百度指數(shù)與股票市場(chǎng)表現(xiàn)影響研究：以上市公司為例

1、百度指數(shù)與股票市場(chǎng)表現(xiàn)影響研究：以上市公司為例the research of x x group forregulating strategy of saleschannel（大寫(xiě)，二號(hào)，居中）times new roman, 22-pt，centered學(xué)位論文作者簽名：日期： 年 月 日指導(dǎo)教師簽名：日期： 年 月 日注:此頁(yè)從(網(wǎng)址:)信息服務(wù)欄0中下載。第1章導(dǎo)論1研究背景及選題意義1.1.1研究背景隨著經(jīng)濟(jì)社會(huì)的發(fā)展，人們的生活水平愈來(lái)愈高。在上世紀(jì)90年代互聯(lián)網(wǎng)技 術(shù)開(kāi)始崛起并發(fā)展至今，人們已然進(jìn)入了一個(gè)信息爆炸大吋候。在我們身邊隨吋隨 地都可以用多種方式獲取各種信息，這在過(guò)去是完

2、全不可想象的。在過(guò)去，經(jīng)濟(jì)水 平和通信技術(shù)的裸游，獲取對(duì)自己有用的信息對(duì)人們來(lái)說(shuō)非常困難，信息非常匱 乏，那時(shí)候的信息是稀缺資源，而現(xiàn)如今一切己經(jīng)不同，個(gè)體的注意力變成了稀缺 資源，人們?cè)谌粘Ｉ钪械臅r(shí)間和精力是有限的，不可能去理解和關(guān)注身邊能夠接 觸到的所有信息，海量的信息將極大地消耗人們的注意力，造成了注意力的匱乏。如今，網(wǎng)絡(luò)搜索己經(jīng)成為了現(xiàn)代人獲取外界信息的一種主流方式，甚至日常生 活中很多人己經(jīng)離不開(kāi)搜索引擎。于12年在國(guó)內(nèi)上映的由著名導(dǎo)演陳凱歌執(zhí)導(dǎo)的 電影搜索在國(guó)內(nèi)引起轟動(dòng)，引起人們的熱議和共鳴，這也充分說(shuō)明了網(wǎng)絡(luò)搜索 在人們生活中占有越來(lái)越重要的位置。尤其隨著近些年，移動(dòng)互聯(lián)網(wǎng)的興

3、起，移動(dòng) 搜索也快速進(jìn)入了人們的生活。在地鐵上，馬路上，公園任何地方都可以通過(guò)移動(dòng) 網(wǎng)絡(luò)搜索自己感興趣的信息。在互聯(lián)網(wǎng)搜索在現(xiàn)代社會(huì)中作用越來(lái)越舉足輕重的大背景下，作為投資者來(lái) 說(shuō)，他們?cè)谶M(jìn)行投資決策吋，往往會(huì)遇到這樣的問(wèn)題，面前是各種各樣的泛濫的信 息，在浩如煙海的信息世界屮，他們往往會(huì)迷失，過(guò)量的信息遠(yuǎn)遠(yuǎn)超出了他們的處 理能力。因此，投資者在對(duì)資產(chǎn)組合進(jìn)行配置的過(guò)程其實(shí)也是對(duì)自身注意力進(jìn)行分 配的過(guò)程。也正因?yàn)槿绱?，進(jìn)行配罝過(guò)的注意力將對(duì)投資者分析和實(shí)用信息，進(jìn)而 最后進(jìn)行投資決策產(chǎn)生重要的影響。而對(duì)于投資者注意力的研究，是屬于行為金融學(xué)的范疇。所謂行為金融學(xué)，行 為金融學(xué)是金融學(xué)、心理學(xué)

4、、行為學(xué)、社會(huì)學(xué)等學(xué)科相交叉的邊緣學(xué)科，力圖揭示 金融市場(chǎng)的非理性行為和決策規(guī)律。行為金融理論認(rèn)為，證券的市場(chǎng)價(jià)格并不只由 證券內(nèi)在價(jià)值所決定，還在很大程度上受到投資者主體行為的影響，即投資者心理與 行為對(duì)證券市場(chǎng)的價(jià)格決定及其變動(dòng)具有重大影響。它是和有效市場(chǎng)假說(shuō)相對(duì)應(yīng)的 一種學(xué)說(shuō)。而投資者關(guān)注度的研究無(wú)疑是其中一個(gè)比較重要的研究方向。從事投資 者關(guān)注調(diào)度研宄的前人利用換手率，成交金額，異常收益，廣告數(shù)量等多種指標(biāo)和 時(shí)間作為投資者關(guān)注度的衡量指標(biāo)，但是事實(shí)上，這些指標(biāo)都是和金融資產(chǎn)本身的 交易特性和價(jià)格行為和關(guān)的，并不能直觀的反映投資者們注意力的分布情況。更多 時(shí)候引起這些指標(biāo)變化的驅(qū)動(dòng)因素

5、可能是來(lái)自于與關(guān)注度根木無(wú)關(guān)的方面。但是， 近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，搜索指數(shù)這一能冇效衡量投資者關(guān)注度的代理變 量開(kāi)始進(jìn)入了大家的視野之屮，更多的學(xué)者開(kāi)始采用搜索指數(shù)來(lái)研宄關(guān)注度對(duì)投資 者投資額決策的影響。那為什么搜索量能夠有效衡量投資者的關(guān)注度呢？其實(shí)從直觀角度我們即可理 解其和關(guān)注度是天然相關(guān)的。只有當(dāng)投資者對(duì)某個(gè)標(biāo)的感興趣，進(jìn)而產(chǎn)生關(guān)注，才 會(huì)花費(fèi)吋間去使用搜索引擎對(duì)0標(biāo)信息進(jìn)行搜索，而基于這樣的搜索行為次數(shù)統(tǒng)計(jì) 的搜索指數(shù)能夠非常直接和準(zhǔn)確地反映投資者對(duì)標(biāo)的的關(guān)注程度。這里需要提一下搜索引擎，所謂搜索引擎，即使根據(jù)一定的算法和應(yīng)用目的所 編制的計(jì)算機(jī)程序來(lái)從互聯(lián)網(wǎng)上搜集各種所需的

6、信息，并對(duì)其進(jìn)行組織，處理和加 工后，為所需用戶提供父母，將最后加工的結(jié)果展現(xiàn)給客戶的一個(gè)系統(tǒng)，在當(dāng)前市 場(chǎng)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 由蒙特利爾麥吉爾大學(xué)的三名大學(xué)生alan emtage、peter deutsch、billwheelan共 同開(kāi)發(fā)了 archie faq。而在1994年，斯坦福大學(xué)的美籍華裔學(xué)生楊志遠(yuǎn)和他的同 學(xué)井同創(chuàng)建了雅虎網(wǎng)站，開(kāi)始讓搜索引擎逐步進(jìn)入了人們的生活，隨之而來(lái)的，就 是搜索引擎的高速發(fā)展。到了 1998年，谷歌公司正式成立，是一家民營(yíng)公司，幵 發(fā)并管理了后面全球知名的互聯(lián)網(wǎng)搜索引擎“google搜索”?，F(xiàn)

