·经济理论与实践·《新疆财经》2013年第5期
———基于百度指数指标
王 镇1，郝 刚1,2
(1.东北财经大学应用金融研究中心，辽宁大连116025;
2.中国证券监督管理委员会大连监管局，辽宁大连116000)
内容提要：本文选取上海证券交易所中来自不同行业的30只股票作为研究对象，将百度指数
提供的用户关注度数据作为投资者关注度的度量指标，通过建立面板数据模型，研究了投资者 关注度对股票收益率的影响。结果发现，当期投资者关注度对股票收益率有正向影响，前期投
资者关注度对股票收益率有负向影响；同时，股票平均换手率与投资者关注度与对股票收益率
的影响相同，说明把股票平均换手率作为投资者关注度的替换指标具有一定的合理性。
关键词：投资者关注度；股票收益率；百度指数
中图分类号:830.91 文献标识码:A 文章编号:1007-8576(2013)05-0014-08
. All Rights Reserved.
传统的资产定价理论认为，信息能即时地反映到资产价格中去，其前提假设认为投资者能分配足够的关注度到该资产上。然而，实际上关注度是一种稀有的认知资源(Kahneman,1973)，在面对大量的可
得信息时，投资者具有有限关注，他们不得不对信息处理作出选择，导致受到不同关注股票的收益率也
不相同。同时,Barber和Odean(2008)的研究表明，关注度是个人投资者决定是否购买股票的主要因
素，但是这种情况并不同样地适用于机构投资者；而史永东等(2009)的研究发现，我国证券市场中个人
投资者占绝大多数比例，因此，通过对投资者关注度的研究可以使我们了解我国股票市场的运行情况,
对制定相应的投资策略也具有重要的借鉴意义。
在该领域的研究中，难题之一便是对投资者关注度的度量问题。目前学术界尚未有统一的标准，多数学者通过各种间接指标来衡量投资者的关注度，如Gervais、Kaniel and Mingelgrin(2001)用股票成交
量来衡量;Fang和Peress(2007)用现有的权威报纸上的文章数量来衡量;Seasholes和Wu(2007)则用极
端收益来衡量。虽然这些指标在一定程度上能够刻画投资者的关注度，但由于它们是客观存在的，并非
投资者心理的直接度量，因此，在准确性上难免有偏误。近年来，随着互联网技术的蓬勃发展，人们逐渐
利用互联网搜索引擎技术来收集所需要的信息，互联网搜索引擎所提供的相关数据(如谷歌趋势和百
度指数)时刻把握着人们对某事物的关注情况，准确反映了投资者的心理活动，若把该成果应用到股票
市场中，用搜索引擎所提供的关注度数据作为投资者关注度的度量指标，将会直接把握投资者的心理活
收稿日期:2013-07-09
作者简介：王镇(1983-)，男，博士研究生，研究方向：行为金融、资产定价；郝刚(1980-)，男，博士研究生，研究方向：行为金融、资
本市场。
41
动，提高研究的准确性。基于此，本文将利用百度指数所提供的对某只股票的用户关注度数据作为投资
者关注度的度量指标来研究投资者关注度对股票收益率的影响情况。
一尧文献综述
随着行为金融学的蓬勃发展，对股票收益的研究越来越多地纳入投资者的心理因素，其中，国内外大批学者针对投资者关注度对股票价格和收益率的影响进行了深入的探讨，使得该领域日益成为研究
的热点。其中,Peng and Xiong(2006)从理论方面分析了投资者在有限理性下的认知行为，发现相对于
公司层面的信息而言，投资者更加关注市场和行业层面的信息；在此基础上,Peng和Xiong(2007)又通
过实证检验发现，如果投资者是有限关注的，则市场波动率和资产收益的协同波动都会在关注冲击发生
的当天升高，而在接下来的日子里则出现反转;Della Vigna和Pollet(2009)将周五作为投资者的有限关
注日，与周内其他交易日的收益公告相比后发现，周五具有较少的即时反应和较多的公告漂移，说明投
资者关注度是股票价格的决定因素;Barber和Odean(2008)通过对四类公司的数据进行分析后发现，个
人投资者在购买股票时比在出售股票时更受关注度的影响，他们往往是焦点股票的主要购买者。在国
内学者的研究中，贾春新等(2010)以中国限售非流通股解禁为例，对投资者购买决策中的有限关注行
为进行了考察，发现投资者关注确实会引起股票的正回报；饶育蕾等(2010a)通过构建公众注意力指标
考察了公众注意力与股票月度收益之间的关系，发现大众媒体对上市公司的关注度越高，在接下来一个
月中，其股票的平均收益率越低；之后，饶育蕾等(2010b)发现，以新闻条数构建的榜内外注意力差异能
有效地解释股票排行榜效应，实证结果在很大程度上表明注意力驱动的投资者交易行为是排行榜效应
产生的根本原因。
上述所涉及的文献对投资者关注度的衡量主要基于市场上已有的指标作为其替代变量，如Peng和
Xiong、贾春新等主要利用换手率；饶育蕾等主要利用媒体关注度。后来，大批学者开始利用互联网所提. All Rights Reserved.
