江海潮 黄玲钰

摘 要：不同层次资本市场收益和投资者情绪之间有着复杂关系， TVP-VAR 模型研究表明：中国沪深主板、科创板与创业板三层次资本市场投资者情绪相互间具有非对称溢出性；资本市场收益间存在非对称相互溢出；资本市场情绪有着显著的正溢出效应，而且溢出效应呈现市场差异性与时变异质性。整体来讲，不同层次市场情绪和收益因相互正向溢出而不断增长强化，短暂期交叉溢出效应波动性比维持期效应波动更剧烈，三层次股市收益波动性对短期市场情绪溢出效应更加敏感。

关键词：TVP-VAR 模型；资本市场收益；投资者情绪；溢出效应；时变异质性

本文索引：江海潮，黄玲钰.<变量 2>[J].中国商论，2023（15）：-125.

中图分类号：F832.48 文献标识码：A 文章编号：2096-0298（2023）08（a）--06

1 引言

资本市场收益受众多因素影响，如宏观经济周期因素、市场景气因素、公司基本面因素与投资者情绪因素。研究发现，投资者情绪與股市收益之间存在显著的溢出效应，且不同时期投资者情绪与市场收益率之间的溢出效应存在显著的时变特性与阶段性差异（张国胜，2021，孙胜达，2022）[1-2]。不同状态的投资者情绪倾向对股票市场收益的溢出效应存在显著的非对称性，相较积极情绪，消极情绪的短期持续性更大，消极情绪释放的时间也更长（陆昌等，2020）[3]。受市场景气因素的冲击影响，投资者情绪与各行业板块股市收益率之间存在非对称静态与动态溢出效应（唐勇等，2019）[4]。股市收益与投资者情绪互动关系具有明显的市场异质性与板块分异性，进一步发现投资者情绪与收益率的双向溢出效应存在复杂的股票异质性，小盘股、高市盈率股及亏损股有着更高的投资者情绪敏感性（刘昊，2019；周文龙等，2020）[5-6]。

研究发现，深入研究股市收益与投资者情绪关系，始终面临投资者情绪测度难题（刘学文，2019）[7]。现有理论研究表明，投资者情绪实际上是投资者非理性心理表现，表现为交易波动性或噪音性，部分解释了价格过度波动异象和收益长期反转之谜（肖勋勇等，2017）[8]。部分研究采用直接方法测度投资者的非理性心理情绪，以问卷、采访等方式，获取投资者的证券市场情绪诉求，如好淡指数、信心指数（吕志岩等，2013；罗雅兰，2020）[9-10]，进行个性化测度。另一些研究则借助间接情绪指标如换手率（Baker 等，2004；张静等，2018）[11-12]、市盈率（张国胜等，2021）和市净率（黄华继等，2022）[13]、新高新低比（周文龙等，2020）、阿姆氏指标（戚成飞，2019）[14]、融资融券余额等（张芳等，2021）[15]描述投资者情绪。还有一些研究，采用主成分等特定技术方法，构建综合情绪指标测度投资者情绪（Baker 等，2006；易志高等，2009）[16-17]。由于研究投资情绪测度多样性，学者们股市收益与投资者情绪关系难以达成一致意见，这需要进一步研究探讨。

随着中国股市的深入发展，中小板合并深主板，意味着我国资本市场层次性不断彰显，各资本市场定位更加明确，形成上交所主板+科创板和深交所主板+创业板的新型资本市场体系。因此，本文利用 TVP-VAR 模型，分析中国不同层次市场收益与投资者情绪溢出效应。

