机构投资者视角下投资者情绪与科创板市场波动.pdf

35 2023 年 8 月第 4 期总第 180 期金融理论与教学Finance Theory and Teaching机构投资者视角下投资者情绪与科创板市场波动宋丽萍（淮阴师范学院 商学院，江苏 淮安 223001）摘要：作为金融制度创新，科创板在投资者构成、交易制度等方面与主板市场有显著不同，形成独特的系统风险特性。从行为金融角度构建科创板投资者情绪指标，发现科创板机构投资者情绪会带来更大的市场波动以及对市场波动更具预测性。实证结果显示：科创板收益率显著构成情绪的格兰杰原因，且在收益率 5 0%分位数及以上，情绪与收益率显著正相关，情绪具有推升股市泡沫的倾向；加入情绪因素的随机模型对金融市场风险具有良好的预测效果。基于科创板机构投资者情绪的市场效应，研究从制度设计、证券监管和机构投资者自身三个方面提出政策建议，从而更好地发挥机构投资者稳定市场的作用。关键词：投资者情绪;科创板;信心指数;机构投资者中图分类号：F832.5 文献标识码：A 文章编号：1004-9487（2023）04-0035-09 收稿日期：2022-12-21基金项目：江苏省社会科学基金一般项目（19EYB018）；江苏省高校哲学社会科学研究项目（2017SJB1601）。作者简介：宋丽萍（1980-），女，河南安阳人，经济学博士，副教授，研究方向为技能、创新与产业升级。一、引言疫情和对外贸易受阻给国内经济发展造成巨大压力，启动和激励国内企业研发和创新成为摆脱困境的重要出路，而作为拉动经济先行的引擎资本市场正在迎来新的机遇。自 2019 年7 月 23 日科创板开市以来，科创板市场吸引了一批符合国家战略、突破关键核心技术和市场认可度高的科技创新企业挂牌上市，基本实现了设立科创板并试点注册制的改革预期，推动中国资本市场整体生态的改变。截至 2022 年 7 月 20 日，科创板上市企业从首批 25 家扩至 437 家，总市值超 5.5 万亿元，流通市值 2.2 万亿元，整体融资金额超 6235 亿元。然而，科创板作为科技创新融资的制度创新和资本市场改革实验田，从开市起就存在市值高估、超高市盈率以及高换手率特征。证监会官方数据显示科创板首批发行平均市盈率为 86.25 倍，一年后更是高达 102.4 倍，同期主板 A 市的平均市盈率仅为 14.85 倍。截至2022 年 7 月 20 日，科创板平均市盈率 45.91 倍，相较去年同期理性回落，但仍高于 A 股其他板块。开板以来，科创板股票日均换手率的均值和中位数分别为 9.34%和 6.77%，约为主板均值 2.69%和中位数 1.79%的 3.5 倍，约为创业板均值 6.24%和中位数 4.13%的 1.5 倍，整体换手率水平远高于其他板块。每逢科创板周年和解禁期，科创板市值呈暴涨趋势，市场波动剧烈，蕴含非理性因素和系统性风险。截至 2022 年 6 月底，科创板新股上市首日平均振幅为 30.11%，超 200 亿元市值公司平均涨幅 245.52%。科创板集中大量初生高科技企业，不仅蕴含较高的企业特质性风险，而且存在较大的系统性风险。科创板从设立起，就担负着科技创新融资和高科技公司孵化功能，其作为金融改革的一种制度创新，在服务对象、交易制度等均与主板市场 36 以及其他中小板市场有所不同。首先，科创板定位于符合国家战略、具有核心技术、行业领先、有良好发展前景和市场认可度的企业。这些企业处于初步发展阶段，具有更强烈的融资需求、更高的成长性以及更高的风险。其次，科创板作为注册制改革的试点，在入市门槛和涨跌幅限制等交易制度与主板市场不同。科创板限定投资者需要有 2 年的交易经验，至少有 50 万元的证券资产。按 2017 年年末投资者持有沪市市值数据，将有85%以上的投资者不能直接参与科创板，因而科创板主要以专业机构投资者为主，如证券、基金、信托、保险、财务公司和合格境外机构投资者以及私募基金管理人等。科创板对交易制度做了重大突破，涨跌幅限制扩大到 20%，对于首次公开发行上市的股票，上市后前 5 个交易日不设涨跌幅限制。科创板机构投资者构成特征和交易制度的创新表明科创板将形成独特的系统风险，突出表现在科创板的情绪与市场波动的关系与主板市场等存在差别。为此，本文用情绪指标刻画科创板市场的系统性风险，并运用金融模型验证投资者情绪对市场波动的反应和影响。研究将有助于加深理解系统性金融风险来源、机构投资者非理性特征及其对市场波动的影响。