本文是一篇留学生论文，本文从微观层面探讨了互联网平台形成的投资者情绪对于上市公司的股票市场预期收益率产生一定程度的影响，同时研究了基于传统金融理论下的资产定价模型对于预测股市收益率的精准度，进一步基于行为金融学的框架，将本文所构建的情绪指标纳入到传统的资产定价模型当中，得到了新的四因子模型，该模型能够更好的解释股市收益率的预测。
1.绪论
1.1 研究背景
基于市场经济体制改革的这一背景，本国的证券交易市场得到了长远的发展，当中股票市场作为一种直接融资的方式，为许多上市公司提供了扩大经营规模、加速资金周转的资金来源。截止 2019 年 12 月底,已有 3700 多家上市公司,通过上市的方式改善自身融资渠道,加速了迈入现代化企业的步伐。可见，不管是基于规模，还是基于其在经济社会的作用，股市在当代生活中已经是不能忽略的重要部分了。但和欧美等发达资本市场比较，本国股市仍然有很多问题：市场运行监督体系不够完善、上市企业的质量参差不齐、企业披露的信息存在缺失。同时，由于企业的公司治理体系及经营管理体系与国际企业相比还有较大差距，在外部环境发生较大变化时，企业的抗风险能力较弱。2007 年美国次贷危机爆发以来，国际市场的货物需求急剧收缩，我国大量玩具、服装出口上市公司业务结构发生结构性调整，资金链断裂最终导致破产。而在中国经济新常态的大背景下，由于内部经济的结构性调整，外部贸易保护主义势力抬头，我国上市公司面临更加复杂的经营环境。外部不确定性表现在股市就是股价大区间波动。下图是自 2015年第二季度至今上证指数的走势，其中自 2018 年 1 月中美贸易摩擦问题恶化以来，A 股指数从 3300 点一路走跌至 2800 点。
1.2 研究意义
本文的论证出发点在于传统的金融学理论的理性人假设背景下，经典的资产定价模型忽略了以人的情绪为动因的金融行为。如前所述，这类假设忽略了投资人与公司之间的信息不对称现象，忽略了因公司的市场表现而对投资人产生的心理冲击。而在互联网时代背景下，投资人已经不再“用脚投票”，可以说，投资人的情绪变化，很大程度上影响了公司的市场价值变化。具体表现在，当公司的有好的市场表现时，投资者持乐观态度，做出更多的认可公司的行为，此时公司的股价及预期收益率随之上扬。而当公司有不好的市场表现，譬如出现重大财务遗漏，项目盈利率不及预期以及出现债务违约情况时，便会引发投资人，尤其是市场上的大量散户的四散出逃。此时便会引起股价的震荡，市值的收缩。可以预见的现实情况时，股民的情绪波动以及由此产生的行为对公司的预期收益率产生了重要的影响。尽管已有研究已经发现了这一问题，并尝试通过建立一些可以测量小股民情绪的定性变量，并将其纳入到资产定价模型当中，或者是使用现有的情感倾向分类软件测度股民情绪。但是这类指数型指标的共同缺点在于，对投资者情绪的刻画更加宏观，也无法直观地表现出大量投资者之间的情绪变化的传导机制。为了解决这类问题，本文在传统定价模型的大体框架下，基于行为金融学有限关注的理论基础，在传统的定价模型当中纳入新的投资者情感变量。本文观点是，将情感倾向作为影响股票收益率的因子纳入模型当中是很有必要，与此同时，准确测度投资者情感也是准确预测收益率的前提和基础。如果仅用简单的情绪指标，在数据合成及来源上存在瑕疵时，模型的预测准确率必然会受到影响。为了解决投资者情绪指标构建的准确度问题，本文采用了网络爬虫的方法，爬取了股票交易平台东方财富股吧中的股民评论，在确保情绪与股票的相关性的同时避开了对现成软件和间接指标的依赖问题。同时，本文纳入投资者行为表现指标：成交量、换手率；以及已有的投资者情绪指标：消费者信心指数 CCI、中国投资者信心指数 ICI，利用因子分析，最终建立一个能够准确衡量投资者情感的指标，并将其命名为 Sent。将其纳入模型当中，进一步能够对股票的收益进行预测。
从理论研究层面，本文创新性地丰富了投资者情感变量的构造方法和逻辑，丰富了如何基于网络视角建立投资者情绪指数的理论基础，同时，本文对 FF 模型及 CH3 模型的预测精准度进行比较，并将构造出的情绪指标纳入到 CH3 模型当中，优化了行为金融学框架下的传统资产定价模型。而从本文的研究结果看，情绪对股票收益率存在影响，而且当公司在规模和价值上存在异质性时，影响的程度是不同的。这一结论提醒企业经理人，在作出经营决策时，需要更多地考虑到市场情绪。由于投资者情感影响股票收益率，因此形成了一种外部监督力量，可以部分地解决股民与管理者之间的代理问题。对于股票市场组织者与监管者而言，需要更加重视到到股民情绪的变化对市场造成的系统性风险，消除股市上的恶性行为，对股民做好预期管理和正确的舆论引导，从而保证市场在平稳的区间运行。
2.文献综述
2.1 行为金融学的理论发展
