投资者情绪对股票市场走势预测研究—基于上证A股数据的实证分析.doc

《投资者情绪对股票市场走势预测研究—基于上证A股数据的实证分析.doc》由会员分享，可在线阅读，更多相关《投资者情绪对股票市场走势预测研究—基于上证A股数据的实证分析.doc（26页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、投资者情绪对股票市场走势预测研究基于上证A股数据的实证分析摘要：我国经济腾飞的20多年间，金融体系的发展可谓日新月异，证券市场在各个方面都取得了显著成就。上海证券交易所在1990年成立，发展至今股票市值已达4万多亿美元，排名全球第四，深交所也跻身排名全球前20名。但相较于欧美等发达国家的市场，我国股票市场还存在发展时间短，市场机制、监管制度以及法律法规等各个方面都还不够完善等问题，证券市场运行受政策干扰较大，投资者结构极不合理，众多市场参与者的投资理念不够成熟，这些因素都使得我国证券市场远远未能达到有效市场的水平。由于我国证券市场存在一系列不完善的问题，市场中众多投资者的主观情绪变化会使股票市

2、场价格偏离其内在价值，且外在冲击一旦与投资者情绪产生协同，将会导致股票市场出现剧烈波动。基于此，本文立足于行为金融学，以其理论基础为支点，通过主成分分析法将投资者情绪量化，以分析个人行为与金融市场表现之间的关系，再以单因素回归模型研究投资者情绪对股票市场收益率的影响。经过实证分析后得出结论：（1）投资者情绪与上证指数走势高度相关；（2）投资者情绪对股票市场当期收益率与滞后期收益率都具有正向性的显著影响。最后，本文从研究结论出发，提出应对证券市场投资情绪变化的建议，以促进我国证券市场平稳有序运行。关键词：行为金融学、股票市场、投资者情绪，主成分分析法，单因素回归模型Investor sentim

3、ent on the stock market trend prediction research-empirical analysis based on Shanghai a-share dataAbstract:During the more than 20 years of Chinas economic boom, the development of the financial system is changing with each passing day, and the securities market has made remarkable achievements in

4、all aspects. The Shanghai Stock Exchange was established in 1990. Since its development, the stock market value has reached more than 4 trillion US dollars, ranking fourth in the world, and the Shenzhen Stock Exchange has also ranked among the top 20 in the world. However, compared with the markets

5、of developed countries such as Europe and the United States, China s stock market still has short development time, and the market mechanism, regulatory system, laws and regulations are still not perfect. The operation of the securities market is greatly interfered by policies, and the investor stru

6、cture It is extremely unreasonable. The investment ideas of many market participants are not mature enough. These factors have made Chinas securities market far from reaching the level of an effective market.Due to a series of imperfect problems in Chinas securities market, changes in the subjective

7、 sentiment of many investors in the market will cause the stock market price to deviate from its intrinsic value, and once the external shocks are synergistic with investor sentiment, it will lead to a dramatic stock market fluctuation. Based on this, this article is based on behavioral finance, usi

8、ng its theoretical basis as a fulcrum, quantifying investor sentiment through principal component analysis, to analyze the relationship between personal behavior and financial market performance, and then using a single factor regression model to study investors The impact of sentiment on stock mark

9、et returns.After empirical analysis, it is concluded that: (1) Investor sentiment is highly correlated with the trend of the Shanghai Stock Index; (2) Investor sentiment has a positive and significant impact on the stock markets current and lagging returns. Finally, starting from the research conclu

10、sions, this article puts forward suggestions to deal with changes in investment sentiment in the securities market to promote the smooth and orderly operation of Chinas securities market.Key words: Behavioral finance, stock market, investor sentiment, principal component analysis, single factor regr

11、ession model目 录第一章 绪 论11.1研究背景和意义11.1.1研究背景11.1.2研究意义21.2 文献综述21.2.1 国外研究21.2.2 国内研究31.3课题研究方法和内容41.3.1研究方法41.3.2 研究内容4第二章 投资者情绪理论基础52.1 投资者情绪定义52.2 理论基础52.2.1 过度自信情结52.2.2 羊群效应62.2.3 反应过度和反应不足62.3 小结6第三章 投资者情绪指标构建及因子分析83.1 主成分分析法83.2 投资者情绪构建83.2.1 投资者情绪指标的选取83.2.2 控制变量的选取93.2.3 数据来源93.2.4 主成分分析法93.

