【基于上市公司管理層信心的資產(chǎn)定價研究13000字（論文）】

基于上市公司管理層信心的資產(chǎn)定價研究2299一、緒論 126717（一）研究背景及意義 122434（二）研究現(xiàn)狀 1238741.國外管理者情緒研究現(xiàn)狀 179422.國內管理者情緒研究現(xiàn)狀 215102（三）研究內容與方法 230654二、文本分析及資產(chǎn)定價理論基礎 312852（一）詞典法文本情緒分析 32211（二）SO-PMI算法 311285（三）投資組合排序法 425842三、管理者情緒與資產(chǎn)定價實證分析 419059（一）管理者情緒指數(shù)構建及數(shù)據(jù)預處理 4155101.情感詞典構建 4177642.樣本選取與數(shù)據(jù)預處理 630659（二）單變量排序分析 831485（三）雙變量排序分析 10246341.控制上市公司市值規(guī)模 10271202.控制行業(yè)類型 1319960四、穩(wěn)健性檢驗 1522034（一）單變量排序Fama-French五因子超額收益檢驗 1514881（二）雙變量排序公司規(guī)模市值加權檢驗 163601（三）考慮文本字數(shù)與情緒關系的資產(chǎn)定價分析 18292741.單變量排序 18173812.雙變量排序 19143313.Fama五因子檢驗 2113765五、結論 2112729參考文獻 23一、緒論（一）研究背景及意義上市公司管理層對市場經(jīng)濟活動起著重要作用。與投資者相比，管理者實際參與了上市公司的日常經(jīng)營活動及投資活動，更加了解公司的當前財務狀況及未來發(fā)展趨勢，掌握著更準確、更及時、更全面的公司動態(tài)，具有明顯的信息優(yōu)勢。管理者情緒會對上市公司的經(jīng)濟行為產(chǎn)生影響，同時也會在調研活動、公開會議、年度報告中表現(xiàn)出來，從而影響投資者行為。上市公司往往通過定量信息和定性信息傳遞消息。諸多學者已經(jīng)對定量信息，例如財務報表中的數(shù)字，進行了較為詳盡的研究，而定性的文本描述有時候傳遞的信息比定量信息更有價值。因此，各學者對上市公司表現(xiàn)出的定性信息越來越重視。各國大多對上市公司年報中的文本進行分析，試圖從中獲得潛在信息。而年報的頻率太低，所蘊含的信息只是對上市公司一年經(jīng)濟活動的總結，無法衡量較短時間內上市公司的狀況。不同于以往對年度財報文本的分析，本文分析投資者對上市公司的調研紀要文本，從中挖掘管理者情緒的相關信息。與年報相比，投資者調研活動頻率較高，可以為上市公司研究提供更加準確、及時的信息，具有重要的研究意義。通過分析管理層回答文本，對管理者情緒進行量化，并運用投資組合排序法，觀察管理者情緒與投資組合預期收益的關系，為資產(chǎn)定價提供新思路。（二）研究現(xiàn)狀1.國外管理者情緒研究現(xiàn)狀外國學者對影響管理者情緒的因素以及管理者情緒的預測能力進行分析。Jiangetal.(2019)[1]對管理者情緒的股票收益預測能力進行分析。他以美股上市公司財務披露的文本基調為基礎，構建了管理者情緒指數(shù)，發(fā)現(xiàn)管理者情緒是未來股票市場較強的負預測因子，并通過分析管理者情緒與上市公司行為，提出管理者情緒負預測的經(jīng)濟原因。Gupta,R.(2019)[2]則對管理者情緒的其他預測能力進行分析。他發(fā)現(xiàn)經(jīng)理情緒對波動性的預測能力強于股票收益率，但在收益率條件分布的極值和波動率條件分布的上端的條件下，管理者情緒完全沒有可預測性。RichardP.Gregory(2021)[3]則對影響管理者情緒的經(jīng)濟變量進行研究。他發(fā)現(xiàn)管理者情緒會受通貨膨脹、流動性、期限溢價以及更多的私人信息影響。2.國內管理者情緒研究現(xiàn)狀國內關于管理者情緒的研究的發(fā)現(xiàn)較少。文芳（2011）[4]發(fā)現(xiàn)薪酬激勵對管理者情緒有較大的正向影響，并發(fā)現(xiàn)管理者情緒越高，因上市公司業(yè)績低迷而導致的離職風險越低。葉蓓（2008）[5]、董慧娜（2015）[6]、王藝寧（2018）[7]均發(fā)現(xiàn)管理者情緒越高，越可能導致上市公司的過度投資。（三）研究內容與方法（1）數(shù)據(jù)處理。本文從CSMAR經(jīng)濟金融數(shù)據(jù)庫獲得上市公司管理層在投資者調研時的問答紀要，并對文本信息進行預處理；（2）詞典構建。本文選用玻森通用情感詞典作為基礎詞典，并運用SO-PMI算法建立補充詞典，將基礎詞典和補充詞典相結合構建領域詞典。并基于領域詞典對管理者回答文本進行分析，獲得最終的管理者情緒指數(shù)。（3）實證分析。基于管理層情感指數(shù)構建投資組合，觀察它的原始收益以及在CAPM模型、Fama-French三因子模型的風險調整下，該因子是否能夠獲得超額收益；同時運用上市公司市值規(guī)模、不同行業(yè)類別進行雙變量排序，觀察在不同條件限制下管理者情緒指數(shù)是否能夠帶來超額收益。（4）穩(wěn)健性檢驗。通過分析Fama-French五因子模型回歸得到的多空對沖組合超額收益率、市值加權雙變量排序以及考慮文本字數(shù)對情緒得分的影響，對前面得到的結論進行穩(wěn)健性分析。二、文本分析及資產(chǎn)定價理論基礎（一）詞典法文本情緒分析文本情緒分析，是指將文本中蘊含的定性信息通過分詞、打分等方式進行量化，使文本所包含的情感信息通過數(shù)字形式展示出來，方便人們對文本情感進行相關研究。目前，詞典法和機器學習方法是文本情緒分析的兩大主要方式。