7、在的谷歌已經(jīng)被公 認(rèn)為全球最大的搜索引擎，在全球擁有無(wú)數(shù)的用戶。1.1.2研究目的和意義互聯(lián)網(wǎng)技術(shù)的出現(xiàn)，使原來(lái)獲取信息需要付出高昂成本的情況得到了徹底的改 善，原來(lái)人們不愿意付出較高的成本去獲取不知道價(jià)值兒何的信息，但是隨著搜索引擎技術(shù)的出現(xiàn)和發(fā)展，獲得信息的成木已然非常低，人們只需要花幾秒鐘時(shí)間輸 入幾個(gè)關(guān)鍵字就可以獲得批量的信息，然后從中選取自己感興趣的進(jìn)行瀏覽。在海 量的信息面前，投資者關(guān)注所需要的時(shí)間和經(jīng)歷成為了瓶頸，這也使得當(dāng)前投資者 尤其是散戶投資者的行為方式較之以往有了非常大的轉(zhuǎn)變。投資者們基于搜索引擎 獲取信息，進(jìn)而形成自己的投資者決策己經(jīng)成為了越來(lái)月普遍的狀況，這也是為什

8、么木文使用搜索指數(shù)而區(qū)別于其他關(guān)注度代理變量研究的獨(dú)到之處，也是木文價(jià)值 所在。從理論價(jià)值上來(lái)說(shuō)，基于搜索引擎的投資者關(guān)注度和股市表現(xiàn)的相關(guān)性研宄同樣 具有意義。1952年，馬克維茨在他注明的資產(chǎn)選擇：有效的多樣化一文中，首 次使用均值和方差這兩個(gè)數(shù)學(xué)上的概念來(lái)解釋金融學(xué)領(lǐng)域中的收益和風(fēng)險(xiǎn)，從數(shù)學(xué) 上進(jìn)行了明確，這一成果主要幫助個(gè)人和投資機(jī)構(gòu)如何運(yùn)用手上更有限的資產(chǎn)，在 保證風(fēng)險(xiǎn)最小的情況下去的最大的收益，這一套理論在金融學(xué)界具有劃時(shí)代的意 義，被譽(yù)為華爾街的第一次革命，馬克維茨木人也因此獲得了諾w爾經(jīng)濟(jì)學(xué)獎(jiǎng)。隨 后，更多的理論像雨后春筍一樣冒岀。1970年，威廉.夏普在他的著作投資組合 理論

9、與資木市場(chǎng)中在馬克維茨理論的基礎(chǔ)上提出了 capm理論，即資木資產(chǎn)定價(jià) 模型，這個(gè)理論是基于有效市場(chǎng)假說(shuō)以及投資者理性的，這個(gè)模型告訴人們，只有 高系統(tǒng)性風(fēng)險(xiǎn)的投資才能獲得高收益。與此同時(shí)，米勒和莫迪利安等人的套利定價(jià) 理論，布萊克的期權(quán)按定價(jià)模型相機(jī)提出，這些理論模型在當(dāng)時(shí)名噪一時(shí)，到現(xiàn)在 都還在廣廣泛應(yīng)用，他們共同構(gòu)建了現(xiàn)代金融學(xué)的理論過(guò)體系和框架。但是，隨著 時(shí)間的推移，人們也發(fā)現(xiàn)了很多不能用這些經(jīng)典金融學(xué)理論解釋的異?，F(xiàn)象，比如 羊群效應(yīng)，一月效應(yīng)，動(dòng)量效應(yīng)，小公司效應(yīng)，消息公告效應(yīng)，賬面價(jià)值比效應(yīng)，反轉(zhuǎn)效應(yīng)等等，不一而足，這些異象的出現(xiàn)是對(duì)有效市場(chǎng)假說(shuō)和投資者理性為基礎(chǔ) 的傳統(tǒng)金融學(xué)

10、理論形成了比較大的挑戰(zhàn)，雖然在1993年fama和french提出了三因 子模型來(lái)解釋股票回報(bào)率，在原有的資木資產(chǎn)定價(jià)模型的基礎(chǔ)上融入了公同市值和 賬面價(jià)值比因子，一定程度上解釋了小公司效應(yīng)和賬面價(jià)值比效應(yīng)，但是更多的異 ?，F(xiàn)象無(wú)法得到解釋?zhuān)l(fā)掘新的理論去解釋這些異?，F(xiàn)象是非常必要的。因此，行 為金融學(xué)適時(shí)而生。行為金融學(xué)就是以人的心理特征和行為特征為岀發(fā)點(diǎn)來(lái)研究、解釋股市變化的現(xiàn)象。這門(mén)學(xué)說(shuō)的偉大之處在于，它歷史性地拋棄了把股市作為一 個(gè)客觀物質(zhì)的思維。在行為金融學(xué)出現(xiàn)以前，人們認(rèn)為股市和一個(gè)建筑工程一樣是客觀和嚴(yán)謹(jǐn)?shù)模?股市投資者也和建筑設(shè)計(jì)師一樣是需要絕對(duì)理性的，只要能夠考慮到股市方方面

11、面的各種客觀因素，然后對(duì)其進(jìn)行解析和論證計(jì)算，甚至公式化，就能夠進(jìn)行收益最 大化的投資。但是股市并不是死物，上述這些異?，F(xiàn)象都是由投資者在交易活動(dòng)中 的心理決定的，行為金融學(xué)歷史性地成人了股市是人性的，這就是其最為正確之 處。它將股市的變化的最根木原因是因?yàn)橥顿Y者人心和行為方式的變化，它承認(rèn)股 市變化在非常多的情況下并不是客觀理性的，在很大程度上是人性的反映。因此關(guān) 注度研究在很大程度是是對(duì)原有的資木資產(chǎn)定價(jià)模型的一種補(bǔ)充。資產(chǎn)定價(jià)問(wèn)題是 金融市場(chǎng)最為核心的問(wèn)題，與投資者關(guān)注度有著密不可分的關(guān)系，因?yàn)橥顿Y者關(guān)注 度存在著個(gè)體的差異，不同的人會(huì)對(duì)不同的事件感興趣，甚至對(duì)同一事件感興趣的 不同個(gè)體