2 投资者情绪评价

2.1 投资者情绪指标选取

本文结合中国A股多层次资本市场数据的频率和可获得性，从股市流动性和波动情况以及股市技术面分析等多方面因素考虑，选择了沪深300指数和科创50指数以及创业板指数的市盈率和市净率、震荡幅度、新高新低比、腾落比例、阿姆氏指标、换手率和流动性水平等八个投资者情绪代理指标，构建出一个日度投资者情绪综合指数，以更好地反映投资者的情绪变化。其中，市盈率和市净率来自东方财富Chioce金融终端，指数的价格、成交金额和流通市值，腾落指标、阿姆氏指标和换手率以及新高新低比等指标来自国泰安数据库。由于中小板于2021年4月6日和深市主板正式合并，因此数据区间设定为2021年4月6日到2022年12月8日。

2.2 投资者情绪评价方法

目前，主成分分析法仍然是众多学者评价投资者情绪的选择。评价投资者情绪首先通过主成分分析降维，将相关性较高的情绪代理指标线性变换转成彼此相互独立或不相关的主成分。每个主成分都能反映原始指标的大部分信息，且所含信息互不相关。根据主成分的方差贡献率大小依次递减的顺序排列，并计算累积特征值贡献率的比值确定各成分的权重，得出降维后的数据，使数据结果更有效的反映非理性信息。具体计算公式为

其中，表示投资者情绪综合指数，i分别取沪深主板、科创板和创业板，j代表第n个主成分。

2.3 投资者情绪综合测度

本文使用Stata17软件进行主成分分析，具体分析结果如表1所示。根据主成分分析的原理，当成分累积特征值贡献率达到85%以上时，可选取此成分构建综合情绪指标。根据累积贡献率，沪深主板、科创板以及创业板的投资者情绪构建均取前四个主成分。基于此，按照各自方差贡献率进行加权来构造综合指数，分别记为ehs、ekc、ecy。

具体表达式如下：

ehs=0.3402*Comp1+0.2812*Comp2+0.2388*Comp3+0.1398*Comp4（1）

ekc=0.4767*Comp1+0.2249*Comp2+0.1763*Comp3+0.122*Comp4（2）

ecy=0.4626*Comp1+0.2749*Comp2+0.1564*Comp3+0.1062*Comp4（3）

3 市场收益与投资者情绪溢出实证研究

3.1 变量处理与建模

3.1.1 单位根检验

沪深主板、科创板和创业板收益分别使用沪深300指数、科创板50指数与创业板指数的对数收益率来衡量不同资本市场的收益率，分别记为rhs、rkc、rcy。本文对数据进行描述性统计，并考察变量的单位根检验，结果如表2所示，并使用ADF方法对以下6个指标进行单位根检验。各变量序列都是平稳的，符合VAR模型的要求。

3.1.2 模型构建与分析

TVP-VAR模型是一种基于SVAR模型演变而来的非线性时变分析方法，具有时变参数并假定随机波动率。通过捕捉时变参数随机波动的矢量变化，可以有效地解决经济变量在不同时期的时变特征和非线性特征，以及捕捉一段时间内关注变量对响应变量的冲击效应。为探究多层次资本市场收益和投资者情绪的关系，本文分别建立了模型1探究多层次资本市场的投资者情绪之间的关系、建立了模型2考察多层次资本市场收益之间的关系以及模型3分析多层次资本市场的情绪与收益之间的关系。其中TVP-VAR模型的等间距脉冲响应函数反映了一个关注变量的冲击对相同时间间距的响应变量产生的影响，不仅可以捕捉变量之间的时变特征，还能够处理变量指标的异常变动，从而提高估计结果的稳定性。因此，等间距脉冲响应函数在分析经济中的时变问题时具有重要的应用价值。等间距脉冲响应函数的横坐标为时间序列t的期数，以数据区间起始日为第一期以此类推；纵坐标为受冲击程度，三条不同线段分别代表提前7期，提前14期和提前30期的不同时间约束，依次表示关注变量对响应变量的短暂期、维持期和持续期的影响。