二、文献综述与理论机制行为金融学将非理性因素纳入资本市场的分析框架中，提出投资者情绪是影响金融资产均衡价格的系统性风险。De Long 等最早提出投资者情绪所导致的对金融资产的错误定价无法完全消除1。Shiller 认为投资者情绪是造成资产泡沫的原因2。Baker 和 Wurgler 指出投资者情绪是投资者对未来预期的系统性偏差，情绪高涨易高估资产价值，情绪低落时低估资产价值3。易志高和茅宁构建中国股市投资者情绪指标4，胡昌生和池阳春研究理性情绪和非理性情绪对股票市场波动的影响5，熊伟和陈浪南发现投资者情绪和股市流动性是影响中国股票市场高特质波动股票与低特质波动股票截面收益差异大小的重要原因6。刘维奇和武翰章验证了投资者情绪会导致股票市场的误定价7。王升泉和陈浪南指出情绪冲击解释了我国股票价格波动的 55.2%以及顺周期性8。黄剑等发现科创板收益率的波动率显著大于创业板，科创板涨跌幅限制新规带来了市场情绪的上升，而其投资者遴选识别机制未能有效降低市场情绪9。关于机构投资者的情绪因素对市场波动影响的研究存在争议。新古典金融理论中，机构投资者往往被认为是理性投资者，他们具有更高的专业技能和更多的有效信息，并能根据股票价值信息理性地进行交易，从而提高了市场有效性。Fama 坚持市场是有效的，因为理性的套利者不仅会消除套利机会，还会消除其他形式的资产价格偏差10。作为上市公司股票重要持有人及股票市场重要参与者的机构投资者常被视为股市中的“信息交易者”，相较于噪声交易者，其获取与处理信息的能力更高，非理性程度也更低。Daniel 等认为机构投资者专业性更强，在投资活动中表现得更理性，相比个人投资者，机构投资者在专业技能、信息获取与处理、资金实力方面都处于优势11。但有限套利理论指出，理性投资者可能因为噪音投资者风险、代理问题、协同风险等因素而不能够有效消除价格偏差。机构投资者的投资决策也是由专业团队中具体的人完成，同样会面临高度的模糊与不确定性，因此在决策中必然也会出现非理性行为。由于信息不对称及委托代理问题等影响，机构投资者也会同个人投资者一样成为证券市场的噪音交易者。胡昌生和池阳春指出理性情绪与非理性情绪都是市场波动性的引致因素，即使是“高明的投资”也不会起到稳定市场的作用，但理性情绪与非理性情绪在不同的市场环境下、对不同规模股票的波动性影响有显著差异5。机构投资者所谓的理性情绪不仅造成市场波动，而且存在借机获利的倾向。吴悠悠发现散户投资者对机构投资者情绪具有先导性和传导性的影响，机构投资者情绪具有“智钱效应”，并起到市场稳定器作用，而散户投资者情绪则存在“愚钱效应”12。而 Xiong 则指出在正常情况下，套利者可以起到稳定股票价格波动的作用，但在股市泡沫产生和破灭期间，套利者的交易行为反而会放大股市波动的作用13。Abreu 和Brunnermeier 提出理性投资者在泡沫期间的最优选择是骑乘泡沫，从而在泡沫发展中获取投机收益14。Brunnermeier 和 Nagel 发现典型理性投资者的对冲基金在美国互联网泡沫期间获得显著高于市场的收益15。周为指出在中国股市泡沫产生期间，机构投资者同样没有起到消除价格偏差的作用，而是存在泡沫骑乘（Bubblerriding）行为，其泡沫骑乘行为进一步推动了股市泡沫的产生和膨胀16。王超等指出机构投资者具有增加股市波动和股市稳定性的双重效应17。37 相关研究显示：一方面，机构投资者具有非理性情绪，这种非理性情绪将加剧市场波动，另一方面，机构投资者基于技术、信息优势的理性因素会利用市场波动制造盈利机会，这种短期套利既显示机构投资者对市场波动的预测性，也预示着长期市场的有效性。基于机构投资者情绪因素对市场波动的影响机制，本文选取由机构投资者构成的科创板作为研究对象，通过与个人投资者构成的主板市场进行比较，运用金融计量模型分析机构投资者情绪因素对科创板收益波动的影响。方法上，格兰杰因果检验、分位数回归以及随机模型则验证了科创板机构投资者情绪与市场波动的关系，为现有理论提供新的证据。三、科创板情绪指标的构建与研究假设（一）科创板投资者情绪指标构建已有文献中投资者情绪指标主要分为主观指标、客观指标和综合指标。主观指标是利用调查得到的反映投资者心理状态数据指标，刻画投资者对当前以及未来市场趋势的预期。例如：投资者看跌或看涨指数、机构分析指数、投资者智力情绪指数、消费者信心指数，以及央视看盘指数、股评分析等。客观指标是反映金融市场交易数据特征的指标，通过整理分析间接刻画出投资者情绪及相应行为。