12、3 投资者情绪与上证指数比较15第四章 投资者情绪对股票收益率影响分析174.1 单因子回归模型构建174.2 回归模型系数检验184.3 回归结果分析与结论19第五章 结论与建议205.1 本文研究结论205.2 针对我国证券市场的建议20参考文献22致谢23第一章 绪 论1.1研究背景和意义1.1.1研究背景上个世纪90年代初，上交所、深交所同年成立，我国证券市场正式登上时代的舞台。在过去的30年间，随着我国经济的飞速发展，证券市场也不断发展壮大。上海证券交易所从成立至今，股票市值达4万多亿美元，全球排名第四；深圳证券交易所也跻身全球前20的排名。我国的股票市场无论在广度上还是深度上都有了

13、长足的发展，上交所和深交所已经发展成为世界主要的证券交易所。我国证券市场经过近30年的发展，在短时间上完成了对欧美多数的证券市场体量上的赶超，但相比较其他方面，我国股票市场还属于新兴市场的行列，在运行机制，市场制度，法律法规等方面仍有不小的差距。首先，我国股票市场有典型的“政策市”的特征，由于社会制度因素以及市场运行机制不够完善等原因，在股市出现极端行情时，政府部门及证监会通常会使用各种政策对股票市场进行干预，如增加或免除印花税、限制涨跌幅，注入流动性等。其次，股票市场波动剧烈。股票市场从成立至今一共经历过数次暴涨暴跌，上证指数在06到07年从1163.88点暴涨至峰值点6124.04，涨幅高

14、达352%，08年又从高点跌至1820.81点，跌幅达65.39%，15年上证指数在4个月内快速冲顶，从3000多点涨至5000多点，又在随后的3个月内快速跌落2800多点。我国股票市场两次最为剧烈的波动，对经济金融体系的流动性、实体企业的经营和市场众多投资者的造成剧烈冲击。再次，我国股票市场投资者结构不合理。我国股票市场个人和一般法人投资者占比84.6%，专业境内外机构投资者仅占15.4%。我国股票市场是以中小型投资者为主，这些投资者的投资理念及心理并不成熟，对某些信息经常过度反应，进一步加剧股票市场的暴涨暴跌。以上特征都说明我国股票市场远远达不到有效市场的水平，与传统金融学中的理性人假设相

15、悖。我国股票市场中存在大量中小型投资者，这些行为散乱的投资者的情绪波动往往会使股市运行严重偏离其正常轨迹，对股票市场走势和收益率产生重要影响。基于此背景下，本文立足于行为金融学说，运用其理论和方法研究投资者情绪对上证指数走势及收益率的影响问题。1.1.2研究意义中国证券市场虽然经过20多年的快速发展，成就瞩目，但依然属于新兴市场的行列。国内证券市场的现实情况决定了传统金融学理论的不适用性，而行为金融学理论放松了传统金融学里理性人和有效市场的假设，强调情绪、心理等难以测量的主观因素，运用投资者情绪理论能够解释证券市场存在的如“羊群效应”“假日效应”“反转效应”等异象。能够更好的预测股票市场的走势

16、。本文通过构造投资情绪指标，研究投资者情绪与股票市场走势和收益之间的关系，其结论可使市场投资者更好的认清自我，在投资决策时提供参考依据。在证券监管方面，投资者情绪理论可以帮助监管层把握证券市场运行规律，为政府部门完善证券市场机制，法律法规等方面提出意见和建议，以促进我国证券市场健康有序发展。1.2 文献综述1.2.1 国外研究早在1980年，国外学者已经开始探索投资者情绪对股票市场走势和整体收益率的影响。其中一些学者研究发现，股票市场的价格并非都是由公司基本面所决定的，股票市场走势存在偏离内在价值的可能，但在一段时间后，股价最终都会回归其正常水平。Delong，Shleifer，Summer和