Robert Merton 认为，现代金融理论体系的形成和出现开始于 20 世纪 50 年代，其需要解决的核心问题是在复杂条件下的资源跨时、跨期分配问题。而现代金融学的前置理论假设便是金融市场的参与者是绝对理智的，即都是一个个绝对理性的人。该理论认为人在做出一项经济决策时是建立在全面了解市场信息，并能充分预期未来收益的情况下，换言之，人的经济行为是在市场完全有效的背景下发生的。基于传统金融理论体系，衍生出了一般均衡理论、有效市场假说、期权定价以及无套利定价原理等众多理论观点。但是随着经济社会的不断发展，现代金融学也逐渐陷入困境，即它无法解释许多金融市场中的“异象”，例如股权溢价、无预期的价格波动等（张圣平等，2003）。行为金融学是建立在心理学之上的金融学，（Statman，1999)认为行为金融并没有脱离传统金融学说的研究框架，而是将投资者的情绪变化、习惯偏好、认知能力的异质性等因素纳入到理论范围中，从而试图进一步更好地解决资本市场中“异象”的问题。国内部分学者发现，我国资本市场中的部分现象也可以运用行为金融学作出解释：（du.et al，2014）发现，投资者在出现代表性和保守型两种差异行为，对市场价格的快速反转形成影响。（zhuo，2014）构建了投资者“氛围”、“低价效应”等不同的预测模型，有效合理的解释了股市出现的换手率高以及“高开”效应现象。而早在1987 年，国外学者 Thaler、Shiller 等人就已经发现每位投资者都有自己的“心理”账户，基于信息不对称这一现象，散户投资者的行为部分是非理性的。基于行为金融学的研究框架，衍生出了“有限关注”及“过度反应”等一系列理论，事实上，羊群效应和众多散户的心理波动对股票的预期波动产生了实质性的影响，而在互联网快速发展的背景下，随着舆论传播的方式从单向变为以点到面的发散式，市场上的“噪声”交易者对于股价波动、收益率变化的影响变得更加深刻。
2.2 投资者情绪及其衡量指标的构建
基于行为金融学理论，学术界对于投资者情绪进行了充分细致的研究分析，这些研究主要涉及到，影响投资者情绪的因子、经济后果和如何构建投资者情绪指标等。（Wu，2007；Seasholes，2010；）等人发现投资者情绪能够明显影响公司的股价短期浮动，当出现强烈的负面情绪，公司股价会快速下跌。（Song，2011；Li and Zhu，2011；Eichler，2012）等发现投资者情绪的变化会影响到股票的成交量、IPO 抑价、以及企业资产定价等方面。现有的文献说明，投资者情绪是从方方面面影响股市的。
而展开研究投资者情绪的基点就是去衡量投资者的情绪，即构造出能够准确衡量投资者情绪的指标。但鉴于情绪本身只能通过其他载体表现，而无法直接进行量化，对于投资者的衡量方法也就多种多样：在以互联网为研究角度前,研究者们使用的直接指标通常是机构发布的情绪指标,例如 Solt 和 Statman(1998),他们采用了美国 Hadadi 公布的友好指数。在中国,王美金和孙建军(2004)使用的是"央视看板"的 BSI 这一直接指标。使用间接指标表现情绪的变化也很常见。（布朗和克利福德，2005)使用封闭式基金折价率的方法以及黄德龙和文凤华(2009)用换手率指标来代替，韩立言和吴艳然(2007)采用了新增开户数当做其代理变量。上述都使用单一变量当做代理变量,（易志高，茅宁，2009）发现以往的单一指标衡量方法在预测结果时存在偏差，于是将 DCEF、IPON 及首日收益等六个指标结合起来，并利用主成分分析法进行构造，得到了 CICSI 这一指数。后来，指数型情绪指标的构建成为一种趋势，学界普遍认同的是（Baker et al.，2006)构建的 BW 指数,他对 DCEF、AMOUNT、股利收入等六个变量进行因子分析,将这些变量结合为综合的投资者情感指数,即为 BW 指数。
3.相关理论.....................................22
3.1 有效市场假说................................22
3.2 信息不对称................................23
3.3 有限注意力.......................................23
4.研究设计..........................28
4.1 投资者情绪指标构造方法的选择............................28
4.2 复合型情绪指标的变量选取..................................28
4.3 网络文本情绪指标的构建（TM）..................................29
5 实证研究...........................33
5.1 资产定价模型的选取.............................33
5.1.1 Fama-French 三因子模型（FF3 模型）..........................33
5.1.2 CH 三因子模型..............................33
5 实证研究