12、，也會(huì)存在不同的理解，這種理解甚至?xí)喾?，從而產(chǎn)生不同的預(yù)期，進(jìn) 而導(dǎo)致不同的投資決策，產(chǎn)生不同的投資行為。對(duì)于投資者來(lái)說(shuō)，投資者關(guān)注與其 投資行為息息相關(guān)，進(jìn)而會(huì)影響最終的資產(chǎn)定價(jià)，在這方面，機(jī)構(gòu)投資者由于有專(zhuān) 業(yè)的投資團(tuán)隊(duì)，廣泛的信息獲取渠道，成熟的投資分析體系，在關(guān)注度的分配上基 木能夠做到非情緒化，相對(duì)于散戶來(lái)說(shuō)，可以理解為“理性人”，但是對(duì)于散戶來(lái) 說(shuō)，專(zhuān)業(yè)知識(shí)匱乏，對(duì)投資標(biāo)的的股票和其所屬行業(yè)常常一知半解甚至完全不了 解，他們的投資傾向往往受到周?chē)?，媒體輿論，以及市場(chǎng)炒作的影響，從而往往 造成錯(cuò)誤的投資決策。散戶是非理性交易的主體，根據(jù)數(shù)據(jù)顯示，很多高市盈率， 業(yè)績(jī)虧損，行業(yè)前景

13、不好的股票的持有者往往都是中小投資者。尤其是在中國(guó)股票 市場(chǎng)這種情況更加嚴(yán)重，散戶投資者道聽(tīng)途說(shuō)，盲目聽(tīng)信股評(píng)，瘋炒概念股等行為 蔚然成風(fēng)，其投資結(jié)果也往往是慘不忍睹。另外，散戶的持股周期也要元元低于機(jī) 構(gòu)投資者，投機(jī)心態(tài)非常明顯。2013年深圳交易所發(fā)布了深市投資者結(jié)構(gòu)和行為 變化特征，文中指出，2012年深圳交易所散戶投資者平均持股期限只有39.1 天，遠(yuǎn)低于機(jī)構(gòu)投資者的190.3天。而同時(shí)，其虧損比例也是要高于機(jī)構(gòu)投資者，資產(chǎn)規(guī)模越小的散戶投資收益越低，尤其是小于10萬(wàn)的微型散戶。所以，“持股 天數(shù)低、虧損比例高”也就成了中小投資者的特征。當(dāng)然這也和中國(guó)證券市場(chǎng)成立 時(shí)間不足25年，和兩

14、方發(fā)達(dá)國(guó)家百年歷史相比，很多方面都不健全，而這也不僅 僅是政策法規(guī)層面的，投資者們尤其是散戶投資者的投資理念和投資行為也需要得 到更正和改進(jìn)。綜上所述，研究投資者關(guān)注度和股市市場(chǎng)表現(xiàn)的關(guān)系能夠幫助投資者這尤其是 散戶更加合理地進(jìn)行資產(chǎn)組合的配置和風(fēng)險(xiǎn)的管理，同時(shí)也對(duì)中國(guó)證券市場(chǎng)法律法 規(guī)以及政策的制定提供一定的參考和借鑒。1. 2研究綜述當(dāng)今世界人們身邊時(shí)刻被浩如煙海的信息包圍，注意力稀缺引起的對(duì)關(guān)注度的研究 己經(jīng)顯得越來(lái)越重要。一直以來(lái)，國(guó)內(nèi)外學(xué)者提出了各種各樣的理論，其中很多理 論都很好或者部分解釋了注意力在投資活動(dòng)中的配置以及運(yùn)作機(jī)制。但是，要清楚 認(rèn)識(shí)到一點(diǎn)，注意力的衡量標(biāo)準(zhǔn)才是整個(gè)理

15、論研究體系的根木，如果選擇的代理變 量并不能很好地代表投資者關(guān)注度，將可能導(dǎo)致錯(cuò)誤的結(jié)論，甚至對(duì)投資者產(chǎn)生誤 導(dǎo)?；ヂ?lián)m的興起，谷歌，百度等搜索引擎地快速發(fā)展，大數(shù)據(jù)時(shí)代的來(lái)臨，谷歌 趨勢(shì)和百度指數(shù)的相繼推出，也為關(guān)注度代理變量提供了更好的選擇?？上驳氖?， 經(jīng)過(guò)金融領(lǐng)域的學(xué)者們研究發(fā)現(xiàn)，關(guān)注度確實(shí)可以對(duì)金融市場(chǎng)中的一些異?，F(xiàn)象提 供比較合理的解釋。木文選取了百度搜索指數(shù)作為衡量投資者關(guān)注度的代理變量。 1.2.1國(guó)外研究綜述關(guān)注度的概念在心理學(xué)上的解釋是指人的內(nèi)心活動(dòng)專(zhuān)注于某種特定事情或者物體 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變量來(lái)衡量關(guān) 注度，進(jìn)而研究其對(duì)金融市

16、場(chǎng)的影響，比如股評(píng)，交易量，換手率，媒體廣告數(shù) 量，廣告費(fèi)用，漲跌停板價(jià)格，新聞數(shù)量等等，這些變量我們稱(chēng)之為間接代理變 量：使用交易量作為代理變量。gervais，kaniel,和mingelgrin在201年曾經(jīng)使用交 易量作為衡量關(guān)注度的代理變量，他們使用某一時(shí)間段內(nèi)的最大交易量來(lái)衡量 對(duì)股價(jià)的影響，他們發(fā)現(xiàn)當(dāng)樣木在某一時(shí)間段內(nèi)（這個(gè)時(shí)間段可能是每天，也 可能是每周）岀現(xiàn)最大交易量，則股價(jià)在未來(lái)的一個(gè)月時(shí)間內(nèi)上漲，這種現(xiàn)象 背后的主要原因是股票的交易活動(dòng)影響到了其流動(dòng)性，進(jìn)而影響價(jià)格。barber 和odean在2008年則采用了新聞量，超額交易量，每日最大收益率作為代理變 量來(lái)進(jìn)行研究。

17、使用新聞標(biāo)題和新聞數(shù)量作為代理變量。在2008年，yuan發(fā)現(xiàn)了投資者關(guān)注度 對(duì)證券市場(chǎng)確實(shí)存在影響，當(dāng)市場(chǎng)處于高位時(shí)，較高的關(guān)注度反而會(huì)促使散戶 減少持倉(cāng)量，反之，當(dāng)市場(chǎng)處于低位時(shí)，較高的關(guān)注度會(huì)促使散戶投資者加 倉(cāng)。而散戶投資者的這種行為模式，很容易被機(jī)構(gòu)投資者利用，進(jìn)而減少市場(chǎng) 收益。使用廣告數(shù)量作為代理變量。目前己經(jīng)有研究表明，上市公司的廣告數(shù)量確實(shí) 對(duì)其股市上的表現(xiàn)會(huì)產(chǎn)生重要影響。grullon，kanatas以及weston在2004年發(fā)現(xiàn) 公司的廣告數(shù)量確實(shí)對(duì)其股市表現(xiàn)有重要作用。如果一個(gè)公司的廣告支出越多，則該公司也更容易引起投資者的重視，吸引投資者的注意力，從而進(jìn)一步讓無(wú)論是

