【作 者】
刘桂荣（副教授），颜梦雅，金永红（副教授）
【作者单位】
华东理工大学商学院，上海200237
【摘 要】
【摘要】本文利用封闭基金折价率、消费者信心指数、上证A股换手率以及A股新增开户数构建投资者情绪综合指标，用上证指数收益率的负偏度表示股市崩盘风险，对2003 ~ 2015年我国A股市场上的投资者情绪与股市崩盘风险进行实证研究。研究发现，投资者情绪与股市崩盘风险正相关，并且投资者情绪的悲观变动比乐观变动对股市崩盘风险的影响更大。为了促进我国股市的平稳运行，在完善股市运行机制的同时，应该加强投资者教育，增强投资者理性，稳定投资者情绪。
【关键词】投资者情绪；股市崩盘风险；悲观情绪；上证指数
【中图分类号】F832.48 【文献标识码】A 【文章编号】1004-0994（2017）05-0039-8一、引言
20世纪以来，全球股市发生了多次崩盘事件，如1929年美国股市大崩盘、1989年日本股市泡沫破裂、1998年亚洲金融危机、2000 ~ 2001年美国NASDQ泡沫、2008年美国次贷危机等。我国股市更是从建立以来几经大起大落，如：1992年，股市放开涨跌幅限制后产生一系列问题，而后猛然下跌；1994年，高通胀下实行紧缩的货币政策使得股市险些崩盘；2001年，国有股减持带来了股市的暴跌；2007 ~ 2008年，我国股市暴跌，这次暴跌既有美国次贷危机的影响，同时也是经济累积过去问题的一次大的集中性爆发。
股市崩盘会产生一系列的影响。首先，股市崩盘会导致投资者财富缩水，影响投资者的消费信心和消费能力；其次，股市崩盘有很大的传染性，而这种传染性可能诱发金融危机，影响金融稳定；最后，股市崩盘会降低资源配置的效率，导致实体经济的衰退。因此，股市崩盘值得监管部门重视，也是学者们关注较多的金融异象之一。
我国股市中个人投资者占绝大多数。个人投资者掌握的信息较少，缺乏专业知识，是非理性的投资者，机构投资者也具有有限理性。很多研究发现我国机构投资者存在羊群效应，更有学者认为机构相比个人有更严重的羊群效应。传统金融学理论对包括股市崩盘在内的金融异象的解释能力有限，而行为金融学考虑了投资者的心理因素，将由投资者心理因素引发的行为特征加入模型，更好地解释了股市运行背后的机理，对投资者情绪的研究便是其中之一。因此，有必要引入投资者情绪指标研究我国股市的崩盘风险。
本文从投资者情绪视角研究我国股市的崩盘风险，试图以此解释股市的暴涨暴跌，促使投资者对股市运行规律有更深刻的认识，建立理性的投资理念。同时，促进监管机构及时洞察股市非正常波动，建立健全监管制度，对保障股市的正常健康运行有重要意义。
现有研究投资者情绪与股市崩盘风险的文献多采用二元变量作为崩盘指标，这在一定程度上限制了对两者关系的深入研究。本文的创新之处在于：采用月收益率的负偏度指标度量股市崩盘风险；把乐观情绪作为虚拟变量加入模型，建立股市崩盘与投资者情绪的直接联系，探讨投资者情绪的变动方向对股市崩盘的影响。
二、文献综述与研究假设
1. 投资者情绪的界定。投资者情绪是行为金融学的一个基本概念，学界对其尚没有标准的定义。学界主要从心理学角度和投资者预期的角度来阐释投资者情绪。
从心理学角度看，学界将投资者情绪定义为：由投资者的认知偏差以及情感、心理等多种因素造成的在投资活动过程中产生的一种违背理性的投资者心理。Lee等（1990）认为，投资者情绪是投资者由于理认知偏差而导致的一种对市场未来走向的判断。Shleifer和Vishny（1997）将投资者情绪定义为投资者错误应用贝叶斯法则或违背主观期望效用理论而形成信念或判断的过程。Barberis等（1999）认为，投资者情绪是对投资者形成投资信念或价值判断造成影响的认知过程。王美今和孙建军（2004）认为投资者情绪是一种“基于情感的偏差”，他们将投资者情绪定义为由于心理的偏差而产生的对未来收益的错误看法。
