投资者情绪对我国A股上市公司股票定价的 影响研究——基于Fama-French三因子模型

Research on the Impact of Investor Sentiment on the Stock Pricing of A-Share Listed Companies in China—Based on the Fama-French Three-Factor Model

摘要: 多年来，学者们基于市场和公司基本面，建立了成熟的多因子定价模型，并通过市场数据验证。然而，市场并非完全有效，非理性现象时常出现，挑战了有效市场理论。行为金融理论逐渐重要，新的定价因子不断被探索并纳入模型，分析其对股票收益和资产定价的影响。我国股市发展较晚，政策尚不完善，散户较多，非理性因素可能对市场影响更大。国内研究发现，三因子模型和五因子模型对于我国来说，三因子的适配度会更高，因此在实证部分，本文选取了经典的Fama-French三因子模型，然后以隔夜收益率、个股换手率增长额、指令不平衡这3个指标构建投资者情绪指标，使用主成分分析法构造投资者情绪因子SENT。将情绪因子添加到三因子模型中，构建出一个新的四因子模型，然后对两个模型进行对比分析。

Abstract: Over the years, scholars have built mature multi-factor pricing models based on market and company fundamentals, which have been validated by market data. However, markets are not entirely efficient, and irrationalities often arise that challenge the theory of efficient markets. As behavioral finance theories become increasingly important, new pricing factors are being explored and incorporated into models to analyze their impact on stock returns and asset pricing. China’s stock market has developed late, the policy is not perfect, there are many retail investors, and irrational factors may have a greater impact on the market. Domestic research has found that compared with the five-factor model, the three-factor model is more suitable for China. Therefore, in the empirical part, this paper selects the classic Fama-French three-factor model, and then constructs the investor sentiment index with the three indicators of overnight return, the growth of individual stock turnover rate and the imbalance of instructions, and uses the principal component analysis method to construct the investor sentiment factor SENT. A new four-factor model was constructed by adding the sentiment factor to the three-factor model, and then the two models were compared and analyzed.

1. 引言

本文的主要研究内容是探讨投资者情绪对沪深两市主板A股上市公司股票收益率的影响。为此，本文首先使用代理变量来刻画投资者情绪，并在此基础上对比了在引入情绪因子之前后的Fama-French三因子模型在我国A股市场的适用性。通过这一研究，本文旨在分析投资者情绪对股票定价的影响，从而为我国资本市场中的资产定价理论提供新的视角。

在理论与文献部分，本文对当前学术界在资产定价领域的研究现状进行了梳理，尤其聚焦于三因子模型及其在我国市场的应用。Fama-French三因子模型由法玛和法兰奇于1993年提出，基于市场风险、公司规模和账面市值比三个因素来解释股票收益。随着金融学的发展，该模型得到了广泛的应用和验证，尤其在美国市场表现出较强的适用性。然而，三因子模型的局限性也逐渐显现，在解释市场现象时，尤其是股市暴涨暴跌、市场情绪波动等非理性现象时，模型的解释力往往不足。因此，学者们开始在传统的三因子模型基础上进行拓展，考虑更多可能影响股票收益的因素。投资者情绪作为一种非理性因素，逐渐成为金融研究中的一个重要课题。通过文献回顾，本文评述了目前国内外关于情绪对资产定价影响的研究进展，指出投资者情绪对于解释A股市场中的一些异常现象具有一定的潜力，尤其是在市场情绪波动较大的时期，投资者情绪的变化可能会对股票价格产生显著影响。

接下来，本文探讨了如何量化投资者情绪，并采用了主成分分析法来计算情绪因子的最终数值。在实证检验部分，本文首先进行了经典的三因子模型回归分析，检验该模型在我国A股市场中的适用性。三因子模型回归分析表明，尽管该模型能够较好地解释部分股票收益的变化，但在实际操作中，仍然存在一定的模型偏误，特别是在一些特殊市场时期，三因子模型的拟合度并不理想。为了解决这一问题，本文将前述计算得出的情绪因子加入到模型中，形成了一个四因子模型，进行再次回归分析。经过对比，结果显示，在加入情绪因子之后，四因子模型的整体拟合优度明显提高，解释了更多的股票收益波动，并且情绪因子在解释股票收益变化中的作用变得更加显著。通过对情绪因子的回归系数分析发现，情绪因子对股票定价具有显著影响，尤其在市场情绪极度波动的情况下，投资者情绪的变化对股市的影响更加显著。这一发现表明，投资者情绪作为一个非理性因素，确实在我国A股市场的股票定价中扮演着重要角色，不能忽视其对资产定价的影响。