18、散戶抑或機(jī)構(gòu)投資者去購(gòu)買(mǎi)他的股票，使其產(chǎn)生較同類(lèi)公司更高的流動(dòng)性。此項(xiàng)研究的意義在于，投資者對(duì)一家公司的熟悉程度會(huì)對(duì)公司價(jià)值產(chǎn)生影響。changjiang和kim在2009年對(duì)美國(guó)超級(jí)碗橄欖球比賽在過(guò)去17年間的商業(yè)廣告進(jìn)行研宄，發(fā)現(xiàn)光該費(fèi)用支岀越多，則同期內(nèi)上市公司的股票能夠?qū)崿F(xiàn)更多的超額收益，兩者呈正相關(guān)關(guān)系，但是在接下去一年將會(huì)岀現(xiàn)飯莊。另夕卜，mcqueen在2010年的研究表明，股票換手率和廣告費(fèi)用支出之間存在正相關(guān)關(guān)系。使用漲跌停板價(jià)作為投資者關(guān)注度代理變量。seasholes和wu在2007年在上海 證券交易所選取的樣木中，如果樣木達(dá)到漲停板，一般肯定伴隨著高交易量， 高收益以及

19、一定程度的新聞報(bào)道。因此必然或吸引投資者的關(guān)注，促使他們?nèi)?購(gòu)買(mǎi)這些雖然漲停侃是他們可能從來(lái)沒(méi)有買(mǎi)過(guò)甚至一無(wú)所知的股票，這樣的行 為會(huì)促使這樣的股票在漲停之后的較短時(shí)間內(nèi)繼續(xù)上漲，但是幾周后可能就會(huì) 岀現(xiàn)反轉(zhuǎn)。使用股評(píng)，節(jié)目推薦等作為代理變量。部分研宄表明，股評(píng)，電視節(jié)目推薦同 樣會(huì)對(duì)股市交易行為產(chǎn)生影響。engelberg在2009年得出結(jié)論，某一只股票古國(guó) 經(jīng)過(guò)了電視節(jié)目的推薦，該股在第二個(gè)交易h將會(huì)出現(xiàn)明顯升高的交易量。 2011年meschke研究了某一電臺(tái)對(duì)公司高層進(jìn)行的專(zhuān)訪對(duì)股市產(chǎn)生的影響，發(fā) 現(xiàn)在采訪之前，股票的市場(chǎng)表現(xiàn)往往是正面的，有吸納朱的超額收益和較大的 成交量，但是在之后

20、10天兩者就會(huì)山現(xiàn)反轉(zhuǎn)，回到均值。以上只是列舉了部分國(guó)外專(zhuān)家和學(xué)者在投資者關(guān)注度領(lǐng)域研究其與證券市場(chǎng)表 現(xiàn)相關(guān)性的研究成果，更多的不在此一一贅述。1.2.2國(guó)內(nèi)研究綜述1.3論文結(jié)構(gòu)和研究方法1.3.1論文結(jié)構(gòu)和主要內(nèi)容而木文主要的研究?jī)?nèi)容包括了（1）研究當(dāng)期投資者關(guān)注度和當(dāng)期股票市場(chǎng)指 標(biāo)是否存在相關(guān)性；（2）這種相關(guān)性在傳統(tǒng)周期股和非周期股的市場(chǎng)表現(xiàn)中是否 存在差別；（3）前一期關(guān)注度對(duì)預(yù)期股票市場(chǎng)指標(biāo)是否存在影響。1.3.2研究方法 1.3.3創(chuàng)新之處與不足之處第2章社會(huì)融資總量對(duì)周期性資產(chǎn)價(jià)格影響的理論分析1社會(huì)融資總量層次劃分與周期性資產(chǎn)的定義2.1.1社會(huì)融資總量的層次劃分2.1.

21、2周期性資產(chǎn)的定義2. 2社會(huì)融資總量的相關(guān)理論分析2.2. 12. 3周期性股票價(jià)格決定的相關(guān)理論分析2.3.1現(xiàn)值理論2. 4社會(huì)融資總量與周期性資產(chǎn)關(guān)聯(lián)效應(yīng)的理論分析2.4. 12.4.22. 5社會(huì)融資總量與周期性股票關(guān)聯(lián)效應(yīng)的傳導(dǎo)機(jī)制2.5. 12.5.2第3章關(guān)注度與股票當(dāng)期收益率和流動(dòng)性的實(shí)證研究3. 1計(jì)量分析方法以及樣本數(shù)據(jù)說(shuō)明木文的股票樣木數(shù)據(jù)為2012年7月1 h至2013年12月31 h在各a股票市場(chǎng) 上市吋間為18個(gè)月的其中18家公司。在計(jì)算收益率吋己經(jīng)考慮了分紅，配股，停 牌等其他因素。這里要說(shuō)明的是，之所以要選取18個(gè)月，是因?yàn)榭紤]到百度搜索 指數(shù)在2012年在原

22、有pc （個(gè)人電腦）百度搜索量統(tǒng)計(jì)的基礎(chǔ)上，xi*正式加入了移 動(dòng)搜索數(shù)據(jù)的統(tǒng)計(jì)，也即我們現(xiàn)在提取的股票名關(guān)鍵字信息是基于在pc和其他移 動(dòng)終端上使用百度進(jìn)行搜索的搜索量共同統(tǒng)計(jì)的，包含了固定設(shè)備和移動(dòng)設(shè)備搜索 的數(shù)據(jù)，因此選取2012年7月以后開(kāi)始統(tǒng)計(jì)，是為了讓搜索量數(shù)據(jù)更加趨于真 實(shí)，更加具有統(tǒng)計(jì)意義。這里耍特別說(shuō)明的一點(diǎn)是，對(duì)于數(shù)據(jù)樣本一個(gè)比較現(xiàn)實(shí)的困難，是百度搜索指 數(shù)不提供樣本數(shù)據(jù)的下載，因此只能手工從網(wǎng)頁(yè)上進(jìn)行提取和記錄，工作量極大， 這也是為什么只選取了 18只上市公司的原因。而為了讓樣木更加具有統(tǒng)計(jì)意義，所選取的18只個(gè)股分別來(lái)自不冏的行業(yè)，其中既冇周期股，也冇非周期股，具體