从投资者预期的角度，学者们认为投资者情绪是投资者对风险资产的一种带有投机倾向的预期或信念。Baker和Stein（2004）认为投资者情绪是投资者对资产的错误估值和投机倾向。Brown和Cliff（2001）将投资者对未来股票收益的乐观或悲观态度定义为投资者情绪。Baker和Wurgler（2001）则在上述定义的基础上，将投资者情绪定义为投资者在超出自己已知的既有信息的基础上对未来投资收益产生的一种投机倾向。韩泽县（2005）将投资者对资产未来收益的预期中带有的系统性偏差定义为投资者情绪。
投资者情绪的理论研究目前尚未形成统一的框架，最具代表性的是噪音交易理论和投资结构模型。对投资者情绪的研究更多的是实证研究，其研究范围主要集中于以下几个方面：①投资者情绪对股票价格是否形成了系统性风险；②利用投资者情绪能否有效地预测市场；③投资者情绪对股票收益的影响。
2. 崩盘风险。股市崩盘也叫暴跌或者崩溃，是指在没有任何信息预兆的前提下，发生了市场指数或者个股价格的骤变，通常是指价格的大幅下降。市场或个股存在的泡沫突然破裂导致的股价下降以及在没有泡沫的情况下出现价格的大幅下降都属于股市崩盘。陈国进等（2008）总结了市场崩盘的三个特征：①即使宏观和基本面没有坏消息的释放，股票价格依然出现了大幅下跌。②下跌是更为常见的股价变动。③崩盘有传染性，这种传染性不仅表现在股票间，也表现在市场间。
学者们主要从崩盘风险的影响因素以及崩盘造成的影响两个角度进行了研究。对崩盘风险的影响因素，学者们主要从代理理论和信息不对称、资本市场参与者以及外部政治环境这三个方面进行了探讨。本文将借鉴Chen等（2000）、Hueng和Mcdonald（2005）等的崩盘风险指标，采用月收益率的负偏度来度量崩盘发生的可能性，将股票市场发生崩盘的可能性大小定义为股市崩盘风险。
3. 投资者情绪与股市崩盘风险。早期的金融学家在完全理性预期下，利用波动率反馈模型研究股市崩盘风险，但只能解释价格变化的非对称性，无法解释崩盘的无信息支撑和传染性特征。为了更好地解释崩盘风险的特性，学者们开始在不完全信息和行为金融理论的框架下研究股市崩盘风险。行为金融理论框架下的股市崩盘风险，更多的是从异质信念的角度研究崩盘风险，从投资者情绪角度研究崩盘风险的文献较少。
随着行为金融学的发展，越来越多的学者认同投资者情绪对金融决策有着重要的影响。股价的暴涨暴跌，可能受基本因素的影响，但更有可能受投资者情绪的影响。Shiller（1989）利用投资者情绪调查数据，研究了1989年美国的股市崩盘现象，结果发现：投资者情绪突然的、剧烈的变化，具体来说是从之前的过度乐观变为悲观情绪，引发了股市崩盘。Baur等（1996）利用1987年美国股市崩盘期间的周数据研究发现，投资者情绪的变动与股票价格的变动显著相关。Zouaoui（2011）利用股市崩盘的二元变量与投资者情绪进行Logit回归，并比较了多个国家的股票市场，结果发现：投资者情绪提高了股市崩盘发生的概率，并且羊群效应越明显，投资者越是过度自信。另外，机构投资者参与程度越低的国家的股票市场，投资者情绪对股市崩盘发生概率的影响越明显。蒋致远（2013）利用Logit模型发现过度高涨的投资者情绪会增加股市危机及临界点发生的风险。冼学深（2013）利用KLR信号分析法发现，加入投资者情绪指标的股市危机预警系统比仅包含宏观信息的股市危机预警系统的预测准确率有所提升。
以上是直接从投资者情绪角度研究股市崩盘风险的文献，还有文献则更多地从投资者情绪与股市收益及收益波动的角度侧面体现投资者情绪与股市崩盘的关系。
