“学海拾珠”系列之一百九十八：另类情绪指标与股票市场收益之间的关系

金融工程 专题报告 另类情绪指标与股票市场收益之间的关系 ——“学海拾珠”系列之一百九十八 报告日期：2024-07-31 主要观点： 分析师：骆昱杉 执业证书号：S0010522110001邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 相关报告 1.《基金在风格层面的情绪择时——“学海拾珠”系列之一百九十七》 2.《宏观环境对价值溢价的影响——“学海拾珠”系列之一百九十六》 3.《盈余公告后的机构共识:信息还是拥挤?——“学海拾珠”系列之一百九十�》 4.《言行统一：策略一致性与基金业绩——“学海拾珠”系列之一百九十四》 5.《本地同行对股利支付决策的影响 ——“学海拾珠”系列之一百九十三》 6.《Beta异象对基金业绩的影响——“学海拾珠”系列之一百九十二》 7.《宏观经济信息与股票-债券协动性——“学海拾珠”系列之一百九十一》 本篇是“学海拾珠”系列第一百九十八篇，文章使用Spotify全球用户数据，研究了另类情绪指标-音乐蕴含的情感与股票市场回报和波动性的关系。 另类情绪指标-音乐蕴含的情感与股票市场回报的关系 本文通过一系列稳健性测试验证音乐所蕴含的情感对股票市场回报的影响。研究表明，情感值增加一个标准差，周回报增加8.1个基点 （年化4.3%）。这一效应在下一周反转，情感值增加一个标准差，下一周收益减少7.1个基点（年化-3.7%）。这一现象可以通过情感引发的临时错误定价来解释，价格随后会进行修正。 套利限制下情感指标对交易行为的影响 文章研究了不同国家在COVID-19大流行期间实施卖空等交易限制对音乐情感与股票市场回报关系的影响。结果显示，在实施交易限制的国家，音乐情感对市场回报的影响更强。在卖空限制期间，情感值 增加一个标准差在限制周比非限制周的当期回报增加33.6个基点，未 来回报减少89.2个基点。这表明套利限制增加了情感对市场回报的影响。 情感指标对市场波动、股票和基金的资金流动的影响 研究显示，情感值对小盘股的影响大于大盘股，且与股票市场波动率的增加相关。情感指标还显著预测了净股票基金流入的增加和政府债券回报的下降，这与“避险”理论一致。 文献来源 核心内容摘选自AlexEdmans,AdrianFernandez-Perez,AlexandreGarel,IvanIndriawan于2021年8月24日在JournalofFinancialEconomics上的文章《Musicsentimentandstockreturnsaroundtheworld》 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。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2数据和变量测量7 2.1音乐情感7 2.2抽样和汇总统计10 2.3我们基于音乐的情感衡量标准的验证11 3研究结论13 3.1音乐情感与股票市场收益13 4附加分析18 4.1套利限制18 4.1.1交易限制18 4.1.2小盘股与大盘股19 4.2股票市场波动性19 4.3股票基金净流入20 4.4政府债券22 5结论22 风险提示：23 图表目录 图表1文章框架4 图表22017年1月1日至2020年12月31日期间各国家情感值最高和最低的歌曲8 图表3BILLBOARD2010年代百强歌曲中情感值最高和最低的歌曲8 图表4按地理区域和国家划分的前200首歌曲的流媒体加权平均情感值9 图表5前200首歌曲的日流媒体加权平均情感值10 图表6每个国家考虑的MSCI指数10 图表7变量定义及其来源13 图表8基于音乐的情感衡量标准的验证13 图表9音乐情感与股票市场回报14 图表10稳健性检验15 图表11日频率下的音乐情感与股票市场回报17 图表12日频率下作为情绪代理的音乐情感17 图表13COVID-19大流行期间的卖空禁令和交易限制18 图表14音乐情感对股票市场回报和交易限制的影响19 图表15音乐情感对小盘股与大盘股市场回报的影响20 图表16音乐情感与股票市场波动性20 图表17音乐情感与政府债券回报22 1引言 图表1文章框架 资料来源：华安证券研究所整理 行为金融学文献表明，投资者情绪显著影响股票收益，这与有效市场假说相矛盾。