23、信息如下：所屬行業(yè)周期股安陽(yáng)鋼鐵鋼鐵寶鋼股份鋼鐵馬鋼股份鋼鐵泰山石油能源中國(guó)石化能源中國(guó)北車(chē)鐵路中國(guó)南車(chē)鐵路大秦鐵路鐵路屮興通訊通信非周期股大華股份電子歌爾聲學(xué)電子網(wǎng)宿科技傳媒光明乳業(yè)消費(fèi)中青寶傳媒貴州茅臺(tái)消費(fèi)伊利股份消費(fèi)天士力醫(yī)藥以嶺藥業(yè)醫(yī)藥3.11變量的定義收益率（return）:即取18只樣本公司每個(gè)交易日的漲跌幅（當(dāng)日收盤(pán)價(jià)相對(duì)于 前口收盤(pán)價(jià)的收益率）作為指標(biāo)。數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)。流動(dòng)性指標(biāo)：這里選取了每h成交金額(volume)以及換手率(turnover rate)作為樣木公司的流動(dòng)性指標(biāo)。所謂換手率，指的是指在一定時(shí)間內(nèi)市場(chǎng)中股 票轉(zhuǎn)手買(mǎi)賣(mài)的頻率，是反映股票流通性強(qiáng)弱的指標(biāo)

24、之一。計(jì)算公式為：換手率=某一段時(shí)期內(nèi)的成交量/發(fā)行總股數(shù)x 100%,數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)。市場(chǎng)收益率(mkret):選取滬深300指數(shù)每個(gè)交易h的漲跌幅(當(dāng)h指數(shù)收盤(pán) 價(jià)相對(duì)于前h收盤(pán)價(jià)的收益率)作為指標(biāo)。表1變量定義和解釋變量名代表符號(hào)變量類(lèi)型定義解釋個(gè)股收益率return因變量個(gè)股交易口收益率關(guān)注度(百度指數(shù))att解釋變量股票名稱(chēng)以及代碼每日搜索次數(shù)成交量volume控制標(biāo)量個(gè)股每個(gè)交易日成交金額換手率turnover控制標(biāo)ii每個(gè)交易日市場(chǎng)中股票轉(zhuǎn)手買(mǎi)賣(mài)的頻率市場(chǎng)收益率mkret控制標(biāo)量滬深300指數(shù)每個(gè)交易日收益率表2樣本描述性統(tǒng)計(jì)n全距極小值極大值均值標(biāo)準(zhǔn)差方差偏度峰度r統(tǒng)

25、計(jì)景統(tǒng)計(jì)景統(tǒng)計(jì)景統(tǒng)計(jì)景統(tǒng)計(jì)景統(tǒng)計(jì)景統(tǒng)計(jì)景標(biāo)準(zhǔn)誤統(tǒng)計(jì)景標(biāo)準(zhǔn)誤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這里要說(shuō)明的是，由于關(guān)注度指標(biāo)(百度搜索指數(shù))以及成交金額指標(biāo)絕對(duì)數(shù)值較 大，因此作取自然對(duì)數(shù)的處理。3.2百度指數(shù)和股票當(dāng)期收益率與流動(dòng)性單變量線性回歸分析2.1百度指數(shù)和股票當(dāng)期收益率單變量線性回歸分析首先我們建立基于百度指數(shù)的投資者關(guān)注度和股票當(dāng)期收益率的一元線性冋歸模 型：（1）returnit -mkrett =c + *a7t + .（2）|returnit -mkret =c-fiatt + ei這里面/?代表的是股票日收益率相

27、對(duì)于投資者關(guān)注度的敏感性因子，att代表的是經(jīng)過(guò)取自然對(duì)數(shù)處理的個(gè)股每日百度指數(shù)，mkret代表的是滬深300指數(shù)每日收益率，return代表的是個(gè)股r收益率，&為殘差，符合標(biāo)準(zhǔn)正態(tài)分布n（0，）.這里羅列了兩組單變量線性回歸方程，因?yàn)榭紤]到市場(chǎng)上的利空消息和利好消 息都有可能引起投資者尤其是散戶的注意，進(jìn)而促使他們進(jìn)行百度搜索以獲取進(jìn)一 步的信息，從而提高投資考關(guān)注度指標(biāo)。同時(shí)，利空消息將會(huì)引起投資考對(duì)標(biāo)的股 票的看空，造成股價(jià)下跌，利好消息將促使股價(jià)上升，處于這種考慮，本文在這里 引入了絕對(duì)值的概念，也就是模型2,作為模型1的參考用以反映投資者關(guān)注度和 股價(jià)波動(dòng)性的相關(guān)性。單變量模

28、型單位根檢驗(yàn)這里我們?cè)谧鰡巫兞績(jī)諝w前首先要對(duì)樣本進(jìn)行單位根檢驗(yàn)。單位根檢驗(yàn)是指檢驗(yàn)序列屮是否存在單位根，因?yàn)榇嬖趩挝桓褪欠瞧椒€(wěn)時(shí)間 序列了。單位根就是指單位根過(guò)程，可以證明，序列中存在單位根過(guò)程就不平穩(wěn)， 會(huì)使兇歸分析中存在偽兇歸。具體來(lái)看，時(shí)間序列數(shù)據(jù)的冋歸分析是使川過(guò)去數(shù)據(jù)來(lái)量化歷史關(guān)系，而數(shù)據(jù)的平穩(wěn)性是 指吋間序列變量的分布不隨吋間變化。也就是說(shuō)，如果時(shí)間序列y,的概率分布不隨時(shí)間變化，即（ys+1,ys+2,，ys+t）的聯(lián)合分布不 依賴(lài)于s，則稱(chēng)yt是平穩(wěn)的，否則稱(chēng)yt是非平穩(wěn)的。如果一對(duì)時(shí)間序列1和1的聯(lián)合分布 （xs+1，ysh,xs,2,ys、2，xs.t,ys,t）不依賴(lài)于

29、s，則稱(chēng)x,和yt是聯(lián)合平穩(wěn)的。平穩(wěn)性要求至少在概 率意義下未來(lái)類(lèi)似于過(guò)去。在含有時(shí)間序列的數(shù)據(jù)屮，若川兩個(gè)非平穩(wěn)的吋間序列進(jìn)行冋歸，即使得出結(jié)果，那此時(shí)的t檢驗(yàn)和f檢驗(yàn)都是沒(méi)有意義的。如果回歸變量中包涵隨機(jī)性趨勢(shì)，那么其系數(shù)的普通最小二乘估計(jì)連及其普通最小二乘t 統(tǒng)計(jì)量即使在大樣本下也不服從標(biāo)準(zhǔn)分布。這將帶來(lái)三方囲的問(wèn)題，第一，會(huì)出現(xiàn)偏向于零的 自回歸系數(shù)，第二，t統(tǒng)計(jì)量會(huì)出現(xiàn)非正態(tài)分布，第三，會(huì)使兩個(gè)沒(méi)有相關(guān)關(guān)系的吋間序列呈 現(xiàn)山相關(guān)性，即偽回歸。-般情況下，有兩種方法可以探測(cè)時(shí)間序列數(shù)據(jù)屮的趨勢(shì)。方法一，是檢查數(shù)據(jù)的時(shí)間序 列圖并計(jì)算自相關(guān)系數(shù)。方法二，采用單位根檢驗(yàn)方法。本文采用方法二

