股票投资收益论文

今年上半年，4家上市险企改变了去年投资收益下滑的态势。其中尤以中国平安的投资成绩单最为亮眼，投资收益涨幅高达55%。总体来看，多数企业在股票市场上加仓明显，定期存款占比大幅下降目前，六大上市险企年报已经全部披露完毕。去年年末，不少上市险企曾因投资收益下降，净利润出现较大降幅。下面小编整理了一些《股票投资收益论文(精选3篇)》的相关内容，希望能给你带来帮助!

股票投资收益论文 篇1：

识别应计可靠性与股票投资收益

【摘要】应计可靠性是否可被投资者识别一直都是资本市场中各个参与方关注的问题。本文采用沪深两市2001-2007年数据，检验广义上应计项目的可靠性与股票回报之间的关系。研究发现：（1）总的来说，应计项目的可靠性与股票回报负相关；（2）对不同的应计项目之间，其可靠性与股票回报的负相关程度存在差异，应计项目的可靠性越高，负相关程度越高。

【关键词】应计可靠性； 盈余持续性； 套利策略

一、应计可靠性的识别

目前，我国实行的是应计制会计，会计盈余由现金流量和应计项目两部分构成。有研究发现，现金流量和应计项目的可靠性是不一样的（Sloan，1996）。最主要的区别是应计项目包含了更大的主观性，也就是说其可靠性不及现金流量。Sloan（1996）对应计项目的计量仅仅只是考虑了应收、预收账款等往来款项，随着目前全球经济的金融化和一体化，企业投资、融资活动的增加，这种应计定义已经不能全面反映公司会计信息的可靠性。例如，WorldCom公司的会计丑闻就是把十亿美元以上应该费用化的支出进行了资本化。Richardson，Sloan，Soliman and Tuna（2005，简称RSST）提出了对应计项目的广义定义，他们认为应计项目①等于营运资本变化、非流动性经营资本变化与金融性净资产变化之和，即：WACC= ΔWC+ΔNCO+ΔFIN。

在表1中，ΔWC表示营运资本变化，主要包括应收账款、存货和应付账款的变化等。应收账款是否可以收回，取决于对方企业的经营和诚信情况；存货的多少与企业选择的存货的计价和发出方法相关，这样，应收账款和存货各期之间的变化具有很大的随意性，其可靠性较低。而相比于应收账款和存货，应付账款为本公司的债务，其可靠性更高。综合之下，ΔWC具有中等的可靠性。

ΔNCO表示非流动性经营资本变化。主要包括固定资产、无形资产、长期预付账款和递延税款。固定资产和无形资产的投入数量、每期计提折旧多少和摊销方法的选择、减值准备的计提都取决于管理当局的决策，具有较大的不确定性，其可靠性不高。同时，长期预付账款和递延税款具有中等的可靠性。综合考虑之下，ΔNCO具有中等的可靠性。

ΔFIN表示金融性净资产变化。主要包括短期投资、长期投资、短期负债和长期负债等。这些应计项目在以前的研究中都是被忽视的，但在全球经济一体化和金融化的趋势下，企业的金融性资产比重越来越大。这些应计几乎具有和现金一样的可靠性，变现能力较强，具有较高的可靠性。

二、应计可靠性与股票回报间的理论分析

“功能锁定”（functional fixation）概念最早来自Dunker （1945）和Luchins（1942）在心理学领域的研究。他们发现人的注意力有着一定的选择性，即当个人面对大量信息时，通常注意那些最显眼、最容易理解的部分，面对那些不太起眼、难以理解的信息内容则不大注意。

在证券市场研究中，“功能锁定假说”（Functional Fixation Hypothesis，以下简称FFH）是与“有效市场假说”（Efficient Market Hypothesis，以下简称EMH）相竞争的一种假说。EMH 认为证券价格能够充分、及时、无偏地反映一切可以公开获得的相关信息。FFH 认为投资者在决策过程中往往锁定于某种特定的表面信息，不能充分理解和利用有关信息来评估证券价值从而做出正确的投资决策。以会计盈余信息为例，市场对会计盈余信息的功能锁定体现为投资者只注意到名义的盈余数字,而对会计盈余的质量没有应有的关注，对具有相同会计盈余但盈余质量不同的公司的股票不能区别定价。

Hand（1990）提出了“扩展的功能锁定假说”（Extended FFH），他发现那些主要由个人投资者持有的股票在定价上存在“功能锁定”,而由机构投资者持有的股票不存在“功能锁定”问题。Hand（1990）提出两种假说：成熟投资者假说（sophisticated investors hypothesis）和天真投资者假设（na?觙ve investor hypothesis）。成熟投资者假说认为，投资者可以理解应计项目可靠性对盈余持续性的作用，应计可靠性可以在股票价格中得到反映，应计项目的可靠性与股票回报间应该不相关。反之，天真投资者假设（the naive investor hypothesis）认为，投资者不可以理解应计项目可靠性对盈余持续性的作用，应计项目可靠性与股票回报间应该负相关。

我国资本市场上近年来的发展也激发了学术界关于资本市场效率问题的研究兴趣。刘云中（2003）沿用了Sloan（1996）的方法，使用了1998年到2000年的数据进行检验，发现会计应计的持续性低于现金流量。李远鹏、牛建军（2007）研究发现在中国证券市场并不存在应计异象，即不存在对会计应计的过度反应。但是本文发现这并非市场对会计应计进行了正确定价，而是由于亏损公司的“洗大澡”行为造成的，表明检验中国证券市场的有效性，不能仅仅从投资者行为入手，而应充分考虑到公司层面的制度背景。

