百度指数与股票市场表现影响研究：以上市公司为例

1、百度指数与股票市场表现影响研究：以上市公司为例the research of x x group forregulating strategy of saleschannel（大写，二号，居中）times new roman, 22-pt，centered学位论文作者签名：日期： 年 月 日指导教师签名：日期： 年 月 日注:此页从(网址:)信息服务栏0中下载。第1章导论1研究背景及选题意义1.1.1研究背景随着经济社会的发展，人们的生活水平愈来愈高。在上世纪90年代互联网技 术开始崛起并发展至今，人们已然进入了一个信息爆炸大吋候。在我们身边随吋随 地都可以用多种方式获取各种信息，这在过去是完

2、全不可想象的。在过去，经济水 平和通信技术的裸游，获取对自己有用的信息对人们来说非常困难，信息非常匮 乏，那时候的信息是稀缺资源，而现如今一切己经不同，个体的注意力变成了稀缺 资源，人们在日常生活中的时间和精力是有限的，不可能去理解和关注身边能够接 触到的所有信息，海量的信息将极大地消耗人们的注意力，造成了注意力的匮乏。如今，网络搜索己经成为了现代人获取外界信息的一种主流方式，甚至日常生 活中很多人己经离不开搜索引擎。于12年在国内上映的由著名导演陈凯歌执导的 电影搜索在国内引起轰动，引起人们的热议和共鸣，这也充分说明了网络搜索 在人们生活中占有越来越重要的位置。尤其随着近些年，移动互联网的兴

3、起，移动 搜索也快速进入了人们的生活。在地铁上，马路上，公园任何地方都可以通过移动 网络搜索自己感兴趣的信息。在互联网搜索在现代社会中作用越来越举足轻重的大背景下，作为投资者来 说，他们在进行投资决策吋，往往会遇到这样的问题，面前是各种各样的泛滥的信 息，在浩如烟海的信息世界屮，他们往往会迷失，过量的信息远远超出了他们的处 理能力。因此，投资者在对资产组合进行配置的过程其实也是对自身注意力进行分 配的过程。也正因为如此，进行配罝过的注意力将对投资者分析和实用信息，进而 最后进行投资决策产生重要的影响。而对于投资者注意力的研究，是属于行为金融学的范畴。所谓行为金融学，行 为金融学是金融学、心理学

4、、行为学、社会学等学科相交叉的边缘学科，力图揭示 金融市场的非理性行为和决策规律。行为金融理论认为，证券的市场价格并不只由 证券内在价值所决定，还在很大程度上受到投资者主体行为的影响，即投资者心理与 行为对证券市场的价格决定及其变动具有重大影响。它是和有效市场假说相对应的 一种学说。而投资者关注度的研究无疑是其中一个比较重要的研究方向。从事投资 者关注调度研宄的前人利用换手率，成交金额，异常收益，广告数量等多种指标和 时间作为投资者关注度的衡量指标，但是事实上，这些指标都是和金融资产本身的 交易特性和价格行为和关的，并不能直观的反映投资者们注意力的分布情况。更多 时候引起这些指标变化的驱动因素

5、可能是来自于与关注度根木无关的方面。但是， 近年来，随着互联网技术的发展，搜索指数这一能冇效衡量投资者关注度的代理变 量开始进入了大家的视野之屮，更多的学者开始采用搜索指数来研宄关注度对投资 者投资额决策的影响。那为什么搜索量能够有效衡量投资者的关注度呢？其实从直观角度我们即可理 解其和关注度是天然相关的。只有当投资者对某个标的感兴趣，进而产生关注，才 会花费吋间去使用搜索引擎对0标信息进行搜索，而基于这样的搜索行为次数统计 的搜索指数能够非常直接和准确地反映投资者对标的的关注程度。这里需要提一下搜索引擎，所谓搜索引擎，即使根据一定的算法和应用目的所 编制的计算机程序来从互联网上搜集各种所需的

6、信息，并对其进行组织，处理和加 工后，为所需用户提供父母，将最后加工的结果展现给客户的一个系统，在当前市 场上，百度和google是搜索引擎的代表。搜索引擎的鼻祖，要追溯到1990年，是 由蒙特利尔麦吉尔大学的三名大学生alan emtage、peter deutsch、billwheelan共 同开发了 archie faq。而在1994年，斯坦福大学的美籍华裔学生杨志远和他的同 学井同创建了雅虎网站，开始让搜索引擎逐步进入了人们的生活，随之而来的，就 是搜索引擎的高速发展。到了 1998年，谷歌公司正式成立，是一家民营公司，幵 发并管理了后面全球知名的互联网搜索引擎“google搜索”。现