17、Waldmann（1990）发现证券市场长期存在噪音交易者。这些交易者认为市场未来的预期具有不确定性，其错误的噪声交易的理念可能使证券市场的价格长期偏离其均值水平，在某一段时间内达到顶峰，加剧股票价格与基本面的偏离程度，导致市场风险剧增。因此，DSSW模型认为投资者情绪在有限套利的市场是影响证券价格的因子。Charoenrook（2003）将投资者情绪指数替换为年度变动的密歇根大学消费者情绪指数。结果发现消费者情绪变化能够预测市场短期、长期的收益率。Brow和Cliff（2004）对投资者情绪与市场短期收益的关系进行检测。发现各个情绪指标与市场是联动的，但难以预测市场的短期收益率。Barber

18、is，Shleifer和Wurgler（2005）的研究表明，市场变化并非完全由公司基本面决定，市场参与者的情绪对资产价格具有重要影响。Glushkow（2006）通过构建情绪值，研究情绪变化对股票收益的敏感度。研究表明小市值股票对市场情绪变化的反应最为敏感。Kumar和Lee（2006）使用交易数据研究发现，个股的股东数量与股票收益之间有联动性，对情绪变化的反应也相对较高。Baker和Wurgler（2006）选取多个指标将投资者情绪量化，在剔除无关变量之后构建BW指数。该研究发现情绪对股市表现具有总体效应，对市场收益率存在显著影响。1.2.2 国内研究陆江川和陈军（2012）采用好淡指数作

19、为市场情绪指标的替代，用以研究市场情绪与股票收益率的关系。研究发现，短期市场情绪对股票收益率有正向影响，中期市场情绪则对收益率没有显著的影响。闫伟（2012）在原有的投资者情绪指数的基础上进行优化其选取的原始变量，并验证了该优化情绪指数的有效性，进而基于BSV模型和DSSW模型构建双向情绪模型。通过该研究可以知道：投资者情绪上涨将推高股票市场的人气和热度，并使得市场中股票价格不断走高。黄斌（2013）、宋艳西（2013）从本国实际情况出发，选取能够体现证券市场表现的多个客观指标构建投资者情绪指数，研究股市走势和收益与投资者情绪之间的关系。实证研究结果表明，该情绪指标对股票市场走势和收益具有显著

20、正向影响。这表明投资者情绪与股票走势和收益率之间互为因果关系。欧红琼（2016）在行为金融学的理论基础上，考察投资者情绪与股票市场的关系。其研究结论表明投资者情绪与股票市场相互影响，陈明珠（2016）采用主成分分析法构造综合投资者情绪，并以上证指数为研究对象，证明投资者情绪对股票市场收益率具有显著的正向影响。张德容、余攀和李时坤（2018）参考BW的研究方法，分析投资者情绪与股票价格的相互关系。其结果表明投资者情绪变动对股票价格的影响有滞后效应。1.3课题研究方法和内容1.3.1研究方法本文参考BW的研究，采用以下三种方法进行实证分析：（1）文献归纳法：通过收集阅读前人的理论文献，对文献资料进

21、行总结归纳，选出有代表性的研究成果作为本文的理论基础。（2）主成分分析法：本文截取近10年的股市交易数据和8个包含情绪的代理变量，运用降维提取公因子的方式，通过spss软件构建投资者情绪指标，接着运用回归模型验证投资者情绪与各个指标之间的相关性，最终得到投资者情绪指标，并比较投资者情绪与上证指数的走势。（3）单因素回归法：该方法主要利用投资者情绪对我国股票市场的影响进行分析，以上证指数月度收益率为因变量，投资者情绪月度变动为自变量，检验投资者情绪对市场收益率的影响程度。1.3.2 研究内容本文共分为5个章节，具体框架如下：第一章， 绪论。本章主要介绍文章的研究背景、意义，以及国内外的相关研究文