5.1 资产定价模型的选取
目前许多关于国内股市的研究都使用了 FF3 模型，但是该模型是根据 Fama和 French(1993)的方法对美国市场建立的，中国的政治和经济环境也与美国以及其他发达国家大不相同，仅仅把适用于美国的模型用于中国市场是有问题的，然而，考虑到中国的经济和金融体系的许多差异，我们在中国探索因子模型，用其特有的环境决定它的方法。规模和价值是中国股市的重要因素。然而，如果能很好地把握这些因素，人们就不会简单地重复使用使用于美国的 FF 三因子模型了。而在本文中使用的是 Jianan Liu 等人（2019）提出的 CH-3 模型，它包含了规模、价值和市场因素。首先，由于与美国小型上市公司不同，中国严格的 IPO限制，导致中国小型股票的回报率会受到反向收购中成为空壳的公司的严重影响。为了避免这种影响，在构建因子之前，我们删除了末尾 30%的股票，以避免他们受到壳价的影响，然后利用剩余的股票来构建因子。其次，将基于 EP 构建价值因子。具体来说，本文将剩下的 70%的上市公司分为两组，小规模(S)和大规模(B)，按照市场价值的中位数进行分割。再将这些股票分成两个 EP（earnings-priceratio）组:top 50%(value,V)和 bottom50%(growth,G)。然后，按照两种分类方式进行交叉组合最终成为四个组合:SV、SG、BV 和 BG（下文中具体展开）。
6 结论与展望
6.1 结论
我国的资本市场仍然处在极速发展的过程中，对于发展中的资本市场而言，投资者如何做好投资组合的选择，从而最大程度地回避风险并且获得预期收益，一直以来都是他们最为关心的问题。以股市为例，传统金融学表明市场是有效的，人们可以了解到有助于决策的所有信息。但现实情况确是，大量的个人投资者由于有限的精力和信息不对称等情况，无法对公司的所有信息判断准确，自然也就无法作出更加准确的投资决策。这个问题在互联网时代变得更加严峻，因为投资者之间的情绪传递变得更快，由此形成的舆论风波更容易导致投资者之间出现羊群效应，传导至市场便会导致公司的股价收益率频繁无预期的波动，这既会对公司的正常经营产生干扰，也不利于保护投资者的收益。因此，如何能够更加准确有效地预测股票收益的波动情况，同时找出不同因素对其的影响程度，为企业和投资人找到解决问题的方法，便就成为了金融学研究亟待解决的问题。
本文从如何准确预测股票收益率变化的角度出发，在传统金融学理论的基础之上，结合互联网发展对市场参与主体产生的影响，试图去解决两个问题：其一是基于互联网平台所形成的投资者情绪指标，是否会对股票的预期收益率造成影响，具体会对哪类公司产生影响。其二是对比传统金融学的资产定价 FF3 模型与CH-3 模型对于股票收益率预测的准确度，进一步纳入投资者情绪变量 sent 对三因子模型进行优化。全文采用提出-分析-解决问题的思路，进行了一系列的研究，并得到如下的结论：
（1）我们探讨了投资者情绪与股票收益率之间的关系，发现投资者情绪对于股票市场收益率存在显著的正向影响关系。具体地：当投资者的正面倾向越强烈时，企业的预期股票收益率就越高，此时合理的解释是，投资者的情绪是投资行为的驱动力，当投资者对于企业或市场抱有乐观的态度，便更有可能对所持资产组合进行追加投资。而当投资者对股票的市场表现以及公司行为持负面态度时，股票的预期收益会出现下降趋势，而这种负面影响在互联网背景下有扩大的趋势，原因在于每个投资者都是风险厌恶的，尤其在有限关注的情况下，容易因为某个负面消息做出巨大的反应，例如集中性抛售公司股票，从而给股票带来贬值压力，股票的预期收益也随之下降。在本文的 CH-4 模型中，我们发现投资者情绪因子只对小规模的上市公司的收益率造成影响，这里可能的解释是，小规模上市公司由于其本身的规模较小，对市场风险的反应能力更弱，所以在投资者情绪发生变动时，股票预期收益率的变动也会随之变得越来越大。
（2）相较于 FF3 模型，CH-3 模型在研究规模因子、价值因子与股票市场收益率之间的关系时拥有更高的精准度，相较于 CH-3 模型，优化后的 CH-4 模型在预测投资者情绪与股票市场收益率的关系时拥有更高的精准度；我们对传统的 FF3 模型和 CH-3 模型针对股票市场收益的影响预测精准度进行研究，这两个模型的区别在于 CH-3 模型中对价值因子指标由账面价值替换成市盈率的倒数，同时 CH-3 中的规模因子剔除了市值最小的 30%的公司，我们发现 CH-3 模型相较于 FF 模型在预测中有更高的可决系数，说明 CH-3 模型在预测国内市场的股票收益率时，比 FF 模型具有更高的解释性。在验证了 CH-3 模型的解释性后，本文将构造出的 Sent 变量作为新的情绪因子纳入到模型中，回归结果显示情绪因子对于股票市场收益率同样具有影响作用，此时已有的 CH-3 模型得到了优化,我们得到了新的资产定价模型 CH-4 模型，模型中包含市场、规模、价值和情绪四个影响因子。
参考文献（略）