7、在的谷歌已经被公 认为全球最大的搜索引擎，在全球拥有无数的用户。1.1.2研究目的和意义互联网技术的出现，使原来获取信息需要付出高昂成本的情况得到了彻底的改 善，原来人们不愿意付出较高的成本去获取不知道价值儿何的信息，但是随着搜索引擎技术的出现和发展，获得信息的成木已然非常低，人们只需要花几秒钟时间输 入几个关键字就可以获得批量的信息，然后从中选取自己感兴趣的进行浏览。在海 量的信息面前，投资者关注所需要的时间和经历成为了瓶颈，这也使得当前投资者 尤其是散户投资者的行为方式较之以往有了非常大的转变。投资者们基于搜索引擎 获取信息，进而形成自己的投资者决策己经成为了越来月普遍的状况，这也是为什

8、么木文使用搜索指数而区别于其他关注度代理变量研究的独到之处，也是木文价值 所在。从理论价值上来说，基于搜索引擎的投资者关注度和股市表现的相关性研宄同样 具有意义。1952年，马克维茨在他注明的资产选择：有效的多样化一文中，首 次使用均值和方差这两个数学上的概念来解释金融学领域中的收益和风险，从数学 上进行了明确，这一成果主要帮助个人和投资机构如何运用手上更有限的资产，在 保证风险最小的情况下去的最大的收益，这一套理论在金融学界具有划时代的意 义，被誉为华尔街的第一次革命，马克维茨木人也因此获得了诺w尔经济学奖。随 后，更多的理论像雨后春笋一样冒岀。1970年，威廉.夏普在他的著作投资组合 理论

9、与资木市场中在马克维茨理论的基础上提出了 capm理论，即资木资产定价 模型，这个理论是基于有效市场假说以及投资者理性的，这个模型告诉人们，只有 高系统性风险的投资才能获得高收益。与此同时，米勒和莫迪利安等人的套利定价 理论，布莱克的期权按定价模型相机提出，这些理论模型在当时名噪一时，到现在 都还在广广泛应用，他们共同构建了现代金融学的理论过体系和框架。但是，随着 时间的推移，人们也发现了很多不能用这些经典金融学理论解释的异常现象，比如 羊群效应，一月效应，动量效应，小公司效应，消息公告效应，账面价值比效应，反转效应等等，不一而足，这些异象的出现是对有效市场假说和投资者理性为基础 的传统金融学

10、理论形成了比较大的挑战，虽然在1993年fama和french提出了三因 子模型来解释股票回报率，在原有的资木资产定价模型的基础上融入了公同市值和 账面价值比因子，一定程度上解释了小公司效应和账面价值比效应，但是更多的异 常现象无法得到解释，发掘新的理论去解释这些异常现象是非常必要的。因此，行 为金融学适时而生。行为金融学就是以人的心理特征和行为特征为岀发点来研究、解释股市变化的现象。这门学说的伟大之处在于，它历史性地抛弃了把股市作为一 个客观物质的思维。在行为金融学出现以前，人们认为股市和一个建筑工程一样是客观和严谨的， 股市投资者也和建筑设计师一样是需要绝对理性的，只要能够考虑到股市方方面

11、面的各种客观因素，然后对其进行解析和论证计算，甚至公式化，就能够进行收益最 大化的投资。但是股市并不是死物，上述这些异常现象都是由投资者在交易活动中 的心理决定的，行为金融学历史性地成人了股市是人性的，这就是其最为正确之 处。它将股市的变化的最根木原因是因为投资者人心和行为方式的变化，它承认股 市变化在非常多的情况下并不是客观理性的，在很大程度上是人性的反映。因此关 注度研究在很大程度是是对原有的资木资产定价模型的一种补充。资产定价问题是 金融市场最为核心的问题，与投资者关注度有着密不可分的关系，因为投资者关注 度存在着个体的差异，不同的人会对不同的事件感兴趣，甚至对同一事件感兴趣的 不同个体

12、，也会存在不同的理解，这种理解甚至会相反，从而产生不同的预期，进 而导致不同的投资决策，产生不同的投资行为。对于投资者来说，投资者关注与其 投资行为息息相关，进而会影响最终的资产定价，在这方面，机构投资者由于有专 业的投资团队，广泛的信息获取渠道，成熟的投资分析体系，在关注度的分配上基 木能够做到非情绪化，相对于散户来说，可以理解为“理性人”，但是对于散户来 说，专业知识匮乏，对投资标的的股票和其所属行业常常一知半解甚至完全不了 解，他们的投资倾向往往受到周围人，媒体舆论，以及市场炒作的影响，从而往往 造成错误的投资决策。散户是非理性交易的主体，根据数据显示，很多高市盈率， 业绩亏损，行业前景

