第 10 章 · 01 投资者情绪指标构建

第 10 章 · 01 投资者情绪指标构建

本节摘要:本节讲投资者情绪指标如何构建,这是行为金融与量化交叉的起点。投资者情绪(investor sentiment)是市场参与者整体的乐观或悲观倾向——它难以直接观测,但会系统性地影响资产定价(尤其对投机性强、难以套利的股票)。Baker 与 Wurgler 等人的经典工作(仓库论文集收录)给出了构建情绪指数的标准方法:先收集一组「情绪代理变量」(封闭式基金折价率、IPO 数量与首日收益、换手率、新股发行占比、情绪调查等),再用主成分分析(PCA) 提取它们的共同成分,作为「综合情绪指数」。另一种思路是隐含情绪(implied sentiment):用资产收益本身反推市场情绪(如把「难以套利股票的超额收益」作为情绪暴露)。本节讲清为何单一代理变量不可靠、PCA 综合指数的逻辑、隐含情绪的思路,以及情绪对收益的预测方向(情绪高→未来低收益,情绪低→未来高收益)。

内容来源:仓库论文/投资者情绪相关论文(综述类、Papers in Teacher's book),含 Baker-Wurgler 经典框架,知识结构化整理。

⚠️ 学习提示:情绪指标「事后看都对,事前用难用」——情绪代理变量本身受多重因素驱动,提取的「主成分」是否真的是情绪,需严谨论证。情绪对收益的预测方向在不同资产、不同周期可能反转,使用时务必做稳健性检验。

学习目标

阅读完本节,你应当能够:

1. 解释投资者情绪为何难以直接观测,需用代理变量。
2. 列举常见的情绪代理变量(封闭式基金折价、IPO、换手率等)。
3. 说清主成分法构建综合情绪指数的逻辑。
4. 区分显性情绪指数(代理变量综合)与隐含情绪(收益反推)。
5. 理解情绪对收益的非对称预测方向(情绪高→未来低收益)。

一、为什么研究投资者情绪

传统有效市场假说假设投资者完全理性,资产价格只反映基本面。但行为金融(下一节深入)指出:投资者有系统性的认知偏差(过度自信、损失厌恶、羊群效应),这些偏差会通过交易影响价格,使价格偏离基本面。

投资者情绪就是「市场整体的非理性倾向」:

• 情绪高涨(过度乐观):投资者追捧投机性资产,推高价格,压低未来收益。
• 情绪低落(过度悲观):投资者抛售,价格被压低,未来反弹空间大。

情绪对难以套利、投机性强的股票影响最大——小盘、高波动、低盈利、新股。这些股票基本面不确定大,投资者情绪波动易放大定价偏差;而套利者难以纠正(流动性差、风险高)。

💡 核心心法:情绪是「非理性定价的度量」。它不直接是收益,但能预测收益的方向——情绪极端时,未来收益倾向于反转。

二、单一情绪代理变量及其问题

情绪不可直接观测,只能用代理变量(proxy)间接度量。文献里常用的代理变量:

单一代理变量都有严重问题:

• 噪声大:每个变量都受情绪以外因素影响(如换手率受流动性和交易制度影响,折价率受基金管理费影响)。
• 不同步:各变量反映的情绪时点不同(IPO 数据滞后于实时情绪)。
• 单一不全:任何一个变量只捕捉情绪的某个侧面。

所以,用单一代理变量研究情绪,结论会很脆弱。

三、主成分法:提取共同成分

Baker-Wurgler 的经典做法是用主成分分析(PCA)把多个代理变量的共同成分提取出来,作为综合情绪指数。

逻辑:如果多个代理变量都部分反映「同一个潜在的情绪」,那么它们的共同变动方向(第一主成分)就最接近这个潜在情绪,而各自的特异噪声被剔除。

综合情绪指数 = PCA 第一主成分 of {折价率, IPO, 换手率, 调查指数, ...}

步骤:
    1. 收集 K 个情绪代理变量的时间序列
    2. 标准化(每个变量减均值除标准差)
    3. 对它们做 PCA,取第一主成分作为综合情绪指数 SENT_t
​

PCA 的好处:

• 降维去噪:把 K 个噪声大的变量合成 1 个相对纯净的情绪信号。
• 综合视角:捕捉各代理变量共同反映的情绪面,而非某一方面。
• 客观权重:主成分权重由数据方差结构决定,避免主观赋权。

Baker-Wurgler 的经典指数就是用封闭式基金折价、IPO 数量、IPO 首日收益、新股占比、换手率 6 个变量做 PCA 第一主成分。这个指数被后续大量研究引用与扩展。