3.1.3 MCMC参数检验

为了更准确地估计模型，本文采用贝叶斯推断下的马尔科夫链蒙特卡洛模拟法（MCMC）进行10000次抽样，其中，前1000次抽样为样本的预期模拟值，后9000次抽样用于后验分布的参数估计。参数的后验估计结果见表3。其中 Geweke 诊断值用于测定预模拟得到的马尔科夫链是否收敛于后验分布，可知所有参数的Geweke诊断值均小于1.96，则表明均未拒绝趋于后验分布的5%置信水平原假设，而无效影响因子则是后验样本均值的方差和不相关序列样本均值的方差的比率，可知所有参数的无效影响因子均小于150，两者均为判断 MCMC 链模拟效果的重要依据。结果说明，基于MCMC算法的参数估计效果良好。因此，本文构建的TVP-VAR模型的参数模拟结果具备有效性和稳健性特征。

3.2 不同层次市场情绪溢出效应

3.2.1 沪深主板情绪溢出效应

根据图1可以推断，不同时间约束下的沪深主板情绪内部均呈现正向冲击，表明沪深主板情绪内部的冲击效应具有连续性。沪深主板情绪的短暂期高涨会导致科创板块情绪的高涨，且短暂期冲击强度大于维持期冲击强度，但持续期冲击整体强度不明显。在t=30期时短暂期和维持期冲击趋势渐缓，之后冲击强度在t=100期时，短暂期和维持期的冲击由正变负，伴随冲击强度逐渐提高并保持较长时间的负向效应。沪深主板对创业板情绪的溢出效应与其沪深主板情绪内部的溢出效应类似，但两者情绪间明显大于沪深主板情绪内部的冲击强度和波动幅度。

3.2.2 科创板情绪溢出效应

从图2发现，科创板情緒整体上均呈现正向溢出效应，即科创板情绪的上升会导致各资本市场情绪的增强，主要区别在于不同时间约束下的正向冲击的强度不同。短期内科创板情绪对创业板情绪的冲击强度呈现先衰弱后上升的趋势。科创板情绪内部冲击和其对沪深主板情绪的溢出效应呈现衰退的趋势，科创板情绪内部冲击的衰退程度大于科创板情绪对沪深主板情绪的冲击。

3.2.3 创业板情绪溢出效应

由图3可知，创业板情绪溢出效应各有不同。创业板情绪对沪深主板情绪的短暂期和维持期冲击整体呈正向趋势并伴随冲击强度的提高。在t=30期前后，出现短暂期落后维持期的冲击强度和短暂期明显高于维持期冲击强度两种现象，之后短暂期和维持期冲击冲高回落后，在t=150期附近，短暂期和维持期冲击强度显著提升。创业板情绪对科创板情绪的正向冲击强度较小，且短暂期和维持期以及持续期冲击波动情况一致，呈现先下降后上升的趋势。创业板情绪内部正向冲击强度较大并呈现缓慢下降的趋势。

3.3 不同层次市场收益溢出效应

3.3.1 沪深主板收益溢出效应

观察图4结果，显然推断沪深主板收益对不同层次的资本市场收益具有较大的正向冲击强度。从波动情况来看，沪深主板收益对科创板收益和其内部收益的影响呈现较为明显的波动起伏，而沪深主板收益对创业板收益的影响较为平缓。从冲击强度大小来看，科创板和创业板的收益受沪深主板收益外部溢出冲击效应较大。

3.3.2 科创板收益溢出效应

从图5结果来看，科创板收益的提高在短期内会对沪深主板收益的正向冲击效应减弱，从长期来看具有较为势小的增长形态，整体上呈现持续期大于短暂期和维持期的正向效应。科创板收益对其自身收益的冲击强度最大，其次是对创业板收益的冲击，并保持较长时间的稳定趋势。

3.3.3 创业板收益溢出效应

由图6可知，创业板收益的提高对其本身收益产生正向冲击。然而创业板收益的提高在较小波动范围内对沪深主板收益的产生负向的冲击效应，意味着创业板收益的提高可能会使沪深主板收益下降。短时间内创业板收益的提高会对科创板收益有一个浅显的正向冲击，之后冲击效应由正变负。