13、不好的股票的持有者往往都是中小投资者。尤其是在中国股票 市场这种情况更加严重，散户投资者道听途说，盲目听信股评，疯炒概念股等行为 蔚然成风，其投资结果也往往是惨不忍睹。另外，散户的持股周期也要元元低于机 构投资者，投机心态非常明显。2013年深圳交易所发布了深市投资者结构和行为 变化特征，文中指出，2012年深圳交易所散户投资者平均持股期限只有39.1 天，远低于机构投资者的190.3天。而同时，其亏损比例也是要高于机构投资者，资产规模越小的散户投资收益越低，尤其是小于10万的微型散户。所以，“持股 天数低、亏损比例高”也就成了中小投资者的特征。当然这也和中国证券市场成立 时间不足25年，和两

14、方发达国家百年历史相比，很多方面都不健全，而这也不仅 仅是政策法规层面的，投资者们尤其是散户投资者的投资理念和投资行为也需要得 到更正和改进。综上所述，研究投资者关注度和股市市场表现的关系能够帮助投资者这尤其是 散户更加合理地进行资产组合的配置和风险的管理，同时也对中国证券市场法律法 规以及政策的制定提供一定的参考和借鉴。1. 2研究综述当今世界人们身边时刻被浩如烟海的信息包围，注意力稀缺引起的对关注度的研究 己经显得越来越重要。一直以来，国内外学者提出了各种各样的理论，其中很多理 论都很好或者部分解释了注意力在投资活动中的配置以及运作机制。但是，要清楚 认识到一点，注意力的衡量标准才是整个理

15、论研究体系的根木，如果选择的代理变 量并不能很好地代表投资者关注度，将可能导致错误的结论，甚至对投资者产生误 导。互联m的兴起，谷歌，百度等搜索引擎地快速发展，大数据时代的来临，谷歌 趋势和百度指数的相继推出，也为关注度代理变量提供了更好的选择。可喜的是， 经过金融领域的学者们研究发现，关注度确实可以对金融市场中的一些异常现象提 供比较合理的解释。木文选取了百度搜索指数作为衡量投资者关注度的代理变量。 1.2.1国外研究综述关注度的概念在心理学上的解释是指人的内心活动专注于某种特定事情或者物体 的能力。在2011年以前，很多研究都是采用一些不是很直接的代理变量来衡量关 注度，进而研究其对金融市

16、场的影响，比如股评，交易量，换手率，媒体广告数 量，广告费用，涨跌停板价格，新闻数量等等，这些变量我们称之为间接代理变 量：使用交易量作为代理变量。gervais，kaniel,和mingelgrin在201年曾经使用交 易量作为衡量关注度的代理变量，他们使用某一时间段内的最大交易量来衡量 对股价的影响，他们发现当样木在某一时间段内（这个时间段可能是每天，也 可能是每周）岀现最大交易量，则股价在未来的一个月时间内上涨，这种现象 背后的主要原因是股票的交易活动影响到了其流动性，进而影响价格。barber 和odean在2008年则采用了新闻量，超额交易量，每日最大收益率作为代理变 量来进行研究。

17、使用新闻标题和新闻数量作为代理变量。在2008年，yuan发现了投资者关注度 对证券市场确实存在影响，当市场处于高位时，较高的关注度反而会促使散户 减少持仓量，反之，当市场处于低位时，较高的关注度会促使散户投资者加 仓。而散户投资者的这种行为模式，很容易被机构投资者利用，进而减少市场 收益。使用广告数量作为代理变量。目前己经有研究表明，上市公司的广告数量确实 对其股市上的表现会产生重要影响。grullon，kanatas以及weston在2004年发现 公司的广告数量确实对其股市表现有重要作用。如果一个公司的广告支出越多，则该公司也更容易引起投资者的重视，吸引投资者的注意力，从而进一步让无论是