22、献，在广泛阅读前人文献的基础上，构造了文章的研究方法和内容，研究投资者情绪对股票市场走势和收益率的影响的问题。第二章， 投资者情绪理论。本章介绍投资者情绪这个作为心理学和金融学交叉学科的基本概念以及相关理论，最后进行总结。第三章， 投资者情绪构建及分析。本章截取近10年交易数据和8个包含情绪的原始变量来构建投资者情绪指标，并检验投资者情绪与各个指标之间的相关性，最后验证投资者情绪与上证指数走势。第四章， 投资者情绪对股票市场收益率影响的实证分析。本章使用单因素回归模型，利用投资者情绪研究其对市场收益率的影响，并检验回归系数的显著性，最终得出我国投资者情绪和股票市场收益率之间关系的结论。第五章，

23、 结论与建议。本章总结前文的分析结果，针对我国市场上不理性的投资现状提出建议，以完善证券市场的规章制度，促进证券市场平稳运行。第二章 投资者情绪理论基础2.1 投资者情绪定义情绪是个体对外界刺激的主观、有意识的体念与感受，具有心理与部分生理反应特征。投资者情绪作为心理学和金融学的交叉学科行为金融学中的基本概念，是指投资者对未来预期的系统性偏差，反映市场参与者的投资意愿或预期。投资者情绪在经济生活中是一个非常重要的概念，却又难以度量。在大多数时间里，投资者情绪的变化如同“布朗运动”一般，散乱无序，而在某些特定的时间里，当外在冲击与市场众多投资者的情绪产生协同时，必然会加剧市场的波动，无论上涨还是

24、下跌，都会导致系统性风险的出现，进而对金融体系和实体经济造成冲击。2.2 理论基础传统金融学理论认为市场中众多投资者的行为是由物质动机驱动的，这些投资者都是完美的理性人，即投资决策遵循最大效用，最小成本，理性预期和风险规避等。但在现实中，特别是我国的证券市场的参与者的投资行为却常常与此相悖。行为金融学认为证券市场中股价并非完全取决于公司的内在价值，相反，在很大程度上，市场的外在因素如投资者的意愿，对未来前景的预期等会对市场走势产生重大影响。当市场参与者的主观判断一致时，无论其决策正确与否，都会导致证券市场发生系统性的偏离。与过国外证券市场相比，中国证券市场的有效性还相当弱，投资者的市场行为出现

25、更多的偏差，主要表现在以下几个方面：2.2.1 过度自信情结过度自信理论是指投资者过分相信自己的判断，过分高估对事情的预测和判断。证券市场中的投资者在进行投资分析时，通常会特别重视那些对自身决策有力的信息，忽略对投资不利的信息，这样能够大大增强其投资的自信心。这使得众多投资者往往对风险估计不足，对收益盲目乐观，从而预期收益和实际收益出现偏差，蒙受更多的损失。同时，投资者过于自信会让自己觉得能够把握住市场的每次涨跌，获得更高的收益，从而导致高频交易，交易成本增加侵蚀利润。市场参与者的投机心理远大于投资心理，常常忽视风险的存在，陷入赌博式投资。2.2.2 羊群效应羊群效应描述的是金融市场中一种非理

26、性的盲目从众行为，即选择与别人相同的投资策略和行为。我国证券市场的主要参与者是中小型投资者，这个群体分散，大部分投资者都不具备专业的金融知识，难以对纷杂信息进行处理和辨别。过高的信息成本使得投资者们往往更偏向于以他人的策略为基准，来决定自己的投资决策。在这种效应下，市场上出现大量的“跟风”和“跟庄”现象，投资者不能独立的做出决策，只是盲目跟随大流，上涨时跟进买张，下跌时纷纷抛售。同时也易被别有用心的投机者利用，进而影响金融秩序。2.2.3 反应过度和反应不足过度反应是指当市场某一事件发生时，股票价格超出其合理的波动区间，出现暴涨或暴跌现象，随后又在一段时间内回到合理价位。在这种情况下，由于投资