总体而言，本文的研究结果表明，情绪因子在我国A股市场中对股票收益具有显著的解释力，特别是在市场情绪波动较大的时期，情绪因子的加入显著提高了模型的预测能力。这一研究不仅丰富了传统资产定价模型的理论框架，也为投资者提供了一个新的视角来理解市场波动的背后因素。同时，本文的研究还为进一步探讨行为金融学与资产定价的结合提供了实证支持，特别是在我国这样一个散户占比较大的市场中，投资者情绪的变化可能对市场的非理性波动产生更大的影响。因此，未来的研究可以进一步探讨如何量化和引入更多情绪因子，优化资产定价模型，以更好地适应我国资本市场的特点。

通过以上研究，本文不仅深入分析了情绪因子对我国股市定价的影响，还对如何在我国市场中应用Fama-French模型进行了有益的拓展，为我国金融市场的学术研究提供了新的思路。

2. 文献综述

2.1. 资产定价与多因子模型

我国股票市场起步较晚，相关研究多基于三因子模型。屈文洲和陈浪南(2000) [1]研究了CAPM模型在沪市的适用性，结果表明β能够有效衡量市场风险。何治国和朱宝宪(2002) [2]认为，在解释股票收益时，价值因子比β更加显著。随着研究的深入，部分学者对三因子模型提出质疑，并尝试引入新的因子。石予友等(2002) [3]认为权益比率(D/E)对股票风险有影响；宿成建(2006) [4]则强调了技术因子的作用。Liu等(2019) [5]根据中国壳公司情况，提出了“CH-3”模型，替换了价值因子，并剔除了小市值股票。宋光辉等(2017) [6]引入流动性因子，发现该因子与动量因子负相关。李志冰和杨光艺(2017) [7]表明五因子模型优于CAPM和三因子模型，更好地解释股票超额收益。高春亭(2016) [8]研究发现，五因子模型在熊市中表现更佳。

2.2. 投资者情绪与股票定价

投资者情绪与股票定价的关系一直是学术界的研究重点。大多数研究认为两者之间存在显著联系(Brown和Cliff，2005 [9]；Baker和Wurgler，2007 [10]；陈荣达等，2019 [11])。关于情绪对股票收益影响的方向，学者们观点不一。Brown和Cliff (2005)认为短期内情绪对股票收益有正面作用，但长期看会转为负面，原因在于市场最终会消化过度的情绪，导致股价回落。韩立岩和伍燕然(2007) [12]指出，投资者情绪不仅影响当前的收益，还会影响未来的收益。蒋玉梅和王明照(2010) [13]发现，低质量公司的股票收益更容易受到情绪波动的影响。刘新新和刘维奇(2014) [14]指出，机构和个人投资者的情绪存在关联，且高人气股票更容易受到情绪波动的影响。尹莉娅(2018) [15]发现，情绪因子能够增强三因子模型对股票收益的解释力，且高市盈率(PE)、高市净率(PB)以及高价股受到情绪波动的影响更大。尹海员和吴兴颖(2019) [16]探讨了高频情绪因子的影响，童元松(2021) [17]则提出投资者情绪与波动率、流动性之间存在相互作用。

3. 相关理论和模型介绍

3.1. 理论基础

1、投资者情绪因子的构建

目前，学术界量化投资者情绪的方法主要有单一指标和复合指标两种。单一指标可分为直接指标和间接指标，而复合指标则由多个单一指标组合而成，是目前最常用的情绪度量方式。在研究股票市场情绪时，大多数方法依赖于对股票评论内容的情感分析。本文对投资者情绪的定义较为概括，实际上对于不同人群、不同风格、不同类型、不同身份等各个群体的投资者来说，投资者情绪的形成和影响因素及表现都各有不同，但这恰恰也是最难以界定和判断的。因此未来可以尝试完善投资者类型的区分，对不同类别投资者的情绪进行分别计算，从而得到更加准确的结果。