自 Baker 和 Wurgler 的指标体系开始，诸多研究均采用了封闭式基金折价率、IPO 数量及 IPO 首日收益率、换手率、新增开户数、成交量等客观指标刻画股市投资者情绪。综合情绪指标是选取多个主客观指标复合成综合情绪指标，如结合互联网日搜索数据构建的恐慌指数、结合路透社文本情绪构建的情绪指数，以及结合投资者信心指数构建的中国股市投资者情绪综合指数，结合负面媒体语气构建的投资者情绪指数等18。本 文 研 究 时 间 范 围 为 2020 年 7 月 1 日 至2022 年 7 月 29 日两年间中国科创板市场每日收益率和交易情况，包含该时间范围正好跨越两个短期市场的波动周期，历经两个比较完整的情绪周期。参考易志高和茅宁4、陈荣达等18、黄剑等9投资者情绪构建方法，根据科创板特征和数据情况，选取反映科创板交易数据特征的指标，运用主成分分析法构建科创板市场投资者情绪指标。所采用的科创板数据均来自于万德（Wind）数据库。具体包括：换手率、平均市盈率、成交量、成交额、净流入金额、IPO 数量、IPO 首日收益率、振幅超过 20%的家数、换手率超过 20%家数、净流出家次比（净流出家次/净流出家次）、下跌家次比（下跌家次/上涨家次）共 11 个指标。所有数据均为日频数据。先对这些指标进行标准化，消除量纲影响。进行主成分分析要满足这些指标间具有较高的相关性，通过计算这些指标的相关性以及 KMO 检验，最终确定成交量、换手率、振幅超过 20%的家数、换手率超过 20%家数和 IPO 收益率这 5 个指标作为科创板投资者情绪的指标组成。KMO 检验结果为 0.735，大于 0.5，说明变量之间具有信息重合度，同时 Bartlett 球形检验显著性小于 0.01，拒绝各变量独立的原假设，即满足主成分分析的条件。这 5 个指标的具体说明见表 1。科创板上市第一年的数据是疫情爆发前半年以及疫情最初的半年，数据波动性加大，因而剔除。表 1 科创板投资者情绪指标的构成指标变量指标名称指标含义stuno换手率一定时间内市场中股票转手买卖的频率，是反映股票流通性强弱的指标。换手率=成交量/发行总股数，一般的，换手率越高，市场活跃度越高volume成交量成交量=当天成交的股票总手数，反映股票的供求情况和市场活跃度，一般的，投资者情绪高涨，成交量越大flun20振幅超过 20%的家数上涨或者下跌幅度超过 20%的科创板上市企业数tun20换手率超过 20%家数换手率超过 20%的科创板上市企业数ipoy首日上市公司平均收益率首日收益率=收盘价/发行价-1，计算新股上市企业的平均首日收益率，一般首日收益率越高，反映情绪越乐观数据来源：根据金融理论自行整理设计。由于不同指标对投资者情绪的反映可能存在着时间上的“提前”与“滞后”关系，需要确定各原指标的“提前”与“滞后”关系。借鉴现有文献方法，利用上述 5 个变量的当期及滞后一期共 10 个代理指标进行主成分分析，然后使用前五个主成分加权平均构建出反映科创板投资者情绪指标的时间序列，记为 imo(累计方差解释率为 84.71%)，将该情绪指标与 10 个原始代理变 38 量进行相关性分析，选出相关性较大的 5 个指标stunot、volumet、tun20t、flun20t-1、ipoyt-1作为最终的情绪变量。相关性分析结果显示科创板情绪与换手率、成交量和换手率超过 20%企业数的相关性均非常高，甚至超过 80%，且该情绪指标与换手率、成交量和换手率超过 20%企业数这三个指标的提前期相关性更高，而与另外两个指标的滞后期相关性更高。对这 5 个指标进行主成分分析（KMO 和 Bartlett 球形检验已通过)，最终将构建的前四个主成分加权(四个主成分方差的累计贡献率达 93.19%)，得到情绪指标及其与各变量的相关系数的方程式：Imot=0.180volumet+0.205stunot+0.184tun20t+0.403ipoyt-1+0.207flun20t-1所构建的情绪指数的基本走势如图 1：-202468imo101jul202001jan202101jul202101jan202201jul2022图 1 科创板情绪指数的基本走势由图 1 可以看出 2020 年 7 月2022 年 7 月两年间，科创板投资者经历了 2 个持续性的高涨低落的情绪周期，分别是 2020 年 7 月和 2021 年7 月，波动的区间范围较大，并且高涨的情绪波动范围（从 0 到 5）超过低落的情绪波动范围（从0 到-2）。