De Long等建立了噪音交易的理论模型（DSSW模型），总结了噪音交易的四大效应，指出噪音交易者情绪越乐观，股价越高；噪音交易者会在错误的时机进入市场，高买低卖。Brown和Cliff（2010）研究发现，投资者情绪可以解释资产价格对价值的长期偏离，投资者情绪与资产定价从长期来看正相关。Barberis等（1999）以及Dumas（2009）指出投资者的有限理性，如损失厌恶、过度自信等特征也会对资产价格的波动产生正向的影响。这种基于投资者偏差的研究从侧面反映了投资者情绪对股价波动产生的影响。Black（1986）研究表明，市场中如果没有投资者情绪，那么股票价格几乎不会产生变动。杨阳、万迪昉（2010）研究了不同市场态势下投资者情绪与收益波动的关系，发现相比牛市，在熊市中投资者情绪与股票收益波动有更为显著的正相关关系。张强、杨淑娥、杨红（2007）利用GARCH-M（1，1）模型研究发现，投资者情绪高涨时股票收益波动变大，而投资者情绪低迷时，股票收益的波动会变小。唐静武、王聪（2009）基于投资者的异质性，利用理论模型证明了市场情绪对股票波动的产生有重要作用，同时也说明了投资者情绪带来了我国股票市场上的暴涨和暴跌。
陈彦斌（2005）利用主观偏好参数表示投资者情绪，并将主观参数波动加入递归效用函数，计算了情绪波动弹性，发现投资者情绪的波动会带来股票价格的波动，且这种波动远比债券价格的波动大得多。张宗新、王海亮（2013）利用多元回归和脉冲响应分析发现投资者情绪对市场波动率与收益率均有正向影响，说明投资者情绪对市场收益有正反馈效应，且投资者情绪越高，股票价格的偏离度越大，股市波动性越大。李学峰、曹晨旭（2010）研究发现，情绪的放大效应会造成股市的暴涨暴跌。唐静武和王聪（2009）利用TGARCH-M模型研究沪深两市的收益波动后得出结论：投资者情绪是我国股市暴涨暴跌的重要原因。股市崩盘属于一种非正常的股市波动。根据上述研究，我们可以推论：投资者情绪会影响股市崩盘风险，且情绪越高，崩盘风险越大。因此，本文提出假设1：
H1：投资者情绪与股市崩盘风险正相关，即投资者情绪越高，崩盘风险越大。
为了更深入地了解投资者情绪对股市的影响机理，学者们进一步对投资者情绪本身进行了更为细致的划分，如区分了机构投资者情绪和个人投资者情绪、乐观情绪和悲观情绪、理性情绪和非理性情绪等。通过将情绪划分为乐观情绪和悲观情绪，研究发现，两者对收益及收益波动的影响存在不对称性。Lee等（1990）发现，情绪的负向波动对股市波动的影响要大于情绪的正向波动。在进行投资决策的过程中，投资者表现出的损失厌恶说明了负面情绪的作用要大于正面情绪。林树和俞乔（2010）通过心理学实验也发现恐惧的情绪比希望的情绪更为显著地影响了交易量。因此，本文提出假设2：
H2：悲观情绪对股市崩盘的影响大于乐观情绪对股市崩盘的影响。
三、数据和变量
1. 投资者情绪（SENT）成分指标选择。根据现有文献，同时考虑使用频率、数据可得性和完整性等问题，本文选用以下情绪代理变量：
（1）封闭式基金折价率（CEFD，Closed-End Fund Discount）：封闭式基金折价率是最为常用的构造投资者情绪的间接指标之一。Lee、Shleifer和Thaler（1990）通过实证研究发现投资者情绪可以解释封闭式基金折价的现象。伍燕然和韩立岩（2007）验证了在中国也可以用投资者情绪解释封闭式基金折价之谜，间接证明了封闭式基金折价率是较好的投资者情绪代理变量。
封闭式基金折价率是投资者情绪的反向指标。投资者的情绪越高，封闭式基金越容易成交，则封闭式基金折价率越小。封闭式基金折价率的计算方法如下：
[CEFDit=i=1nWiNAVit-PitNAVit] （1）
其中：NAVit为基金i在t期的基金净值；Pit为基金i在t期的价格；Wi表示权重，具体为基金i的资产占入选基金的比重。
（2）换手率（Turnover）：换手率是指市场中的股票在一定时间内转手买卖的频率，用股票总成交额与总流通市值的比例衡量。换手率的高低一定程度上反映了市场活跃程度的大小以及流动性的强弱。通常，投资者情绪越高，投资者交易的意愿越强烈，此时市场换手率越高。Baker和Stein（2004）认为可以将换手率作为衡量投资者情绪的变量，换手率的升高可以反映市场中噪音交易者的增加。
（3）消费者信心指数（CCI，Consumer Confidence Index）：消费者信心指数反映了消费者对经济形势、发展前景、收入水平等的看法。消费者信心水平越高，表明他们对当前和未来的形势越看好，从而在投资市场上的表现也越积极，情绪越高。