本文试图回答以下两个问题：（1）从盈余自相关角度看，会计可靠性是否具有更高的盈余持续性；（2）从股票回报角度看，市场是否给予会计可靠性恰当的定价。

三、应计可靠性与股票回报间的实证检验

（一）数据来源与样本选择

研究中财务数据来自《CSMAR2008》，股票收益率数据来自色诺芬（CCER）中的日交易数据，以2001年到2007年7年作为研究期间。

按照如下原则选择样本：有本年度年初、年末和下一年度的财务数据；有下一年度5 月到次年4月完整股票回报率数据；排除当年IPO 的公司；排除金融行业公司。所有变量都进行上下极限1%的winsorized处理，以消除极值对结果的影响，最后得到的样本从2001年到2006年分别为1072、1116、1188、1158、1173和1179，合计为6886个。

（二）研究方法

使用Fama and Macbeth（1973）年的方法进行回归分析。首先，使用横截面的年度数据估计每个参数的系数，然后报告每个系数在时间序列上的均值。回归模型如下：

RETt+1=ρ0+ρ1ROAt+ρ2TACCt+νt+1（1）

ρ1衡量了除应计部分以外的盈余对股票回报的作用，ρ2衡量了盈余中应计部分对股票回报的作用。公司中应计的比例与股票回报负相关，所以预期ρ2<0。

RETt+1表示下一年度经公司规模调整后股票持有收益。股票持有收益是指从会计年度结束后四个月后的十二个月的累计收益②。规模调整是将样本公司按最后一个交易日市场总价值的大小划分为十组，计算某一组其后一年的股票回报率，再将个别公司股票原始回报率减去其所在组的平均回报率。

由WACC=ΔWC+ΔNCO+ΔFIN，可以对公式（1）中的WACC进行转换，分别检验应计的各个组成对股票回报的作用。回归模型如下：

RETt+1=ρ0+ρ1ROAt+ρ2ΔWCt+ρ3ΔNCOt+ρ4ΔFINt+νt+1（2）

（三）应计可靠性与股票回报

表2中的回归1得到的结果与Sloan（1996）和RSST

（2005）的研究相一致，盈余的循环周转系数大约在0.765。在表2的回归2中，是按照公式（1）进行回归，和笔者的预期是一致的，ρ2显著为负。

由表1可知，ΔWC具有中等的可靠性，ΔNCO具有较低或中等的可靠性，ΔFIN具有较高的可靠性，其回归系数的符号可能是正，也可能是负。对可靠性较低ΔWC和ΔNCO，ρ2、ρ3是负值，对可靠性较高ΔFIN，ρ4是正值。表2中的回归3到5按照公式（2）进行单变量检验，检验的结果与预期一致。ΔWC和ΔNCO的系数表现为显著负相关，ΔFIN的系数显著正相关。表2中的回归6是按照公式（2）进行的多变量检验，检验结果与单变量检验基本一致。

其中，ρ1衡量了盈余中现金流量部分对股票回报的作用，ρ2、ρ3和ρ4衡量了ΔWC、ΔNCO和ΔFIN相比于盈余中现金流量部分对股票回报的作用。对公式（2）进行单变量的检验，ρ1衡量了排除ΔWC外的盈余对股票回报的作用，ρ2衡量了ΔWC与排除ΔWC后盈余对股票回报作用的差异。也就说，在单变量检验中，ρ1衡量不仅仅是盈余中现金流量部分对股票回报的作用，而是排除了某一个应计项目后的盈余对股票回报的作用。ρ2的符号可能是正，也可能是负。对可靠性较低的应计项目，ρ2是负值，对可靠性较高的应计项目，ρ2是正值。

四、研究结论与启示

根据RSST （2005）提出的广义应计项目定义。本文采用沪深两市2001—2007年间6886个公司年度数据，检验广义应计项目的可靠性与股票回报之间的关系。研究发现：总应计项目与股票回报负相关，应计各个项目与股票回报的负相关程度会随应计项目的可靠性不同而存在差异。非流动性经营资本、营运资本与金融性净资产的可靠性从低到高，其与股票回报之间负相关程度也逐渐减弱。Hand（1990）提出天真投资者假设在本文得到验证。●

【参考文献】

［1］ 李远鹏，牛建军.退市监管与应计异象［J］.管理世界，2007，（5）.

［2］ 刘云中.对会计应计量信息反映的检验纵［J］.证券市场导报，2004，（2）.

［3］ Alford, A.W., Jones, J.J., Zmijewski, M.E., 1994. Extensions and violations of the statutory SEC Form 10-K filing requirements. Journal of Accounting and Economics 17,229-256.

［4］ Fama,E.F.,Macbeth,J.D., 1973. Risk, return and equilibriumempirical tests. The Journal of Political Economy 81,607-636.

［5］ Hand,J,1990,A Test of the Extended Functional Fixation Hypothesis. The Accounting Review 65,740-763.

［6］ Sloan,R.G.,1996. Do stock prices fully reflect information in accruals and cash flows about future earnings? The Accounting Review 71,289-315.