3.4 不同层次市场情绪与收益的溢出效应

3.4.1 沪深主板情绪对收益的交叉溢出

由图7可知，沪深主板情绪的高涨，各资本市场收益受冲击影响不一。短期内在一定程度上促进科创板和主板的收益提高，前者受沪深主板情绪外部正向冲击呈现先增长后减弱的趋势，后者受内部正向冲击呈现较为平缓的趋势。然沪深主板情绪的高涨会对创业板收益产生较小范围的正负向冲击效应，且呈现正向冲击减弱至负向冲击的趋势。

3.4.2 科创板情绪对收益交叉溢出效应

由图8可知，科创板情绪对各资本市场收益冲击整体趋势与上述沪深主板情绪对收益交叉溢出效应类似，显然，科创板情绪对创业板收益和自身收益的外部溢出冲击效应较大，沪深主板收益受科创板情绪外部交叉溢出影响较小。

3.4.3 创业板情绪对收益交叉溢出效应

由图9可知，短期内创业板情绪对沪深主板和科创板的收益交叉溢出效应与图3类似，但创业板情绪对其自身收益产生了较长时间的负向冲击效应，表明创业板情绪高涨可能会导致其自身收益的下降。

3.4.4 沪深主板收益对情绪交叉溢出效应

根据图10可以推断，沪深主板市场收益增加会促使科创板和创业板的情绪高涨，即沪深板收益的提高可能会增强投资者对科创板和创业板投资的信心。相反，沪深主板市场收益的提高可能导致该板块情绪的低迷。从长期来看，沪深主板市场收益对情绪的交叉溢出效应可忽略不计。

3.4.5 科创板收益对情绪交叉溢出效应

根据图11可以推断，科创板收益对创业板情绪和自身情绪存在正向冲击，而且，科创板收益对创业板情绪的冲击强度略大于其对自身的冲击效应。整体而言，科创板收益对创业板情绪具有较为平缓的正向冲击，科创板收益对自身情绪的正向冲击更波动。

3.4.6 创业板收益对情绪交叉溢出效应

图12展示了创业板收益对各资本市场情绪的冲击，其整体冲击走势区别于图10和图11，表明创业板收益的增加可能会导致投资者对各资本市场投资的情绪出现低迷。

4 结语

4.1 结论

通过构建沪深主板、科创板和创业板的综合情绪指数，本文建立 TVP-VAR 模型，探究了沪深主板、科创板和创业板市场不同层次资本收益与情绪之间的复杂时变关系，结果发现：（1）资本市场间情绪大部分呈现正向溢出效应，资本市场内部情绪冲击和资本市场间情绪外部溢出效应大小存在差异性。科创板和创业板的情绪内部溢出效应强度均大于其对外部资本市场的溢出效应，沪深主板情绪对创业板情绪的外部溢出正冲击强度较大，对科创板情绪的外部溢出效应呈现小幅度波动；（2）各层次资本市场收益对其内部收益产生正向冲击影响，然而资本市场间收益外部溢出效应较大，沪深主板收益和科创板收益都会对其他资本市场收益产生非对称正向冲击，但创业板收益的提高整体上对其他资本市场收益存在负外部溢出效应，且对科创板的负向外部溢出效应波动性更大；（3）各层次资本市场情绪对收益的交叉溢出效应具有非对称性与时期异质性。总体来看，短期交叉溢出效应波动比维持期更剧烈，科创板收益受各资本市场情绪的交叉溢出效应明显，科创板情绪对创业板收益的外部交叉溢出效应明显，表现为正向冲击且冲击随时间减弱；（4）各层次资本市场收益对情绪的交叉溢出效应存在差异。沪深主板收益提高会促使科创板和创业板的情绪高涨，具有正外部交叉溢出效应。科创板收益的提高促使创业板情绪较大程度的高涨并保持情绪稳定，科创板收益的提高会进一步加剧自身资本市场情绪的正向波动，但创业板收益的提高反而会使各资本市场情绪出现低迷。