18、散户抑或机构投资者去购买他的股票，使其产生较同类公司更高的流动性。此项研究的意义在于，投资者对一家公司的熟悉程度会对公司价值产生影响。changjiang和kim在2009年对美国超级碗橄榄球比赛在过去17年间的商业广告进行研宄，发现光该费用支岀越多，则同期内上市公司的股票能够实现更多的超额收益，两者呈正相关关系，但是在接下去一年将会岀现饭庄。另夕卜，mcqueen在2010年的研究表明，股票换手率和广告费用支出之间存在正相关关系。使用涨跌停板价作为投资者关注度代理变量。seasholes和wu在2007年在上海 证券交易所选取的样木中，如果样木达到涨停板，一般肯定伴随着高交易量， 高收益以及

19、一定程度的新闻报道。因此必然或吸引投资者的关注，促使他们去 购买这些虽然涨停侃是他们可能从来没有买过甚至一无所知的股票，这样的行 为会促使这样的股票在涨停之后的较短时间内继续上涨，但是几周后可能就会 岀现反转。使用股评，节目推荐等作为代理变量。部分研宄表明，股评，电视节目推荐同 样会对股市交易行为产生影响。engelberg在2009年得出结论，某一只股票古国 经过了电视节目的推荐，该股在第二个交易h将会出现明显升高的交易量。 2011年meschke研究了某一电台对公司高层进行的专访对股市产生的影响，发 现在采访之前，股票的市场表现往往是正面的，有吸纳朱的超额收益和较大的 成交量，但是在之后

20、10天两者就会山现反转，回到均值。以上只是列举了部分国外专家和学者在投资者关注度领域研究其与证券市场表 现相关性的研究成果，更多的不在此一一赘述。1.2.2国内研究综述1.3论文结构和研究方法1.3.1论文结构和主要内容而木文主要的研究内容包括了（1）研究当期投资者关注度和当期股票市场指 标是否存在相关性；（2）这种相关性在传统周期股和非周期股的市场表现中是否 存在差别；（3）前一期关注度对预期股票市场指标是否存在影响。1.3.2研究方法 1.3.3创新之处与不足之处第2章社会融资总量对周期性资产价格影响的理论分析1社会融资总量层次划分与周期性资产的定义2.1.1社会融资总量的层次划分2.1.

21、2周期性资产的定义2. 2社会融资总量的相关理论分析2.2. 12. 3周期性股票价格决定的相关理论分析2.3.1现值理论2. 4社会融资总量与周期性资产关联效应的理论分析2.4. 12.4.22. 5社会融资总量与周期性股票关联效应的传导机制2.5. 12.5.2第3章关注度与股票当期收益率和流动性的实证研究3. 1计量分析方法以及样本数据说明木文的股票样木数据为2012年7月1 h至2013年12月31 h在各a股票市场 上市吋间为18个月的其中18家公司。在计算收益率吋己经考虑了分红，配股，停 牌等其他因素。这里要说明的是，之所以要选取18个月，是因为考虑到百度搜索 指数在2012年在原

22、有pc （个人电脑）百度搜索量统计的基础上，xi*正式加入了移 动搜索数据的统计，也即我们现在提取的股票名关键字信息是基于在pc和其他移 动终端上使用百度进行搜索的搜索量共同统计的，包含了固定设备和移动设备搜索 的数据，因此选取2012年7月以后开始统计，是为了让搜索量数据更加趋于真 实，更加具有统计意义。这里耍特别说明的一点是，对于数据样本一个比较现实的困难，是百度搜索指 数不提供样本数据的下载，因此只能手工从网页上进行提取和记录，工作量极大， 这也是为什么只选取了 18只上市公司的原因。而为了让样木更加具有统计意义，所选取的18只个股分别来自不冏的行业，其中既冇周期股，也冇非周期股，具体

23、信息如下：所属行业周期股安阳钢铁钢铁宝钢股份钢铁马钢股份钢铁泰山石油能源中国石化能源中国北车铁路中国南车铁路大秦铁路铁路屮兴通讯通信非周期股大华股份电子歌尔声学电子网宿科技传媒光明乳业消费中青宝传媒贵州茅台消费伊利股份消费天士力医药以岭药业医药3.11变量的定义收益率（return）:即取18只样本公司每个交易日的涨跌幅（当日收盘价相对于 前口收盘价的收益率）作为指标。数据來源于wind数据库。流动性指标：这里选取了每h成交金额(volume)以及换手率(turnover rate)作为样木公司的流动性指标。所谓换手率，指的是指在一定时间内市场中股 票转手买卖的频率，是反映股票流通性强弱的指标

