本文是一篇金融論文，本文利用聯合泊松混合回歸模型兼具固定效應和隨機效應的特點，以固定效應部分作為投資者情緒對市場的總體影響、以隨機效應作為板塊情緒差異的直接體現，從漲停和跌停兩個方向同時對該問題進行探究。

第一章緒論

第一節研究背景與意義

一、研究背景

1970年，Fama在前人的理論與實踐基礎上提出了經典的有效市場假說(EMH)，至此EMH成為了現代金融學研究的一大基石。但隨著市場的發展以及研究的深入，一系列問題也隨之出現，傳統EMH無法對諸如羊群效應、套利限制、過度反應及反應不足等現象做出完美解釋。實證研究發現，在某些情況下，非理性投資者會獲得超過理性投資者的收益并對市場價格造成相當的影響，“理性”假設也因此遭受巨大沖擊。越來越多的實證研究都對理性人假設和有效性市場提出了質疑，部分學者也開始嘗試利用其他視角試圖對金融市場上產生的異象進行解釋。伴隨著2002年諾貝爾經濟學獎授予Daniel以表彰其將心理學與經濟學結合分析不確定條件下行為人決策方式的突出貢獻，行為金融學作為一門新興學科正式躍入歷史舞臺。在此后幾十年的時間里，圍繞非理性投資者情緒對于市場影響的研究廣泛開展。目前，在大量實證結果支撐的基礎上，投資者情緒作為一支獨立力量可以對市場造成不可忽視的影響已經成為了一個公認的事實。

我國股市自80年代末開埠以來，至今已走過三十年滄桑歷史。一方面，隨著信息化時代的飛速發展和信息傳輸媒介日益扁平化、普及化的趨勢，信息交流的時間成本被極大節約，市場信息可以更便捷地被獲取，個體間的信息相互溝通也更加順暢。這為投資者情緒的積極萌發與廣泛蔓延提供了肥沃的土壤。另一方面，我國股市漲跌停的發生存在板塊化、集簇化趨勢：2019年4月27日，滬指收復2900點、創業板指數盤中大漲超5.5%，創2019年2月以來最大日內漲幅，其中，半導體、光伏、鋰電等賽道板塊全線走高：半導體板塊超30股漲幅超過10%，鋰電板塊超50股漲停，光伏板塊超40股漲停；2021年5月17日，ST板塊遭遇大面積殺跌，跌停股票數量達到百只以上；

第二節研究內容與研究方法

一、研究內容

本文共分為七個章節，各章節內容如下：

第一章為緒論，首先探討了研究的背景與意義，其次對主要研究內容進行了分章節梳理并對研究方法做出概述，最后給出技術路線圖。

第二章為文獻綜述，分別從三個方面對國內外相關文獻進行梳理總結。第一部分為投資者情緒相關測量方法的綜述；第二部分為相關問題研究時，比較常用的研究方法綜述；第三部分是關于投資者情緒與市場關系結論的綜述。最后，對文獻進行總體的評述。

第三章為理論基礎，主要從投資者心理特征以及行為金融學相關理論的角度對投資者心理行為進行分析，并提出本文的主要研究假設。

第四章為模型設定，本章做出了模型適用性分析，并對文本所使用的變量和樣本進行構建。

第五章為實證分析，本章以聯合泊松混合回歸模型為基礎，在兩個不同時間區段下探討了熱門概念板塊之間投資者情緒的板塊差異，并得到市場受投資者情緒作用而產生變動方向之間的聯系，驗證了前文的研究假設。并在章末通過三種方法進行了穩健性檢驗，在驗證模型穩健性的同時嘗試檢驗進了模型的預測能力。

第六章為投資策略應用部分，基于上文分析結果構建出適用于不同風險偏好投資者的投資策略和投資組合，通過計算VaR 和VaB 值來衡量投資策略的有效性，并利用市場實際表現進行了策略有效性驗證。