作為最原始的文本情緒分析方法，詞典法是通過構建與分析文本相關的領域情感詞典，將文本中分詞得到的積極詞匯和消極詞匯賦予分值，從而對所分析的文本進行打分，獲得文本情緒指數(shù)。相對于機器學習法，詞典法的主觀性小，可復制性強，方便實踐。因此，本文選擇詞典法，通過選擇基礎情緒詞典，并結合基于文本的拓展詞典，合并形成領域詞典，對管理層的調研回答文本進行情緒分析。（二）SO-PMI算法點互信息算法（PMI）可以計算出兩個詞語之間的關聯(lián)性，其定義如下：PMI=log2P由公式可知，兩個詞語之間的相關性越大，P(word1,word2)就相比于P(word1)P(word2)QUOTE??????????1??(????????2)越大，PMI值就越大。SO-PMI算法即是通過使用PMI算法，求出文本通過分詞處理得到的詞語和事先準備好的積極、消極基礎詞之間的PMI值，來篩選出分析文本中的詞語情感傾向。SO?PMIword總體來說，若PMI值大于0，這說明該文本詞匯是具有積極情緒傾向的詞匯，若PMI值小于0，則說明該文本詞匯是具有消極情緒傾向的詞匯。在此基礎上，人工對自動分析傾向的情感詞匯進行篩選，與基礎情感詞典進行合并，最終構建符合分析文本的領域詞典。相比通用情感詞典，運用SO-PMI算法進行補充形成的領域詞典可以更加準確地判斷所分析文本的情感傾向，為文本更加準確地進行情感打分。（三）投資組合排序法組合投資排序法，是實證資產(chǎn)定價研究中一種被廣泛運用的統(tǒng)計方法，它用于檢驗橫截面上多個變量之間的關系。通過根據(jù)變量的不同水平，將股票進行排序并分組，從而形成不同的股票組合；檢查個股票組合的收益情況，來檢驗一個或多個變量對股票未來收益的預測能力。同時，它也可以通過分析橫截面上不同變量之間的關系，來檢驗變量是否對股票收益具有預測能力。與回歸分析相比，該方法是一種非參數(shù)技術分析的方法，不需要使用者對待檢驗的變量在橫截面上的關系提出假設，這表明它有助于解釋使用參數(shù)方法很難檢驗變量之間的非線性關系。本文運用單變量排序法依照管理者情緒指數(shù)構建投資組合，并比較各組合之間在同一時間段內股票收益上的差異，以此來分析管理者情緒指數(shù)與股票橫截面收益的關系；之后運用雙變量排序法，檢驗在控制了上市公司市值規(guī)模和行業(yè)領域的條件下，管理者情緒指數(shù)和股票收益有何關系，最終探究其是否可以為投資者決策提供參考。三、管理者情緒與資產(chǎn)定價實證分析（一）管理者情緒指數(shù)構建及數(shù)據(jù)預處理1.情感詞典構建（1）基礎詞典選擇上市公司管理者在投資者調研中的回答往往與投資者的提問緊密相關，而對于不同行業(yè)，管理者回答的內容不盡相同。為了更好地覆蓋管理者的調研回答文本所包含的情感信息，本文選用玻森通用情感詞典（Bosonnlp）作為基礎詞典。玻森通用情感詞典是基于新聞、論壇等大量具有問答性質的文本進行分析，得到情感打分的開源情感詞典。由于它的基礎文本是人們對觀點看法或對提問的回答，與管理層對投資者提問的回答異曲同工，兩者具有較強的相似度。因此，本次分析選擇玻森通用情感詞典作為基礎情感詞典。在Bosonnlp情感詞典中，一共有114767個情感詞匯，其中積極詞為78586個，消極詞為36181個。詞匯的得分區(qū)間為[-7,7]，分值為正則表明該詞匯為積極詞匯，正值越大，詞匯積極程度越大；分值為負則表示該詞匯為消極詞匯，負值越大，詞匯消極程度越大。表SEQ表\*ARABIC1Bosonnlp情感詞匯（部分）Word團結一心滿意歡欣鼓舞無能為力爛賬工傷Score5.192.841.38-1.52-3.05-3.66（2）基于SO-PMI算法的補充詞典為了更好地對管理層的調研回答文本進行情感分析，本文對基礎詞典進行了拓展。基于積極詞匯100個、消極詞匯100個的種子詞詞典，通過python的jieba分詞，對管理層調研回答文本進行分詞處理，并運用SO-PMI算法對所得到的分詞進行分析，得到分詞的基本情感傾向。同時，由人工對算法分析得到的補充詞典進行篩選，對算法誤判的名詞、極端值等狀況進行剔除，得到最終的補充詞典。補充詞典一共有18908個詞匯，其中積極詞為17137個，消極詞為1771個。在補充詞典中，由于SO-PMI算法只是判斷出詞匯的基本情感傾向，并為對詞匯的情感程度進行打分度量，為了和基礎詞典相匹配，同時考慮到補充詞典詞匯量較小、人工情感打分主觀影響大等因素，本文將具有積極傾向的詞匯賦予1分值，將具有消極傾向的詞匯賦予-1分值。表SEQ表\*ARABIC2基于SO-PMI算法的補充詞典（部分）Word核心競爭力優(yōu)質產(chǎn)品品牌優(yōu)勢囤貨并發(fā)癥資金緊張Score111-1-1-1將基礎詞典與補充詞典進行整合，構建適合分析管理者調研回答文本的領域詞典，并基于領域詞典對管理者調研回答文本進行情感打分，最終得到管理者情緒指數(shù)。2.樣本選取與數(shù)據(jù)預處理本文的分析文本是2013年—2020年個人或機構投資者對上市公司進行調研時，上市公司管理層針對投資者提出相關問題所回答的文本。該文本包含所有A股股票，覆蓋了中國市場上所有類型的公司。文本來自CSMAR經(jīng)濟金融數(shù)據(jù)庫。中國的無風險利率、Fama-French三因子模型（1993）及Fama-French五因子模型有關數(shù)據(jù)均來自于RESSET金融研究數(shù)據(jù)庫。數(shù)據(jù)處理與投資組合分析通過Python和SAS軟件完成?；谏鲜龅臉颖具x取，為了使分析更加準確，本文對初始數(shù)據(jù)進行以下處理：（1）剔除金融行業(yè)公司的股票。