具体来看，由于预期内的科创板周年期市场减持解禁对科创板流通市值产生较大影响，情绪在 2020 年 6 月底攀升到高峰，之后情绪回归低落，由此投资者情绪也经历了一波高开低走的行情。同样在 2021 年 7 月科创板市场面临市值解禁，情绪出现又一个高峰。2022 年以来出现三个短期的情绪起伏，可能是疫情持续导致的不确定性因素增加。（二）科创板市场情绪会带来更大的股票市场波动科创板主要以机构投资者为主。2019 年 12月底，科创板市场专业投资人（专业机构投资者和持有市值金额超 1000 万元的个人投资者）交易额占比为 29.83%，持股市值占比 43.3%。而到 2022 年 6 月底，专业投资人交易占比升至64.24%，持股占比达 80.32%，这显示科创板投资者结构的机构投资者构成特征。与科创板形成显著区别的中国 A 股市场的散户属性异常突出，2021 年其个人投资者（散户）占比近 70%。A 股市场的散户属性带来的非理性因素很大，容易造成股市暴涨暴跌，扭曲资本市场功能。与科创板较为接近的创业板市场对投资者资金要求仅为 10 万元，显示创业板市场投资者仍以散户为主，理论上讲科创板投资者更趋近于保守型理性投资人，投资者情绪可能更平稳，从而降低市场波动。但正如学者指出理性情绪可能借助自身的技术和信息优势，进行趋势性交易，从而助长市场波动，触发泡沫形成。为了清楚说明科创板情绪与散户为主的主板市场不同，将科创板指数与上证 A 股指数（为方便比较均进行了标准化处理）的时间走势进行比较（图 2）。-4-202上上上上-202468上上01jul202001jan202101jul202101jan202201jul2022上上上上上上上上上科创板情绪情绪上证指数上证指数图 2 科创板情绪指数与上证指数对比从科创板情绪指数与上证指数同一时期的对照来看，科创板市场的波动更为剧烈。科创板情绪指标的波动区间远高于上证 A 股指数的波动区间，科创板情绪高涨时期达到 5，大部分时间在 4个单位附近波动，而上证 A 股指数波动范围不超过 2，这意味着科创板波动更为剧烈，相对成熟的市场具有更高的系统性风险。这可能源于科创板的具体交易制度规则设计与主板不同。与其他板块 10%的涨跌幅限制不同，科创板设置了 20%的涨跌幅限制，为市场情绪宣泄和市场价格变化提供了更大的实现空间，从而导致更大的市场波动。这表明机构投资者非理性情绪会导致市场更大的波动率，放大市场的系统性风险。基于此，提出研究假设。H1：科创板情绪带来更大的市场波动。（三）科创板机构者情绪对股票市场波动更具预测性科创板汇聚一大批具有创新能力和发展前景 39 的科创企业。截至 2022 年 6 月底，科创板上市公司数量超 430 家，行业分布相对集中在计算机、医药生物、机械设备和电子行业，其中新一代信息技术上市公司 147 家，占比 34.1，生物医药93 家，占比 21.6，高端装备制造 97 家，占比22.5，三大行业公司占比接近 75，具有典型的科创企业集聚特征。由于科创企业着眼于前沿技术的发展和融资需求，科创板发展对宏观经济更具预测性，或者说基于科技创新的变化速度，科创板能更早地感受到技术创新带来的经济周期变化。为显示这种特征，将科创板情绪指标与其它情绪指标比较。选取反映主板市场的两个情绪指标：新增投资者数量（新增开户数）和投资者信心指数，其中投资者信心指数是由中国证券投资者保护基金有限责任公司通过对投资者问卷调查构建的反映投资者情绪的主观指标，该值介于0-100 之间，50 为中性值，指数大于 50 时，表示投资者信心整体偏向乐观，指数小于 50 时，表示投资者信心整体偏向悲观。新增开户数是由中国证券登记结算有限责任公司披露的反映市场活跃度的客观指标，一般新增开户数越多，市场乐观情绪越高涨。这两个指标均为月度数据，均进行了标准化处理。为方便比较，对科创板情绪指标源日数据计算月平均值得到月度指标，再通过主成分分析得到月度情绪指标。三者对比图如下：-2-1012-2-10123上上01jul202001jan202101jul202101jan202201jul2022上上上上上上上上上上上上上上上上上上上上上上上上上上上上上上上上科创板情绪指数投资者信心指数证券开户数投资者信心指数，证券开户数情绪图 3 科创板情绪指数与信心指数和开户数比较从图 3 中看出，三者长期的波动趋势是一致的，均出现一降一升的二个周期，科创板较之投资者信心指数和新增开户数，均具有更高范围的波动性，而且这种波动性具有不对称性，即在市场低落时，科创板与主板市场上涨幅度基本一致，但当市场高涨时，科创板较之主板市场具有更强烈的反应，情绪波动非常明显。