供的相关数据作为投资者关注度的度量指标进行分析研究，例如,Da(2011)通过谷歌趋势提供的搜索
数据作为投资者关注度的衡量指标，验证了该数值与诸如极值收益、交易量、新闻广告等间接衡量投资
者关注度的指标具有正相关性，并利用该指标进行实证研究后发现，其能够较好地解释Barber和Odean
(2008)的结论;Matthias、Martin and Georg(2011)和Bodo(2012)也利用谷歌趋势提供的数据验证了投资
者关注度与股票交易量之间的关系，结果发现两者之间具有显著的正相关关系。在国内研究中，杨晓兰
(2010)利用和讯网的个股关注度数据，利用随机效应面板数据模型检验了我国股票市场的网络关注度
效应，结果发现，当日高关注度的股票会带来当日及其次日的高换手率和高成交量。然而，关注度对收
益率的影响存在反转性，关注度对当日收益率有正向的影响，对次日收益率却产生了负向影响。宋双杰
等(2011)利用谷歌趋势提供的搜索量数据，通过构建异常搜索量指标，运用行为金融学中投资者关注
的理论解释了IPO市场存在的三种异象，结果表明，投资者关注对资产价格有直接的影响；俞庆进和张
兵(2012)根据百度指数提供的搜索量数据，实证检验了百度指数和深圳证券交易所创业板股票市场表
现的相关性，结果发现，投资者关注度能够影响股票的收益情况，并利用百度指数逐日可测的优点，发现
非交易日的投资者关注将显著影响下一个交易日股票集合竞价时的价格跳跃。
从现有文献来看，虽有文献研究了投资者关注度对股票收益率的影响，如杨晓兰(2010)，但因用户利用和讯网搜索股票没有百度和谷歌普及，因此，用和讯关注度的代表性往往较差，而宋双杰等(2011)
和俞庆进等(2012)分别利用谷歌趋势和百度指数的研究只针对IPO和创业板市场，并未对主板市场进
行相关分析，因此，本文将利用百度指数提供的数据对主板市场进行相关分析。
51
二尧样本和指标的选取
(一)样本的选取
在样本选取方面，由于上市公司所属行业千差万别，投资者对不同行业的关注度不同将直接影响对所处行业上市公司股票的关注度也不同，因此，为避免行业因素对投资者的股票关注度造成的影响，以及考虑不同行业股票的关注度对其收益率的影响，本文所选择的股票样本将涵盖所有行业。根据我国上海证券交易所的行业指数划分标准，将在上交所上市的公司股票分为10个行业，分别是能源、原材料、工业、可选消费、主要消费、医药卫生、金融地产、信息技术、电信业务以及公用事业。此外，
为保证实证结果的准确性，本文是随机选取样本的，即从每个行业中随机选取3只股票，共计30只股票作为研究样本。所选样本股票如表1所示:
表1所选样本股票
所属行业股票名称股票代码所属行业股票名称股票代码
能源中国石化600028
上海石化600688
郑州煤电600121
医药卫生
华润双鹤600664
哈药集团600812
华北制药600062
原材料宝钢股份600019
安阳钢铁600569
马钢股份600808
金融地产
浦发银行600000
民生银行600016
中信证券600030
工业白云机场600004
中海发展600026
南方航空600029
信息技术
同方股份600100
上海贝岭600171
方正科技600601
可选消费东风汽车600006
上海汽车600104
四川长虹600839
电信业务
中国联通600050