由于金融行業(yè)的特殊性，本文根據(jù)中國證監(jiān)會的《上市公司行業(yè)分類指引》（2012版），刪除行業(yè)代碼為J66、J67、J68、J69的公司。（2）刪除ST、PT狀態(tài)的股票。本文刪除在投資組合構建初期處于ST(特殊處理)、PT（特殊轉讓）狀態(tài)，即處于金融困境與缺乏市場流動性的股票。（3）異常值與缺失值處理。本文刪除了關鍵值缺失的公司，同時為了消除異常值影響，本文對變量進行縮尾處理，消除極端值的影響，盡可能排除了數(shù)據(jù)誤差。最終，我們樣本中共有58275條管理者在調研活動中對投資者的回答文本，并由此計算得出了管理者情緒指數(shù)。圖SEQ圖\*ARABIC12013年-2020年調研報告及調研公司數(shù)量圖1展示了2013年—2020年上市公司調研活動數(shù)量及調研所涉及的公司數(shù)量?？傮w來說，投資者調研每年的活動數(shù)量基本穩(wěn)定，2013年—2017年總體保持在年均7200條以上，從2018年開始，調研活動數(shù)量有所下降，其中2019年最少，僅有5843條。2020年的調研活動數(shù)量又有所回升，上升至6753條。調研報告所涉及的上公司數(shù)量與調研活動數(shù)量變化趨勢大致相同。2013年—2017年調研涉及的公司數(shù)量呈持續(xù)增長趨勢。2018年—2020年公司數(shù)量有所波動，但基本穩(wěn)定在1200家公司左右。管理者情緒指數(shù)（snlp指數(shù)）是由通過統(tǒng)計文本中的積極詞情感得分以及消極詞情感的分值和得出。同時考慮到管理者在調研問答過程中，由于管理者性格特征、時長控制等客觀因素導致管理者回答文本長短不一。為了消除文本數(shù)量不同對情緒指數(shù)的影響，本文對加總得到的snlp指數(shù)除以文本字數(shù)，得到最終分析使用的管理者情緒指數(shù)。snlp=i表SEQ表\*ARABIC3描述性統(tǒng)計VariablesNMeanStdMinP25MedianP75Maxsnlp72840.270.06-0.440.230.270.310.58size13804.8523.660.132.334.8510.70910.99表3展示了本文分析用到的兩個變量的描述性統(tǒng)計。表中分別展示了兩個變量的數(shù)量（N）、平均值（Mean）、標準差（Std）、最小值（Max）等描述性統(tǒng)計量。由表可得，分析的上市公司數(shù)量年均達到1380家，平均規(guī)模為4.85（百萬）。（二）單變量排序分析在該部分，本文通過對snlp指數(shù)進行單變量排序，構建投資組合，觀察管理者情緒指數(shù)與投資組合收益有怎樣的關系。本文進行如下操作：在每個月初（t月初），根據(jù)分析得出的上一個月的snlp指數(shù)（t-1期），按照snlp指數(shù)從小到大對上市公司排序，分成十組投資組合。同時計算當月的月度價值等權回報率，每月重置投資組合，觀察組合的收益情況。其中，Low組表示管理者情緒最低的投資組合，High組表示管理者情緒最高的投資組合，High-Low組表示買入High組并賣出Low組所形成的多空對沖組合。我們運用Fama-French三因子模型及CAPM模型計算十組基于管理者情緒指數(shù)所構建的投資組合的超額回報率，同時通過觀察T統(tǒng)計量，判斷是否可以顯著表明管理者情緒指數(shù)與收益率之間的關系。Fama-French三因子模型包括了市場因子、規(guī)模因子和價值因子。表SEQ表\*ARABIC4管理者情緒指數(shù)排序的收益情況PortfoliosReturnCAPMαFF3αβMKTβSMBβHMLLow1.96[1.96]0.39[0.65]0.19[1.05]1.02[34.68]0.65[12.43]-0.53[-10.01]21.98[1.93]0.39[0.62]0.17[0.97]1.04[36.61]0.72[14.33]-0.52[-10.20]31.96[1.90]0.36[0.57]0.15[0.80]1.04[35.04]0.70[13.24]-0.55[-10.22]41.90[1.92]0.37[0.59]0.16[0.89]1.04[36.89]0.69[13.79]-0.53[-10.45]51.90[1.86]0.30[0.48]0.09[0.56]1.05[40.96]0.69[15.06]-0.55[-11.86]61.92[1.89]0.33[0.53]0.13[0.74]1.04[37.72]0.67[13.78]-0.55[-10.98]71.86[1.83]0.25[0.41]0.06[0.34]1.07[40.53]0.69[13.59]-0.55[-11.74]81.73[1.75]0.15[0.26]-0.04[-0.25]1.05[42.92]0.62[14.24]-0.53[-12.11]91.58[1.58]-0.02[-0.04]-0.21[-1.20]1.06[37.65]0.63[12.52]-0.50[-9.88]High1.54[1.61]-0.03[-0.05]-0.20[-0.95]1.05[31.02]0.57[9.54]-0.44[-7.17]High-Low-0.41[-1.87]-0.42[-1.86]-0.39[-1.86]0.03[0.75]-0.08[-1.30]0.10[1.56]表4報告了樣本期為2013年7月—2020年7月的等值權重管理者情緒指數(shù)分類投資組合的業(yè)績。Low組的月度平均收益率為1.96%，High組的月度平均收益率為1.54%，多空對沖組合High-Low組的月度平均收益率為-0.41%，這表明，購買管理者情緒指數(shù)最低的投資組合，同時賣出管理者情緒指數(shù)最高的投資組合，年均收益率將達到4.92%。