30、中的adf檢驗(yàn)。以下是模型1和模型2的單位根檢驗(yàn)結(jié)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從以上nj以看出，對(duì)于w個(gè)模型來(lái)說(shuō)，兒種單位根檢測(cè)測(cè)試方法（llc, adf等）均顯示了時(shí)間 停列樣本是平穩(wěn)的。單變量收益率模型線性回歸結(jié)果n度指數(shù)所代農(nóng)的投資齊關(guān)注度對(duì)當(dāng)期收益率單變螢回歸結(jié)果:變量名稱(chēng)系數(shù)r squaredt值p值f統(tǒng)計(jì)值prob(f-statistic)模型1att0.0007530. 0007552.

33、 2036390. 11384.8560260.027585模型2att?0. 0015780. 0062156. 221826038.711120從以上冋歸結(jié)果來(lái)看，第一個(gè)模型在5%的顯著性水平卜，顯示了關(guān)注度指標(biāo)-百度搜索指 數(shù)和股票收益率有一定的相關(guān)性，第二個(gè)模型更是在1%的顯著水平卜顯示了兩者之間的相關(guān) 性，說(shuō)明投資者關(guān)注度和股價(jià)波動(dòng)性存在相關(guān)性，從而證明y我們的第一個(gè)假設(shè)。說(shuō)明了將百 度指數(shù)作為投資者關(guān)注度指標(biāo)來(lái)衡量市場(chǎng)指標(biāo)是存在一定合理性的，接下去我們將進(jìn)一步討論 市場(chǎng)流動(dòng)性和投資者關(guān)注度之間的相關(guān)性。3. 2. 2單變量當(dāng)期流動(dòng)性模型流動(dòng)性模型中我們將以成交雖和換手率來(lái)衡雖股票市

34、場(chǎng)的流動(dòng)性。仍然構(gòu)建兩個(gè)7/程，分別以成交量和換手率 作力囚變雖。vol ume = c +turnover = c + att + ei這里面volume代表了個(gè)股每個(gè)交易日的成交量，這里做了取自然對(duì)數(shù)的處 理，turnover則代表了個(gè)股每個(gè)交易日的換手率，其他與前相同。單位根檢驗(yàn) 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從以上可以看出，對(duì)于兩個(gè)模型來(lái)說(shuō)，幾種單位根檢測(cè)測(cè)試方法(llc, adf等)均顯示了

37、吋間 序列樣本是平穩(wěn)的。單變量流動(dòng)性模型線性回歸結(jié)果自變量名稱(chēng)系數(shù)r squaredt值p值f統(tǒng)計(jì)值prob (f-statistic)模型1att0. 2150790. 02007911.25130126. 59810模型2att0. 0063770. 0451117. 083910291.85990從以上冋歸結(jié)果來(lái)看，流動(dòng)性的兩個(gè)指標(biāo)成交量和換手率構(gòu)建的單變量?jī)諝w結(jié)果均比較顯 著，尤其相較收益率模型，無(wú)論是系數(shù)，r squared, t值抑或f統(tǒng)計(jì)值來(lái)看，自變量和因變量 的相關(guān)性均遠(yuǎn)遠(yuǎn)大于收益率模型。此冋歸結(jié)果不但進(jìn)一步證明了以百度指數(shù)作力投資者關(guān)注度 的衡量與市場(chǎng)指標(biāo)存在相關(guān)性的假設(shè)，更

38、進(jìn)一步可以得出投資者關(guān)注度與市場(chǎng)流動(dòng)性指標(biāo)的相 關(guān)性較收益率的相關(guān)度更高。3.2.3單變量回歸模型進(jìn)一步探討上文將18家樣木公同在過(guò)去18個(gè)月中的投資者關(guān)注度與收益率和流動(dòng)性指標(biāo) 分別進(jìn)行了回歸分析。得出的結(jié)論是存在相關(guān)性?，F(xiàn)在，需要進(jìn)一步討論的是，18 家公司部分屬周期類(lèi)股票，比如鋼鐵，通信，煤炭行業(yè)類(lèi)，部分屬于跨越周期的成 長(zhǎng)型股票，比如消費(fèi)，電子，傳媒類(lèi)，那這兩類(lèi)股票的市場(chǎng)指標(biāo)(收益率和流動(dòng)性)分別與投資者關(guān)注度的相關(guān)性如何呢 以下我們將18家樣木公司分為兩類(lèi),9只周期股和9只非周期股，分別進(jìn)行收益率和流動(dòng)性指標(biāo)的回歸 首先是成長(zhǎng)型股票非周期股大華股份電子歌爾聲學(xué)電子網(wǎng)宿科技傳媒光明乳業(yè)

39、消貲中青寶傳媒貴州茅臺(tái)消貲伊利股份消貲天士力醫(yī)藥以嶺藥業(yè)醫(yī)藥分別建立收益率線性回歸模型和流動(dòng)性 線性回歸模型(1)return u- mkret, =c +att-ei(2)returnit -mkret =c + att + eivol vme = c + /3att-eiturno = c + 戸 a 7t + £這里依舊對(duì)成交量，搜索量數(shù)據(jù)進(jìn)行了自然對(duì)數(shù)處理分類(lèi)因變量名稱(chēng)自變量名 稱(chēng)系數(shù)r squaredt值p值f統(tǒng)計(jì)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從以上冋婦結(jié)果可以看出，周期股的收益率單變量模型的冋歸結(jié)果的要顯著優(yōu)于非周期股，即前者和投資者關(guān)注度的相關(guān)性大于后者和投資者關(guān)注度的相關(guān)性。其中非周期股的相對(duì) 收益率模型(模型1)更是表明不顯著，即冋歸方程本身不存在顯著性，而從相對(duì)收益率絕對(duì) 值模型(模型2)來(lái)看，無(wú)論是系數(shù)，r squared, t值抑或f統(tǒng)計(jì)值來(lái)看，非周期股模型的自 變量和因變量的相關(guān)性也均遠(yuǎn)遠(yuǎn)小于周期股模型。至于成交量和換手率構(gòu)建的兩個(gè)流動(dòng)性單變 量?jī)諝w模型，非周期股和周期股