［7］ Watts, R.L., 2003. Conservatism in accounting part I: explanations and implications. Accounting Horizons 17,207-221.

［8］ Sccott A.Richardson,Richard G.Sloan,Mark T.Soliman,Irem Tuna,2005,Accrual Reliability,Earning Persistence and Stock Prices, Journal of Accounting and Economics 39,437-485.

［9］ Diver, J.2001,"a Selective Review of Selective Attention Research from the Past Century." British Journal of Psychology, 92:53-78.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文

作者：严玉康

股票投资收益论文 篇2：

上半年多家上市险企投资收益扎眼 股票投资占比持续增加根源何在？

今年上半年，4家上市险企改变了去年投资收益下滑的态势。其中尤以中国平安的投资成绩单最为亮眼，投资收益涨幅高达55%。总体来看，多数企业在股票市场上加仓明显，定期存款占比大幅下降

目前，六大上市险企年报已经全部披露完毕。去年年末，不少上市险企曾因投资收益下降，净利润出现较大降幅。比如中国人寿去年归属于母公司股东的净利润为191亿元，同比下降45%，又比如中国太保2016年实现121亿元净利润，同比下降32%。那么今年上半年，这些上市险企的投资收益是否有所改观？投资者或许可以从半年报中找到答案。

从净利润情况来看，六大上市险企总体表现较好，多家公司出现净利润同比上涨的情况。数据显示，今年上半年，净利润涨幅最高的为中国人寿，同比上涨18%达104亿元。其次是中国人保，净利润为88亿元，同比上涨14%。此外，中国平安、中国太保今年上半年净利润也上涨至少6个百分点，分别达434亿元、65亿元。

对应到投资收益，也是类似情况。上半年中国人寿、中国平安、中国人保及中国太保4家上市险企投资收益同比有所增长，且涨幅均在10%以上。

4家上市险企投资收益增长

《投资者报》记者统计，今年上半年，中国平安投资收益涨幅最高为55%，达591亿元。其次是中国人保，涨幅高达17.1%，达217亿元。中国太保、中国人寿同比也分别增加14%、11%，达248亿元、567亿元。

中国人寿方面表示，上半年公司加大了长久期债券、债权型非标产品的配置力度，重视港股的配置价值，此外，还积极探索基础设施、供给侧改革、债转股等领域的优质投资机会，丰富收益来源。中国太保方面则表示，上半年公司抓住了市场利率从底部回升的时机，积极配置固定收益类资产，提高了保险资金投资组合收益的稳定性。

从总投资收益率来看，上半年六大上市险企的总投资收益率均突破4%，但仅有中国人保投资收益率突破5%，达到5.4%，同比上涨0.4个百分点，人保资管副总裁韩松在半年报业绩发布会上表示，今年上半年公司加大了股权投资的力度，特别是公司对华夏银行的股权投资带来了较大回报，此外，公司还抓住了债券市场的机遇，入手一些评级较高的债券从而获得一定收益。

從总投资收益率增幅来看，中国平安增幅是最高的，达0.5个百分点。增长后，公司上半年险资总投资收益率为4.9%。中国平安方面表示，上半年，公司抓住债券市场的调整时机，还把握了权益市场的波动机会，利用“港股通”优化港股投资。

股票投资占比增加

《投资者报》记者注意到，今年上半年，大部分上市险企的投资组合显示出权益投资特别是股票投资占比上涨、固定收益投资特别是定期存款投资大幅下降、债券投资依然占大头的趋势。

例如中国人寿，今年上半年定期存款相对去年年末下降3.68个百分点达18.26%，而股票投资占比达7.74%，相对于去年年末5.71%的比例，上涨2.03个百分点。Wind资讯数据统计显示，截至6月30日，中国人寿共持有205家上市公司的重仓流通股。记者发现，仅二季度，中国人寿就增持了中国银行、工商银行、南山铝业、中天科技、中国国旅、网宿科技、中粮糖业及太原重工等数家上市公司超过1000万股股份。不过这些股票并不是都表现良好，例如网宿科技在今年二季度的股价跌幅高达10.17%。

又比如中国太保，上半年定期存款占比为9.1%，较上年末下降5个百分点，而股票投资则上涨1个百分点达4.3%。Wind资讯数据显示，上半年共持有11家上市公司的重仓流通股，其中，持有大秦铁路、建发股份、天士力、华谊兄弟、东阿阿胶等上市公司超过1千万股股份。此外，中国平安、新华保险等也出现上述情况。

不过也有个别保险公司例如中国人保，今年上半年，权益投资的比例未增加，反而从去年年末的16.4%下降至今年的12%，其中股票投资占比下降0.3个百分点达4.5%。韩松对《投资者报》记者解释称，实际上，股票投资的金额并未减少，而是在其他投资领域增加了投资，所以股票投资占比出现下降。

此外，中国人保的权益性投资中的基金投资占比也是下降的。韩松对记者表示，之所以基金占比下降，主要是公司缩小了货币基金的投资规模。韩松说：“货币基金投资是一种短期投资，收益率是有好的时候，但是持续时间比较短，减少货币基金的投资，也是优化公司投资结构的一种表现。”

与之相似的是中国人寿。记者注意到，上半年中国人寿货币基金余额为86亿元，相对于去年年末136亿元的余额，降幅高达37%。

总体来看，上市险企青睐的股票主要还是集中在金融、房地产等行业。其中中国工商银行、华夏银行、兴业银行、农业银行、建发股份、长江电力等个股被多家上市险企持有，数量多达上亿股。