27、者对信息的主观判断发生偏差，通常会采取不应该进行的投资决策，最终导致损失。反应不足则是指在某一重大事件发生时，股价反应平平无奇，甚至毫无反应。这是由于对信息不敏感或者难以分析而产生的。国内投资者的分析和反应能力较弱，很难在短时间内修正对信息解读的偏差，或是漠视信息，导致本该进行的操作没有执行，最终发生损失。这些都是投资者的心理偏差和行为偏差所导致的。2.3 小结不难发现，传统金融学的核心是市场的内生价值，其股价应当与公司的价值相当。相反，行为金融学摒弃理性人假设，以市场参与者的行为为研究对象，认为股价与个体的行动有直接关系，其理论更加贴近市场的真实情况。一般来说，在没有理性人的假设条件下，人的

28、行为通常由情绪主导，而情绪的产生则是源于外界的刺激。就股市而言，市场参与者的情绪来源于对数据、消息、政策的解读，对当前形势的主观判断，而市场情绪则是众多参与者情绪的叠加。不同个体会按照自身的情绪来对市场进行解读，直到与市场情绪产生共振为止。本质上，市场行情是情绪的产物，股票价格是各个个体的情绪在市场大环境下碰撞博弈的结果。因此，市场虽然受消息影响，但行为却由情绪主导。消息好坏固然重要，但不同环境下的解读也会完全不同，市场情绪的正负叠加才是市场表现的关键。当市场情绪正向时，再大的利空也可能只是小下跌；当市场情绪低迷时，再大的利好也能被解读为利好出尽是利空，化身为股价催命符。总而言之，无论股市消息

29、数据政策如何变幻，最终主导市场的还是参与者的情绪。市场是理性的，也是感性的。市场行为特征本质上是人类情绪的翻版，市场行情更多的是人的情绪叠加，情绪先于行动而生，进而影响个体的行动。因此，把握住市场情绪的变化，就能把握住市场的方向。在把握住市场方向的基础上进行投资决策，可以减少投资的不确定性，帮助投资者降低风险，博取更高的收益率。第三章 投资者情绪指标构建及因子分析3.1 主成分分析法如何量化投资者情绪是本文的研究重点，虽然包含情绪的指标繁多，但没有单独一个指标可以全面客观的反映情绪本身。因此，本文选取多个包含情绪表现的指标，通过降维提取公共因子的方式完成对投资者情绪的构建。主成分分析法是利用降

30、维的思想，提取出原始变量中不同信息，同时对重复的部分删除，将多个指标转化为少量几个综合指标的数学方法。主成分分析法可以化繁为简，重新建立起尽可能少的新变量，且新变量之间互不重复，互不影响还能够反映研究课题所需的信息。3.2 投资者情绪构建3.2.1 投资者情绪指标的选取本文参考BW的研究方式，选取投资者信心指数、消费者信心指数、换手率、封闭式基金折价率、市场交易量、融资融券余额和新增投资者数量等8个指标来构建投资者情绪。消费者信心指数是反映消费者对当前社会形势的看法和经济前景、收入水平、收入预期、消费心理状态的主观感受，能够直接体现投资者情绪的指标。换手率，指市场中股票转手买卖的频率。换手率高

31、，说明交易活跃，市场情绪高涨；反之，换手率低，则市场情绪低迷。封闭式基金折价率，封闭式基金在场内交易价格低于实际净值时，即为折价。折价率反映投资者对市场未来走势的预期，折价率高则说明未来预期悲观，折价率低则预期市场乐观。投资者信心指数是通过调查机构投资者和个人投资者对股票市场的看法编制而成，与中国股市存在较强的相关性，在一定程度能反映投资者情绪。市场交易量，是股票市场成交金融的大小，能够反映市场的投资热情。融资余额，是借钱买入证券未使用的额度，融券余额则是借入证券未使用的额度。融资融券余额的变动，是市场多空力量的较量。当融资增加，市场趋于乐观，当融券增加，则趋于悲观；反之亦然。新增投资者数量，

