倾听股市：如何测量中国投资者的“情绪”？

变幻莫测的金融市场中，投资者情绪往往是反映市场当前状态的一面“镜子”。然而，情绪是一种主观心理活动，该如何对其进行精准

的测量和量化？

对于中国股市，这个问题显得尤为重要。中国股票市场有着自己独特的属性：市场主要由个人（散户）投资者主导，缺乏完善的做空机制，并且存在严格的涨跌幅限制。这些特点限制了套利活动，也意味着投资者的情绪对股市波动有着举足轻重的影响。为了客观、准确地捕捉中国股市的情绪起伏，研究人员提出了一种基于“主成分分析法”（Principal Component Analysis, PCA）的投资者情绪指数构建方法，并成功利用该指数对股市的状态进行了精准划分。

想要测量情绪，挨个询问投资者显然是不现实的。相反，研究人员选择从客观的经济和市场数据中寻找情绪的蛛丝马迹。他们收集了从1997年1月到2010年12月共计168个月的数据，并精心挑选了六个能够侧面反映市场热度的变量：

市场换手率：作为市场流动性的指标，牛市中换手率通常较高，代表投资者情绪高涨；而熊市中则较低。

新增投资者账户数：由于中国股市由散户主导，新增开户数的增加直接意味着对股票需求的上升，是衡量市场情绪的优秀代理指标。

工业生产增长率：较高的工业生产增长率表明实体经济状况良好，会推高股票价格，带动积极情绪。

货币供应量（M2）变化：宽松的货币政策会为股市带来充裕的资金，从而推高投资者情绪。

利率（30天全国银行间同业拆借利率）：利率越高，意味着投资股市的机会成本越大，这往往会打压投资者情绪。

汇率（人民币兑美元）：人民币的持续升值会吸引国际资本对中国资产的需求，进而影响市场情绪。

面对这六个走势各异的指标，研究团队采用了“主成分分析法（PCA）”。这是一种经典的统计学方法，核心思路是从多个变量中提取出最能代表整体趋势的“主要成分”。通过对标准化后的六个变量进行线性组合，研究人员计算出一个综合的投资者情绪指数（简称为 SMI_t）。

研究结果与经济学常识高度吻合：换手率、新增账户数、工业生产和货币供应量对情绪指数有正向影响；而利率和汇率则与情绪指数呈负相关。

图9（Investor sentiment index）中，研究人员绘制了这条综合情绪指数的走势曲线。图10（Comparison of stock return and sentiment index）中，研究人员将“情绪指数”与“股票回报率”放在了同一张图表中进行对比。结果清晰地表明，情绪指数与股票回报率保持着高度的同步：当股票回报率高时，情绪指数也随之高涨，反之亦然。

拥有了量化的情绪指数后，研究人员进一步探讨了它在预测市场动态上的实际应用。他们引入了“阈值自回归模型”（Threshold Autoregressive, TAR），将构建的情绪指数作为“阈值变量”（就像是一个交通信号灯），以此来识别和划分市场的不同状态。通过严格的统计学检验，模型自动识别出了两个关键的情绪临界点： 0.658和-0.678。基于这两个临界点，中国股市被清晰地划分为了三个不同的区间：

状态 I（高回报波动期）：当情绪指数大于0.658时，市场处于一种高回报但波动剧烈的状态，通常对应着狂热的牛市。

状态 II（中性期）：当情绪指数介于-0.678和 0.658之间时，市场处于情绪平稳的中性区间。

状态 III（低回报稳定期）：当情绪指数小于或等于-0.678时，市场进入低回报但相对稳定的状态，往往对应着熊市或外部危机带来的恐慌期。

图11（The stock market regimes of China）直观地展示了这一划分结果。不仅如此，研究人员还将这些区间与历史上的重大事件一一对应。例如，1997年的亚洲金融危机和2007年的美国次贷危机期间，市场都准确无误地落入了“状态 III”这一低迷区间。

为了验证该模型的有效性，研究人员进行了样本外预测测试，将基于情绪的 TAR 模型与传统的基准模型（如简单的自回归 AR 模型和鞅模型）进行了对比。实验结果表明，无论是在平均绝对预测误差（MAFE）还是在均方预测误差（MSFE）这两个核心评估指标上，基于情绪的 TAR 模型都展现出了更小的误差，在统计学上显著优于其他传统模型。

学者介绍：陈海强，深圳大学微众银行金融科技学院院长、特聘教授、博士生导师，美国康奈尔大学经济学博士。主要研究数字经济、金融科技与金融风险管理。

ORCID：0000-0003-1426-9054

DOI:10.1080/14697688.2013.869698