（4）投资者月新增开户数（NIA，New Investors Account）。新增开户数是由我国证券登记结算公司发布的每月股票市场中的新增账户数量。国外成熟市场的投资者已达到饱和或趋于稳定，与之相比，我国股市仍处于发展阶段，如果新增开户数较多，说明潜在投资者进入股市的意愿更为强烈。
2. 投资者情绪指标的构造。不仅当期指标能反映投资者情绪，指标的滞后项同样可以。现有研究也多将滞后一期的指标纳入指标体系，因此本文也将加入滞后一期的指标，针对共八个指标进行主成分分析。首先，对这八个指标的相关性进行分析，结果见表1：
由表1可初步判断，指标间有较强的相关关系。进一步计算KMO值。KMO衡量了变量间的简单相关系数和偏相关系数，其值介于0和1之间，越接近于1则相关性越强。一般认为KMO值小于0.5则不适合进行因子分析。本文KMO值接近0.7，可以做因子分析。基于以上分析，进一步使用SPSS软件对指标进行主成分分析，结果如下：
表2显示，前三个主成分的累积贡献率大于85%，选取前三个主成分进一步构造投资者情绪综合指标。
根据公式Ai= ，可以由初始因子载荷矩阵生成特征向量矩阵，其中Ai是特征向量矩阵，也是主成分公式的系数，Bi是初始因子载荷矩阵，λi是特征值。主成分的具体结果如下：
F1=-0.3166CEFDt-0.3237CEFDt-1+
0.4438Turnovert+0.4414Turnovert-1 -0.1468CCIt-0.1562CCIt-1+0.4256NIAt+0.421NIAt-1 （2）
F2=0.373CEFDt+0.375CEFDt-1+
0.1835Turnovert+0.1963Turnovert-1+0.5076CCIt+
0.5019CCIt-1+0.2586NIAt+0.2671NIAt-1 （3）
F3=0.513CEFDt+0.4884CEFDt-1+
0.2197Turnovert+0.2175Turnovert-1-0.445CCIt-
0.452CCIt-1+0.0081NIAt-0.0257NIAt-1 （4）
最终的综合指标中各主成分的权重等于各自的贡献率除以三个主成分的累积贡献率，投资者情绪指标（SENT）的具体表达式如下：
SENT=0.5049F1+
0.3688F2+0.1263F3 （5）
将上证指数收益与构建的投资者情绪指标作图，比较以检验投资者情绪指标的有效性，结果如图1所示：
从图1可以看出，投资者情绪波动的趋势与上证指数收益波动的趋势具有一致性，说明本文构建的投资者情绪综合指标是有效的，同时也表明后文用投资者情绪研究上证指数的暴跌是有基础的。
3. 股市崩盘风险的度量指标。目前，刻画股市崩盘应用得较为广泛的指标有两种。其中一种是采用收益率的偏度来衡量崩盘发生的可能性，收益率的负偏度越大，崩盘的概率越大。本文即采用该方法，利用上证综指日收益率的负偏度度量股市崩盘风险，计算公式如下：
[SKEWNESSm=1hi=t+1t+h(ri-rm)31hi=t+1t+h(ri-rm)232] （6）
其中：SKEWNESSm表示收益率的负偏度，即股市崩盘风险；ri代表市场日收益率；rm代表在t+1 ~ t+h时间段内市场的平均收益率；h为时间间隔，本文以月度崩盘风险为研究对象，故h为当月交易的天数。
4. 控制变量。参考冼学深（2013）以及Zouaoui（2011）的研究，利率、汇率、通胀指数等宏观经济变量对股市崩盘风险有一定的预测作用。本文选取的控制变量符号及含义见表3：
5. 稳健性检验指标。为了避免本文结论的偶然性，需要对模型的稳健性进行检验。DUVOL指标衡量了股价上升阶段的波动性与下降阶段的差异性，DUVOL指标的值越大表明收益率分布越左偏，因此同样衡量了崩盘风险，本文利用Chen等建立的DUVOL指标代替SKEWNESS，并对情绪指标和有关控制变量进行回归。