四、情绪代理变量的正交化

一个进阶问题:某些代理变量与宏观经济基本面相关(如 IPO 数量在繁荣期多,衰退期少)。如果不剔除基本面,提取的「情绪」可能混入宏观因素。

Baker-Wurgler 的做法是先正交化:把每个代理变量对宏观变量(如工业产出增长、NBER 衰退指示)回归,取残差作为「净情绪」代理变量,再做 PCA。这样得到的综合情绪指数更纯粹地反映「非基本面的情绪」。

正交化:
    proxy_clean_t = proxy_t - γ · macro_t   (回归残差)
    SENT_t = PCA 第一主成分 of {proxy_clean_1, ..., proxy_clean_K}
​

五、隐含情绪:从收益反推

另一种构建情绪指数的思路是隐含情绪(implied sentiment):不直接用代理变量,而是用资产收益本身反推市场情绪。

逻辑:情绪对不同股票的影响不同——情绪高涨时,投机性股票(小盘、新股、高波动)收益高于稳健股票;情绪低落时反之。那么,「投机性股票相对稳健股票的超额收益」就隐含了市场情绪。

具体做法:把股票按对情绪的敏感度分组,构造一个「情绪敏感组合」,它的收益变动就反映了情绪:

隐含情绪 ≈ 投机性股票组合收益 - 稳健性股票组合收益
​

这种方法的优点是直接从市场定价反推,无需找代理变量;缺点是它本身是收益,与被预测的收益有同期相关性,需小心处理因果方向(下一节深入讨论滞后性)。

六、情绪与收益的预测方向:非对称

Baker-Wurgler 的核心实证结论:情绪对收益的预测是非对称的、反向的。

• 当期情绪高 → 未来收益低:情绪推高了价格(尤其投机性股票),之后均值回归,未来收益低。
• 当期情绪低 → 未来收益高:情绪压低了价格,之后反弹,未来收益高。

而且这种效应在不同股票上强度不同:

所以情绪因子常与规模因子、低波动因子互动——情绪对小盘、投机性股票影响最大,这给情绪因子的实战用法指明方向:在「难以套利的股票池」里做情绪择时。

七、情绪指数的实战用法

综合情绪指数在量化中的几种用法:

1. 择时信号:情绪极端(过高或过低)时,作为反向指标——情绪极高减仓,极低加仓。
2. 股票选择:在情绪低迷期超配投机性股票(它们被错杀最深,反弹空间大);在情绪亢奋期低配。
3. 风险控制:情绪极端往往是市场转折点的前兆,情绪指标可作为风控预警。
4. 行为因子构建:情绪指数本身可作为因子(情绪敏感度高的股票在情绪变化时收益差异大)。

八、A 股的情绪指标本土化

A 股的情绪指标构建需本土化:

• 封闭式基金折价:A 股传统封基已少,可用 ETF 折价/溢价、LOF 折价替代。
• 融资融券余额:A 股特有的两融数据,反映散户杠杆情绪。
• 新开户数:中登公司公布的每周新开户数,反映散户入场热情。
• 涨跌停数量/连板股数:A 股涨跌停制度下,涨停家数与连板高度反映投机情绪。
• 北向资金:沪深港通资金流向,反映外资情绪。
• 龙虎榜:游资活跃度指标。

A 股的论文(仓库 Top Journals 含国内顶刊)常用这些本土代理变量做综合情绪指数,实证同样支持「情绪反向预测收益」的结论,且对小盘股效应更强。

本节要点回顾

1. 情绪的本质:市场整体非理性倾向,难以直接观测,需用代理变量;对难以套利的股票影响最大。
2. 单一代理变量:封闭式基金折价、IPO、换手率、调查、VIX、两融等;各有噪声、不同步、单一不全的问题。
3. PCA 综合指数:多个代理变量标准化后取第一主成分,降维去噪、综合视角、客观权重(Baker-Wurgler 经典)。
4. 正交化:剔除宏观基本面后做 PCA,得到更纯的「净情绪」。
5. 隐含情绪:用投机性股票相对稳健股票的超额收益反推,直接从定价出,但需小心同期相关。
6. 非对称预测:情绪高→未来收益低,情绪低→未来收益高;对小盘、新股、高波动股票效应最强。
7. 实战用法:反向择时、股票选择(情绪敏感组合)、风险预警、行为因子。
8. A 股本土化:ETF 折价、两融余额、新开户、涨跌停、北向资金、龙虎榜等。

下一节,我们聚焦情绪的一类重要代理——新闻媒体情绪,看如何从新闻文本中量化媒体情绪,以及它与收益的关系。