42、沒(méi)有存在太大的差別，兩者再投資者關(guān)注度和流動(dòng)性市場(chǎng)指標(biāo) 之間均存在比較明顯的相關(guān)性。因此我們可以暫時(shí)得出結(jié)論？周期股的單變量收益率回歸模型 中的相對(duì)收益率和投資者關(guān)注度的相關(guān)性要大于非周期股，而流動(dòng)性指標(biāo)則兩者沒(méi)有差別，說(shuō) 明投資者關(guān)注度和無(wú)論周期股還是非周期股都有顯著的相關(guān)性。但是，力什么周期股收益率單變量回歸模型的相關(guān)性要遠(yuǎn)遠(yuǎn)大于非周期股呢？因力從傳統(tǒng) 思維上來(lái)講，上述非周期股大部分股票是屬于成長(zhǎng)股，在市場(chǎng)上往往受到投資者的追捧，投資 者關(guān)注度也較高，而在樣本時(shí)間內(nèi)股價(jià)也有良好表現(xiàn)，因此理論上來(lái)說(shuō)兩者應(yīng)該由較強(qiáng)的相關(guān) 性，而周期股則正好相反。對(duì)此，本文給出了一個(gè)可能的解釋?zhuān)簩?duì)于周期股來(lái)說(shuō)，

43、正因?yàn)樵跇?本時(shí)間內(nèi)股市表現(xiàn)往往低于非周期股，而同時(shí)間投資者關(guān)注也較低，這也是因?yàn)槠錈o(wú)論是所屬 行業(yè)還是股價(jià)表現(xiàn)都對(duì)投資者缺乏吸引力。而當(dāng)有利好消息出現(xiàn)時(shí)，投資者們尤其是散戶往往 會(huì)只純粹因?yàn)槔孟⒌膶?duì)股價(jià)可能產(chǎn)生正面驅(qū)動(dòng)而關(guān)注該股票，進(jìn)而進(jìn)行h度搜索了解利好 消息以及公司相關(guān)情況，從這個(gè)意義上來(lái)說(shuō)，股價(jià)和百度指數(shù)所代表的投資者關(guān)注度存在相關(guān) 性是合理的。而對(duì)于非周期股來(lái)說(shuō)，因?yàn)樾袠I(yè)和公司屬性問(wèn)題市場(chǎng)上在樣本時(shí)間內(nèi)已經(jīng)進(jìn)行了 熱炒，而投資者關(guān)注度并沒(méi)有相應(yīng)多大的提升，而且很多公司來(lái)說(shuō)，散戶們已經(jīng)比較了解上市 公司的狀況和所屬行業(yè)狀況，無(wú)耑進(jìn)行百度搜索進(jìn)一步了解，因此很多的百度搜索指數(shù)nj能只

44、 是一種噪聲，即有很多非趨利心理而產(chǎn)生的搜索量。第4章關(guān)注度與股票預(yù)期收益率和流動(dòng)性的實(shí)證研究fama-french三因素模型是金融學(xué)中一個(gè)重要的實(shí)證模型，由fama和french 于1993年提出，在實(shí)證中獲得廣泛的支持和應(yīng)用。在資產(chǎn)定價(jià)方面，sharpe(1964) 等人提出的capm具冇開(kāi)創(chuàng)性貢獻(xiàn)，但是其將資產(chǎn)收益率僅僅歸因于市場(chǎng)收益率這 一個(gè)風(fēng)險(xiǎn)1±1素，實(shí)證結(jié)果不太理想。其后ross(1976)發(fā)展出apt,不指定決定資產(chǎn) 價(jià)格的因素，僅僅依賴(lài)于數(shù)據(jù)的實(shí)際表現(xiàn)決定那些變量進(jìn)入實(shí)證模型。如此自然實(shí)證的結(jié)果顯著改善，但是在變量選擇方面的隨意性和主觀性遭到批評(píng)。其后學(xué)者們 試圖找

45、到通用的決定因素，在這方面，ff模型影響較大。該模型選擇的三個(gè)因素是 在理論和實(shí)證研究的基礎(chǔ)上總結(jié)出來(lái)的，對(duì)于美國(guó)和其他國(guó)家的數(shù)據(jù)都表現(xiàn)出較好 的解釋能力，這三個(gè)因素分別是：市場(chǎng)風(fēng)險(xiǎn)（借鑒的是capm的理論分析，也就是 市場(chǎng)組合收益率與無(wú)風(fēng)險(xiǎn)收益率之差）、規(guī)模以及賬面市值比。他們?cè)?993年的 論文通過(guò)模擬市場(chǎng)風(fēng)險(xiǎn)、市值風(fēng)險(xiǎn)和賬面市值比風(fēng)險(xiǎn)構(gòu)造了三因子，用來(lái)解釋股票 收益的變化。他們得山的結(jié)果是，通常規(guī)模較小的公同的收益率反而要大于較大的 公同。而對(duì)于賬面價(jià)值比來(lái)說(shuō)，b/m （賬面價(jià)值和市場(chǎng)價(jià)值的比值）與收益率呈現(xiàn) 正相關(guān)性。而木文對(duì)于動(dòng)量效應(yīng)暫時(shí)不予以考量。因此，木文在后續(xù)的實(shí)證過(guò)程中除了考

46、慮百度指數(shù)為代表的關(guān)注度變量外，也 會(huì)同時(shí)引入公司規(guī)模，賬面價(jià)值比等其他影響因素。另外，需要重點(diǎn)介紹的是，在木章我們要著重考察投資者關(guān)注度對(duì)預(yù)期收益率 的影響，因此文中引入了滯后的百度搜索指數(shù)作為歷史投資者關(guān)注度的衡量。進(jìn)一 步來(lái)說(shuō)，我們將att-:和att-2作為滯后一期和滯后二期的百度搜索變量引入多變量線性回 歸方程，之所以只選擇滯后兩期，這里主要是基于一個(gè)假設(shè)：對(duì)于投資者尤其是散戶來(lái) 說(shuō)，往往在完成百度搜索利好消息（利空消息）以及公司狀況后的近幾天時(shí)間內(nèi)完 成股票的買(mǎi)入或賣(mài)空交易。同樣，我們以基于滬深300的h相對(duì)收益率以及衡量流 動(dòng)性的h成交量和換手率指標(biāo)作為因變量對(duì)多個(gè)變量進(jìn)行回歸。