同时科创板情绪提前于证券市场新增开户数（A 股市场的开户数，主要是散户开户数），而滞后于投资者信心指数，显示科创板相对散户为主的主板市场具有明显的预先感知，在市场每一次下降或者上升时，科创板都提前做出反应。基于机构投资者的信息和技术优势，机构投资者会预先对市场波动产生反应，并利用市场波动获取超额回报率，因此提出研究假设。H2：科创板情绪对市场波动具有预测性。四、模型构建与实证分析本部分建立金融计量模型来验证科创板情绪对市场波动的敏感性和预测性。科创板收益率采用科创板市场流通市值计算。具体公式如下：rt=lnptpt-1，pt为科创板每日市场流通市值科创板投资者情绪与科创板收益率的时间趋势见图 4。从图 4 可以看出，情绪与收益率的波动几乎是完全吻合的，当情绪乐观时，收益率上升，当情绪悲观时，收益率下降，这显示科创板情绪对收益率有着重要的影响。-.1-.050.05.1上上上-202468上上01jul202001jan202101jul202101jan202201jul2022上上上上上上上上上上上科创板情绪科创板收益率收益率情绪图 4 科创板收益率与情绪指数（一）情绪与收益率的格兰杰因果检验借鉴已有文献18，建立投资者情绪指数与科创板收益率的 OLS 回归模型并进行初步检验：rt=+imot+t其中，rt 为科创板收益率，imot为科创板投资者情绪指标。由于该回归方程为金融时间序列，首先要对变量进行平稳检验，避免伪回归。ADF平稳检验显示，1%显著水平上拒绝存在单位根，rt 和 imot均是平稳序列（Z 值分别为-22.48和-9.11），可以回归。基于内生性问题，在模型中依次将滞后一期的情绪变量以及增加控制变量（上证指数收益率 rm作为市场风险的代理变量）加入到模型中进行回归，OLS 回归结果如下：相对市场总市值，流通市值更能反映市场情绪变化。40 表 2 OLS 回归结果变量(1)(2)(3)imo10.0013*(0.0006)0.0012*(0.0004)L.imo10.0001(0.0006)rm1.229*(0.0620)Constant0.0026*(0.0009)0.00263*(0.0009)0.00267*(0.0006)Observations491490491R-squared0.0090.0000.451注：括号内为标准误；*p0.01,*p0.05,*p0.1。OLS 回归结果显示，在 5%的显著性水平下大于 0，说明科创板情绪和收益率呈正向关系，即情绪越高，科创板收益率越高。这种正向作用在加入上证指数收益率控制变量后显著性提升，证实以机构投资者为主的科创板市场依然存在着以追涨杀跌为主要特征的“羊群效应”。另外前期情绪对当期收益率并无影响。行为金融学认为，一方面投资者情绪在中短期对市场收益存在正向影响，而长期存在反向影响，特别是在有限套利的环境中，这种影响更是明显。而另一方面，市场收益的高低也会影响到投资者的情绪，即当市场收益高时，人们参与投资的热情自然也高涨，反之亦然4。为了检验两者之间的因果关系，进行 Granger 检验，其中最优滞后期数为 1。结果见表 3。表 3 情绪与科创板收益率的 Granger 因果关系检验原假设观测值F统计量P 值结论情绪不是收益率的 Granger 原因4900.000.973不能拒绝原假设，即“情绪不是收益率的Granger原因”成立收益率不是情绪的 Granger 原因49047.910.000拒绝原假设，即“收益率不是情绪的 Granger 原因”不成立Granger 检验显示，情绪和收益率存在单向的格兰杰因果关系。情绪不是收益率的 Granger 原因，即前期情绪的变化对科创板收益率没有影响，但收益率显著构成情绪的 Granger 原因，即科创板收益率变动是情绪变动的 Granger 原因。这与刘维奇和武翰章情绪与上证指数的双向格兰杰因果的研究结论不同。这是一个很有趣的结论，显示情绪和科创板收益率关系的异质性特点。大多研究投资者情绪与主板市场收益关系的结论均显示情绪是收益率的原因3,6,18，但在科创板市场情绪并不是影响收益率的显著因子，这可能是科创板市场的机构投资者特征导致的差异。