CAPM模型回歸得到的多空對沖組合的月均超額收益率為-0.42%，說明投資者若賣空多空對沖組合，每年的超額收益率將達到5.04%。Fama-French三因子模型回歸得到的多空對沖組合的月均超額收益率為-0.39%，說明投資者若賣空多空對沖組合，每年將獲得4.68%的超額收益。圖SEQ圖\*ARABIC2圖SEQ圖\*ARABIC2管理者情緒指數(shù)組合時間序列表現(xiàn)圖2展示了從2013年7月至2020年7月等權情況下多空對沖組合的月度收益率變化情況。圖中可以明顯看出，在大部分月份中，多空對沖組合的月度收益率為負。通過仔細觀察，我們可以發(fā)現(xiàn)，在每年的8、9月份，多空對沖組合的月度收益率大多呈正值，我們推測snlp指數(shù)對投資組合收益的影響具有日歷效應。圖SEQ圖\*ARABIC3管理者情緒指數(shù)組合累計收益率分布圖圖3展示了從2013年7月至2020年7月等權情況下多空對沖組合的累計收益率變化情況。圖中可以明顯看出，多空對沖組合的累計收益率總體呈上升趨勢。其中，2013年7月至2015年7月的累計收益率上升較為明顯。其中，在2020年4月，多空對沖組合的累計收益率達到最大值，為1.41%。（三）雙變量排序分析1.控制上市公司市值規(guī)模該部分對snlp指數(shù)與上市公司市值規(guī)模進行雙變量獨立排序，探究在控制了市值規(guī)模后，snlp指數(shù)與投資組合收益之間的關系。本文對上市公司市值規(guī)模和管理者情緒指數(shù)進行獨立的排序，并且在每月對投資組合進行重構。在每個月月初，我們對公司市值按照30%、70%的分位點分為三組，分別定義為“小型公司（S）”、“中型公司(M)”、“大型公司(L)”。同時按照前文單變量排序的方法，對管理者情緒指數(shù)排序并分為十組。通過持有這些投資組合一個月，觀察3*10組的投資組合超額收益情況。表SEQ表\*ARABIC5管理者情緒指數(shù)和公司規(guī)模的雙變量排序PortfoliosReturnCAPMαFF3αSMLSMLSMLLow8.25[5.29]3.83[3.69]2.46[2.61]6.57[5.19]2.44[3.38]1.10[1.86]6.27[7.08]2.26[5.44]1.05[2.30]26.98[5.05]3.36[3.29]2.22[2.69]5.29[5.18]1.95[2.86]0.97[1.97]5.00[8.48]1.78[4.99]0.92[2.26]36.04[4.77]3.33[3.01]2.65[2.85]4.57[4.61]1.87[2.42]1.33[2.18]4.27[7.89]1.67[4.69]1.29[2.68]46.41[5.05]3.79[3.77]2.42[2.60]4.96[4.95]2.42[3.53]1.07[1.83]4.66[7.60]2.22[5.53]1.00[2.17]56.19[4.29]3.56[3.49]2.04[2.15]4.66[3.93]2.21[3.06]0.60[1.12]4.34[5.67]2.00[4.95]0.53[1.27]65.81[4.82]3.51[3.27]2.71[3.13]4.35[4.77]2.09[2.79]1.36[2.91]4.09[7.67]1.87[4.72]1.29[3.49]75.79[4.19]3.83[3.38]2.54[2.66]4.29[3.82]2.33[2.97]1.07[2.10]3.98[6.10]2.07[5.22]1.05[2.52]84.89[3.89]3.36[2.99]2.39[2.77]3.32[3.61]1.92[2.36]1.12[2.07]3.04[6.26]1.70[3.98]1.05[2.19]95.72[4.16]3.47[3.11]3.66[3.94]4.26[3.75]2.03[2.54]2.25[4.31]3.93[5.46]1.80[4.29]2.25[4.97]High5.39[3.82]3.74[3.18]2.59[3.09]3.87[3.36]2.21[2.67]1.28[2.80]3.56[4.30]1.97[4.42]1.27[3.11]High-Low-2.86[-2.88]-0.09[-0.16]0.12[0.23]-2.71[-2.69]-0.23[-0.42]0.18[0.34]-2.71[-2.70]-0.29[-0.54]0.22[0.44]表5記錄了回歸樣本期為2013年7月—2020年7月的投資組合的月度平均收益率、CAPM模型回歸得到的超額收益率、Fama-French三因子模型回歸得到的超額收益率，以及相應的T統(tǒng)計量。根據(jù)表5，當上市公司市值規(guī)模處于30%以下，多空對沖組合的月度平均收益率為-2.86%(T=-2.88)，說明若投資者賣空小規(guī)模公司的多空對沖組合，年化收益率將達到24.32%；CAPM模型回歸得到的多空對沖組合的月度平均超額收益率為-2.71%(T=-2.69)；Fama-French三因子模型回歸得到的多空對沖組合的月度平均超額收益率同樣為-2.71%(T=-2.70)。當上市公司市值規(guī)模大于30%，即上市公司被分組定義為中型公司及大型公司時，收益率及兩個模型回歸得到的超額收益率均不顯著。綜上，當公司規(guī)模限制在小型的條件下，多空對沖組合的收益率為負，且所有T統(tǒng)計量的絕對值均大于2.58，說明我們在0.01的顯著性水平下拒絕原假設，認為在小型公司的條件限制下，有99%的概率可以確定多空對沖組合能夠達到顯著的負月均收益率。