面对海外投资态度不一

上半年，险资的境外投资也引发市场关注。中国人寿因2016年频繁对外投资而引发公众关注，不过今年上半年，中国人寿在境外投资上并没有太大动作。公司董事长杨明生在半年业绩发布会上表示，今年上半年中国人寿境外投资账户余额约为116亿美元，占总投资的比例为2.9%，其中包括短期存款、香港股票等资产。他也表示，已经观察到目前国家执行审慎外汇管理政策，短期内可能会对公司境外投资产生影响，不过境外投资仍然是中国人寿投资的重要领域，未来还会加大力度。

据了解，中国平安上半年海外投资占比大约为6%。中国平安首席投资官陈德贤在接受采访时表示 “平安的海外投资主要是投向港股市场，去年我们的判断是，经过2015及2016年持续量化宽松，2017年再通胀预期加大，但实质通胀仍然偏低。此外企业盈利同比情况较好，利率还没有拐上来，在这种背景下风险类资产比较受惠，今年情况也确实如此。”中国平安董事长兼首席执行官马明哲指出“如果剔除掉港股通的投资规模后，实际中国平安的海外投资比例只有约2%。未来在海外投资方面，中国平安将继续保持审慎的原则”。

作者：潘亦纯

股票投资收益论文 篇3：

投资者情绪对股价的特质波动、预期收益的影响研究

摘要：随着行为金融学的发展，投资者情绪的有效度量及其对股票投资收益的影响日益受到金融风险管理学者的关注。本文通过个股的成交量、换手率等数据构建了可以反映单只股票的投资者情绪度量指标，并实证探究个股情绪对股价特质波动、预期收益的影响。研究发现：个股投资者情绪的高涨会正向加剧股价的特质波动，但却会降低股价的预期收益，从而导致“特质波动率之谜”这种金融异象。

关键词：特质波动率;个股情绪;三因子模型;特质波动率之谜

DOI：10.16315/j.stm.2021.05.009

文献标志码： A

Research on the influence of investor sentiment on the characteristic volatility

and expected return of stock price

WANG Kai，WANG Zhao-hui

（Business School， Ningbo University， Ningbo 315211， China）

中國证券市场作为新兴资本市场，近年来取得了长足的发展。市场深度和广度得到了极大的拓展，市场机制也日渐完善，在资源优化配置和推动经济发展方面发挥了一定的作用。但由于中国证券市场上的投资者以中小投资者为主，以往多次经历“疯狂[KG-*5]-[KG-*5]过热[KG-*5]-[KG-*5]恐慌[KG-*5]-[KG-*5]暴跌”的剧烈震荡过程，极大地损害了投资者的利益，对中国证券市场的长远发展也产生了不利影响。这种股市的异常波动是由于非理性投资者情绪波动所产生的效应，在全球股市普遍存在，由于这种投资者非理性情绪的影响效应往往超过宏观和微观经济层面各种因素的影响，引起了金融界学者的广泛关注。其中最为著名的是Ang[2]首次利用三因子模型来分解个股的股价波动。在控制了系统性定价因子之后，他把回归模型的残差项作为股价中的不能被市场解释的波动，即剔除系统性风险的剩余波动，并根据实证结果认为这是股价的特质波动，无法用市场因素来解释。特质性波动的提出在学术界产生了重大的影响。一是认识到股价的波动存在市场因素无法解释的部分，特质波动开始成为资产收益定价的因子之一;二是Ang的实证结果得出“高特质波动却会引发低预期收益”的结论，这与传统金融学理论中的“高风险高收益”观点相矛盾，于是这一金融异象被称为“特质波动率之谜”。

基于以上背景，研究中国证券市场投资者情绪与股价特质波动、预期收益的关系具有一定的现实意义和适用性：第一，中国证券市场上中小投资者为投资者群体的主要力量，容易受到相关市场消息的刺激而导致市场情绪的变化，监管部门可以通过分析投资者情绪的演化，提前对市场的波动进行预测，从而采取有效措施及时对证券市场进行疏导和维稳。第二，市场中投资者情绪的波动主要是由于个股出现暴涨暴跌而产生的，管理者可以及时对个股的股价进行有效监控，防止恶意做空或过度炒作来稳定市场情绪，从而进一步完善市场的交易机制和监管规则。基于以上思考，本文将以个股的投资者情绪为切入点，来探究投资者情绪对个股的特质波动及预期收益产生的影响，并同时利用个股情绪对“特质波动率之谜”作出解释。后文文的结构安排如下：第二部分为文献回顾;第三部分为研究设计;第四部分为实证结果与分析;第五部分为结论与建议。

1文献回顾

1.1投资者情绪

情绪是人们息、怒、哀、乐等多种感觉、思想和行为综合产生的心理和胜利状态，是理性和非理性相互交融共存下形成的认知经验。投资者情绪是在有限理性假设下，因个人认知偏差和所处信息环境不确定性，投资者对资产未来价值进行主观和客观的综合评估。投资者情绪高涨或低落，会导致股价大幅度偏离基本价值上下波动[3]。