第七章為結論部分。本章對全文獲得的結論進行歸納，并根據本文結論分監管角度、投資者投資策略決定角度以及上市公司治理角度提出相關建議。最后對本文的不足之處進行分析并對未來研究方向做出展望。

第二章文獻綜述

第一節投資者情緒衡量綜述

一、傳統度量方法

傳統的投資者情緒度量主要通過兩條路線展開，即直接情緒測量和間接情緒測量。直接情緒測量是基于問卷調查的方式提取投資者的主觀情緒，一種是對股票市場走勢的看法調查，例如能夠代表機構投資者情緒的InvestorsIntelligence Sentiment Survey以及更傾向于針對個人投資者的AAII美股投資人調查[1]；另一種則是利用人們對投資前景和宏觀經濟的看法來近似替代投資者情緒，例如密歇根消費者信心指數、美國CB消費者信心指數等。

直接情緒測量的優點在于方式便捷，而這類度量方法存在三個缺點。首先面臨的問題是，問卷式測量受限于樣本量規模，例如密歇根消費者信心指數調查問卷只發送給了500個家庭，較小的樣本規模必然影響研究結果的說服力；其次，直接情緒測量難以維持較高頻率，由于受到人力物力等限制，此類測量方法大多以月度為單位并默認投資者情緒在單位月內保持恒定，這種不得已而為之的假設忽略掉了投資者情緒在周度、日度內的波動，使得研究結論不免模糊化。最后一個缺點則在于測量結果的可信度問題。根據Fisher對AAII所做的一項資產配置調查結果研究顯示，個人投資者在進行投資行動時要比調查中所表達的情緒來得更明智，這種“言行不一”表明投資者遵循真實情緒并做出決策的概率十分有限，即單靠主觀調查投資者情緒并不能完全反映出投資者在實際決策中所執行的真實態度[2]。因此，從投資者實際行為造成的客觀結果入手分析投資者行為就顯得尤為必要，也就是間接情緒測量。

第二節研究方法綜述

一、文本分析方法綜述

在利用文本提取投資者情緒的研究中，常用的的內容分析方法主要分為兩大類——基于詞典的方法和機器學習方法。

對于基于詞典的方法，其基礎邏輯是將一段文本視為單詞間的機械堆疊，從而忽略掉段落的句間關系并把文本拆解為一系列分詞，根據預設的規則（即字典）將單詞或短語劃分到不同類別中（通常劃分為積極詞語和消極詞語），最后統計不同類別的詞匯數量及比例并以此判別該段文本的情緒。正基于此，詞典的選取是決定該方法分析結果質量的關鍵。國外在早期研究中使用頻率較高的詞典是Harvard IV-4詞典[17][34]以及Diction詞典[35]。但Li發現，以HarvardIV-4為代表的通用情感詞典在處理金融領域信息時有可能將明顯帶有消極情緒的句子判定為積極或中性，因此并不具備足夠的準確性[36]。為解決這一問題，有學者開始著手構建適用于金融語境下的情緒辭典，比較有代表性的成果是由Loughran and McDonald(2011)通過從10-k報告中篩選關鍵詞而構造的LM詞典[37]。由于LM詞典在實證研究中表現出相較通用情緒詞典更高的準確度，該詞典在后來的研究中得到了廣泛應用。

國內研究方面，汪昌云和武佳薇[26]將《現代漢語詞典》、《最新漢英經濟金融常用術語使用手冊》以及漢譯版LM詞典結合作為金融詞庫；王靖一和黃益平搜集和訊網相關板塊所有文章，人工篩選出頻率大于5的詞匯構建詞典[38]；姜富偉等在結合LM詞典和三部通用情感詞典的基礎上，利用word2vec算法對詞典進一步擴充，構建出更為全面的中文金融情感詞典[39]。