當公司規(guī)模達到中等及大型時，T統(tǒng)計量均變得不顯著，說明對于市值規(guī)模稍大的公司來說，管理者情緒指數(shù)與月度收益率的負相關關系并不顯著，多空對沖組合不能帶來明顯的虧損。同時，小型公司和中型公司的多空對沖組合的超額收益率均為負值，可以得出管理者情緒和資產(chǎn)組合收益之間具有負相關關系。圖SEQ圖\*ARABIC4管理者情緒指數(shù)與市值規(guī)模雙排序時間序列表現(xiàn)圖2展示了從2013年7月至2020年7月等權情況下多空對沖組合的月度收益率變化情況。與單變量排序的多空對沖組合時間序列相比較，在控制上市公司市值規(guī)模條件下，多空對沖組合的超額收益率更明顯為負值，說明在限制了公司規(guī)模之后，管理者情緒與投資組合收益的負相關關系更加顯著。2.控制行業(yè)類型該部分，本文對分行業(yè)的投資組合構建進行了分析。該部分對snlp指數(shù)與不同行業(yè)類型進行雙變量獨立排序，探究在控制了行業(yè)類型值后，snlp指數(shù)與投資組合收益之間的關系。首先，根據(jù)CSMAR經(jīng)濟金融數(shù)據(jù)庫對整個A股市場上市公司的分類，本文把上市公司分為公用事業(yè)、工業(yè)、商業(yè)、房地產(chǎn)、綜合、金融這六類。由于金融行業(yè)的特殊性，我們將其剔除，對剩余五類按照管理者情緒指數(shù)進行排序并分成十組投資組合，通過持有這些投資組合一個月，觀察多空對沖組合的收益情況。表6記錄了回歸樣本期內的月度平均收益率收益、CAPM模型回歸得到的超額收益率以及Fama-French三因子模型回歸得到的超額收益率，以及相應的T統(tǒng)計量。表SEQ表\*ARABIC6行業(yè)與管理者情緒指數(shù)的雙變量排序IndustryPortfoliosReturnCAPMαFF3α公用事業(yè)High-Low-1.24[-2.91]-1.31[-3.02]-1.28[-3.20]綜合High-Low-0.81[-1.24]-1.06[-1.64]-1.08[-1.66]工業(yè)High-Low-0.11[-0.46]-0.10[-0.43]-0.09[-0.37]商業(yè)High-Low-0.13[-0.22]-0.11[-0.18]-0.08[-0.14]房地產(chǎn)High-Low0.28[0.46]0.30[0.48]0.30[0.50]由表可得，公用事業(yè)下的多空對沖組合的月度平均收益率為-1.24%（T=-2.91）、CAPM模型回歸得到的超額收益率為-1.31%（T=-3.02），F(xiàn)ama-French三因子模型回歸得到的超額收益率為-1.28%（T=-3.20），無論是月度平均收益率還是T統(tǒng)計量均遠遠大于全行業(yè)構建投資組合時的水平，說明在全行業(yè)中，公用事業(yè)中的管理者情緒指數(shù)與投資組合收益的負相關關系更加顯著，顯著性水平達到了0.01。綜合行業(yè)的多空對沖組合月度平均收益率雖然只有-0.81%（t=-1.24），并不顯著，但在CAPM模型回歸下的超額收益率以及在Fama-French三因子模型下的超額收益率月均超過了-1%，T統(tǒng)計量絕對值也都大于1.64，說明在0.1的顯著性水平上，我們仍可以通過賣空多空對沖組合來獲得收益?？傊?，基于管理者情緒指數(shù)與投資組合收益的負相關關系在公用行業(yè)極為顯著，投資者可以通過賣空多空對沖組合而取得14.88%的年化收益率。在CAPM模型及Fama-French三因子模型回歸得到的年化超額收益率可以達到-15.72%，-15.36%。綜合行業(yè)中兩個模型的超額收益率也比較顯著，但在其他行業(yè)中均不顯著。為了對行業(yè)進行更精確的分析，我們將公用事業(yè)和綜合行業(yè)進行進一步分解。在進一步的行業(yè)分析中，本文按照證監(jiān)會在2012年修訂出版的《上市公司行業(yè)分類指引》對前文的T統(tǒng)計量相對顯著的公用事業(yè)和綜合行業(yè)進行細分。我們選擇其中樣本數(shù)量較多的五個行業(yè)進行實證分析。由于細分行業(yè)后，樣本量減少，因此我們在單變量排序時對將投資組合分為五組，進行實證檢驗。結果如下。表SEQ表\*ARABIC7細分行業(yè)與管理者情緒指數(shù)的雙變量排序IndustryPortfoliosReturnCAPMαFF3α科學研究和技術服務業(yè)High-Low--2.36[-1.67]-2.71[-1.85]-2.66[-1.84]水利、環(huán)境和公共設施管理業(yè)High-Low-0.84[-1.98]-0.74[-1.77]-0.72[-1.68]租賃和商務服務業(yè)High-Low-1.29[-1.89]-1.27[-1.82]-1.23[-1.81]信息傳輸、軟件和信息技術服務業(yè)High-Low-0.45[-0.93]-0.61[-1.26]-0.61[-1.27]農(nóng)、林、牧、漁業(yè)High-Low-0.67[-1.11]-0.81[-1.32]-0.86[-1.44]表7記錄了在細分行業(yè)之后多空對沖組合的表現(xiàn)情況?？偟膩碚f，在細分行業(yè)之后，各個行業(yè)的顯著性水平都有所下降。其中，水利、環(huán)境和公共設施管理業(yè)的多空對沖組合月度平均收益率達到了-0.84%（T=-1.98），顯著性水平達到了0.05；在科學研究和技術服務業(yè)中，它的月度平均收益率達到了-2.36%（T=-1.67）,CAPM模型和Fama-French三因子模型回歸得到的月均超額收益率分別達到了-2.71%（T=-1.85），-2.66%（T=-1.84），在0.1的顯著性水平上可以拒絕原假設，認為賣空多空對沖組合可以獲得超額收益。