学界对投资者情绪的研究主要集中在它的定义、测度2个方面。在投资者情绪的定义方面，Lee[4]等提出投资者的情感以及认知上的偏差是由于个人在自身教育背景、专业知识、所处环境等因素造成的;Baker等[5]认为投资者情绪是当投资者参与到金融市场过程中，出于自身的投资需求所产生的情绪上的冲动，从本质上来说是一种投机倾向;Shefrin[6]则认为投资者情绪是由于金融市场上的产生的信息以及存在的诸多情况让投资者产生了过度解读与过激反映。由于这种投资者情绪被认为是错误的信念，所以受这类错误信念影响投资决策的投资者被称为“噪音交易者”[7]。在投资者情绪的测度方面，诸多学者也进行了探索。Bondt [8]利用交易量等指标来作为衡量投资者情绪的指标，认为交易量这一指标从侧面反映了投资者对股票定价的不同预期，预期差异越大，则交易次数越多，交易量越大。另外有学者认为新股的发行往往体现市场的情绪高低，往往情绪高涨的市场会推动新股产生更多的正向收益，因此IPO数量可以作为投资者情绪指标[9];还有一些学者侧重于基金交易行为，将共同基金净赎回率作为投资者情绪测量，当基金赎回率越小时，说明市场上投资者情绪越高涨[10]。这些构建投资者情绪的测量方法和指标都是为了能极大限度的展现投资者情绪对股票市市场波动的影响，尽管投资者情绪难以完美用数量指标来刻画，但投资者情绪这一概念早已成为非市场因素中能够解释股票异常收益率的解释因子之一。

1.2预期收益与特质波动率之谜

传统的CAPM模型认为在均衡定价理论中，只有系统风险才能反映资产溢价。现代投资组合理论认为投资者可以通过持有一定的股票来分散特质风险，因此他们认为特质波动率不具有定价含义。但是，特质波动率是无法被系统性风险因子捕捉的公司层面的自有风险，现实中也无法达成现代投资组合理论的完美假设，所以特质波动率并不能有效地被完全分散，其具有一定的风险溢价。为此国内外学者对特质波动率与预期收益进行了研究。Ang采用Fama-French三因子模型，用美国股票市场的月内数据估计特质波动率，并同时利用指标构建投资组合，实证结果显示特质波动率和股票预期收益率之间呈现显著负相关关系。杨华蔚等[11]利用横截面和时间序列分析方法也论证了特质波动率对预期收益率有负向的预测能力。徐小军[12]利用市场风险和偏度风险的两因子模型估计特质波动率，在考虑了系统偏度风险的情况下，仍然发现特质波动率与预期收益之间存在负相关关系。这些学者的发现与资本均衡理论中提出的“高风险、高收益”观点相反，即高的特质波动率（特质风险）却产生了低的预期收益，因此被称为“特质波动率之谜”。

自从“特质波动率之谜”提出以后，国内外学者就对其形成原因从各个方面进行研究。一部分学者从异质信念入手，例如：Miller [13]首先提出造成这一现象的原因是由于异质信念。他认为股票的价格会由于卖空限制的存在而只反应乐观者的预期，却并没有反應悲观者的预期，最终导致了股价的高估，而且两者的异质信念越大，股票被高估的可能性就越大，从而股票的预期收益率越低;左浩苗[14]也支持了以上观点。他在控制了反映异质信念的换手率后，在中国股票市场中发现特质波动率与预期收益率的负向关系不再显著。一部分学者则认为投资偏好是

造成这一现象原因，例如：Barberis等[15]根据行为金融学的前景理论，研究发现投资者更加偏好价格变化幅度高的股票，于是对这种股票就有较高的预期收益，导致股票价格被高估;刘维奇[16]发现当同时控制了换手率、价格极差和最大日收益这3个反映投资者偏好的指标后，这种负向关系不再显著。还有学者认为是反转效应的影响，如Lettau [17]实证研究发现特质波动率与预期收益率之间的负向关系是受到短期月收益反转效应的影响，进一步分析很可能是买卖价差弹性和市场微观结构导致了短期月收益反转。

根据国内外学者的研究结果，本文认为现有研究还存在不足之处：之前学者使用首日IPO数量抑或基金赎回率等指标来测度投资者情绪，测度的是整个市场的投资者情绪，而无法体现投资者对不同个股的投资者情绪;在研究特质波动率之谜的原因中，投资者偏好、异质信念等因素涉及个人主观观念，比较难以测定，且误差较大。

针对以上问题，本文的创新点如下：投资者情绪的代理指标构建不同。本文基于个股的成交量、换手率等日频数据来构建投资者情绪，刻画的是单个股票在市场上的投资者情绪，而不是宏观的整个市场投资者情绪;研究视角不同。本文首次采用投资者对个股的情绪来研究与股价特质波动、预期收益的关系，视角独特，且数据更加客观、准确。

2研究设计

2.1样本选择与数据来源

本文选取2015年1月1日至2020年12月31日中国A股市场上市公司作为研究对象，并对数据进行处理：剔除有关金融类公司、ST类公司以及上市不满5年的公司的观测值;剔除在观测期间财务数据大量缺失的公司;剔除一年间交易日少于当年股市开盘日80%的公司观测值。本文共获得观测值17 900个，其中日个股回报率、综合日市场回报率、三因子日度数据、无风险利率均来自国泰安数据库，相关公司的财务数据以及换手率、交易量等数据均来自RESSET数据库。本文采用stata15和spss对数据进行处理，并对连续变量进行1%的Winsorize缩尾处理。

