● 龚之晨

一、投资者情绪对股票异常收益率的影响

（一）投资者情绪的存在性

国外学者早期在研究投资者情绪的存在性问题上普遍选取的指标为封闭式基金折价。Zweig（1973）认为投资者对于基金预期的变化是基金折价的主要原因。Swaminathan（1996）则发现封闭式基金折价变动在不同规模公司中，其对股票收益的预测能力效果不同，主要表现为对小规模公司的股票预测效果优于大规模公司的预测效果。张俊喜等（2003）通过研究中国小规模公司股票的收益与基金折价的关系，发现前者与后者的变动呈负相关。刘超（2006）则发现股票市场上的波动变化与投资者情绪之间有着较为显著的联系，并且具有相类似的走势情况。

以上的例子都说明投资者情绪与股票市场的收益率有一定的关系，股票异常收益率也可以从投资者情绪的角度进行分析，两者之间也存在着某种关联。

（二）投资者情绪对股票异常收益率的影响

Daniel&Titman（1999）研究发现投资者关注度与股市的定价效率之间并不是正相关，个体投资者的关注率越高，其在股市上的反应则是股价有显著的波动，而个股异常收益主要反应在股票价格的大幅波动，进而投资者关注程度与个股异常受益率之间存在某种联系。宋军，吴冲锋（2003）研究股评家在广大的舆论中作出非理性的羊群行为，并且伴随此种非理性的行为，股票市场会出现个股的异常变化。陈国进（2016）通过实证研究，得出了机构投资者对股市短期内的暴涨以及暴跌现象有着显著地助推作用这一结论。

权小峰（2012）通过研究中国股票市场投资者的选择性关注程度对市场异象的影响效应，发现了投资者关注对股票横截面收益的影响在统计上是显著的，并且股市上存在明显的鸵鸟效应，实证论实了“投资者关注”假说。曹仙叶（2016）采用净买入资金比例作为投资者情绪指标，在此基础上，定义了积极投资者情绪与消极投资者情绪，并研究了两者在股票异常收益中的影响情况，其研究显示，机构投资者情绪对往后四周的收益率有正向的影响，个人投资者情绪相对于机构投资者情绪来说产生的影响大有不同，其影响的时效更短，并且影响为负向。

（三）投资者情绪的测量

投资者情绪从其表现形式上可以分为显性投资者情绪与隐性投资者情绪，其中显性投资者情绪也称主观投资者情绪，隐性投资者情绪也称客观投资者情绪。Statman和Michael Solt（1988）把投资者情绪分为看涨情绪指标和看跌情绪指标，并得出通过不同构造法构造出来的情绪指标不会对研究结果产生影响的结论。国内的显性投资者情绪指标有“央视看盘”数据、“三大公报”（中国证券报、上海证券报和证券时报）看市、好淡指数等调查数据。国内外的学者主要是以各式的经济指标度量投资者情绪，并且在指标的选择上，Nanda和Singh（2002）选取了新股上市首日收益率以及首次公开发行数目作为投资者情绪的代理变量。

Baker（2006）对投资者情绪的测量方法是目前的主流方法，主要是对封闭式基金折价率、IPO数量、IPO首日收益、股票发行比例、红利溢价和交易量进行主成分分析，并且提取投资者情绪。周孝华，李纯亮，梅德祥（2008）采用中签率、新股首日换手率衡量投资者情绪。易志高，茅宁（2009）通过构建投资者情绪的综合指数（CICSI），验证出投资者情绪与股市走势基本保持一致的变动趋势。韩立岩和伍燕然（2007）选取的投资者情绪由新股首日市场换手率、交易所新开户数这两个指标构建。杨晓兰（2016）利用计算机文本挖掘技术，对东方财富网股吧上的投资者的发帖量进行了投资情绪倾向的研究，并在此基础上构建了投资者情绪指标，最终发现积极与消极的投资者情绪对股票收益产生了对应的正向、负向的影响。

二、网络搜索强度对个股异常受益率的影响

关键词与外部环境之间的联系成为了众多学者进行预测研究的一种方法。vosen和schmidt（2011）将搜索变量加入消费预测模型中，发现较基于消费者信心指数的模型而言，其具有更高的预测精度。宋双杰（2011）选取股票简称的百度搜索量作为投资者关注度的代理变量，其研究肯定了关键词的搜索强度对收益率以及长期表现的解释和预测能力。

杨欣（2013）采用事件研究方法，分析了甬温线动车事故发生后，有关该事件网络搜索量对中国动车概念版股市震动的解释程度，并发现了其中较高的解释率。金家华（2015）等人将Google Trend关键词关注指数加入回归预测模型中，探讨了搜索行为和商品房价格决定机制的理论。徐映梅、高一铭（2017）统计得出了CPI低频与高频舆情指数，验证且得出了基于互联网大数据构建的CPI舆情指数对于辅助预测CPI是有效的，得出了相关关键词的搜索热度指标具有领先CPI预测作用的结论。

李凤岐（2017）提出的PS方法，显示了百度搜索代理变量与经济指标之间关系，并揭示了搜索量数据对于经济指标一定的解释能力。张永杰等（2011）对网络公开信息进行了考察，发现了网络公开信息对股票市场收益率有一定的解释能力。罗鹏（2018）等选取了三项指标构建了金融风险预测模型，并通过该模型发现包含百度搜索代理变量的预测模型有更高的准确度，并且公众产生的“追涨杀跌”的非理性行为会转变为“追跌杀涨”的理性行为。

三、对现有文献的总结

投资者情绪与网络搜索强度两个词频在文献中屡见不鲜，投资者情绪主要运用于股票定价效率中，在个股异常受益率中的论证篇幅相对较少，在已有的对个股异常受益的研究中，出现相反的结论。笔者认为情绪测量的准确性是造成有关研究研究结果不一致的主要原因，从以往的研究中我们可以发现情绪测量的有关研究有两个明显的缺陷：其一，对于投资者情绪的变化普遍采用单个的情绪指标来衡量，而单个情绪指标不能全面揭示投资者的心理变化，因此可能导致解释变量的缺失。其二，投资者情绪在不同经济周期中的衡量有所差异，缺乏对宏观经济变量的控制，会导致投资者情绪衡量差异引发的对股票收益解释的差异。

学者已经将网络搜索关键词用在股票定价效率问题上，其有效性得到了一定程度的证实，但是仍存在一些局限性，如理论基础分析的缺乏，关键词及数据处理模型不够完善，方法简单，实际运算量较大。

投资者情绪和网络搜索强度对个股异常收益率都有一定程度的解释力，但是已有的文献研究，主要是从投资者情绪、网络搜索强度两个方面单独进行的研究，是单一变量对个股异常收益率的研究。在加入单一变量的模型中，预计股票收益率与实际股票收益之间还是有部分不吻合，因此，在已有的基础上，后续的研究应建立投资者情绪与网络搜索强度两个变量，进一步检测模型与个股异常收益率的拟合程度。