32、是指我国股票市场中每月新增加的账户数量，我国证券市场的参与度还远远未达到欧美国家的水平，因此，证券市场新增数量能够反映投资者对市场的态度。当市场中新增大量股票账户，说明投资者的交易意愿大大增加，其情绪必然高涨。3.2.2 控制变量的选取本文选取的8个指标主要是金融市场上统计的间接指标，它们与投资者情绪之间具有很强的相关性，但也包含一些无关的信息，其中一个就是宏观因素的影响。但纵观我国经济飞速增加的20年，股票市场的走势却与经济增长态度大相径庭，说明从目前来看，我国宏观经济对股票市场影响的相关性并不显著。因此，选取的各个指标间包含的宏观因素对研究影响较弱，不予剔除。3.2.3 数据来源本文研究的

33、数据时间跨度为2010年3月-2019年11月，共117个月。其中消费信心指数、投资者信心指数、封闭式基金折价率、换手率、交易量、融资融券余额、新增开户数8个指标来自Wind数据库；上证指数月度收益率来自同花顺。3.2.4 主成分分析法1、实验数据处理本文选取投资者信心指数（ICI）、消费者信心指数（CCI）、交易量（VOL）、换手率（TURN）、融资余额（MB1）、融券余额（MB2）、封闭式基金折价率（CEDF）、新增投资者数量（NNOA）作为原始变量。首先对这些指标进行描述性统计，如下所示：描述性统计量NMinimumMaximumMeanStd. DeviationCCI11797.01

34、26.0108.7638.4069TURN1175.81624870232%50.1064769221%14.1356887387%8.96162813581%CEDF1170.002200%4.029300%1.37899316%0.867544718%ICI11730.8751.9240.36165.11355VOL117.9120.003.83963.31960MB1117.06458322.00119931.8703100049.13330MB2117.012868.34785.8077633.57383NNOA11712.5315.4213.7495.62639有效的N117 表1在

35、对数据进行描述性统计之后，还需将数据标准化，使得数据具有可比性。标准化在统计软件中自动完成。2、 KMO及巴特利球形度检验和相关系数矩阵在实验数据标准化之后，对数据进行KMO值检验以及巴特利球形度检验，结果如下： KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.708Bartletts Test of SphericityApprox. Chi-Square928.384df28Sig.000表2由上表可知，数据的KMO值为0.708，即适合做因子分析，且Bartlett球形度检验对应的概率P值接近于0

36、，其结果显著，这表明本文数据满足因子分析实证研究的要求。8个指标的相关系数矩阵如下： 相关系数矩阵Zscore(CCI)Zscore(TURN)Zscore(CEDF)Zscore(ICI)Zscore(VOL)Zscore(MB1)Zscore(MB2)Zscore(NNOA)CorrelationZscore(CCI)1.000-.052-.417.612.135.459.690.299Zscore(TURN)-.0521.000-.045.201.931.577.200.577Zscore(CEDF)-.417-.0451.000-.238-.312-.685-.556-.269Zsco

37、re(ICI).612.201-.2381.000.331.451.345.590Zscore(VOL).135.931-.312.3311.000.797.392.668Zscore(MB1).459.577-.685.451.7971.000.674.638Zscore(MB2).690.200-.556.345.392.6741.000.213Zscore(NNOA).299.577-.269.590.668.638.2131.000表33、 特征值和方差累积贡献率本文选取主成分分析法对特征值进行提取，经spss16.0处理后，各因子的累积贡献率如下表5所示： Total Varianc

38、e ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %14.15451.92151.9214.15451.92151.92121.75621.94673.8671.75621.94673.86731.00612.56986.4371.00612.56986.4374.5787.22593.6625.2443.05196.7126.1561.95598.6677.0881.10599.