2.2变量定义

1）特质波动率（IVOL）。特质波动率是指不能被市场因素所解释的的股价波动，常用来表示个股的特质风险。为计算个股月度特质波动率，借鉴Xu等 [18]的做法，基于Fama-French三因子模型对个股的超额收益率来进行回归，通过式（1）可以将个股波动分解为受市场因子（MKTt，k-Rf，k，t）、

规模因子（SMBi，t）、价值因子（HMLi，t）影响的波动和不受市场因素影响的波动，其中残差项εi，t，k即为不受市场因素影响的特质波动。再利用式（2）将日度特质波动率转化为月度特质波动率。具体公式如下：

Ri，m，d-Rf，t，k=αi，m+βmkt，i，t（MKTt，k-Rf，k，t）+

βsmb，i，tSMBi，t+βHML，i，tHMLi，t+εi，t，k。（1）

IVOLi，d=Std（εi，t，k）×T。（2）

其中：Ri，m，d为股票i的第M月第d天的收益率，Rf，t，k为无风险利率;（MKTt，k-Rf，k，t）为市场因子，即为市场的超额收益，其中MKTt，k采用上证指数收益来代替，Rf，k，t采用同银行一年存款利率替代;SMBi，t为规模因子，表示企业规模差异所造成的风险溢价，其算法是将企业按市值大小分组，其中高市值投资组合所得收益减去低市值投资组合所得收益的值即为SMBi，t;HMLi，t为价值因子，表示因公司账面市值比的差异所造成风险溢价，其算法是根据公司账面市值比分组，高账面市值比的投资组合所得收益与低账面市值比的投资组合所得收益的差值即为HMLi，t;βmkt，i，t、

βsmb，i，t、βHML，i，t分别表示股票超额收益对市场因子、规模因子、价值因子的敏感系数。εi，t，k为股票i第M月第d天的回归残差项，表示股票超额收益中不能被三因子所解释的波动，即为股票i的日度特质波动率。

根据式（1）的回归结果可以得到个股的每日特质波动率，计算一个月内日残差的标准差，将计算出的标准差乘月内交易天数，即得到股票i在第M月的特质波动率。式（2）中IVOLid是股票i的月度特质波动率，Std（εi，t，k）代表εi，t，k的月度标准差，T代表股票i在第M月的交易天数，通过式（2）将个股的日特质波动率进行月度化得到个股的月度特质波动率。

2）个股情绪（Sent）。个股一段时间的换手率、成交量、成交金额、股东人数的不同，充分反映了在市场中，基于每个股票，投资者对待股票的交易热情是不同的。个股的成交量大，换手率高则代表该段时間，投资者对该股票的投资热情高涨，反之则表明投资者对该股票投资热情比较低落。这些指标可以很好衡量个股在市场上的受到投资者的青睐程度，但这些指标之间具有很强的相关性，如成交量大的股票往往换手率高以及成交金额大等。因此，本文采用Baker等所采用的主成分分析法来构建情绪指标，主成分分析法能够很好的消除变量之间重叠信息，并最大限度的保留指标中有关情绪的有效信息，从而让指标度量个股情绪更加准确。

Senti.t-1=β3Turnoveri，t-1+β4Holdi，t-1+β5Pei，t-1+

β6Trdvoli，t-1+β7Trdsumi，t-1+β8NIAi，t-1。（3）

其中：Turnoveri，t-1为换手率，Holdi，t-1为机构持股比例，Pei，t-1为个股的市盈率，Trdvoli，t-1为个股的成交量，Trdsumi，t-1为个股一段时间的成交金额，NIAi，t-1为股票的股东人数;β3到β8为各个指标的贡献系数。

3）控制变量。公司的基本面是投资者选择是否投资这家公司股票的先决条件，而基本面中的财务信息更加是投资者关注的焦点，投资者往往通过财务信息来进行买卖上市公司的股票的活动，这种买卖博弈会引发股票价格的波动。因此，公司财务相关的特质信息往往会影响个股在市场中的股价特质波动。本文参考相关文献[19]，选择账面市值比（Btomi，t-1）、公司规模（Sizei，t-1）、股权集中度（Shrcri，t-1）、资产负债率（Levi，t-1）、总资产增长率（Lagri，t-1）作为本文的控制变量，各控制变量定义，如表1所示。

4）实证步骤及模型。本文实证分为2个部分，第1部分为探究个股情绪对股价特质波动的影响，利用式（1）和式（2）得出的个股特质波动率以及式（3）得出的个股情绪，构建模型如下：

IVOLi，t=αi，t+β1Senti，t-1+β2Controli，t-1+εi。（4）

第2部分为探究个股情绪对股票预期收益的影响。利用式（1）可以得到股票的预期收益，再按个股情绪将股票分为3个组合，分为Hight（30%）、Nomal（40%）、Low（30%）三组，利用分组可以探究在不同投资者情绪下，个股的情绪是否会对预期收益产生影响，从而导致产生“特质波动率之谜”。构建的模型如下：