这些文献提出了一系列情绪测量方法，这些方法有一个共同的主题——它们指出了对一个国家情绪的外生冲击，如国际体育赛事结果、航空灾难或天气，并假设其影响边际投资者的情绪。 本文采用不同的方法。我们不研究情绪的冲击，而是寻求一个国家实际情绪的代理变量。实际情绪可能由多种因素驱动，因此无需预先指定一个特定驱动因素。此外，实际情绪旨在捕捉事件对投资者情绪的影响程度。一个国家可能输了足球比赛，但由于输球是可预见的或者足球在该国不受欢迎，情绪的影响可能很小。因此，我们不是使用假设影响国家情绪的外生冲击，而是寻找一个反映实际情绪的内生衡量标准。我们希望这个衡量标准具有高频率、国家级别而非城市级别，并且在全球 范围内具有可比性。最后一点要求我们寻找一个不依赖语言的代理变量，这样就不需要情绪词典，其准确性可能因语言而异。 虽然情感是不可观察的，但它们会在可观察的行为中表现出来。然而，大多数反映人们情绪的行为数据集（如攻击性行为或语言）是不存在的。因此，我们研究一个国家公民听的歌曲情感。这一想法基于心理学文献的研究，个体在其音乐选择中反映他们的情绪。许多研究记录了“情感一致性”，即音乐被用来验证情感。例如，North和Hargreaves(1996)发现参与者对音乐的偏好与其当前的情绪状态一致。 Saarikallio和Erkkilä(2007)记录了不开心的受试者听悲伤音乐来表达情绪或寻求安慰，Hunter等(2011)发现诱导悲伤情绪后，典型的对欢快音乐的偏好消失了。先前的研究还表明，音乐情感与可能驱动行为的经济行为或信念相关。例如，Zullow(1991)显示，美国流行歌曲的乐观情绪预测国民生产总值增长，Sabouni(2018)发现流媒体音乐的正面情绪预测密歇根消费者情绪指数。 Spotify是全球领先的在线音乐平台，可提供大规模的听歌数据。到2020年6 月，该平台拥有3.65亿月活跃用户，确保了平台上的音乐反映了相当一部分国家人口的情绪。根据2017年第四季度的美国数据，74%的Spotify用户年龄在24岁以上，30%以上的用户年龄在45岁以上。因此，金融市场参与者很可能包含在Spotify用户样本中。Spotify提供了特定国家每日播放次数最多的前200首歌曲的统计数据。它还有一个算法，根据音乐专家对歌曲正面情绪的评分对歌曲的情感进行分类。我们使用Spotify在40个国家播放的每日前200首歌曲的情感作为其公民情绪的衡量标准。 使用内生情感衡量标准也可能有潜在缺点。主要担忧是人们可能听歌曲是为了缓解而非反映其情绪——例如，通过播放欢快的歌曲来对抗负面情绪。这种担忧与上述情感一致性的研究不一致；例如，葬礼播放悲伤的歌曲以反映情绪，而不是播放快乐的歌曲以影响情绪。为直接应对此问题，我们提供了使用已建立的情绪代理的验证测试。首先，我们基于先前文献，确定可能影响个体情绪的季节性因素（如Thaler1987，Kamstra等2017，Birru2018，Hirshleifer等2020）。我们发现情绪下降的时期（如北半球的9月至10月）与我们的基于音乐的情感衡量标准显著下降有关。其次，先前文献记录了云层覆盖会抑制投资者情绪的证据（如Hirshleifer和Shumway2003，Goetzmann等2015）；我们发现它与音乐情感也有类似关联。第三，政府为应对COVID-19而实施的严格限制措施负面影响了公民情绪（如Terry等2020，Bueno-Notivol等2021）。我们显示这些措施的严格性增加与音乐情感的下降相关。 