机构投资者相对非机构投资者不仅具有更高的理性水平，而且他们通常会“借势而为”，会利用大盘的散户情绪造成的收益率变动而获得超额收益。情绪与收益率的格兰杰因果检验支持假设 H1。（二）情绪与市场波动的分位数检验为了研究不同市场行情下，尤其是市场极端波动下，情绪对收益率整个条件分布的影响是否存在差异，建立分位数回归检验在股市低落时（10%分位）和高涨时（90%分位）情绪对收益率的影响。收益率的 Q 图检验显示，收益率在底部和尾部具有更大的离散，因而可以采用分位数回归，建立模型如下：rpt=p+pimopt+pt 0 p 1 表示数值小于第 p 分位数的比例。这里选取 0.1、0.25、0.5、0.75 及 0.9 五个代表性分位点，代表股市所处的不同状态。例如，中位点代表温和的市场，尾部分位点代表极端的市场环境（0.1 和 0.9 分位点分别代表低迷和繁荣的市场）。报告参数估计及诊断检验结果如表 4：表 4 分位数回归结果变量0.10.250.50.750.9情绪 imo-0.0005(0.0009)0.0005(0.0008)0.0016*(0.000713)0.0022*(0.0007)0.0032*(0.0011)Constant-0.0212*(0.0013)-0.0087*(0.0011)0.0026*(0.0011)0.0133*(0.0010)0.0263*(0.0017)Observations491491491491491注：括号内为标准误；*p0.01,*p0.05,*p0.1。41 常数项反映不存在情绪因素时科创板收益率情况，显然它是单调递增且统计显著，这说明在不同的股市状态下，科创板收益率显著不同。情绪对收益率的影响在 0.5 至 0.9 分位数均是统计显著且单调递增，显示当市场高涨时，情绪对收益率的影响更为显著而敏感，随着情绪变化越大，科创板收益率越高。情绪对收益率的各分位的系数变化具体如图 5 所示。在股市高涨和低落的极端情况下，情绪对收益率的影响更大，即所谓的“疯狂情绪和恐慌情绪”，尤其是疯狂情绪，收益率对情绪变动更为敏感，而且系数变动范围大，从 0.75 分位到 0.85 剧烈上升下降的波动，0.85分位后又陡峭上升，意味着存在股市泡沫时期的情绪“骑乘”行为。再次证明假设 H1 成立。-0.010.000.010.01imo10.2.4.6.81Quantile图 5 情绪指数对科创板收益率的分位数分布（三）情绪对市场波动预测性的 S V模型估计分析情绪造成的系统性风险对市场波动的影响，需要对科创板收益率的波动率建模。两类波动率模型应用最为广泛：自回归条件异方差模型（GARCH 模型）和随机模型（SV 模型）。首先考虑 GARCH 模型，ARCH-LM 检验显示科创板收益率残差序列不存在 ARCH 效应（p=0.8599），因而无法采用该模型。SV 模型在长期波动率的预测能力和波动序列的稳定性上都显著优于GARCH 模型19。因此构建 SV 模型如下：rt=0+1imot+2rm+t2+tlnt2=+ln2t-1+t其中，tN（0,1），t N(0,1)。SV 模型采用贝叶斯方法估计，并使用基于 Gibbs 抽样方法的马尔科夫链蒙特卡洛模拟方法（MCMC）进行高维积分得到相应的参数估计值和波动率的值。参照 Hosszejni 和 Kastner20的方法，利用 R 中的stochvol 程序包对该 SV 模型进行估计和预测。结果见表 5。表5 SV模型参数的MCMC估计SV参数均值标准差5%50%95%ESS0.5100.1460.3020.5100.74020430.8300.1100.6400.8600.950950.3300.1010.1900.3200.510144Exp(/2)1.3000.0921.1631.2901.450204320.1200.0750.0360.1000.260144回归系数均值标准差5%50%95%ESS00.2500.0590.1480.2500.340527110.1300.0440.0530.1300.200565621.2100.0601.1121.2101.3105167估计结果显示，收益中方程中的系数和简单回归的结果基本一致，而在波动方程中，是波动的均值，代表科创板预期收益率的方差，解释了投资者情绪波动造成的系统性风险引起科创板收益率变动的平均水平。如果 0，意味着风险补偿，如果 0，意味着风险惩罚。