Ri，m，d-Rf，t，k=αi，m+bSenti，t-1+

βmkt，i，t-1（MKTt，K-1-

Rf，k，t-1）+βsmb，i，t-1SMBi，t-1+

βHML，it-1HMLi，t-1+εi，t-1，k。（5）

3实证结果与分析

3.1描述性统计分析

变量的描述性统计分析结果，如表2所示。由表2可知，个股情绪Sent最高值为25.49，最低值为5.271，且标准差较大，说明在同一个市场中投资者对不同股票投资情绪差异较大，用宏观指标来衡量投资者情绪只能代表整个市场的投资情绪的高低。在实际市场中，即使在整体市场投资情绪比较低落的情况下，依然存在上涨的股票，其个股投资情绪依然活跃。因此，构建个股情绪指标来测度投资者情绪将更加准确，误差更小。特质波动率IVOL最大值为0.576，最小值为-0.0756，即同一市场同一时刻，股票的特质波动率差异较大 ，这说明特质波动并不能被市场因素所解释，而是受到非市场因素的影响而导致的特质波动率差异较大，这也从侧面验证了本文理论的正确性。

3.2相关性分析

各特质信息变量与特质波动率的相关关系，如表3所示。由表3得知，自变量（Sent）与控制变量之间的相关系数较小，基本不存在多重共线性。从表中可知个股情绪Sent与特质波动率IVOL之间的相关系数为正，在1%水平下显著。证明在不考虑其他因素的情况下，投资者情绪与股票的特质波动率存在正向的关系。这也说明了个股情绪波动作为非市场因素，也会影响到特质波动。

3.3主成分分析

1）KMO值和Bartlett球形检验。KMO值和Bartlett球形检验常被用于检验变量是否适合做主成分分析。通常认为当KMO值和Bartlett球形检验中的KMO大于0.6时，各变量是可以做主成分分析的。KMO值為0.682，Bartlett球形检验的近似卡方统计值为22 085.108，自由度为15，显著性水平为0.000，如表4所示。因此本文所取的换手率（Turnover）、机构持股比例（Hold）、市盈率（Pe）、股东人数（NIA）、成交量（Trdvol）、成交金额（Trdsum）6个指标可以进行主成分分析，并且结果显著。

2）选取有效贡献因子。主成分分析法是通过降维方式将多个无序且有关联的变量转变为一组毫不相关的新指标的方法，使用主成分分析法时，需要对原始指标进行科学的取舍，以避免产生多个新的变量。具体方法是测度新变量的标准差，即变量的贡献率，其方差越大，则贡献率越高。前3个因子的初始特征值分别为2.118、1.058、1.008均大于1，且前3个因子的累计贡献率为79.729%，这表明这3个因子在剔除重叠信息之后，可以刻画原始指标的绝大部分信息，因此选取前3个因子较为合适，如表5所示。

3）构建情绪指标（Sent）。3个成分与各指标之间的线性关系，如表6所示。通过这些线性关系可以建立如下方程：

F1=0.316X1+0.033X2-0.003X3-0.005X4+

0.443X5+0.422X6。（6）

F2=-0.298X1+0.913X2-0.026X3-0.015X4+

0.115X5+0.112X6。（7）

F3=0.03X1+0.003X2-0.716X3-0.687X4-

0.004X5-0.01X6。（8）

其中：X1～X6分别代表换手率（Turnover）、机构持股比例（Hold）、市盈率（Pe）、股东人数（NIA）、成交量（Trdvol）、成交金额（Trdsum）再利用表5中3个因子的方差贡献度来分配3个主成分的权重，从而得到个股情绪指标公式：

Sent=0.35294F1+0.17638F2+0.16797F3。（9）

将式（6）、（7）、（8）带入（9）得到

Sent=0.064X1+0.173X2-0.126X3-

0.12X4+0.175X5+0.038X6。（10）

由式（10）可得式（2）中各敏感系数，从而计算出个股情绪Sent。通过式（10）计算所得的个股情绪可以排除了各原始指标的相关关系，并保留了原始指标中代表个股情绪的信息，相比较于原始情绪指标，更能代表市场投资者对特定个股的情绪水平。

3.4回归分析

1）个股情绪对股价特质波动率的影响分析。对式（4）的回归结果，如表7所示。本文做了3个时间阶段的回归，即分为上涨阶段、下跌阶段和全时期，结果显示无论大盘处于上涨还是下跌阶段，个股情绪均与特质波动率的回归系数在1%显著水平下显著为正。这说明大盘的涨跌并没有影响个股情绪与股价特质波动的正相关关系，这与特质波动不能被市场因素所解释的观点相吻合。更重要的是说明了，在控制公司规模、机构持股比例等因素的情况下，当个股的投资情绪高涨时，会加剧股价的大涨大跌，造成个股特质波动率加大。当个股的投资情绪高涨时，投资者会在情绪驱使下做出非理性的投资行为，令噪音交易增加，这时股价便会在大量买方和卖方力量下产生较大幅度波动，这种波动并不是市场环境发生了变化，而仅仅是个股的交易者情绪导致的。

2）个股情绪对预期收益率的影响分析。对模型（5）的回归结果，如表8所示，从表中可以看出在Nomal组和Lowest组中，个股情绪Sent对于预期收益在1%的显著水平下为正，说明在投资者情绪不高的股票中，当投资者交易热情上升时，这些股票的预期收益也会增加，个股情绪与预期收益成正相关;但在High组中，个股情绪与预期收益在1%水平下显著为负，说明当投资者对某些股票的投资情绪过于高涨时，这些股票的预期收益反而会变小，个股情绪与预期收益成负相关。

