值.但實(shí)際上，影響投資者情緒的因素涵蓋國(guó)內(nèi)、國(guó)際政治經(jīng)濟(jì)金融形勢(shì)環(huán)境、股市有關(guān)政策變化、投資者教育水平等諸多方面，其包含的信息遠(yuǎn)非六項(xiàng)指標(biāo)能夠完全體現(xiàn).而其選取的六項(xiàng)間接指標(biāo)中的一項(xiàng)即為股市交易量除以流通市值指標(biāo)，這表明CICSI指數(shù)中相對(duì)更多地包含了投資者通過(guò)其交易行為所體現(xiàn)的信息，而忽略了部分其他潛在影響因素所包含的信息.因此實(shí)際上采用CICSI指數(shù)的分析結(jié)果高估了投資者交易行為對(duì)自身以及對(duì)情緒變化的解釋力，而低估了投資者情緒對(duì)自身變化以及對(duì)其交易行為的解釋力.而原文采用的SICI指數(shù)為直接通過(guò)對(duì)投資者的問(wèn)卷調(diào)查統(tǒng)計(jì)得出，能夠充分將其在投資決策過(guò)程中獲得的各項(xiàng)信息直接反應(yīng)在指標(biāo)值變化上，從而使分析結(jié)果更加準(zhǔn)確.因此可以認(rèn)為，這也體現(xiàn)了采用直接法構(gòu)建的證券投資者信心指數(shù)相較采用基于間接指標(biāo)的復(fù)合法構(gòu)建指數(shù)的另一項(xiàng)優(yōu)勢(shì).除此之外，采用CICSI指數(shù)后基于DAG的預(yù)測(cè)誤差方差分解的其他主要結(jié)果均與正文一致.上述結(jié)果表明，本文主要實(shí)證結(jié)果是穩(wěn)健的，前文研究結(jié)論是準(zhǔn)確的、可信的.

綜上所述，采用中國(guó)股票市場(chǎng)投資者情緒綜合指數(shù)(CICSI)與本文采用的證券投資者信心指數(shù)(SICI)刻畫的投資者情緒具有較強(qiáng)的一致性，且采用CICSI指數(shù)時(shí)，無(wú)論是采用有向無(wú)環(huán)圖(DAG)技術(shù)識(shí)別得到的變量間同期因果關(guān)系還是基于DAG得到的預(yù)測(cè)誤差方差分解結(jié)果，均與原文結(jié)果一致.由于基于間接指標(biāo)采用復(fù)合法構(gòu)建的CICSI指數(shù)與本文采用的基于直接調(diào)查數(shù)據(jù)的SICI指數(shù)分別屬于兩種不同類型的情緒指數(shù)構(gòu)建方法，且均具有較強(qiáng)的代表性與權(quán)威性，因此可以認(rèn)為本文采用的SICI指數(shù)能夠較為精準(zhǔn)地刻畫投資者情緒變化，且實(shí)證研究結(jié)論的準(zhǔn)確性、穩(wěn)健性進(jìn)一步得到了證實(shí).

4 結(jié)束語(yǔ)

本文首次采用基于中國(guó)證券投資者保護(hù)基金調(diào)查數(shù)據(jù)的證券投資者信心指數(shù)(SICI)數(shù)據(jù)，結(jié)合“有向無(wú)環(huán)圖”(DAG)和遞歸的預(yù)測(cè)方差分解技術(shù)，克服了現(xiàn)有文獻(xiàn)采用Granger因果性檢驗(yàn)以及基于固定樣本期的預(yù)測(cè)方差分解等傳統(tǒng)研究方法的局限性，深入分析了我國(guó)投資者情緒、投資者交易行為與我國(guó)股票市場(chǎng)波動(dòng)之間的同期、以及我國(guó)證券市場(chǎng)融資融券、股指期貨和期權(quán)市場(chǎng)建立后市場(chǎng)處于牛熊更替不同時(shí)期的動(dòng)態(tài)影響關(guān)系.

基于DAG的研究結(jié)果表明：就同期相互影響關(guān)系而言，我國(guó)證券市場(chǎng)的投資者情緒變化將影響我國(guó)投資者的交易行為，我國(guó)投資者的信心情緒變化是導(dǎo)致我國(guó)投資者過(guò)度交易的重要的原因；我國(guó)A股市場(chǎng)波動(dòng)也將顯著影響我國(guó)投資者的交易行為，我國(guó)證券市場(chǎng)的過(guò)度波動(dòng)也是導(dǎo)致我國(guó)投資者過(guò)度交易的重要原因，這可能與我國(guó)A股市場(chǎng)仍然以散戶為主、機(jī)構(gòu)與個(gè)人投資者均廣泛存在的追漲殺跌的羊群行為分不開的.