广电信息600637
大恒科技600288
主要消费贵州茅台600519
光明乳业600597
伊利股份600887
公用事业
首创股份600008
华能国际600011
广州控股600098
(二)指标的选取
在对投资者关注度对股票收益率的影响进行建模时，所用到的指标主要有股票个股收益率、投资者关注度，同时，为防止已有投资者关注度代理指标的影响，本文将股票平均换手率作为控制变量。各个
指标的具体含义如下所示:
1.股票收益率。目前，股票市场上个股收益率有两种计算方法：一种为考虑现金红利再投资的个股
收益率；另一种为不考虑现金红利的个股收益率。考虑到我国多数上市公司并未发放现金红利，本文将
选择不考虑现金红利的日个股收益率来衡量股票收益率，其计算公式为:
DCR i,t=P i,t·(1+F i,t+S i,t)·C i,t
P i,t-1+C i,t·S i,t·K i,t-1(1)
其中,DCR i,t表示不考虑现金红利的日个股收益率;P i,t和P i,t-1分别分析股票i在t时刻和t-1时刻的收盘价;F i,t表示股票i在t日为除权日时的每股红股数;S i,t表示股票i在t日为除权日时的每股配股
61
. All Rights Reserved.
数;K i,t表示股票i在t日为除权日时的每股配股价;C i,t表示股票i在t日为除权日时的每股拆细数。
2.投资者关注度。本文主要采用搜索引擎所提供的用户关注度数据作为投资者关注度的衡量指
标，由于我国用户主要使用百度搜索引擎进行信息的搜集，因此，所采用的关注度数据来源于百度指数。
为去除时间趋势的影响，在此参照Da等人(2011)的方法构建异常搜索量(Abnormal Search Volume In⁃
dex,ASVI)指标来度量投资者关注度，由于所分析的数据为日数据，在衡量时间影响时，以周交易天数
为准，故将ASVI定义为:
ASVI i,t=log(ATT i,t)-log[Med(ATT i,t-1,…,ATT i,t-4)](2)
其中,ASVI i,t表示第i只股票在t时刻的异常搜索量;log(ATT i,t)为第i只股票在t时刻的投资者关
注度的对数值;log[Med(ATT i,t-1,…,ATT i,t-4)]为第i只股票在过去4天中投资者关注度中值的对数
值，相对于均值而言，采用中值可以避免某段时间内投资者关注度的急剧变化所造成的影响，以便分析
结果更为稳健。
3.平均换手率。换手率是指在一定时间内，市场中的股票转手买卖的频率。我国证券市场上换手
率的计算公式可表示为：换手率=在某段时间内的成交量/流通总股数×100%。在以往的文献中，部分
学者(如Yan,2009)将平均换手率作为投资者关注度的衡量标准之一，将其定义为:
ATR i,t=∑0t=-4TR i,t5(3)
其中,ATR i,t和TR i,t分别表示i股票在t时刻的平均换手率与换手率。
当然，也有部分学者(如Barber和Odean,2008)采用股票交易量作为投资者关注度的衡量标准之一，因为在换手率的计算过程中包括股票成交量，因此，为避免回归过程中的共线性问题，在此只取异常
成交量作为控制变量。
(三)数据的收集与处理
不考虑现金红利的日个股收益率可由国泰安数据库直接获得，换手率不可直接获取，但是可通过国. All Rights Reserved.