租賃和商務服務業(yè)的情況與科學研究和技術服務業(yè)相似，但是它的超額收益沒有后者高。信息傳輸、軟件和信息技術服務業(yè)、農(nóng)、林、牧、漁業(yè)的超額收益并不顯著。四、穩(wěn)健性檢驗本文在前一部分進行單變量排序，在使用CAPM模型和Fama-French三因子模型的回歸下觀察多空對沖組合的超額收益，并檢驗是否顯著，同時觀察管理者情緒指數(shù)與組合超額收益的關系；之后進行雙變量排序，觀察在控制了公司市值規(guī)模的情況下，以及對行業(yè)進行細致分類的情況下投資組合的超額收益情況。為了更好保證前文實證結果可靠性，本文在該部分進行了穩(wěn)健性檢驗。（一）單變量排序Fama-French五因子超額收益檢驗在前文的實證分析部分，本文對根據(jù)管理者情緒排序分出的的十個等權重組合的超額收益率、CAPM模型回歸下以及Fama-French三因子模型回歸下的超額收益率進行實證分析，證明了管理者情緒與投資組合超額收益具有顯著的負相關。管理者情緒指數(shù)越大，組合未來收益表現(xiàn)越差，賣空多空對沖組合的收益越高。為了保障前文單變量排序的可靠性，該部分在Fama-French五因子模型的回歸下對超額收益率進行進一步的計算，表8為該檢驗的結果。表SEQ表\*ARABIC8Fama-French五因子模型回歸下的單變量排序PortfoliosLow23456789HighHigh-LowFF5α0.18[0.97]0.08[0.47]0.10[0.55]0.09[0.47]0.34[0.05]0.02[0.14]0.03[0.17]-0.09[-0.57]-0.28[-1.64]-0.26[-1.20]-0.43[-1.98]表8記錄了等權重組合的Fama-French五因子模型的回歸下各組合超額收益率的表現(xiàn)情況。從表中得到，管理者情緒指數(shù)的多空對沖組合月度平均超額收益率為-0.43%，顯著性水平（t=-1.98），說明若投資者賣空管理者情緒高的投資組合，買入管理者情緒指數(shù)低的投資組合，可以在顯著性水平為0.05的基礎上獲得超額收益，年化超額收益率為5.16%。表8的實證結果與前文的點變量分析部分結論一致，且顯著性水平相較前文CAPM模型回歸以及Fama-French三因子模型回歸得出的結果相比更加顯著，證實了管理者情緒指數(shù)與投資組合收一件存在顯著的負相關關系，管理者情緒指數(shù)越大，組合收益越低，投資者可以通過賣空多空對沖組合取得超額收益。（二）雙變量排序公司規(guī)模市值加權檢驗相較于等權投資組合，市值加權投資組合能夠剔除公司規(guī)模的影響，更加真實準確地反映管理者情緒是否可以創(chuàng)造超額收益。因此，我們按照前文控制上市公司市值規(guī)模方法進行雙變量獨立排序，觀察在市值加權的條件下，多空對沖組合的超額收益是否顯著。表9記錄了控制了上市公司市值規(guī)模后，樣本期為2013年7月—2020年7月的市值加權投資組合的月度平均收益率、CAPM模型回歸得到的超額收益率、Fama-French三因子模型回歸得到的超額收益率，以及相應的T統(tǒng)計量。根據(jù)表5，當上市公司市值規(guī)模處于30%以下，，多空對沖組合的月度平均收益率為-3.04%(T=-2.96)，說明若投資者賣空小規(guī)模公司的多空對沖組合，年化收益率將達到36.48%；CAPM模型回歸得到的多空對沖組合的月度平均超額收益率為-2.83%(T=-2.74)；Fama-French三因子模型回歸得到的多空對沖組合的月度平均超額收益率同樣為-2.83%(T=-2.76)。當上市公司市值規(guī)模大于30%，即上市公司被分組定義為中型公司及大型公司時，收益率及兩個模型回歸得到的超額收益率均不顯著。表SEQ表\*ARABIC9市值加權的管理者情緒指數(shù)和公司規(guī)模的雙變量排序PortfoliosReturnCAPMαFF3αSMLSMLSMLLow8.093.781.936.392.390.626.082.210.60[5.14][3.61][2.11][5.02][3.27][1.05][6.90][5.08][1.29]26.463.422.104.802.010.844.501.850.82[4.76][3.33][2.46][4.79][2.92][1.59][8.21][4.81][1.72]35.733.322.654.261.871.423.951.681.41[4.51][3.02][2.93][4.27][2.44][2.25][7.54][4.38][2.58]46.083.701.934.672.320.564.392.130.53[5.00][3.69][2.10][4.87[3.45][1.02][7.42][5.18][1.12]55.893.521.984.392.180.544.091.990.49[4.29][3.50][2.03][3.95][3.09][0.93][5.57][4.86][0.98]65.373.382.483.911.951.153.651.741.11[4.45][3.16][2.92][4.28][2.63][2.52][6.92][4.29][2.73]75.523.832.144.032.330.703.752.070.74[4.23][3.35][2.27][3.92][2.91][1.35][6.56][4.85][1.61]84.723.212.103.121.790.852.841.580.82[3.