将样本数据分为两个子样本，分别为上升阶段与下降阶段。收益率大于平均收益率的为上升阶段，收益率小于平均收益率的为下降阶段。计算公式如下：
[DUVOLm=lognu-1DOWN(ri-r )2nd-1up(ri-r )2] （7）
其中：DUVOLm表示市场崩盘风险；nu表示本月中收益率上升的天数；nd表示本月中收益率下降的天数；[DOWN(ri-r )2]表示下降收益率与平均收益率差的平方和；[up(ri-r )2]表示上升收益率与平均收益率差的平方和。因此，DUVOL衡量了上升阶段与下降阶段波动性的差异。
6. 数据来源。本文计算投资者情绪的封闭式基金折价率、换手率、投资者新增开户数来自RESSET数据库，消费者信心指数来自国家统计局；用于计算股市崩盘风险的2003 ~ 2015年的日收益率共3156条数据，来自RESSET数据库，计算得到月收益率共计156个样本数据。控制变量中，月度利率来自RESSET数据库，月度汇率来自国泰安数据库，月度宏观经济景气指数来自新浪财经，月度货币供应量和月度居民消费物价指数来自国家统计局。
四、研究假设与模型
1. 回归模型。为检验假设1，本文将利用多元回归模型对崩盘风险指标和投资者情绪指标进行分析。建立回归模型如下：
SKEWNESSt=α0+γ1SENTt+β1Ratet+β2M2t+
β3EXCHANGEt+β4CPIt+β5MECIt+εt （8）
其中：SKEWNESSt表示t时期的股市崩盘风险，在本文中由收益率的负偏度刻画；SENTt表示t时期的投资者情绪，其余变量为控制变量。
为了检验假设2，本文将加入表示乐观情绪的变量。根据Lee等（2002）的研究，我们将投资者情绪的正向变动定义为乐观情绪，投资者情绪的负向变动定义为悲观情绪，具体如下：
△SENTt=SENTt-SENTt-1 （9）
[D= 1，∆SENT>0 0，其他] （10）
其中，△SENTt表示第t期情绪的变动值，由当期情绪值减去上一期的情绪水平得到。D为虚拟变量，当其值为1时，表示情绪的变动是正向的，在本文中即为乐观情绪；当其值为0时，表示情绪的变动方向是非正的，在本文中代表悲观情绪。
考虑虚拟变量加入模型的三种形式：加法形式、乘法形式和交叉回归，得到模型如下：
SKEWNESSt=α0+γ1SENTt+γ2D+β1Ratet+
β2M2t+β3EXCHANGEt+β4CPIt+β5MECIt+εt （11）
SKEWNESSt=α0+γ1SENTt+γ2D×SENTt+
β1Ratet+β2M2t+β3EXCHANGEt+β4CPIt+
β5MECIt+εt （12）
SKEWNESSt=α0+γ1SENTt+γ2D+
γ2D×SENTt+β1Ratet+β2M2t+β3EXCHANGEt+
β4CPIt+β5MECIt+εt （13）
其中：SKEWNESSt表示t时期的股市崩盘风险，在本文中由收益率的负偏度刻画；SENTt为t时期的投资者情绪，D为乐观情绪和悲观情绪的虚拟变量，其余变量为宏观控制变量。
2. 稳健性检验模型。利用如下模型进行稳健性检验：
DUVOLt=α0+γ1SENTt+β1Ratet+β2M2t+
β3EXCHANGEt+β4CPIt+β5MECIt+εt （14）
DUVOLt=α0+γ1SENTt+γ2D+β1Ratet+β2M2t+β3EXCHANGEt+β4CPIt+β5MECIt+εt （15）
DUVOLt=α0+γ1SENTt+γ2D×SENTt+β1Ratet
+β2M2t+β3EXCHANGEt+β4CPIt+β5MECIt+εt
（16） DUVOLt=α0+γ1SENTt+γ2D+γ2D×SENTt+
β1Ratet+β2M2t+β3EXCHANGEt+β4CPIt+
β5MECIt+εt （17）
其中：DUVOLt为稳健性指标；SENTt为t时期的投资者情绪，D为乐观情绪和悲观情绪的虚拟变量，其余变量为宏观控制变量。