2、三因子模型及新四因子模型

首先将基于我国沪深主板A股的月度收益率等数据，检验Fama-French三因子模型在我国主板A股市场的适用性。在此基础上，将计算得到的情绪因子添加到三因子模型中，对新的四因子模型再次进行检验，通过将两次检验的结果进行对比，探究添加了情绪因子之后的四因子模型是否具备更好的适用性和解释力度。

3.2. 数据的选取和处理

1、情绪因子：本文以隔夜收益率、个股换手率增长额、指令不平衡这3个指标构建投资者情绪指标，通过python对这三个指标进行获取。隔夜收益率：交易日开盘价与前一交易日收盘价的差额除以前一交易日收盘价(单位：%)；换手率增长额：交易日个股换手率与前一交易日个股换手率的差额(单位：%)；指令不平衡：交易日个股买入总成交量与卖出总成交量的差额(单位：千万)。然后通过stata软件对情绪指标进行主成分分析得到投资者情绪因子SENT。

2、三因子模型：本文选取了2010年1月至2022年12月共13年间156个月的全部主板A股上市公司股票的月度数据，经过处理后计算解释变量和被解释变量(数据来自于国泰安数据库和中国人民银行数据)。

本文对数据的处理情况如下：

① 剔除ST以及ST*类公司，这类股票的适用规则和监管与正常公司差异巨大，包括不同的涨跌停板幅度、投资者限制等。将其包含在内会使得数据的一致性出现偏差。

② 剔除账面价值为负的股票数据。

③ 剔除IPO上市6个月以内的公司数据。A股素来有“炒新”的习惯，且由于过去主板核准制以及上市定价规则的约束，公司上市后的股价表现也往往会出现异常的表现。

3.3. 研究模型设计

经典的Fama-French三因子模型的基本形式是：

$R_{i,t}-R_{f,t}={\alpha }_i+{\beta }_{i}MK{T}_t+s_{i}SM{B}_t+h_{i}HM{L}_t+{\epsilon }_{i,t}$

其中，$R_{i,t}$ 为资产i在t时期的收益率，$R_{f,t}$ 为t时期的无风险收益率，$MK{T}_t$ 是市场因子，$SM{B}_t$ 为规模因子，$HM{L}_t$ 为价值因子，${\beta }_i$ 、$s_i$ 、$h_i$ 分别为对应因子的系数，${\alpha }_i$ 为截距项，${\epsilon }_{i,t}$ 为随机干扰项。

加入情绪因子SENT的四因子模型的基本形式：

$R_{i,t}-R_{f,t}={\alpha }_i+{\beta }_{i}MK{T}_t+s_{i}SM{B}_t+h_{i}HM{L}_t+v_{i}SEN{T}_t+{\epsilon }_{i,t}$

$R_{i,t}$ 为资产i在t时期的收益率，$R_{f,t}$ 为t时期的无风险收益率，$MK{T}_t$ 是市场因子，$SM{B}_t$ 为规模因子，$HM{L}_t$ 为价值因子，$SEN{T}_t$ 为情绪因子。${\beta }_i$ 、$s_i$ 、$h_i$ 、$v_i$ 分别为对应因子系数，${\alpha }_i$ 为截距项，${\epsilon }_{i,t}$ 为随机干扰项。

本文应用到的数据如表1所示：

Table 1. Variable name and meaning

表1. 变量名称和含义

类型	名称	符号	含义/计算方法
被解释变量	组合月度收益率	$R_{i,t}$	考虑现金红利再投资的月度个股收益率经过分组后的加权平均收益率
解释变量	无风险利率	$r_f$	央行公布的三月期存款基准利率月度数据
	市场因子	$MK{T}_t$	国泰安数据
	规模因子	$SM{B}_t$	国泰安数据
	价值因子	$HM{L}_t$	国泰安数据
	情绪因子	$SEN{T}_t$	通过三个指标计算所得数据

4. 实证部分

4.1. 经典三因子模型

本文运用python软件，根据Fama-French三因子模型对2010年1月到2022年12月的被解释变量的月度收益率数据与3个解释变量因子的数据进行回归，得到如下关于三因子的回归系数、截距项及t值和调整后拟合优度。实证结果如表2所示。