我们的主要分析研究了音乐情感与股票市场收益之间的关系。我们发现，音乐 情感与当期收益之间存在显著的正相关关系，控制了过去的收益、全球市场回报、季节性、天气状况和宏观经济变量。音乐情感增加一个标准差与每周收益增加8.1个基点（年化4.3%）有关。这一效应在下一周反转，音乐情感增加一个标准差预 测下一周收益减少7.1个基点（年化-3.7%）。这两个结果都与情绪引发的临时错误定价，以及先前理论和实证发现，即负面投资者情绪导致价格暂时下跌但随后纠正一致（如DeLong等1990，Baker和Wurgler2006，2007，Edmans等2007，Ben-Rephael等2012）。 我们在日分析中也获得了类似的结果——音乐情感与显著更高的当期股票收益相关，随后反转。我们的结果对美元和本地货币收益均适用，在排除每个国家一次时依然成立，以确保结果不是由特定国家驱动的，并在排除每个国家最多播放的50首歌曲时也成立，以应对Spotify向用户推荐歌曲的担忧。 为了进一步测试情绪是否驱动了我们的结果，我们进行了系列附加分析。首先，当套利限制更高时，情绪的影响应更强（如Baker和Wurgler2006，2007）。在 我们的样本期内，一些国家在COVID-19大流行初期实施了交易限制，如禁止卖空，限制了套利机会。我们围绕这些可能的外生冲击进行差异中差异分析，发现情绪对当前和未来收益的影响增强。 其次，先前的理论和实证文献表明，投资者情绪及其导致的噪音交易可以影响资产价格的波动率和水平（如Black1986，DeLong等1990，Da等2015）。我们确实发现，绝对音乐情感与股票市场波动率之间存在显著的同时相关性。 第三，作为样本外测试，我们从研究股票指数转向股票共同基金和政府债券指数。先前的文献表明，投资者情绪影响共同基金的资金流动（如Ben-Rephael等2011，2012）。我们确实发现音乐情感与净股票基金流量显著正相关。相反，它与政府债券指数回报显著负相关，这与“安全避风港”一致（见Baker和Wurgler2012，Laborda和Olmo2014，Da等2015）。 我们的研究为投资者情绪对股票市场的影响文献做出了贡献。先前的研究提出了一系列情绪衡量方法，每种方法都有其独特的优点，但也有一些限制。一些研究使用罕见事件来捕捉投资者情绪的突然变化，如国际体育赛事结果（如Edmans等2007）、航空灾难（如Kaplanski和Levy2010）、恐怖袭击（如Chen等2020）和时钟变化（如Kamstra等2000）。虽然在可用时这些情绪衡量方法非常有效，但它们在一年中的大部分时间都不存在。此外，由于它们是离散的，它们显示情绪的冲击影响资产价格，但对更温和的变化没有影响。天气变量如云层覆盖（如Hirshleifer和Shumway2003，Goetzmann等2015）或日照时间（如Kamstra等2003）也代表对情绪的外生冲击。这些衡量方法既是连续的，也是高频的，但不能捕捉其对投资者情绪的影响强度；此外，国家股票交易所所在地的天气可能与该国其他地区不一致。 其他论文如我们的研究使用情绪的内生衡量标准。Baker和Wurgler（2006）开发了一个情绪指数，包括交易量、封闭式基金折扣、首次公开募股首日收益和交易量、期权隐含波动率和共同基金流量等市场基础衡量指标。然而，这些因素可能反映经济基本面而非情绪；例如，隐含波动率可能因不确定性而高，而非非理性。Brown和Cliff（2005）以及Lemmon和Portniaguina（2006）使用消费者情绪调查，但这些调查频率较低，询问行为而非直接捕捉行为，且可能未能如实或认真填写。 Da等（2015）使用互联网搜索的文本分析来开发负面情绪的衡量指标，发现其与美国市场回报、波动率和基金流量相关。Gao等（2020）扩展了这一指数，包含非金融术语，捕捉正面和负面情绪，并将其与38个国家的国家级回报联系起来。像我们一样，Gao等（