五、投资者情绪与股市崩盘风险的关系
1. 平稳性检验。为防止伪回归的发生，首先对各数据进行单位根检验。本文采用扩展的Dick-Fuller检验即ADF检验来检验各数据序列是否平稳。
对文中所有指标和变量进行ADF平稳性检验，得到的结果见表4：
从表4可以看出，各数据的ADF值均显著，故可以进行回归分析。
2. 回归分析结果。
从表5可以看出，模型调整的R2为0.166，说明选取的投资者情绪以及其他宏观控制变量可以解释的崩盘风险约为16.6%。模型的F值为6.069且在1%的显著性水平上显著，说明建立的回归模型有一定的解释能力。模型中投资者情绪的系数为0.452，且其P值在1%的水平上显著，说明投资者情绪对股市崩盘风险有正向影响，投资者情绪的水平值每增加1个单位，股市崩盘风险增加0.452个单位，初步判断假设1成立，投资者情绪越高，股市崩盘风险越大。
为了更直观地体现投资者情绪对股市崩盘风险的影响，本文进一步用脉冲响应函数对两者的关系进行分析。根据AIC和SC准则选择模型的滞后期为四期。对相关变量进行单位根检验，检验结果见图2：
根据图2，投资者情绪和崩盘风险的四期滞后项共八个指标均在单位圆内，不存在单位根，可以进一步进行脉冲响应分析。得到的脉冲响应函数图见图3和图4：
根据图3，投资者情绪对崩盘风险造成正向冲击，说明投资者情绪越高涨，崩盘风险越大。图4显示崩盘风险对投资者情绪也有一个正向冲击，说明投资者不能及时发现风险，使得情绪存在一定的惯性。
脉冲响应分析进一步验证了假设1的成立。市场上的投资者情绪较高时，对风险资产的需求也会增加，导致市场上的股票价格升高，产生泡沫，崩盘风险也随之增加。此时，投资者尚未意识到风险的增加，而是被泡沫吸引而忽视了背后隐藏的危机，使得市场上投资者的投资热情持续高涨，但这又进一步增加了崩盘风险，从而引起恶性循环。一旦投资者预期发生改变，便会引发市场的崩盘。
为了更进一步了解不同类型的投资者情绪对崩盘风险的不同影响，本文加入衡量情绪是否乐观的虚拟变量，得到的回归结果见表6。
从表6可以看出，以加法形式加入虚拟变量的模型（11），调整的R2为0.178，F值为5.737且在1%的水平上显著，说明模型有一定的解释能力。调整的R2大于初始模型的调整的R2，说明该模型在一定程度上优于初始模型。投资者情绪指标的系数依然为正，并且显著，可见投资者情绪与股市崩盘风险正相关的结论没有被改变。同时新加入的虚拟变量系数为-0.189，且在10%的水平上显著，虚拟变量的加入影响了模型的截距，说明乐观情绪对股市崩盘风险的影响比悲观情绪小0.189，悲观情绪的作用相对大于乐观情绪。
模型（12）中，以乘法形式加入的虚拟变量并不显著，因此，我们可以认为乐观情绪并没有改变投资者情绪对股市崩盘风险影响的斜率。
最后，将虚拟变量和乘数项都加入模型。在模型（13）中，调整的R2为0.175，F值为5.061且在1%的水平上显著。虚拟变量的系数为-0.194，在10%的水平上显著，系数符号没有改变。乘数项仍不显著。
从以上结果可以看出，投资者情绪的变动方向会影响崩盘风险。具体来说，如果情绪是悲观的，那么其对崩盘风险的影响要比乐观情绪的影响大。在当前情绪水平下，投资者对未来的预期较好，情绪乐观可能会进一步推高股价，增加市场和股价中隐含的泡沫，增加崩盘风险；但如果投资者的未来预期相较于当前变差了，投资者情绪变得悲观，那么投资者可能抛售手中的股票，从而直接导致崩盘。因此，悲观情绪造成的崩盘风险要大于乐观情绪造成的崩盘风险。但是，悲观情绪对崩盘风险的边际影响与乐观情绪对崩盘风险的边际影响并没有显著差异。虚拟变量的乘数项衡量的是变量间的交互作用，乘数项不具有显著性，说明投资者情绪与情绪的变动没有相互作用，情绪的变动是投资者根据市场的信息、预期等等因素而变化，但不会因为当前自身的情绪水平来做出变动，即投资者不会根据自身情绪水平来对情绪进行调节，一定程度上说明了投资者情绪具有惯性。