24、之一。计算公式为：换手率=某一段时期内的成交量/发行总股数x 100%,数据来源于wind数据库。市场收益率(mkret):选取沪深300指数每个交易h的涨跌幅(当h指数收盘 价相对于前h收盘价的收益率)作为指标。表1变量定义和解释变量名代表符号变量类型定义解释个股收益率return因变量个股交易口收益率关注度(百度指数)att解释变量股票名称以及代码每日搜索次数成交量volume控制标量个股每个交易日成交金额换手率turnover控制标ii每个交易日市场中股票转手买卖的频率市场收益率mkret控制标量沪深300指数每个交易日收益率表2样本描述性统计n全距极小值极大值均值标准差方差偏度峰度r统

25、计景统计景统计景统计景统计景统计景统计景标准误统计景标准误att61925.714.289.996.8583.83164 692-.186.031-.454.062size61926.4320.8427.2624.05371.447122.094-.128.031-.302.062bm61922.18.042.22.5700.54076.2921.221.031.404.062volume619221.96.0021.9618.46681.500732.2523.793.03142.723.062turnover6226.35.00.35.0130.02490.0014.928.03133.2

26、61.062return6192.201570.100600.100970.00126438.024377917.001.507.0313.426.062这里要说明的是，由于关注度指标(百度搜索指数)以及成交金额指标绝对数值较 大，因此作取自然对数的处理。3.2百度指数和股票当期收益率与流动性单变量线性回归分析2.1百度指数和股票当期收益率单变量线性回归分析首先我们建立基于百度指数的投资者关注度和股票当期收益率的一元线性冋归模 型：（1）returnit -mkrett =c + *a7t + .（2）|returnit -mkret =c-fiatt + ei这里面/?代表的是股票日收益率相

27、对于投资者关注度的敏感性因子，att代表的是经过取自然对数处理的个股每日百度指数，mkret代表的是沪深300指数每日收益率，return代表的是个股r收益率，&为残差，符合标准正态分布n（0，）.这里罗列了两组单变量线性回归方程，因为考虑到市场上的利空消息和利好消 息都有可能引起投资者尤其是散户的注意，进而促使他们进行百度搜索以获取进一 步的信息，从而提高投资考关注度指标。同时，利空消息将会引起投资考对标的股 票的看空，造成股价下跌，利好消息将促使股价上升，处于这种考虑，本文在这里 引入了绝对值的概念，也就是模型2,作为模型1的参考用以反映投资者关注度和 股价波动性的相关性。单变量模

28、型单位根检验这里我们在做单变量冋归前首先要对样本进行单位根检验。单位根检验是指检验序列屮是否存在单位根，因为存在单位根就是非平稳时间 序列了。单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳， 会使凶归分析中存在伪凶归。具体来看，时间序列数据的冋归分析是使川过去数据来量化历史关系，而数据的平稳性是 指吋间序列变量的分布不随吋间变化。也就是说，如果时间序列y,的概率分布不随时间变化，即（ys+1,ys+2,，ys+t）的联合分布不 依赖于s，则称yt是平稳的，否则称yt是非平稳的。如果一对时间序列1和1的联合分布 （xs+1，ysh,xs,2,ys、2，xs.t,ys,t）不依赖于

29、s，则称x,和yt是联合平稳的。平稳性要求至少在概 率意义下未来类似于过去。在含有时间序列的数据屮，若川两个非平稳的吋间序列进行冋归，即使得出结果，那此时的t检验和f检验都是没有意义的。如果回归变量中包涵随机性趋势，那么其系数的普通最小二乘估计连及其普通最小二乘t 统计量即使在大样本下也不服从标准分布。这将带来三方囲的问题，第一，会出现偏向于零的 自回归系数，第二，t统计量会出现非正态分布，第三，会使两个没有相关关系的吋间序列呈 现山相关性，即伪回归。-般情况下，有两种方法可以探测时间序列数据屮的趋势。方法一，是检查数据的时间序 列图并计算自相关系数。方法二，采用单位根检验方法。本文采用方法二

30、中的adf检验。以下是模型1和模型2的单位根检验结果：模型1cross-methodstatisticprob.*sectionsobsnull: unit root (assumes common unit root process)levin, lin & chut*63.99760.00003612377breitung t-stat12.64330.00003612341null: unit root (assumes individual unit root process)lm，pesaran and shin w-stat-66.45170.00003612377adf

31、- fisher chi-square3102.530.00003612377pp - fisher chi-square3969.710.00003612420模型2methodstatisticprob.*cross-sectionsobsnull: unit root (assumes common unit root process)levin, lin & chut*-75.40730.00003612305breitung t-stat32.67700.00003612269null: unit root (assumes individual unit root proc

32、ess)im, pesaran and shin w-stat-65.25450.00003612305adf - fisher chi-square2999.360.00003612305pp - fisher chi-square4098.350.00003612348从以上nj以看出，对于w个模型来说，儿种单位根检测测试方法（llc, adf等）均显示了时间 停列样本是平稳的。单变量收益率模型线性回归结果n度指数所代农的投资齐关注度对当期收益率单变萤回归结果:变量名称系数r squaredt值p值f统计值prob(f-statistic)模型1att0.0007530. 0007552.

