“学海拾珠”系列之一百二十一：投资者关注度在市场择时中的作用

敬请参阅末页重要声明及评级说明 证券研究报告 投资者关注度在市场择时中的作用 ——“学海拾珠”系列之一百二十一 [Table_RptDate] 报告日期：2022-12-21 [Table_Author] 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001 邮箱：wuzy@hazq.com 相关报告 1.《基金经理能选出好的“投机性”股票吗？——“学海拾珠”系列之一百一十四》 2.《BAB 增强版：与包含定价噪音的Beta 为敌——“学海拾珠”系列之一百一十五》 3.《ETF 的资金流动是否蕴含独特信息？——“学海拾珠”系列之一百一十六》 4.《技术相似性对股票收益的预测能力——“学海拾珠”系列之一百一十七》 5.《基金投资者的真实择时能力如何？——“学海拾珠”系列之一百一十八》 6.《基于财报文本的竞争关系与股票收益——“学海拾珠”系列之一百一十九》 7.《社会责任基金的业绩与持续性——“学海拾珠”系列之一百二十》 主要观点： [Table_Summary] 本篇是“学海拾珠”系列第一百二十一篇，作者主要研究了投资者关注度和市场收益之间的关系。研究发现，投资者关注度能负向预测市场收益，该作用机制主要源于短期价格压力产生的反转，对于高贝塔和具有高特异性波动率的股票，回归斜率的负值更显著。 回到 A 股市场，投资者一般都直接使用关注度的代理指标，鲜有通过主成分分析等方法提取多个指标的共有成分；另外，大多都关注指标对横截面收益的影响。因此，投资者关注度对市场收益的预测能力值得深入探讨。 ⚫ 投资者关注度在市场层面上很重要，其包含独特的预测股市的信息 当依赖于任何单个关注度度量时，投资者关注度的真实预测能力很可能被低估。本文使用 12 个单独的关注度代理指标，并且通过使用偏最小二乘（PLS）、比例主成分分析（sPCA）和主成分分析法（PCA）的信息聚合方法提取了共同成分，在控制了常见的经济变量以及投资者情绪指数因素后，投资者整体关注度指标依然保持了很强的预测能力。 ⚫ 投资者整体关注度对收益的负向预测主要源于短期价格压力导致的反转 Barber 和 Odean（2008）和 Da 等人（2011）认为，个人投资者是关注度较高的股票的净买家。成交量暂时推高了价格，这种关注度驱动的价格压力随后又回到了其基本价值。本文的实证结果与他们的解释一致。 ⚫ 对于高贝塔和具有高特异性波动率的股票，回归斜率负值更显著 本文发现对于按市场β值和特异性波动率分类的股票组合，投资者整体关注度负向预测超额收益。从截面上看，大多数组合的回归系数估计值都是负的，这表明投资者总体关注度的负回报预测性在横截面上是普遍存在的，对于高贝塔股票和那些具有高特异性波动的股票来说，斜率负值更明显。 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 18 证券研究报告 正文目录 1 引言 ....................................................................................................................................................................................................... 4 2 数据和统计方法 .................................................................................................................................................................................. 6 2.1 单个关注度代理变量 ..................................................................................................................................................................................... 6 2.2 投资者总关注度 .............................................................................................................................................................................................. 7 2.2.1 因子构建模型 .................................................................................................................................................................... 7 2.2.2 主成分分析 ......................................................................................................................................................................... 7 2.2.3 偏最小二乘法 .................................................................................................................................................................... 8 2.2.4 比例主成分分析 ................................................................................................................................