76][2.90][2.52][3.48][2.24][1.69][5.86][3.69][1.80]95.333.413.053.851.981.693.541.761.74[4.06][3.07][3.37][3.68][2.48][3.21][5.37][4.04][3.71]High5.053.682.203.562.160.873.251.920.90[3.60][3.17][2.50][3.08][2.66][1.69][3.80][4.27][1.93]High-Low-3.04-0.100.27-2.83-0.230.24-2.83-0.290.30[-2.96][-0.17][0.45][-2.74][-0.40][0.40][-2.76][-0.52][0.51]綜上，當公司規(guī)模限制在小型的條件下，多空對沖組合的收益率為負，且所有T統(tǒng)計量的絕對值均大于2.58，說明我們在0.01的顯著性水平下拒絕原假設，認為在小型公司的條件限制下，有99%的概率可以確定多空對沖組合能夠達到顯著的負月均收益率。當公司規(guī)模達到中等及大型時，T統(tǒng)計量均變得不顯著，說明對于市值規(guī)模稍大的公司來說，管理者情緒指數(shù)與月度收益率的負相關關系并不顯著，多空對沖組合不能帶來明顯的虧損。同時，小型公司和中型公司的多空對沖組合的超額收益率均為負值，可以得出管理者情緒和資產(chǎn)組合收益之間具有負相關關系。該結論與前文結論相一致，進一步驗證了前文的雙變量排序結果。（三）考慮文本字數(shù)與情緒關系的資產(chǎn)定價分析AngelaK.等四位學者在2011年的一篇文獻中對上市公司收益報告中的字數(shù)和所蘊含的情緒信息進行研究。研究表明，收益報告中的文字越多，所蘊含的情感信息越多，所表現(xiàn)出的情感傾向越強烈。在前文的處理中，我們通過將初始文本分析所得到的管理者情緒指數(shù)除以字數(shù)，消出了文字數(shù)量對情緒指數(shù)衡量的影響；在該部分，我們將考慮管理者調研紀要的回答文字數(shù)對情緒指數(shù)的影響，在該前提條件下觀察是否管理者情緒指數(shù)仍然和投資組合收益呈負相關關系。1.單變量排序表SEQ表\*ARABIC10考慮文本字數(shù)的管理者情緒指數(shù)排序的收益情況PortfoliosReturnCAPMαFF3αβMKTβSMBβHMLLow1.71[1.65]0.11[0.19]0.21[1.22]1.05[39.18]0.65[13.36]-0.38[-7.89]21.69[1.59]0.07[0.12]0.18[0.99]1.06[37.28]0.68[13.21]-0.40[-7.97]31.63[1.54]0.05[0.08]0.15[0.84]1.02[37.30]0.66[13.39]-0.50[-10.16]41.55[1.44]-0.05[-0.08]0.05[0.28]1.03[35.54]0.68[13.02]-0.48[-9.29]51.55[1.42]-0.07[-0.11]0.03[0.17]1.05[37.34]0.68[13.35]-0.52[-10.30]61.50[1.38]-0.09[-0.13]0.03[0.14]1.02[34.05]0.73[13.59]-0.48[-9.05]71.48[1.37]-0.11[-0.16]0.00[0.02]1.02[33.15]0.71[12.81]-0.50[-9.10]81.43[1.35]-0.15[-0.23]-0.05[-0.25]1.02[34.24]0.65[12.02]-0.50[-9.37]91.47[1.35]-0.15[-0.23]-0.06[-0.32]1.06[34.33]0.62[11.25]-0.55[-9.99]High1.21[1.07]-0.46[-0.67]-0.36[-1.67]1.09[32.49]0.66[10.98]-0.57[-9.54]High-Low-0.50[-2.20]-0.57[-2.46]-0.58[-2.85]0.03[1.10]0.02[0.27]-0.19[-3.44]表10報告了樣本期為2013年7月—2020年7月的等值權重管理者情緒指數(shù)分類投資組合的業(yè)績。Low組的月度平均收益率為1.71%，High組的月度平均收益率為1.21%，多空對沖組合High-Low組的月度平均收益率為-0.50%，這表明，購買管理者情緒指數(shù)最低的投資組合，同時賣出管理者情緒指數(shù)最高的投資組合，年均收益率將達到6%。CAPM模型回歸得到的多空對沖組合的月均超額收益率為-0.57%，說明投資者若賣空多空對沖組合，每年的超額收益率將達到6.84%。Fama-French三因子模型回歸得到的多空對沖組合的月均超額收益率為-0.58%，說明投資者若賣空多空對沖組合，每年將獲得6.96%的超額收益。觀察上述三組多空對沖組合的T統(tǒng)計量，我們可以發(fā)現(xiàn)原始收益率和CAPM模型回歸得到的超額收益率的T統(tǒng)計量均大于1.96，顯著性水平為0.05；Fama-French三因子模型回歸得到的超額收益率的顯著性水平的T統(tǒng)計量大于2.58，顯著性水平為0.01.三者均比不考慮文本字數(shù)時的多空對沖組合超額收益的顯著性水平要高，更具有說服力。2.雙變量排序表11記錄了回歸樣本期為2013年7月—2020年7月的投資組合的月度平均收益率、CAPM模型回歸得到的超額收益率、Fama-French三因子模型回歸得到的超額收益率，以及相應的T統(tǒng)計量。