投资者情绪与股票截面收益翻译

投资者情绪与截面股票收益率
摘要：我们研究投资者情绪如何影响股票的截面收益。

我们预测投资者情绪对证券有较大的影响（其价值高度主观且很难套利）。

与此预测一致，我们发现如果投资者的情绪代理指标一开始较低，则事后回报率相对较高（尤其对那些小公司股票，新发行股票，高波动性的股票，亏损企业股票，不分红企业的股票，高速成长的股票，困境企业的股票而言）。

另一方面，当投资者情绪很高时，这些类别的股票获取相对较低的事后回报。

经典的金融理论并没有对投资者情绪做出解释。

相反，这一理论认为，理性的投资者之间进行竞争，并且他们多样化投资以最优化其投资组合，将产生价格等于预期现金流的贴现值这样一个均衡，并且预期截面回报率仅依赖于截面的系统性风险（β值）。

即使有些投资者是非理性的，经典理论认为他们的投资需求被套利者抵消，因此对价格不产生重大影响。

在本文中，我们有证据表明，投资者的情绪可能对股票截面价格有显著的影响。

我们先从简单的理论预期开始。

因为错误定价是这样的一个结果：即面对套利约束的情况下，大量未知需求冲击所致。

当股票交易是以情绪为基础的需求或套利的结果时，我们预测大量的投资者情绪会产生截面效应（即并非简单的所有股票价格同时上升或下降）。

在实践中，有两个截然不同的渠道会产生类似的预测结果。

由于股票对投机性需求最为敏感，那些有较高主观价值的股票同时也可能是风险和套利成本最高的股票。

具体地说，理论表明两个不同的渠道更容易受投资者情绪变化的影响，这些影响通过具有某些特征（新发行的，小公司的，高波动的，亏损的，不分红的，困境中的，或者高速增长当中的股票）的企业股票来表现。

为了检验经验预测的真实性，并得到投资者情绪更真实意义上的概念，我们从1961年开始到互联网泡沫时代，总结美国市场这段时间内市场情绪的波动作为开始。

这个总结以生动的描述为基础，因此仅仅别看作一个建议性的、投资者情绪波动的事后特征。

然而，该总结的基本信息似乎和我们的理论预测是一致的，并认为一个更准确地实证是必要的。

我们的主要经验做法如下。

因为情绪驱动的错误定价的截面模式将很难直接被发现，我们考察股票收益的截面预测模式是否依赖于一开始的情绪代理指标。

例如，相对于老公司而言，新公司的未来低回报率和事前新公司的股票被高估一致。

像往常一样，我们注意到共同的假说问题，我们发现任何可预见性模式实际上反映系统性风险补偿。

第一步是选取投资者情绪代理指标，我们可以用时间序列的条件变量。

因为没有完美的或无可争议的投资者情绪代理指标，我们的做法是一定要符合实际。

具体来说，我们考虑最近文献中使用的大量情绪代理指标，形成一个复合情绪指数（以主成分分析为基础）。

为了减少这些情绪代理指标和系统性风险相关的可能性，我们也形成一个以情绪代理指标为基础的指数，并且该指数与几个宏观经济条件垂直正交化。

该情绪指数明显和历史上的股市泡沫及股灾一致。

然后，我们测试随后的股票截面收益如何不同于开始时期的情绪变化。

使用1963年和
2001年之间的月度股票收益，我们以几个主要的公司特征为基础形成一个投资组合，该组合中每个成分权重一样。

（我们的理论预测以及实证结果证实，大企业受情绪的影响较小，因此价值的比重往往会使相关性模式变得不清晰。

）我们发现，当情绪低（低于样本平均），小型股随后的收益特别高，但是当情绪高（高于平均水平），完全没有规模效应。

当投资者情绪低时，以后的回报是新公司（新上市）股票高于老公司的股票，高波动性股票比低波动性股票，亏损公司的股票比盈利公司的股票，不分红公司股票比分红公司股票收益高。

当情绪很高，这些模式完全相反。

虽然以前的数据不像现在这样丰富，在覆盖1935到1961年的样本中这些模式中的一些也是明显的。

排序（sorts）也表明投资者情绪以类似的方式影响快速增长和困境中的企业。

注意到股票以这样的指标分类排序（销售增长率，账面市值比，或者外部融资活动）时，快速增长的企业和困境中的企业在排序的两端，而那些更稳定些的企业位于排序的中部位置。

我们发现，当投资者情绪低时，在排序两端的企业的股票事后收益明显高于它们没有条件限制时的平均值，而在排序中间的股票则较少受到投资者情绪的影响（对于账面市值比结果在统计上是不显著的）。

这个U型排序模式在很大程度上与理论预期是一致的：快速增长和困境中的企业通常有相对主观的价值并且相对难以进行套利活动，所以它们可能更容易受投资者情绪影响。

然后，我们考虑回归的方法，使用Fama-French因素模型分析以企业规模和账面市值比分类的股票的联动效应。

我们使用情绪指数来预测从高到低排序（以对情绪敏感性形式）的投资组合的收益。

毫不奇怪的是，鉴于我们的投资组合权重相等以及我们所考查的几个特征与规模相关，包含SMB作为一个控制性趋势降低了预测的准确性，尽管仍有一些预测能力。

然后，我们再转向另一种经典的解释，他们只是反映了补偿系统性风险的一种复杂模式。

无论是以理性的市场风险溢价这种时间变量还是以风险的截面模式（beta loadings）这种时间变量，这都说明了可预测的证据。

进一步的检验对这些假设提出了疑问。

我们直接测试第二种可能性，发现在可预测性模式与以市场回报或者消费增长的贝塔模式之间并无关系。

如果风险不随时间变化，那么第一个可能性不仅要求以风险溢价的时间变量，也要求标志的变化。

简而言之，它要求在一半的样本期间内（当情绪相对低时），对老公司，较少波动的公司，盈利的公司，以及分红的公司有一个风险溢价（相对于新的、高波动性的、亏损的以及不分红的公司）。

这是有悖常理的。

结论的其他方面也表明系统性风险并不是一个完全的解释。

在最近研究的基础上，得出的结论挑战股票价格的截面收益这样一个经典的观点。

首先，该结论补充了早期文献研究，即证明了投资者情绪有助于解释股票的时间序列收益(Kothari and Shanken (1997), Neal and Wheatley (1998), Shiller (1981, 2000), Baker and Wurgler (2000)). Campbell and Cochrane (2000), Wachter (2000), Lettau and Ludvigson (2001), and Menzly, Santos, and Veronesi (2004)，研究了有条件的系统性风险的影响；这里我们以投资者情绪为条件。

Daniel and Titman (1997)检验了截面预期收益为特征基础的模型。

我们把他们的说明延伸到条件特征为基础的模型。

Shleifer (2000)研究早期关于投资者情绪和有限套利的文献，在这是两个关键因素。

Barberis and Shleifer (2003), Barberis, Shleifer, and Wurgler (2005), and Peng and Xiong (2004)讨论交易范围，Fama and French (1993)讨论类似规模股票和账面市场比之间的联动效应；对有类似特征股票的未认识到的需求冲击归于我们的研究。

最后我们扩展并统一了投资者情绪、IPOs以及小企业股票收益之间的关系(Lee, Shleifer, and Thaler。