此处 为正，说明投资者情绪造成的系统风险会得到相应的风险补偿，说明投资者情绪额外影响科创板机构投资者行为，造成的股票价格波动，引起更高的系统性风险，将增加投资者收益回报。这显示科创板市场由于机构投资者情绪变化导致的系统性风险增加将促使收益增加，而机构投资者套利行为将促使市场回归有效。SV 模型的波动持续性参数 反映当前波动对未来波动的影响，该值接近，说明科创板收益率数据的波动具有高持续性。代表波动的波动，即波动率，估计值显示该波动率较高，说明波动对比较大的绝对收益的反应更大21。为评价该 SV 模型的优劣，利用该模型对科创板市场 2022 年 7 月份共 25 天的数据进行了预测，预测结果如图 6 所示。实线代表预测值及其95%的置信区间范围，虚线为实际值。除了第 18日的实际值超出预测之外，模型较好地拟合了科创板收益率 20 多天的波动趋势，验证加入情绪因素的随机模型对金融市场风险具有良好的预测效果。SV 模型的预测效果证明假设 H2 成立。图 6 多步向前预测分布注：实线代表收益率预测值及其 95%的置信区间范围，虚线代表实际值。42 五、研究结论与政策建议本文研究科创板投资者情绪特征对科创板收益率波动的影响。科创板作为资本市场的新生事物，具有独特的系统风险特性。首先利用主成分分析构建科创板市场的投资者情绪指标，并将其与上证指数以及投资者信心指数和新开户数进行对比，发现机构投资者情绪对市场波动更为敏感且具有预测性。接着利用 OLS 回归、分位数回归以及 SV 模型检验，发现情绪并不显著构成科创板收益率的 Granger 原因，而收益率则是科创板情绪变动的 Granger 原因，这与主板市场的研究有所不同，验证以机构投资者为主体的科创板市场存在机构投资者在股市中借势而为的“骑乘行为”。同时分位数回归发现，在股市 50%分位数以上，情绪的变动与收益率变动具有显著的正向关系，这意味着情绪尤其是包含更多“理性成分”的机构投资者情绪在市场高涨时同样存在疯狂式羊群效应，具有推动股市泡沫生成的倾向。SV 模型发现情绪造成的科创板收益率波动和系统性风险上升会增加科创板收益，即系统性风险得到补偿，显示科创板市场基于机构投资者套利行为将促使市场回归有效，同时也验证了加入情绪因素的随机模型对金融市场风险具有良好的预测效果。鉴于金融时间序列数据具有很大的变异性，金融模型在不同的时间阶段并不具有普适性，这是金融时间序列模型的预测性效果较差、实用性不高的原因，也是理论界不断提出新理论和模型来匹配实践的原因，本文研究过程中对时间阶段及模型的选择也显示了这点。尽管如此，就本文的研究目的而言，本文能够用适合的模型呈现2020 年2022 年科创板金融数据特征并揭示其中的规律。同时，基于实践需要，行为金融研究采用大数据和人工智能方法实时追踪情绪因素及市场波动，从而提升模型的预测效果，这也是本研究未来的方向。基于情绪对科创板收益及其波动的实证分析，提出以下政策建议：第一，进一步完善科创板制度设计，建立宽松的软性环境，激励机构投资者稳定市场的作用。机构投资者在稳定市场、资源配置、公司治理等方面具有重要意义。科创板不断创新交易机制，包括放宽涨跌幅限制、引入价格申报范围限制、优化盘中临时停牌机制等，促进市场的充分博弈，提升市场流动性和活跃度，为机构投资者更多地参与到市场，提供宽松且高效的环境，促使机构投资者更好地发挥市场稳定器的作用，降低市场系统性风险。第二，持续关注科创板异质性系统风险特征，加强对机构投资者投机行为的监管，严控资本市场“大机构”的资本操纵、内幕交易，防范股市泡沫。机构投资者虽然在提升资本市场资源配置效率等方面具有积极影响，但在市场压力时期也是系统性风险形成和风险传染的主导力量。证监部门应加强对机构投资者的监管，实施投资绩效的科学评估体系，引导其树立理性投资理念及良性竞争意识，提高资本市场信息透明程度并有效抑制市场投机现象，使机构投资者真正成为资本市场压舱石，推动股市更加成熟、规范、稳健地运行。第三，机构投资者应加强非理性行为防范力度，定期进行非理性行为的评估监测，加强自身投研能力，做好风险管控，切实为客户创造价值。机构投资者担负着为广大基民理财的重任，扮演着投资专家的角色，应该起到引导基民理性投资，稳定股市的作用。尤其是在股市上涨和情绪高涨时，机构投资者更要理性投资，勿趁机投机助长泡沫。