六、稳健性检验
用DUVOL指标对模型进行稳健性分析，得到的结果见表7。从表7可以发现，所有模型的F值均显著，模型有一定的解释力。与模型（8）相比，模型（14）中情绪指标的系数仍然为正，并且在1%的水平上显著。同时，控制变量的符号没有改变，模型有一定的稳健性，再次验证了假设1。加入虚拟变量的模型（15）、（16）、（17）中系数的符号没有改变，且情绪指标与乐观情绪的虚拟变量是显著的，再次验证了假设2，说明前文的模型是稳健的。
七、结论
本文利用2003 ~ 2015年封闭基金折价、消费者信心指数、换手率和股市新增开户数的月度数据构建了反映投资者情绪月度数据的综合指标，并利用日收益率计算得到月度市场崩盘风险，研究了投资者情绪对股市崩盘风险的影响，得出了以下结论：首先，投资者情绪与股市崩盘风险呈正相关关系，即市场上的投资者情绪越高涨，隐藏的崩盘风险越大。在模型中，投资者情绪对股市崩盘风险的影响系数显著为正，且投资者情绪与股市崩盘风险相互之间存在正向冲击。当市场上的投资者情绪高涨时，通常此时的股价水平较高，较高的股价促进了投资者的追涨之风，使得投资者忽视高价背后隐含的泡沫，从而投资者情绪越发高涨，如此形成恶性循环。其次，投资者情绪的悲观变动比投资者情绪的乐观变动对崩盘风险的影响更大，也就是说，在同一水平下，投资者对未来的悲观预期使得未来崩盘的可能性更大。如果投资者的情绪持续高涨，那么股价会不断推高，此时一旦投资者预期改变，股市崩盘就会发生。
我国尚未形成成熟的股票市场，投资者情绪对股市崩盘的影响非常显著。因此，监管部门可以适当利用投资者情绪掌握投资者的心理和预期，建立合理的股市危机预警机制；加强对投资者的教育，提高投资者的理性程度；加强对上市公司的监督，确保上市公司发布信息的及时性、真实性和准确性，保证投资者有快捷方便获取信息的渠道，使投资者能最大限度地了解并利用市场上的有效信息。上市公司也应增强相应的责任意识，及时披露有关信息，配合监管部门的工作。投资者应加强自身专业知识学习，在制定投资策略时，理性分析公司的投资价值，避免盲从。
主要参考文献：
陈浩．中国股票市场机构投资者羊群行为实证研究［J］．南开经济研究，2004（2）．
程天笑，刘莉亚，关益众．QFII与境内机构投资者羊群行为的实证研究［J］．管理科学，2014（4）．
李志文，余佩琨，杨靖．机构投资者与个人投资者羊群行为的差异［J］．金融研究，2010（11）．
Lee C. M. C.， Shleifer A., Thaler R. H.．
Investor Sentiment and the Closed-End Fund Puzzle［J］．Journal of Finance，1990（1）．
Shleifer A.， Vishny R. W.．The Limits of
Arbitrage［J］．Social Science Electronic Publishing，1997（1）．
王美今，孙建军．中国股市收益、收益波动与投资者情绪［J］．经济研究，2004（10）．
Baker M.， Stein J. C.．Market liquidity as a
Sentiment Indicator［J］. Ssrn Electronic Journal，2004（3）．
Brown G. W.， Cliff M. T.．Investor sentiment and the Near-Term Stock Market［J］．Journal of
Empirical Finance，2001（1）．
Michelle L., William S. G.．IPO Market Cycles: Bubbles or Sequential Learning［J］．Journal of
Finance， 2000（3）．
刘维奇，刘新新．个人和机构投资者情绪与股票收益——基于上证A股市场的研究［J］．管理科学学报，2014（3）．