4.2 建议

由于不同层次资本市场间收益、投资者情绪具有非对称溢出效应，以及不同层次资本市场收益与投资者情绪有着非对称交叉溢出效应，并呈现出时期异质性。这使不同层次资本市场有着极其复杂的收益联动性、投资者情绪传递性、市场收益与投资者情绪耦合性与跨期动态性，虽然有助于不同市场间资本配置，提高不同层次市场资源配置功能与效应，但也可能混合不同层次市场功能边界，刺激市场投机，扩大市场投资者情绪波动，增加并传递市场风险，导致不同市场风险叠加，损害市场资源效率，甚至会导致金融市场危机，特别是当前金融科技快速发展，不同层次市场收益激励与投资者情绪共振诱发的市场风险增长。为审慎应对不同层次市场收益与情绪协同共振带来的市場风险增长与溢出，监管层需要统筹平衡分层监管与整体综合监管相结合，引导投资者重视价值投资，合理抑制非理性投资行为和情绪化交易对市场的不良影响，切实保障不同层次资本市场安全健康运行。

参考文献

张国胜，林宇.结构突变下投资者情绪与股市收益间的非线性溢出效应研究[J].数理统计与管理，2021，40（1）：148-161.

孙胜达. 投资者情绪、股票市场流动性及波动性的时变关联性研究[D].沈阳：沈阳工业大学，2022.

陆昌，刘洋，杨晓光.投资者情绪的不对称性及其原因：来自中国市场的实证[J].系统科学与数学，2020，40（4）：612-633.

唐勇，洪晓梅，朱鹏飞.投资者情绪与股票价格之间的信息溢出效应研究：基于行业差异视角[J].武汉金融，2019（9）：49-57.

刘昊. 投资者情绪对于股票市场收益影响的实证研究[D].长春：吉林财经大学，2019.

周文龙，李育冬，余红心，等.投资者情绪与市场收益的双向波动溢出关系：基于TGARCH-M和BEKK-GARCH模型[J].金融理论与实践，2020（11）：69-78.

刘学文.中国股市投资者情绪测度指标的优选研究[J].中国管理科学，2019，27（1）：22-33.

肖勋勇，张壬癸.投资者情绪与动态资产定价模型[J].财会通讯，2017（2）：11-17+129.

吕志岩.我国投资者情绪对股票市场收益率的影响研究[D].沈阳：东北财经大学，2013.

罗雅兰.投资者情绪对于我国股票市场收益率、波动性以及流动性影响的实证研究[D].长沙：湖南师范大学，2020.

Baker M， Stein J. Market liquidity as a sentiment indicator [J].Journal of Financial Markets， 2004， 7（3）：271-299

张静，王生年，吴春贤.会计稳健性、投资者情绪与资产误定价[J].中南财经政法大学学报，2018（1）：24-32+72.

黄华继，孙黎娜.投资者情绪和收益在上证50、中小板、创业板市场的交叉效应：基于TVP-VAR的实证研究[J].宜宾学院学报，2022，22（7）：1-9+49.

戚成飞.投资者情绪、宏观经济政策对股票市场波动性的影响研究[D].青岛：青岛大学，2019.

张芳，曾庆铎.融资融券视域下投资者情绪与股市收益关系研究：基于沪深300指数的实证检验[J].价格理论与实践，2021（6）：123-128.

Baker M P， Wurgler J. Investor Sentiment and the Cross-Section of Stock Returns[J].Economic Management Journal， 2006， 61（4）：1645-1680.

易志高，茅宁.中国股市投资者情绪测量研究：CICSI的构建[J].金融研究，2009（11）：174-184.