表SEQ表\*ARABIC11考慮文本字數(shù)的管理者情緒指數(shù)和公司規(guī)模的雙變量排序PortfoliosReturnCAPMαFF3αSMLSMLSMLLow7.26[3.25]2.43[1.97]1.76[1.58]6.44[3.52]1.78[2.27]1.11[1.93]6.40[4.52]1.73[3.47]0.98[1.82]25.47[3.18]2.28[1.66]1.40[1.15]4.68[3.89]1.55[2.02]0.70[1.16]4.63[6.00]1.37[3.27]0.55[1.03]35.51[3.13]2.98[2.01]1.52[1.32]4.72[3.78]2.25[2.31]0.86[1.42]4.69[5.90]2.16[3.74]0.70[1.30]45.79[3.30]2.60[1.92]2.36[1.80]5.02[3.91]1.90[2.23]1.63[2.39]4.95[6.40]1.74[4.42]1.46[2.38]54.97[2.83]3.11[2.23]1.85[1.45]4.20[3.26]2.38[2.86]1.13[1.75]4.14[5.22]2.23[4.54]1.00[1.82]66.22[3.38]3.36[2.33]1.87[1.72]5.39[4.22]2.61[3.05]1.24[2.10]5.25[6.17]2.55[5.02]1.08[2.15]75.81[2.97]3.34[2.47]2.13[1.76]4.96[3.50]2.61[3.44]1.44[2.27]4.80[5.81]2.53[5.31]1.28[2.52]87.49[3.60]2.67[1.80]1.58[1.31]6.61[4.36]1.94[2.01]0.89[1.47]6.54[6.59]1.80[3.93]0.85[1.42]95.12[2.60]2.81[1.92]1.83[1.37]4.34[2.80]2.06[2.30]1.09[1.55]4.20[4.36]1.93[3.97]0.94[1.45]High3.98[2.59]3.12[1.95]3.13[2.39]3.28[2.95]2.38[2.11]2.33[2.80]3.20[3.95]2.22[3.21]2.13[3.18]High-Low-3.27[-2.27]0.69[0.94]1.19[1.68]-3.16[-2.20]0.60[0.83]1.15[1.62]-3.20[-2.29]0.49[0.74]1.06[1.56]根據(jù)表5，當上市公司市值規(guī)模處于30%以下，，多空對沖組合的月度平均收益率為-3.27%(T=-2.27)，說明若投資者賣空小規(guī)模公司的多空對沖組合，年化收益率將達到24.32%；CAPM模型回歸得到的多空對沖組合的月度平均超額收益率為-3.16%(T=-2.20)；Fama-French三因子模型回歸得到的多空對沖組合的月度平均超額收益率同樣為-3.20%(T=-2.29)。當上市公司市值規(guī)模大于30%，即上市公司被分組定義為中型公司及大型公司時，收益率及兩個模型回歸得到的超額收益率均不顯著。綜上，當公司規(guī)模限制在小型的條件下，多空對沖組合的收益率為負，且所有T統(tǒng)計量的絕對值均大于1.96，說明我們在0.05的顯著性水平下拒絕原假設，認為在小型公司的條件限制下，有95%的概率可以確定多空對沖組合能夠達到顯著的負月均收益率。當公司規(guī)模達到中等及大型時，T統(tǒng)計量均變得不顯著，說明對于市值規(guī)模稍大的公司來說，管理者情緒指數(shù)與月度收益率的負相關關系并不顯著，多空對沖組合不能帶來明顯的虧損。這與前文進行的兩次檢驗結果一致?？梢缘贸龉芾碚咔榫w和資產(chǎn)組合收益之間具有負相關關系。3.Fama五因子檢驗表SEQ表\*ARABIC12考慮文本字數(shù)的Fama-French五因子模型回歸下的單變量排序PortfoliosLow23456789HighHigh-LowFF5α0.25[1.52]0.20[1.22]0.14[0.85]0.00[0.03]-0.03[-0.17]-0.04[-0.24]-0.06[-0.34]-0.13[-0.77]-0.13[-0.70]-0.37[-1.77]-0.62[-3.00]表12記錄了考慮文本字數(shù)的等權價值組合Fama-French五因子模型的回歸下各組合超額收益率的表現(xiàn)情況。從表中得到，管理者情緒指數(shù)的多空對沖組合月度平均超額收益率為-0.62%，顯著性水平（t=-3.00），說明若投資者賣空管理者情緒高的投資組合，買入管理者情緒指數(shù)低的投資組合，可以在顯著性水平為0.01的基礎上獲得超額收益，年化超額收益率為7.44%。在考慮文本字數(shù)的情況下，F(xiàn)ama-French五因子模型回歸得到的多空對沖組合超額收益率顯著性水平要優(yōu)于不考慮文本字數(shù)的，同時也證明了管理者情緒與資產(chǎn)組合收益具有負相關關系。五、結論本文上市公司管理層在投資者調研活動所做的回答文本為研究對象，通過使用詞典法文本情緒分析，運用管理者情緒指數(shù)對文本中所蘊含的情緒信息進行刻畫，并通過投資組合排序法，檢驗管理者情緒與投資組合收益之間的關系。同時，本文通過控制上市公司市值規(guī)模、行業(yè)類別兩個方面，分析在不同條件下投資組合的收益有何變化。最后，通過分析Fama-French五因子模型回歸得到的多空對沖組合超額收益率、市值加權雙變量排序以及考慮文本字數(shù)對情緒得分的影響，對前面得到的結論進行穩(wěn)健性分析。通過實證發(fā)現(xiàn)：（1）在A股股票中，管理者情緒對投資組合預期收益有著較強的負相關關系。管理者情