第三章理論基礎.........................17

第一節聯合泊松混合模型...........................17

第二節投資者心理特征相關理論.............................18

第四章模型設定與變量說明....................................23

第一節股市板塊的劃分與選擇............................23

第二節變量選取...................................24

第五章實證分析.............................32

第一節描述性統計.............................32

一、漲跌停描述性統計........................................32

二、解釋變量描述性統計..........................34

第六章投資者情緒板塊差異的投資決策應用

第一節基于投資者情緒板塊差異的投資策略分析

一、投資者類型劃分

根據傳統經濟學概念，投資者分為風險愛好者、風險中立者和風險厭惡者三種類型。由于本文希望在極端情況下探討投資者情緒差異的應用價值，因此只考慮風險愛好者和風險厭惡者兩種類型。風險愛好者（后文簡稱為激進者）代表了愿意承擔風險的情況下追求收益的最大化的一類投資者；而風險厭惡者（后文簡稱為保守者）則希望在絕對穩定的條件下獲得一點收益的一類投資者。下文將基于這兩種投資者不同的風格特點來規劃相應投資策略。

二、投資策略分析

基于以上討論，適合風險愛好者的投資策略如下：首先對各個板塊按照漲停隨機效應估計值的大小進行降序排列；其次，選擇漲停隨機效應大于跌停效應的板塊作為投資標的板塊的初步選擇范圍；最后，在板塊初步范圍內選擇漲停隨機效應最大的板塊作為最終的投資標的選擇范圍。這樣選擇的邏輯在于，在同樣的市場條件下，所選投資標的的上升趨勢要大于市場平均水平。雖然由于較大的板塊隨機效應Ui會導致Vi2也大于市場平均水平，但在約束條件的作用下仍然存在盈利空間，這樣的投資策略邏輯符合激進者的投資偏好。

而風險厭惡者的投資策略則恰好相反：首先對各個板塊按照跌停隨機效應估計值的大小進行升序排列；其次，選擇漲停隨機效應大于跌停效應的板塊作為投資標的板塊的初步選擇范圍；最后，在各板塊中選擇跌停隨機效應最小的板塊作為最終的投資標的選擇范圍。與風險愛好者的選股邏輯相同，風險厭惡者要在承擔盡可能小的下跌風險前提下去考慮獲得正向收益。較小的Vi2和Vi1>Vi2的約束條件可以滿足風險厭惡者的投資要求。

第七章結論及展望

本文通過研究我國A股市場熱門概念板塊中投資者情緒與市場極端活動間的關系，為投資者情緒與市場表現的相互作用效果及關系提供了補充。基于聯合泊松混合模型，本文主要得出了以下三個結論：

第一，不同的概念板塊受投資者影響程度確實存在差異，這種差異在個別板塊上會表現得尤為強烈。一般而言，出現的時間較早、已經被大眾廣泛接受的概念板塊在投資者情緒的作用下會表現得更加穩定，而新誕生的概念和爭議較大的概念相關板塊受投資者情緒的影響較大，從模型上表現為較高的隨機效應估計值。同時，本文在考察了年度數據基礎上，在更小的時間尺度下進行了進一步分析。結果顯示，投資者情緒高峰并不一定伴隨著相關板塊股票價格的劇烈波動，也就是說投資者情緒對市場的影響存在非即時性特點。因此，對于這種情況的板塊應該給予更多的關注。

第二，股價產生極端變化的主要因素是由投資者情緒引起。本文同時應用了傳統泊松回歸和加入隨機效應的聯合泊松混合回歸，二者得出了一致的結論，即基于文本的投資者情緒對漲停和跌停的影響都是負向且顯著的。這一結果表明，負面的投資者情緒造成了市場的劇烈波動。在此需要說明的是，這里所指的“負面情緒”并非狹義上的悲觀和消極，而是從廣義上包含了一切不穩定狀態的情緒，比如冒進、自大等等。雖然換手率作為另一種投資者情緒代理對價格極端變動有正向影響，但由于換手率代表的是不含方向的投資者情緒，因此與前述結論并不相悖。同時，本文發現市場的劇烈波動大部分是由投資者情緒所貢獻，尤其在市場價格的負向波動和短期波動的情況下，這種單純由投資者情緒所引發的情況會表現得格外強烈。

參考文獻（略）