参考文献：1 De Long J.B,Shleifer A,Summers L.H,Waldmann R.J.Noise Trader Risk in Financial MarketsJ.Journal of Political Economy,1990(4):703-728.2 Shiller .Irrational ExuberanceM.Princeton University Press,2000.3 Baker M.,Wurgler J.Investor Sentiment and the Cross-section of Stock ReturnsJ.Journal of Finance,2006(4):1645-16804 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):174-184.5 胡昌生,池阳春.投资者情绪、资产估值与股票市场波动 J.金融研究,2013(10):181-193.6 熊伟,陈浪南.股票特质波动率、股票收益与投资者情绪 J.管理科学,2015(5):106-115.7 刘维奇,武翰章.投资者情绪会影响股票市场的误定价吗?基于上证 A 股市场的实证研究 J.金融与经济,2018(3):19-25.8 王升泉,陈浪南.情绪冲击、资产泡沫与经济波动:基于贝叶斯 DSGE 的分析 J.统计研究,2019(11):49-61.9 黄剑,林细雁,潘昌辉.科创板涨跌幅限制新规影响股价波动率吗 J.金融经济学研究,2020(2):18-28.10 Fama E.F.The Behavior of Stock-market PricesJ.Journal of Business,1965(1):34-105.11 Daniel K,Grinblatt M,Titman S.Measuring mutual fund 43 performance with characteristic-based benchmarksJ.The Journal of Finance,1997(3):1035-1058.12 吴悠悠.散户、机构投资者宏微观情绪:互动关系与市场收益 J.会计研究,2017(11):86-92.13 Xiong W.Convergence Trading with Wealth Effects:an Amplification Mechanism in Financial MarketsJ.Journal of Financial Economics,2001(2):247-292.14 Abreu D,Brunnermeier M K.Bubbles and CrashesJ.Econometrica,2003(1):173-204.15 Brunnermeier M K,Nagel S.Hedge Funds and the Technology BubbleJ.The Journal of Finance,2004(5):2013-2040.16 周为.机构投资者行为与中国股票市场泡沫 J.经济学报，2019(2):217-238.17 王超,何建敏,姚鸿.基于社会网络的情绪扩散与股价波动风险研究 J.管理评论,2022(12):16-25.18 陈荣达,博林,何诚颖,等.互联网金融特征、投资者情绪与互联网理财产品回报 J.经济研究,2019(7):78-93.19 Gregor Kastner.Dealing with Stochastic Volatility in Time Series Using the R Package stochvol J.Journal of Statistical Software,2019(5):1-30.20 Darjus Hosszejni,Gregor Kastner.Modeling Univariate and Multivariate Stochastic Volatility in R with stochvol and factorstochvol J.Journal of Statistical Software,2021(12):1-34.21 王泽锋,史代敏.基于 DIC 准则的 ASV 模型和 SV 模型的实证比较 J.数量经济技术经济研究,2007(5):134-141.22 高振斌,梁兴碧.基于 VAR 和 EGARCH 的投资者情绪对股市收益率的影响研究 J.浙江大学学报(理学版),2023,50(4):434-441+454.23 李鑫.投资者情绪与螺纹钢期货