泰安数据库直接获得日个股流通市值，日个股收盘价格以及日个股交易股数的数据可根据换手率定义
公式计算得到。而在通过百度指数搜集投资者关注度数据时，既可直接输入该股票的名称，也可输入该
股票的代码进行搜集，由于本文研究针对的体主要为股票投资者，假定其对股票代码颇为熟悉，因此,
本文在搜集数据时主要是根据股票代码进行搜集的，这在一定程度上也排除了用户在搜索与投资无关
的信息时的影响，并且本文也对照过两种搜索方式的差别，发现两种方式的投资者关注度差异并不大。
本文研究所选择的时间段为2010年1月1日到2012年7月31日，为保证交易时间的连续性和模型回归结果的准确性，在对比所选股票的交易日之后，删除各只股票停牌的交易日以及不连续的交易
日，最后确定共计217个交易日的数据。另外，一周内股票交易为五天，而投资者关注度却可天天统计,
考虑到当期股票收益会受到前期关注度的影响，为准确度量投资者关注度对股票收益的影响，本文选取
的投资者关注度数据主要为周日到周五的数据，周六的数据排除在外。
三尧实证分析
(一)模型的建立
假设投资者关注度对股票收益率的影响不随个体和时间的变化，而且由于影响股票收益率的因素有很多，若只选择投资者关注度将使得解释股票收益率的信息不够完整，因此，本文拟建立个体固定效
应模型来研究投资者关注度对股票收益率的影响。同时，考虑到投资者可能在当天股市收盘后才开始
对某只股票的信息进行收集，以便第二天进行买卖，且股票市场中信息传递相对迅速，因此，将对解释变
量和控制变量最多滞后1阶，即明天股市收益的情况不仅取决于今天投资者的关注度，而且与昨天的关
71
注度有关，最终所建立的面板数据模型为:
DCR it =β0+β1ASVI i,t +β2ASVI i,t (-1)+β3ATR i,t +β4ATR i,t (-1)+μi,t (4)其中,DCR it 表示不考虑红利的日个股收益率;ASVI i,t 表示投资者关注度的异常搜索率;ATR i,t 表示平均换手率;ASVI i,t (-1)和ATR i,t (-1)为对应变量滞后一期的变量;μi,t 为一个服从正态分布的随机
扰动。(二)单位根检验在含有时间序列的数据中，若用非平稳时间序列对另一非平稳时间序列进行回归，此时标准的t 检验和F 检验是无效的，故在对模型进行回归之前，首先针对面板数据的稳定性进行单位根检验。目前，有多种方法可以对面板数据进行单位根检验，本文采取两种检验方法，即相同根单位根检验的Levin、Lin&Chu t 检验(简记为LLC)和不同根单位根检验的Fisher -ADF 检验(简记为F -A
DF)，其中,LLC 检验方法假设面板数据中的各截面序列具有相同的单位根过程，而F -ADF 检验方法允许面板数据中的各截面序列具有不同的单位根过程。如果在两种检验中均拒绝存在单位根的原假设，我们便说此序列是平稳的；反之，则不平稳。
本文运用Eviews6.0统计软件，对于无截距、无趋势的序列，对相关变量进行单位根检验后所得结果如表2所示:
表2单位根检验结果LLC 检验F -ADF 检验DCR it -80.6373∗∗∗(0.0000)3908.91∗∗∗(0.0000)ASVI i,t -43.8355∗∗∗(0.0000)1787.64∗∗∗(0.0000)ATR i,t -11.8496∗∗∗(0.0000)221.983∗∗∗(0.0000) 注：表中数字为检验所得t 值，括号内为对应的P 值,∗∗∗表示在1%的显著水平下是统计显著的。从表2所得的数值来看，各变量序列都是平稳的，其滞后一阶的序列肯定也是平稳的，因此，可以对这些变量所构建的回归模型进行估计，以便检验投资者关注度对股票收益率所造成的影响。
(三)回归结果分析根据所设定的模型形式，将相关变量的数据用Eviews6.0统计软件进行回归处理后，对模型进行分析时所用到的结果如表3所示:
表3
模型回归结果ASVI i,t
ASVI i,t (-1)ATR i,t ATR i,t (-1)DCR it 0.0136∗∗∗(0.0000)
-0.0072∗∗∗(0.0013)0.0077∗∗∗(0.0000)-0.0082∗
∗∗(0.0000)
模型判断指标
DW 值2.1Log likelihood 16003.61Adjusted R -squared
0.1866残差平稳性检验ADF 检验-11.8060(0.0000)PP 检验-75.5725(0.0001)
注：面板模型部分数值为变量的系数估计值，残差检验数值为计算的t 值，括号内数值为相应的P 值,∗∗∗表示在1%的显著性水平下是统计显著的。 All Rights Reserved.