Table 2. Fama-French three-way model regression results

表2. Fama-French三因子模型回归结果

	coef	std err	t	p>|t|	R-squared
const	0.0022	0.001	1.802	0.073	0.962
x1	1.0722	0.016	68.539	0
x2	−0.2685	0.028	−9.67	0
x3	0.1422	0.044	3.243	0.001

从上述回归结果可以看出，模型的确定系数为0.962，接近1且远大于0.8，这表明模型的拟合度非常高，能够较好地解释因变量的波动。因此，模型整体的解释能力是非常强的，适用于对组合超额收益的分析。首先，市场因子MKT (X1)的回归系数大致保持在1左右波动，这意味着市场因子对组合超额收益的影响较为稳定且显著。其P值始终小于0.01，表明在1%的显著性水平下，市场因子对于超额收益的解释力是显著的。由此可以推测，市场因子对股票定价起到了决定性作用，是股票收益率变动的主要驱动力之一。其次，规模因子SMB (X2)的P值同样小于0.01，进一步验证了其在1%显著性水平下的显著性。整体来看，规模因子对股票收益的解释力较强，并且与股票收益率呈负相关关系。这表明，随着公司市值的增大，其股票的收益率反而会减少。这一发现与小市值效应一致，即小市值股票通常表现更为活跃和高收益，而大市值股票则可能由于市场流动性更强、信息披露更为透明，导致其收益较为平稳和较低。在此基础上，价值因子HML (X3)的回归系数为正，表明价值因子对股票收益率的影响是正向的。具体而言，价值因子对规模较大的公司股票收益的影响更为显著，且解释力度最强。这意味着，对于那些市值较大的公司，价值因子(如账面市值比)往往能提供更多的收益预测信息，投资者可能倾向于追求这些公司较为低估的股票，从而带来更高的回报。尤其是在市场上普遍看好价值股的背景下，价值因子对收益的解释力尤为突出。总结来看，市场因子、规模因子和价值因子这三个因素对股票收益的解释能力都非常强，其中市场因子的系数最大，显示出其对股票收益率变动的主导作用。价值因子和规模因子则在一定程度上提供了补充性的信息，尤其是在不同规模的公司和不同投资策略下，它们对收益率的影响各有侧重。因此，投资者在进行股票定价和组合构建时，应充分考虑这三个因子的相互作用与显著性，以实现更为科学和精确的资产定价。

4.2. 投资者情绪因子的构建

本文选择Baker和Wurgler (2006) [18]在构建情绪因子时采用的主成分分析法，通过提取主成分因子，减少变量个数，使用较少的主成分因子充分表达原始指标的内容，从而使最终的投资者情绪因子保留主要的原始信息。

首先以隔夜收益率、个股换手率增长额、指令不平衡这3个指标构建投资者情绪指标，然后对3个原始指标进行主成分分析，结果如表3所示：

Table 3. Proportion of initial eigenvalues to cumulative variance

表3. 初始特征值与累计方差占比

主成分	特征值	差异	比例	累计比例
成分1	1.28957	0.252937	0.4299	0.4299
成分2	1.03663	0.362823	0.3455	0.7754
成分3	0.673806	-	0.2246	1

可以从上表3中看出前两个指标的初始特征值分别为1.28957和1.03663，满足特征值大于1的条件。

Table 4. Component matrix after rotation

表4. 旋转后的成分矩阵

变量	主成分1	主成分2	主成分3	未解释的方差
隔夜收益率	0.0444	0.9464	0.3199	0
换手率增长额	0.7124	0.1945	−0.6743	0
指令不平衡	0.7004	−0.2578	0.6655	0

观察表4可以发现，主成分因子1 (Comp1)主要包含的是换手率增长额(a₂)和指令不平衡(a₃)的信息，主成分因子2 (Comp2)主要包含的是隔夜收益率(a₁)的信息。因此，三个主成分能够充分表达原先全部三个投资者情绪代理指标的信息。三个主成分因子的计算方式如下：

$\text{Comp}1=0.0444a_1+0.7124a_2+0.7004a_3$ (1)

$\text{Comp}2=0.9464a_1+0.1945a_2-0.2578a_3$ (2)

$\text{Comp}3=0.3199a_1-0.6743a_2+0.6655a_3$ (3)