33、 2036390. 11384.8560260.027585模型2att?0. 0015780. 0062156. 221826038.711120从以上冋归结果来看，第一个模型在5%的显著性水平卜，显示了关注度指标-百度搜索指 数和股票收益率有一定的相关性，第二个模型更是在1%的显著水平卜显示了两者之间的相关 性，说明投资者关注度和股价波动性存在相关性，从而证明y我们的第一个假设。说明了将百 度指数作为投资者关注度指标来衡量市场指标是存在一定合理性的，接下去我们将进一步讨论 市场流动性和投资者关注度之间的相关性。3. 2. 2单变量当期流动性模型流动性模型中我们将以成交虽和换手率來衡虽股票市

34、场的流动性。仍然构建两个7/程，分别以成交量和换手率 作力囚变虽。vol ume = c +turnover = c + att + ei这里面volume代表了个股每个交易日的成交量，这里做了取自然对数的处 理，turnover则代表了个股每个交易日的换手率，其他与前相同。单位根检验 模型1methodstatisticprob.*cross-sectionsobsnull: unit root (assumes common unit root process)levin, lin & chu t*-31.80390.00003612249breitung t-stat-20.16

35、060.00003612213null: unit root (assumes individual unit root process)lm, pesaran and shin w-stat-28.80230.00003612249adf - fisher chi-square1060.350.00003612249pp fisher chi-square2528.640.00003612326模型2methodstatisticprob.*cross-sectionsobsnull: unit root (assumes common unit root process)levin, li

36、n & chu t*-46.34440.00003612260breitung t-stat25.42860.00003612224null: unit root (assumes individual unit root process)im, pesaran and shin w-stat-38.45760.00003612260adf - fisher chi-square1559.890.00003612260pp - fisher chi-square2830.710.00003612326从以上可以看出，对于两个模型来说，几种单位根检测测试方法(llc, adf等)均显示了

37、吋间 序列样本是平稳的。单变量流动性模型线性回归结果自变量名称系数r squaredt值p值f统计值prob (f-statistic)模型1att0. 2150790. 02007911.25130126. 59810模型2att0. 0063770. 0451117. 083910291.85990从以上冋归结果来看，流动性的两个指标成交量和换手率构建的单变量冋归结果均比较显 著，尤其相较收益率模型，无论是系数，r squared, t值抑或f统计值来看，自变量和因变量 的相关性均远远大于收益率模型。此冋归结果不但进一步证明了以百度指数作力投资者关注度 的衡量与市场指标存在相关性的假设，更

38、进一步可以得出投资者关注度与市场流动性指标的相 关性较收益率的相关度更高。3.2.3单变量回归模型进一步探讨上文将18家样木公同在过去18个月中的投资者关注度与收益率和流动性指标 分别进行了回归分析。得出的结论是存在相关性。现在，需要进一步讨论的是，18 家公司部分属周期类股票，比如钢铁，通信，煤炭行业类，部分属于跨越周期的成 长型股票，比如消费，电子，传媒类，那这两类股票的市场指标(收益率和流动性)分别与投资者关注度的相关性如何呢 以下我们将18家样木公司分为两类,9只周期股和9只非周期股，分别进行收益率和流动性指标的回归 首先是成长型股票非周期股大华股份电子歌尔声学电子网宿科技传媒光明乳业

39、消赀中青宝传媒贵州茅台消赀伊利股份消赀天士力医药以岭药业医药分別建立收益率线性回归模型和流动性 线性回归模型(1)return u- mkret, =c +att-ei(2)returnit -mkret =c + att + eivol vme = c + /3att-eiturno = c + 戸 a 7t + £这里依旧对成交量，搜索量数据进行了自然对数处理分类因变量名称自变量名 称系数r squaredt值p值f统计值prob (f- statistic)周股非期returk-mkretatt0.0037680. 0000230. 2722670. 78540. 074129

40、0.7854351return-mkret|att0.0012250.0026072.896880. 00388. 3919130.003794volumeatt0.1538940.0110125. 958777035. 505020turnoveratt0.0073770.03728711. 113650123.51310周期return-mkretatt0. 0014470. 0054454.233893012. 92850. 000024股i return- mkretlatt0. 0035190.05680812. 042460197. 19060volumeatt0.4175250.