39、7728.018.228100.000Extraction Method: Principal Component Analysis.表4从表5可以看到，表中第二列前三个公因子的特征值均大于1，一般认为特征值大于1的因子便有效。在第四列还可以看到前三个因子的累积贡献度达到86.437%，满足因子个数对累积贡献率的要求。本文还借助碎石图作为辅助依据来帮助公因子的提取，碎石图如下表6所示： 表6从表6可以看到，前三个因子的特征值均处在斜率最为陡峭的曲线上，说明这三个因子对解释变量有较好的解释作用。综上两图，本文从8个变量中可以提取出三个因子作为新的变量。4、 因子载荷矩阵、公共因子得分和综合因子得

40、分计算本文对因子进行旋转，以得到最优解释，载荷矩阵如下表7所示：Component MatrixaComponent123Zscore(CCI).590-.670.249Zscore(TURN).637.714-.063Zscore(CEDF)-.608.411.463Zscore(ICI).640-.230.656Zscore(VOL).825.521-.132Zscore(MB1).937.012-.235Zscore(MB2).700-.466-.285Zscore(NNOA).756.294.375Extraction Method: Principal Component Analy

41、sis.表7从上表7可以看出，第一主成分F1在成交量（VOL）、融资余额（MB1）、融券余额（MB2）、新增投资者数量（NNOA）上有较高的载荷；第二主成分F2在换手率（TURN）、消费者信心指数（CCI）上有较大的载荷；第三主成分F3在封闭式基金折价率（CEDF）、投资者信心指数（ICI）上具有较大的载荷。接着通过因子得分系数矩阵得到三个公因子的得分系数表达式，得分系数表如下：Component Score Coefficient MatrixComponent123Zscore(CCI).142-.382.248Zscore(TURN).153.407-.062Zscore(CEDF)-.

42、146.234.461Zscore(ICI).154-.131.652Zscore(VOL).199.297-.131Zscore(MB1).226.007-.233Zscore(MB2).169-.265-.284Zscore(NNOA).182.167.373Extraction Method: Principal Component Analysis. Component Scores.表8本文选取的第一主成分F1、第二主成分F2、第三主成分F3的得分表达式如下：F1=0.142CCI+0.153TURN-0.146CEDF+0.154ICI+0.199VOL+0.226MB1+0.16

43、9MB2+ 0.182NNOAF2=-0.382CCI+0.407TURN+0.234CEDF-0.131ICI+0.297VOL+0.007MB1-0.265MB2+ 0.167NNOAF3=0.248CCI+-0.062TURN+0.461CEDF+0652ICI-0.131VOL-0.233MB1-0.284MB2+ 0.373NNOA最后根据主成分的贡献率确定综合因子的系数，构建投资者情绪综合指标。通常来说，综合因子的得分是对公因子进行加权相加，其权重是旋转后公因子对应的方差贡献率。记综合因子投资者情绪为CSI，其得分表达式为CSI=0.6007F1+0.2539F2+0.1454F3

44、，其得分表为下表9所示： 年20102011201220132014201520162017201820191月-0.17-0.68-0.67-0.481.110.10.290.33-0.042月-0.31-0.67-0.73-0.730.39-0.120.120.230.053月0.070.1-0.32-0.81-0.631.140.20.580.070.634月0.470.03-0.41-0.71-0.612.330.220.560.20.845月-0.02-0.28-0.66-0.92-0.932.27-0.050.270.110.356月-0.16-0.24-0.75-0.95-0.8

45、62.57-0.010.28-0.010.167月-0.09-0.15-0.76-0.88-0.52.040.160.380.040.438月0.14-0.28-0.81-0.86-0.410.960.240.52-0.060.169月0.03-0.47-0.8-0.77-0.170.190.170.55-0.140.310月0.14-0.61-0.8-0.78-0.130.120.130.24-0.2-0.0111月0.35-0.62-0.88-0.840.090.840.520.42-0.010.0912月0.19-0.56-0.8-0.741.240.610.510.23-0.04表9 对新构造的投资者情绪指标（CSI）与各个指标之间相关关系进行回归分析，其中模型是以原始变量为解释变量，投资者情绪指标为被解释变量，其回归结果如下所示。CoefficientsaModelUnstandardized Coeff