由表3与表5可知，个股情绪高的股票，其特质波动率更大，但预期收益率却更小，即产生了“特质波动率之谜”，而那些投资者交易情绪低落的股票则没有发生。分析其原因：个股情绪高的股票相比于其他股票，由于其存在更多的噪音交易，更容易被高估，当其价格偏离内在价值过大时，必然会导致未来预期的收益更小，因此，个股情绪高的股票更容易产生“特质波动率之谜”这种金融异象。

3.5稳健性检验

FAMA-French三因子是参数估计法估计特质波动率，为了验证模型（4）的稳健性，本文采用CampBell所提出的非参数方法来度量特质波动率，这种方法是利用个股与其所在行业收益之差来计算出来的，公式如下：

∑s∈tη2ijs=∑s∈t（Rijs-Ris）2t。（11）

其中：Rijs为处于j行业的个股i在s交易日内用无风险收益率调整的收益率，Ris为j行业在s交易日的无风险收益率调整的超额收益率，η2ijs为个股收益与所在行业收益的差额。通过该公式计算出个股的日数据标准差，与该月内交易日T相乘进行月度化处理便得到个股在一个月内的股价特质波动，取季度内月度特质波动率的均值作为季度特质波动率，便得到一个新的季度特质波动率IVOL，利用该指标来重新进行回归，结果与本文一致，即本文模型稳健性得到检验，如表9所示。

4结论与建议

本文以2015—2020年我国非金融类A股市场公司为样本，首先运用主成分分析法构建了个股的投资者情绪代理指标，同时用三因子模型回归得到个股的特质波动率，最后回归分析个股情绪对特质波动率的影响，同时对“特质波动率之谜”现象进行了研究。研究表明：个股的特质波动并不会受到市场因素的影响，而会在投资者情绪的推动下加大;相对于成交量低迷的股票，那些被投资者热衷的股票，其投资者情绪越高涨，个股的特质波动率越大，但这些个股的预期收益却越小，即个股投资者情绪高的股票，更容易出现“特质波动率之谜”现象。

基于上述研究结论，本文提出以下建议：提高投资者风险意识，对于市场爆炒的股票，相关部门应建立警示机制，即时遏止市场过度投机氛围，为市场降温;提高机构投资者的入市门槛，对机构投资者频繁买卖引入适当的监督机制，引导机构投资者价值投资，为金融市场的健康发展树立标杆;加强对市场信息的监督力度，对于发布市场预测信息以及提供个股投资建议的相关机构进行监控，防止市场情绪过度高涨，有效保护个人投资者的权益。

参考文献：

[1]黄波，李港，顾孟迪，基于风险偏好资产定价模型的公司特质风险研究[J].管理世界，2006（11）：119.

[2]ANG A，HODRICK R J，XING Y，et al.The cross-section of volatility and expected returns[J].Joumal of Finance，2004，61（1）：259.

[3]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.金融与经济，2018（3）：19.

[4]LEE C M C，SHLEIFER A.THALER R H.Investorsentiment and the closed-end fund puzzle[J].Journal of Finance，1991，46（1）：75.

[5]BAKER M，WURGLER J.Investor sentiment and the cross-section of stock return[J].The Journal of Finance Management，2006，61（4）：1645.

[6]SHARPE W F.Capital asset prices：A theory of market equilibrium under conditions of risk[J].Journal of Finance，1964，19（3）：425.

[7]SHEFRIN H，STATMAN M.Behavioural portfolio theory[J].Journal of Financial and Quantitative Analysis，2000（35）：127.

[8]BONDT D W，THALER  R.Further evidence on investor overreaction and stock market seasonality[J].Journal of Finance，1987（42）：557.

[9]BAKER  M，WURGLER J.Investor sentiment in the stock market[J].Journal of Economic Perspectives，2007，21（2）：129.

[10]LJUNGQVIST A，NANDA V，SINGH R.Hot markets，investor sentiment，and IPO pricing[J].Journal of Business，2006，79（4）：1667.

[11]楊华蔚，韩立岩.中国股票市场特质波动率与横截面收益研究[J]北京航空航天大学学报（社会科学版），2009（1）：6.

[12]徐小君.公司特质风险与股票收益：中国股市投资行为研究[J]经济管理，2010（12）：127.

[13]MILLER E M.RISK，uncertainty，and divergence of opinion[J].The Journal of Finance，1977（4）：1151.

[14]左浩苗.股票特质波动率与横截面收益：对中国股市“特质波动率之谜”的解释[J]世界经济，2011，34（5）：117.

[15]BARBERIS N，HUANG M.Preferences with frames：A new utility specification that allows for the framing of risks[J].Journal of Economic Dynamics & Control，2009（8）：1555.

[16]刘维奇，郑睿.过度反应视角下的股市反转效应与个体风险偏好[J].系统工程学报，2020，35（4）：535.

[17]LETTAU M，MALKIEL B G，et al.Have individual stocks become more volatile？An empirical exploration of idiosyncratic Risk[J].Journal of Finance，2010，56（1）：1.

[18]XU Y，MALKIEL B.Investigating the behavior of idiosyncratic volatility[J].Journal of Business，2003：613.

[19]王典，薛宏刚.机构投资者网络加剧还是抑制了公司特质风险[J].金融经济研究，2018（9）：71.

[编辑：厉艳飞]

作者：王凯，王朝晖