47、4.11變量的定義公同規(guī)模（size）:選用的是18只樣木公司的當(dāng)h流通市值，數(shù)據(jù)來(lái)源于wind數(shù) 據(jù)庫(kù)。b/m （賬面價(jià)值比）：即市凈率的倒數(shù)，公式為b/m=每股凈資產(chǎn)/每股公司市值， 選取的是18家上市公司每天的市凈率數(shù)據(jù)，然后取倒數(shù)，數(shù)據(jù)來(lái)源于wind數(shù)據(jù) 庫(kù)。收益率（return）:即取18只樣木公同每個(gè)交易h的漲跌幅（當(dāng)h收盤(pán)價(jià)相對(duì)于前曰收盤(pán)價(jià)的收益率）作為指標(biāo)。數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)。流動(dòng)性指標(biāo)：這里選取了每h成交金額（volume）以及換手率（turnover rate）作為樣木公同的流動(dòng)性指標(biāo)。所謂換手率，指的是指在一定時(shí)間內(nèi)市場(chǎng)中股 票轉(zhuǎn)手買(mǎi)賣(mài)的頻率，是反映股票流通性強(qiáng)弱的

48、指標(biāo)之一。計(jì)算公式為：換手率=某一段時(shí)期內(nèi)的成交量/發(fā)行總股數(shù)x 100%,數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)。市場(chǎng)收益率(mkret):選取滬深300指數(shù)每個(gè)交易日的漲跌幅(當(dāng)日指數(shù)收盤(pán) 價(jià)相對(duì)于前h收盤(pán)價(jià)的收益率)作為指標(biāo)。表1變量定義和解釋變量名代表符號(hào)變量類(lèi)型定義解釋個(gè)股收益率return因變量個(gè)股交易日收益率公司規(guī)模size控制標(biāo)量公司當(dāng)前流通市值大小賬面市值比bm控制標(biāo)量公司當(dāng)前市凈率的倒數(shù)成交量volume控制標(biāo)量個(gè)股每個(gè)交易日成交金額換手率turnover控制標(biāo)量每個(gè)交易日市場(chǎng)中股票轉(zhuǎn)手買(mǎi)賣(mài)的頻率市場(chǎng)收益率mkret控制標(biāo)量滬深300指數(shù)每個(gè)交易日收益率關(guān)注度(滯后一期)att-i控制標(biāo)

49、量股票名稱(chēng)以及代碼前一日搜索次數(shù)關(guān)注度(滯后二期)att-2控制標(biāo)量股票名稱(chēng)以及代碼前兩日搜索次數(shù)表2樣本描述性統(tǒng)計(jì)描述統(tǒng)計(jì)量n極小值極大值均值標(biāo)準(zhǔn)差方差偏度峰度統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì)量統(tǒng)計(jì)量標(biāo)準(zhǔn)誤統(tǒng)計(jì)量標(biāo)準(zhǔn)誤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與上文相同，由于關(guān)注度指標(biāo)以及成交金額指標(biāo)絕對(duì)數(shù)值較大，因此作取自然對(duì)數(shù) 的處理。以下是我們構(gòu)建的多變量收益率線性回歸模型以及多變量流動(dòng)性線性回歸 模型：(1)return-mkret = c + 我 * a77； + 炎 * a7t2 + /3 att, +bm +

51、爲(wèi) +1. return-mkret = c + /9, * a77； +att2 + atty + bm + 爲(wèi)*c4p + r,(3)volume = c + # * a77； + 從 * att2 + 從 * atte,turnover 二 c + 0 m77； + 房 * a7t2 +4. 12多重共線性檢測(cè)多重共線性（multicollinearity）是指線性回歸模型中的解釋變量之間由于 存在精確相關(guān)關(guān)系或高度相關(guān)關(guān)系而使模型估計(jì)失真或難以估計(jì)準(zhǔn)確。對(duì)于模型y'唯'+p、x'、+fh+".+/ix'+u'i=l, 2,，n其基木假設(shè)

52、之一是解釋變量是互相獨(dú)立的。如果某兩個(gè)或多個(gè)解釋變量之間岀 現(xiàn)了相關(guān)性，則稱(chēng)為多重共線性multicollinearity）。產(chǎn)生多重共線性的背景（原因）1. 經(jīng)濟(jì)變量之間具有共同變化趨勢(shì)。2.模型中包含滯后變量。3.利用截面數(shù)據(jù) 建立模型也可能出現(xiàn)多重共線性。4.樣木數(shù)據(jù)自身的原因。后果1. 參數(shù)估計(jì)量的方差增大2.對(duì)參數(shù)區(qū)間估計(jì)時(shí)，置信區(qū)間趨于變大3. t檢驗(yàn)的可 靠性降低，假設(shè)檢驗(yàn)容易作出錯(cuò)誤判斷。4.回歸系數(shù)符號(hào)可能錯(cuò)誤。方法：簡(jiǎn)單相關(guān)系數(shù)檢驗(yàn)法計(jì)算解釋變量?jī)蓛芍g的相關(guān)系數(shù)。一般而言，如果每?jī)蓚€(gè)解釋變量的簡(jiǎn)單 相關(guān)系數(shù)比較高，則可認(rèn)為存在著較嚴(yán)重的多重共線性。例如大于0.8,則可認(rèn)為

53、 存在著較嚴(yán)重的多重共線性。方差擴(kuò)大（膨脹）因子法對(duì)于多元線性回歸模型的方差可以表示成：方差膨脹因子越大，表明解釋變量之間的多重共性越嚴(yán)重。反過(guò)來(lái)，方差膨脹 因子越接近于1，多重共線性越弱。一般當(dāng)vif10時(shí)（此時(shí)ri2 >0.9 ），認(rèn)為模 型存在較嚴(yán)重的多重共線性。直觀判斷法1.當(dāng)增加或剔除一個(gè)解釋變量，或者改變一個(gè)觀測(cè)值時(shí)，回歸參數(shù)的估計(jì)值發(fā)生 較大變化，回歸方程可能存在嚴(yán)重的多重共線性。2. 從定性分析認(rèn)為，一些重要的解釋變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大，在回歸方 程中沒(méi)有通過(guò)顯著性檢驗(yàn)時(shí)，可初步判斷可能存在嚴(yán)重的多重共線性。3. 有些解釋變量的回歸系數(shù)所帶正負(fù)號(hào)與定性分析結(jié)果違背時(shí)，很可能存在多重 共線性。4. 解釋變量的相關(guān)矩陣中，自變量之間的相關(guān)系數(shù)較大時(shí)，可能會(huì)存在多重共線 性問(wèn)題。逐步回歸法將變量逐個(gè)的引入模型，每引入一個(gè)解釋變量后，都要進(jìn)行f檢驗(yàn)，并對(duì)己經(jīng) 選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn)，當(dāng)原來(lái)引入的解釋變量由于后面解釋變量的引入 而變得不再顯著時(shí)，則將其剔除。以確保每次引入新的變量之前回歸方程中只包含 顯著的變量。在逐步回歸中，高度相關(guān)的解釋變量，在引入時(shí)會(huì)被剔除。因而也是