41、07557116. 339850266. 99070turnoveratt0. 0028510.0227598. 721274076. 060630从以上冋妇结果可以看出，周期股的收益率单变量模型的冋归结果的要显著优于非周期股，即前者和投资者关注度的相关性大于后者和投资者关注度的相关性。其中非周期股的相对 收益率模型(模型1)更是表明不显著，即冋归方程本身不存在显著性，而从相对收益率绝对 值模型(模型2)來看，无论是系数，r squared, t值抑或f统计值來看，非周期股模型的自 变量和因变量的相关性也均远远小于周期股模型。至于成交量和换手率构建的两个流动性单变 量冋归模型，非周期股和周期股

42、没有存在太大的差别，两者再投资者关注度和流动性市场指标 之间均存在比较明显的相关性。因此我们可以暂时得出结论？周期股的单变量收益率回归模型 中的相对收益率和投资者关注度的相关性要大于非周期股，而流动性指标则两者没有差别，说 明投资者关注度和无论周期股还是非周期股都有显著的相关性。但是，力什么周期股收益率单变量回归模型的相关性要远远大于非周期股呢？因力从传统 思维上来讲，上述非周期股大部分股票是属于成长股，在市场上往往受到投资者的追捧，投资 者关注度也较高，而在样本时间内股价也有良好表现，因此理论上来说两者应该由较强的相关 性，而周期股则正好相反。对此，本文给出了一个可能的解释：对于周期股来说，

43、正因为在样 本时间内股市表现往往低于非周期股，而同时间投资者关注也较低，这也是因为其无论是所属 行业还是股价表现都对投资者缺乏吸引力。而当有利好消息出现时，投资者们尤其是散户往往 会只纯粹因为利好消息的对股价可能产生正面驱动而关注该股票，进而进行h度搜索了解利好 消息以及公司相关情况，从这个意义上来说，股价和百度指数所代表的投资者关注度存在相关 性是合理的。而对于非周期股来说，因为行业和公司属性问题市场上在样本时间内已经进行了 热炒，而投资者关注度并没有相应多大的提升，而且很多公司来说，散户们已经比较了解上市 公司的状况和所属行业状况，无耑进行百度搜索进一步了解，因此很多的百度搜索指数nj能只

44、 是一种噪声，即有很多非趋利心理而产生的搜索量。第4章关注度与股票预期收益率和流动性的实证研究fama-french三因素模型是金融学中一个重要的实证模型，由fama和french 于1993年提出，在实证中获得广泛的支持和应用。在资产定价方面，sharpe(1964) 等人提出的capm具冇开创性贡献，但是其将资产收益率仅仅归因于市场收益率这 一个风险1±1素，实证结果不太理想。其后ross(1976)发展出apt,不指定决定资产 价格的因素，仅仅依赖于数据的实际表现决定那些变量进入实证模型。如此自然实证的结果显著改善，但是在变量选择方面的随意性和主观性遭到批评。其后学者们 试图找

45、到通用的决定因素，在这方面，ff模型影响较大。该模型选择的三个因素是 在理论和实证研究的基础上总结出来的，对于美国和其他国家的数据都表现出较好 的解释能力，这三个因素分别是：市场风险（借鉴的是capm的理论分析，也就是 市场组合收益率与无风险收益率之差）、规模以及账面市值比。他们在1993年的 论文通过模拟市场风险、市值风险和账面市值比风险构造了三因子，用来解释股票 收益的变化。他们得山的结果是，通常规模较小的公同的收益率反而要大于较大的 公同。而对于账面价值比来说，b/m （账面价值和市场价值的比值）与收益率呈现 正相关性。而木文对于动量效应暂时不予以考量。因此，木文在后续的实证过程中除了考

46、虑百度指数为代表的关注度变量外，也 会同时引入公司规模，账面价值比等其他影响因素。另外，需要重点介绍的是，在木章我们要着重考察投资者关注度对预期收益率 的影响，因此文中引入了滞后的百度搜索指数作为历史投资者关注度的衡量。进一 步来说，我们将att-:和att-2作为滞后一期和滞后二期的百度搜索变量引入多变量线性回 归方程，之所以只选择滞后两期，这里主要是基于一个假设：对于投资者尤其是散户来 说，往往在完成百度搜索利好消息（利空消息）以及公司状况后的近几天时间内完 成股票的买入或卖空交易。同样，我们以基于沪深300的h相对收益率以及衡量流 动性的h成交量和换手率指标作为因变量对多个变量进行回归。

47、4.11变量的定义公同规模（size）:选用的是18只样木公司的当h流通市值，数据来源于wind数 据库。b/m （账面价值比）：即市净率的倒数，公式为b/m=每股净资产/每股公司市值， 选取的是18家上市公司每天的市净率数据，然后取倒数，数据来源于wind数据 库。收益率（return）:即取18只样木公同每个交易h的涨跌幅（当h收盘价相对于前曰收盘价的收益率）作为指标。数据来源于wind数据库。流动性指标：这里选取了每h成交金额（volume）以及换手率（turnover rate）作为样木公同的流动性指标。所谓换手率，指的是指在一定时间内市场中股 票转手买卖的频率，是反映股票流通性强弱的

48、指标之一。计算公式为：换手率=某一段时期内的成交量/发行总股数x 100%,数据来源于wind数据库。市场收益率(mkret):选取沪深300指数每个交易日的涨跌幅(当日指数收盘 价相对于前h收盘价的收益率)作为指标。表1变量定义和解释变量名代表符号变量类型定义解释个股收益率return因变量个股交易日收益率公司规模size控制标量公司当前流通市值大小账面市值比bm控制标量公司当前市净率的倒数成交量volume控制标量个股每个交易日成交金额换手率turnover控制标量每个交易日市场中股票转手买卖的频率市场收益率mkret控制标量沪深300指数每个交易日收益率关注度(滞后一期)att-i控制标

49、量股票名称以及代码前一日搜索次数关注度(滞后二期)att-2控制标量股票名称以及代码前两日搜索次数表2样本描述性统计描述统计量n极小值极大值均值标准差方差偏度峰度统计量统计量统计量统计量统计量统计量统计量标准误统计量标准误att-i6192.0()9.996.7311.86283.744-.133.031-.043.062att26192.009.996.5912.86633.751.024.031-.184.062bm6192.042.22.5700.54076.2921.221.031.404.062cap619220.8427.2624.05371.447122.094-.128.031

50、-.302.062return6192.00.11.0154.01664.0002.417.0317.488.062volume6192.0021.9618.46681.500732.2523.793.03142.723.062turnover6192 00 35.0130.02495.0014.925.03133.180.062与上文相同，由于关注度指标以及成交金额指标绝对数值较大，因此作取自然对数 的处理。以下是我们构建的多变量收益率线性回归模型以及多变量流动性线性回归 模型：(1)return-mkret = c + 我 * a77； + 炎 * a7t2 + /3 att, +bm +

51、爲 +1. return-mkret = c + /9, * a77； +att2 + atty + bm + 爲*c4p + r,(3)volume = c + # * a77； + 从 * att2 + 从 * atte,turnover 二 c + 0 m77； + 房 * a7t2 +4. 12多重共线性检测多重共线性（multicollinearity）是指线性回归模型中的解释变量之间由于 存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。对于模型y'唯'+p、x'、+fh+".+/ix'+u'i=l, 2,，n其基木假设

52、之一是解释变量是互相独立的。如果某两个或多个解释变量之间岀 现了相关性，则称为多重共线性multicollinearity）。产生多重共线性的背景（原因）1. 经济变量之间具有共同变化趋势。2.模型中包含滞后变量。3.利用截面数据 建立模型也可能出现多重共线性。4.样木数据自身的原因。后果1. 参数估计量的方差增大2.对参数区间估计时，置信区间趋于变大3. t检验的可 靠性降低，假设检验容易作出错误判断。4.回归系数符号可能错误。方法：简单相关系数检验法计算解释变量两两之间的相关系数。一般而言，如果每两个解释变量的简单 相关系数比较高，则可认为存在着较严重的多重共线性。例如大于0.8,则可认为

53、 存在着较严重的多重共线性。方差扩大（膨胀）因子法对于多元线性回归模型的方差可以表示成：方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀 因子越接近于1，多重共线性越弱。一般当vif10时（此时ri2 >0.9 ），认为模 型存在较严重的多重共线性。直观判断法1.当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生 较大变化，回归方程可能存在严重的多重共线性。2. 从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方 程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。3. 有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重 共线性。4. 解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线 性问题。逐步回归法将变量逐个的引入模型，每引入一个解释变量后，都要进行f检验，并对己经 选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入 而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含 显著的变量。在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是