根据三个主成分因子的方差贡献率占比计算权重：

$W_1=0.4299/1=0.4299$ (4)

$W_2=0.3455/1=0.3455$ (5)

$W_3=0.2246/1=0.2246$ (6)

根据上述权重值计算得到投资者情绪因子的表达式：

$SENT=0.4299F_1+0.3455F_2+0.2246F_3$ (7)

至此，投资者情绪指标已经构建完毕。通过对六个反应投资者情绪的代理变量进行主成分分析，得到了2010年1月至2022年12月间的投资者情绪指数作为情绪因子，以便进行下一步研究工作。

4.3. 加入情绪因子的四因子模型

加入情绪因子后的实证结果如表5所示：

Table 5. Fama-French four-factor model regression results

表5. Fama-French四因子模型回归结果

	coef	std err	t	p > |t|	R-squared
const	0.0014	0.001	1.255	0.212	0.963
x1	1.0724	0.019	55.482	0
x2	−0.3832	0.033	−11.462	0
x3	0.0177	0.05	0.352	0.725
x4	−0.0009	0	−1.978	0.05

从表5的四因子模型回归结果来看，该模型的拟合效果显著优于传统的三因子模型。四因子模型的拟合优度高达0.963，相比之下，三因子模型的拟合优度为0.962，这一差距表明四因子模型在解释股票收益率方面具有更高的解释力和更强的预测能力。情绪因子的P值为0.05说明该系数的显著的，市场因子和规模因子同样是显著的，而价值因子在情绪因子的影响下大于0.05，变得不显著，说明情绪因子对其他因子是有一定影响的。市场因子的系数变化不大，规模因子的系数变得更小了，对股票价格的负面影响更大，说明股票规模越大，价格可能会越低，价值因子在情绪因子的影响下系数更小了，说明此时价值因子对于股票价格的影响力变小。同时情绪因子对我国A股上市公司的股票定价影响权重为负值，说明它们是呈负相关。但其影响力没有前三个因子的影响力大。通过引入投资者情绪因子，四因子模型能够更全面地捕捉市场的动态变化。尤其是在市场波动较大时，投资者情绪往往会对股市走势产生显著影响。情绪因子的加入使得模型在短期内更能精准反映市场情绪对股票价格的影响，进一步提升了整体的拟合度。这不仅提高了模型对市场行为的理解，也增强了其预测能力。然而，尽管四因子模型在整体拟合度上表现出色，但市场因子、规模因子和价值因子的回归结果与三因子模型相比并未发生显著变化。这表明，即使加入了情绪因子，原有的市场、规模和价值因子在解释股票收益率方面依然发挥着主导作用。情绪因子的引入主要体现在对整体模型拟合度的提升，而对个别股票定价的具体影响相对较小。换句话说，情绪因子增强了模型的整体表现，但在解释单个股票的价格变动时，传统因子仍然占据重要地位。综合来看，四因子模型在我国股市中的拟合度明显高于三因子模型，并且在解释股市收益率时更具说服力。它不仅继承了三因子模型的优点，还通过引入情绪因子弥补了原有模型在捕捉短期市场情绪方面的不足。因此，四因子模型提供了一个更为全面和准确的框架，用于分析和预测我国股市的收益率。此外，四因子模型的成功应用也提示我们，在构建金融模型时，充分考虑多种因素(包括非传统因子如情绪)的重要性。这种多维度的分析方法有助于更深入地理解市场行为，并为投资者和政策制定者提供更加可靠的决策依据。

5. 结论与建议

5.1. 结论

一直以来，金融学界都在探索更加完善的资产定价方式，相关模型也在不断发展更新。本文主要进行了如下几方面探索：首先基于Fama-French三因子模型，运用中国股市A股2010年1月至2022年12月的月度数据进行回归检验，得到了很好的验证，证实Fama-French三因子模型对于我国主板A股收益的解释力度较强。其次，考虑到我国股市散户多、投机氛围浓厚、受情绪波动影响大等特点，将投资者情绪因子纳入Fama-French三因子模型中，进行四因子的实证检验。通过两次回归的结果，发现四因子模型提升了拟合优度，能够更好地提高模型的解释力。实证结果显示：

(1) 三因子模型对我国股市收益具有极强的解释力

对于我国股市而言，三因子模型在解释股市收益方面具有较强的解释力。首先，中国股市作为新兴市场，具备了较高的波动性和较强的市场情绪驱动，因此，三因子模型中所包含的市场因子在解释我国股市的整体收益波动方面尤为重要。研究表明，中国股市的收益波动与全球市场的波动密切相关，市场因子对于我国股市的收益变动起到了至关重要的作用。其次，中国股市的规模效应同样符合三因子模型中的规模因子的预期。在我国股市，较小市值的公司通常表现出较高的收益波动性，投资者对小市值公司股票的关注度较高，因此，小市值公司股票往往在一定时期内表现出更好的超额收益。而大市值公司股票则由于其市场影响力较大，其收益波动相对较小，符合规模因子的作用机制。此外，价值因子在中国股市的表现也较为突出。尽管中国股市的投资者情绪较为活跃，且股市走势受政策、宏观经济等因素影响较大，但对于价值投资的偏好仍然在某些阶段体现出来。因此，三因子模型中的价值因子在解释我国股市的股票收益时，仍然具有较强的适用性和解释力。

(2) 情绪因子的加入提升了模型的拟合优度

在我国股市中，情绪因子对股票收益的影响尤为显著。我国股市的投资者结构中，散户投资者占比很大，且其投资行为受到情绪波动的显著影响。当市场情绪过于乐观时，股市往往会出现过热现象，个别股票价格可能被推高至高估水平；相反，当市场情绪低迷时，股市可能会出现过度下跌，投资者的恐慌情绪会加剧抛售。这种情绪波动在我国股市的短期波动中表现得尤为明显，因此，情绪因子的引入能够更好地捕捉到这些波动。通过引入情绪因子后，三因子模型的拟合优度得到了显著提升。研究表明，传统的三因子模型虽然能解释大部分股市收益的变化，但在解释中国股市的收益波动时，仍存在一定的误差。情绪因子的加入，使得模型能够更加准确地反映市场中的非理性因素，从而提高了对股市收益波动的解释能力。

总的来说，情绪因子的加入弥补了传统三因子模型在解释股市收益波动方面的不足，使得模型在实际应用中更加适应中国股市的特殊性，提高了模型的拟合优度。在未来的股市分析中，情绪因子将可能成为一个重要的补充因子，进一步提升市场收益的解释能力。

5.2. 建议

基于上述的分析研究结论，本文提出以下建议：

(1) 投资者参与市场投资时应关注投资者情绪的影响

投资者情绪对股票市场的影响不可忽视，其不稳定性和非理性行为可能导致市场波动。因此，投资者在决策时应尽量保持冷静和理性，而非盲目跟随市场情绪。在进行投资决策时，应综合考虑多种因素，而非仅关注情绪波动。尤其在使用定量投资模型时，应将市场、规模、价值、情绪等因素一并纳入分析，以更全面地解释股票市场的收益波动。投资者可参考情绪综合指数等指标来了解市场情绪的变化，并据此调整策略。但需要注意的是，情绪综合指数只是市场情绪的一个简单反映，并不能完全涵盖其复杂性和变动性。

(2) 监管部门行使职能时需考虑投资者情绪对市场的影响

对于证券监管部门和投资机构而言，应该关注投资者情绪的变化和波动，特别是在市场出现波动或重大事件发生时，需要采取措施稳定市场情绪，避免出现由于投资者非理性行为引起“滚雪球”导致的系统性风险。此外，需要进一步深入研究投资者情绪对股票收益率的影响机制，探索有效的控制和管理方法，以便更好地稳定股票市场、保护投资者权益和提高市场效率。情绪因子是影响沪深股市整体收益波动的系统性因素。然而，我国市场尚未成熟，市场充斥着大量的散户，而他们又往往容易出现情绪化的非理性交易行为，同时投机氛围浓厚。因此，我们需要对市场上的散户投资者加以正确及时的教育和引导，提高其风险意识和投资水平，保证市场平稳运行，促进经济的繁荣和稳定。监管机构和政府应承担管控责任，引导投资者情绪波动，完善风险控制机制，同时将培育机构投资者作为长期发展战略目标，加强其行为规范，维护市场稳健运行。监管机构和政府有责任合理引导投资者情绪，降低情绪波动对市场的负面影响，并加强风险控制措施。