基于DAG的固定樣本期以及遞歸預(yù)測(cè)方差分解結(jié)果進(jìn)一步表明：1)就投資者情緒影響因素而言，我國(guó)投資情緒具有“自我實(shí)現(xiàn)”機(jī)制并且不斷加強(qiáng)，當(dāng)投資者情緒樂(lè)觀時(shí)將更加樂(lè)觀，而悲觀情緒形成后將導(dǎo)致其更加悲觀，這與近年來(lái)我國(guó)互聯(lián)網(wǎng)即時(shí)通訊技術(shù)迅速發(fā)展等密切相關(guān)，另外近年來(lái)微博、股吧以及媒體和分析師的過(guò)度解讀、渲染甚至引導(dǎo)與煽動(dòng)輿情，也是導(dǎo)致我國(guó)投資者情緒“自我實(shí)現(xiàn)”與“自我強(qiáng)化”機(jī)制加強(qiáng)的重要因素；過(guò)度交易對(duì)我國(guó)投資者情緒的影響程度則不斷降低，投資情緒受市場(chǎng)非理性交易行為的影響不斷減少；市場(chǎng)波動(dòng)對(duì)我國(guó)投資者情緒具有一定影響，雖然該影響總體在減弱，但是當(dāng)市場(chǎng)出現(xiàn)較大波動(dòng)尤其是市場(chǎng)暴跌時(shí)，市場(chǎng)波動(dòng)對(duì)我國(guó)投資情緒的影響將會(huì)變大.2)就我國(guó)證券市場(chǎng)波動(dòng)影響因素而言，我國(guó)證券市場(chǎng)波動(dòng)也具有“自我實(shí)現(xiàn)”機(jī)制并且不斷增加，這與2010年3月后我國(guó)開通融資融券業(yè)務(wù)、A股市場(chǎng)場(chǎng)內(nèi)外杠桿交易、采用趨勢(shì)跟隨策略的程序化交易興起等密切相關(guān)的；隨著我國(guó)證券市場(chǎng)發(fā)展，非理性的投資者情緒與市場(chǎng)交易行為對(duì)于A股市場(chǎng)波動(dòng)的影響則日益減少，但在市場(chǎng)暴跌過(guò)程時(shí)投資者的非理性情緒與交易行為依然能夠?qū)ξ覈?guó)股市波動(dòng)產(chǎn)生顯著影響，導(dǎo)致我國(guó)證券市場(chǎng)風(fēng)險(xiǎn)加劇.3)就我國(guó)投資者過(guò)度交易行為影響因素而言，情緒因素對(duì)我國(guó)A股市場(chǎng)投資者的交易行為影響仍然較大，尤其是在暴漲與暴跌過(guò)度波動(dòng)時(shí)期，情緒波動(dòng)將導(dǎo)致非理性交易行為顯著增加；我國(guó)證券市場(chǎng)波動(dòng)對(duì)A股市場(chǎng)過(guò)度交易的影響日益提高，在杠桿交易與程序化交易機(jī)制下，我國(guó)A股市場(chǎng)一旦出現(xiàn)趨勢(shì)性上漲將導(dǎo)致短期大量的買入交易，而一旦出現(xiàn)下跌趨勢(shì)則將引發(fā)短期內(nèi)大量的賣出交易.

基于上述實(shí)證研究結(jié)果，提出以下政策建議：

一是嚴(yán)格落實(shí)《證券期貨投資者適當(dāng)性管理辦法》，做好對(duì)資本市場(chǎng)投資者的多維度分類管理，強(qiáng)化經(jīng)營(yíng)機(jī)構(gòu)適當(dāng)性責(zé)任，加強(qiáng)針對(duì)中小投資者的教育，切實(shí)保障其合法權(quán)益，并要進(jìn)一步加強(qiáng)對(duì)媒體和分析師等輿情監(jiān)管，避免過(guò)度解讀、渲染甚至煽動(dòng)與利用投資者情緒的非法行為，避免投資者非理性情緒引致的市場(chǎng)巨幅波動(dòng)風(fēng)險(xiǎn).

二是積極倡導(dǎo)價(jià)值投資，從而減少個(gè)人與機(jī)構(gòu)投資者的追漲殺跌等羊群行為，避免證券市場(chǎng)投資者的過(guò)度交易引致的市場(chǎng)巨幅波動(dòng)風(fēng)險(xiǎn)，并應(yīng)通過(guò)繼續(xù)穩(wěn)妥推進(jìn)我國(guó)證券市場(chǎng)風(fēng)賣空機(jī)制建設(shè)、創(chuàng)設(shè)政策對(duì)沖工具等手段，提升市場(chǎng)有效性與流動(dòng)性、增強(qiáng)投資者信心，避免因缺乏市場(chǎng)對(duì)沖機(jī)制而發(fā)生的系統(tǒng)性競(jìng)價(jià)出售危機(jī).

三是規(guī)范場(chǎng)內(nèi)外杠桿交易，加強(qiáng)對(duì)融資融券、期貨、期權(quán)等杠桿交易工具的監(jiān)管，合理控制趨勢(shì)跟隨策略交易與程序化交易，并要加強(qiáng)對(duì)融資保證金擔(dān)保比率和折算比率、入市門檻等證券市場(chǎng)逆周期宏觀審慎監(jiān)管，從而阻斷我國(guó)A股市場(chǎng)波動(dòng)性通過(guò)“自我實(shí)現(xiàn)”的正反饋機(jī)制加劇市場(chǎng)風(fēng)險(xiǎn)的傳導(dǎo)渠道，進(jìn)而防止證券市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)事件發(fā)生，助力打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn).