炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
平安观点：
市场情绪概述、指标与实证方法。市场情绪衡量了除基本面与其预期信息以外的其它市场预期因素，是A股市场行情的重要影响因素。市场情绪构成复杂难以被单一指标所刻画，我们从交易面、资金面、跨市场比价三个方面筛选了11个具有代表性的市场指标，通过历史分位数法、长短期均线法划分指标位置与趋势，研究情绪指标大小和变动蕴含的市场择时信号。
情绪指标有效性实证。情绪指标的大小、极端变动蕴含了丰富的市场择时信号，但不同情绪指标的信号模式存在较大差异。（1）换手率的极端上行/下行对应未来一个月资产收益水平的提升；（2）100-20日内动量因子较大时未来一个月资产收益水平有所提升，但因子数值极端大时动量因子有一定反转效应；（3）涨停股数量占比的极端下行/上行对应未来一个月资产收益水平的提升/下降；（4）创近一年新高股票占比的极端上行/下行对应未来一个月资产收益水平的提升/下降；（5）融资余额的极端上行/下行对应未来一个月资产收益水平的提升/下降；（6）融资买入额占比的极端上行/下行对应未来一个月资产收益水平的提升/下降，其数值较高时未来一个月市场超额收益显著；（7）北向资金净流入的大小和变动都和未来一个月市场平均收益正相关，但其极端下行时，市场表现也相对不错；（8）机构净买入的变动与未来一个月资产收益水平正相关，净买入的极端高位对应未来一个月资产收益水平的提升；（9）开放式基金股票投资比例的极端上行/下行均对应未来一个月资产收益水平的提升；（10）权益风险溢价极端上行对应未来一个月资产收益水平的提升，其极端低位对应未来一个月资产收益水平的下降；（11）股指期货升贴水幅度的极端上行/下行对应未来一个月资产收益水平的提升/下降。
基于市场情绪的股债轮动策略。依据单情绪指标信号构建的股债轮动策略均有显著超额收益，其中资金面指标的择时效果相对更好。我们选取择时策略夏普比靠前的7个指标：开放式基金估算股票投资比例、融资买入额占比、换手率、创近一年新高股票占比、北向资金净流入、机构近20日净流入额、融资余额，采用投票法构建A股市场情绪指数。该情绪指数代表择时信号中看多权益资产信号占比，具有显著择时效果：指数的极端低位领先于市场底部，指数数值高于0.5时市场平均表现较好。基于情绪指数的股债轮动策略年化收益率15.7%，夏普比1.21，相较于万得全A和单情绪指标择时策略均有显著超额收益，月度胜率高达75%。目前A股市场情绪指数已连续2个月看多权益资产，最新情绪指数中性偏乐观，维持权益市场看多信号。
风险提示：1）历史规律总结并非因果关系的阐述，也不构成任何投资建议。2）策略回测并不完全反映现实情况，不构成对策略未来业绩的任何保证。3）宏观环境、市场结构变动导致的历史经验和指标失效风险。
01
市场情绪概述、指标与实证方法
1.1 市场情绪：基本面以外的预期因素
由于受到投资者情绪的影响，股票价格并不能完全反映其内在价值，投资者情绪的存在使得股票价格以远高于基本面变动的频率波动。我们知道在股票市场基本面信息变动缓慢，但资产价格以极高的频率变动，股价的变动并不完全由基本面信息主导。行为金融学的发展在有效市场理论外，为我们理解金融市场这一现象提供了全新视角。行为金融学的研究指出，资本市场的日常波动除了受基本面及其预期信息驱动外，还受到投资者情绪的显著影响。
市场情绪衡量了除基本面及其预期信息以外的其它市场预期因素，是A股市场行情的重要驱动力量。根据Baker和Wurgler（2006）在The Journal of Finance的定义，投资者情绪是投资者基于对资产未来现金流和投资风险的预期而形成的一种信念，但这一信念并不能完全反映当前已有的事实。由于未来不确定性的存在，投资者对资产所能创造的未来现金流及其风险的预期，除了与基本面相关外，还与投资者自身经验、个性偏好等密切相关。对同一资产，不同人的这些不同信念可以称之为“情绪”，而人的行为会在社会互动机制的作用下趋于一致，造成市场的误定价现象，可以称为市场情绪。
1.2 市场情绪的衡量：市场情绪指标
市场情绪作为推动行情走势背后的无形力量，难以被单一指标所刻画，也很少有研究去系统化地论证现有情绪指标的有效性。一般来说，我们可以通过调查问卷、市场指标、文本分析三种途径去观察市场情绪。本篇报告将重点考虑市场指标对A股市场情绪的刻画能力，通过量化方法系统化地梳理出对市场走势有择时效果的情绪指标。
市场情绪指标：从交易面、资金面、跨市场比价三个方面筛选了11个具有代表性的市场指标。我们重点从交易面、资金面、跨市场比价三个方面筛选了11个指标：交易面指标通过市场交易的量、价、以及微观结构反映了投资者交易行为；资金面指标刻画了杠杆资金、海外投资者、机构投资者、基金经理整体对A股的偏好；跨市场比价指标则衡量了股票相对于债券、期货的性价比，并反映了期货市场投资者对A股的整体看法。
1.3 指标有效性实证：大小&变动
情绪信号一般来源于指标大小与变动趋势，我们根据情绪指标位置与趋势划分信号，统计市场行情表现来识别情绪指标的有效性。对每一个情绪指标，结合位置与趋势重点考虑指标上行、下行、高位、低位四类信号，分别统计各信号出现前、后一段时间的市场行情表现来判断其是否为领先或者同步指标。若指标信号与市场未来一段时间收益表现相关，则可以判断其为资产择时的有效信号。若指标信号与市场近期历史收益表现相关，可以判断其为同步信号。
历史分位数法判断位置，研究指标大小与市场收益的关系。根据指标在过去4年（1000个交易日）的滚动分位数，将指标的大小分位数等分为20挡，统计每一档信号前、后一个月（22个交易日）万得全A的累计收益率。
长短期均线法判断趋势，研究指标变动与市场收益的关系。根据指标近期均线（选取20个交易日）与远期均线（选取40、60、120个交易日）之差判断指标趋势：当近期均线大于远期均线时，判断指标进入上行趋势；当近期均线小于远期均线时，判断指标进入下行趋势。根据近期均线与远期均线之差划分指标上下行趋势强弱，统计各档趋势强弱信号前、后一个月（22个交易日）万得全A的累计收益率。
02
情绪指标有效性实证
2.1 换手率
换手率是市场行情中量的代理指标，与行情走势波峰一致且领先，2010年以来换手率对市场表现领先性减弱。使用2008年以来数据，研究万得全A换手率与收益表现的关系。从走势来看，2010年以前换手率领先于市场走势，2010-2015年换手率与市场走势较为同步，2016年以来换手率的极端上行往往也对应着一波市场行情的开始。
换手率的极端变动是资产择时的有效指标：换手率的极端上行/下行对应未来一个月资产收益水平的提升；换手率的大小是资产表现的同步指标。根据长短期均线法统计发现，换手率近6个月上行幅度超过1%、下行幅度超过0.5%时，万得全A在未来一个月累计收益水平大幅提升。根据历史分位数法统计发现，换手率大小与资产过去一个月累计收益率正相关，即换手率大小是市场收益表现的同步指标。
2.2 动量因子
动量因子是市场行情中价的代理指标，与行情走势波峰一致且领先。在动量因子测试中，我们发现回望期100交易日、剔除期20交易日的日内动量对万得全A的择时效果较好。使用2008年以来数据，研究100-20日内动量与万得全A收益表现的关系。从走势来看，100-20日内动量数值集中在-0.2至0.4之间，与万得全A走势较为接近，日内动量因子小于0时万得全A表现较差。
回望期100交易日、剔除期20交易日的日内动量因子大小是资产择时的有效指标，一般来说动量因子较大时未来一个月资产收益水平有所提升，但在数值极端大时动量因子有一定反转效应。根据历史分位数法统计发现，100-20日内动量分位数与未来一个月万得全A累计收益率存在一定正相关关系；从绝对数值大小来看，100-20日内动量数值在-0.1至0.3区间较为聚集，在该区间动量因子大小与未来累计收益率成正比，在100-20日内动量因子数值大于0.4时存在显著反转效应。
2.3 涨停股数量占比
在上涨行情中，涨停股数量占比的大幅提高常出现在行情末期，需要关注市场过热风险。使用2008年以来数据，研究万得全A成分股中涨停股数量占比与指数收益表现的关系。涨停股数量占比为指数成分股中涨停股票数量占成分股数量的比重，可以看到在2008年、2015年涨停股数量占比的大幅提升都对应于上涨行情的末期。即在一波上涨行情中，涨停股数量占比的大幅提升可能意味着市场行情的过热，需要关注市场转向下跌的风险。
涨停股数量占比的极端变动是资产择时的有效指标：涨停股数量占比的极端下行/上行对应未来一个月资产收益水平的提升/下降；涨停股数量占比的大小和变动都是资产表现的同步指标。根据长短期均线法统计发现：涨停股数量占比近3个月下行幅度超过1%时，万得全A在未来一个月累计收益水平大幅提升；涨停股数量占比近3个月上行幅度超过2%时，万得全A在未来一个月累计收益水平有大幅下滑；涨停股数量占比的变动与过去一个月市场累计收益率正相关。根据历史分位数法统计发现，涨停股数量占比的大小与资产过去一个月累计收益率正相关。
2.4 创近一年新高股票占比
2013年以来，在市场上涨行情中创近一年新高股票占比往往会出现大幅提升，2015年创近一年新高股票占比领先于市场出现大幅回落。使用2008年以来数据，研究万得全A成分股中创近一年新高股票占比与指数收益表现的关系。创近一年新高股票占比为指数成分股中创250交易日新高的股票数量占比，该指标领先于2014-2015年牛市行情，并在市场下跌之前出现大幅下滑，对市场行情判断有一定信号价值。
创近一年新高股票占比的极端变动是资产择时的有效指标：创近一年新高股票占比的极端上行/下行对应未来一个月资产收益水平的提升/下降；创近一年新高股票占比的大小和变动都是资产表现的同步指标。根据长短期均线法统计发现：创近一年新高股票占比近3个月上行幅度超过3%时，万得全A在未来一个月累计收益水平大幅提升；创近一年新高股票占比近3个月下行幅度超过2%时，万得全A在未来一个月累计收益水平有大幅下滑；创近一年新高股票占比的变动与过去一个月市场累计收益率正相关。根据历史分位数法统计发现，创近一年新高股票占比的大小与资产过去一个月累计收益率正相关。
2.5 融资余额
融资余额通过杠杆资金存量反映了投资者的信心水平，2014年起融资余额与万得全A指数走势基本保持一致。使用2010年4月以来数据，研究A股市场融资余额与万得全A收益表现的关系。融资余额是指市场中融资买入未偿还的金额，融资资金作为买入股票的杠杆性资金，其水平反映了投资者的信心水平。可以看到，融资余额与万得全A指数走势基本保持一致，两者走势在出现背离后倾向于有收敛趋势。
融资余额的极端变动是资产择时的有效指标：融资余额的极端上行/下行对应未来一个月资产收益水平的提升/下降；融资余额的变动是资产表现的同步指标。根据长短期均线法统计发现：融资余额近2个上行幅度超过1500亿元时，万得全A在未来一个月累计收益水平大幅提升；融资余额近2个月下行幅度超过2000亿元时，万得全A在未来一个月累计收益水平有大幅下滑；融资余额的变动与过去一个月市场累计收益率正相关。
2.6 融资买入额占比
融资买入额占比反映了杠杆资金的交易倾向，对市场表现具有一定领先性，2021年以来这种领先性有所减弱。使用2012年以来数据，研究A股市场融资买入额占比与万得全A收益表现的关系。融资买入额占比指融资买入额占市场成交额的比重，反映了杠杆资金的交易倾向。可以看到，2012-2016年融资买入额占比领先于万得全A行情走势，2016-2021年两者走势较为同步，2021年以来两者相关性减弱。
融资买入额占比的极端变动和大小都是资产择时的有效指标：融资买入额占比的极端上行/下行对应未来一个月资产收益水平的提升/下降，融资买入额占比较高时未来一个月市场超额收益显著；融资买入额占比的大小和变动都是资产表现的同步指标。根据长短期均线法统计发现：融资买入额占比近3个月上行幅度超过0.14%时，万得全A在未来一个月累计收益水平大幅提升；融资买入额占比近3个月下行幅度超过0.14%时，万得全A在未来一个月累计收益水平有大幅下滑；融资买入额占比的变动与过去一个月市场累计收益率正相关。根据历史分位数法统计发现，融资买入额占比分位高于0.85时，未来一个月市场存在显著超额收益，融资买入额占比的大小与资产过去一个月累计收益率正相关。
2.7 北向资金净流入
北向资金反映了外资对A股的偏好，在市场上行阶段，北向资金净流入有增加的趋势，北向资金净流入的触底反弹是市场底部的领先信号。使用2017年以来数据，统计北向资金净流入的20日均值与万得全A收益表现的关系。可以看到，北向资金净流入与市场行情趋势较为一致，但北向资金净流入触底反弹常领先于市场底部，北向资金净流入的阶段性变动周期小于市场行情的牛熊周期。
北向资金净流入的变动是资产择时的有效指标：一般来说北向资金净流入的大小和变动都和未来一个月市场平均收益正相关，但北向资金净流入极端下行时，市场表现也相对不错；北向资金净流入的大小和变动都是资产表现的同步指标。根据长短期均线法统计发现：在一般情况下，北向资金净流入变动与市场未来一个月累计收益率成正比；在北向资金净流入近3个月下行幅度超过25亿元时，北向净流入方向与未来收益成负相关，即在北向资金大幅流出时市场未来一个月有一定超额收益；北向资金净流入的变动与近期市场行情正相关。根据历史分位数法统计发现，北向净流入分位数与未来收益、历史收益率均呈现正相关关系。
2.8 机构净买入
机构净买入反映了机构投资者对A股的偏好，机构净买入的中枢倾向于在市场下行阶段逐渐抬升，在市场上行阶段逐步下降。机构净买入将当日所有挂单额大于100万元的超大单定义为机构买卖，统计了万得全A当日未停牌的所有成分股的买入金额与卖出金额之差。使用2016年以来数据，统计机构近20日净流入额与万得全A收益表现的关系。可以看到，机构近20日净流入额的变动频率高于市场行情走势，但总体来看机构资金呈现市场上行阶段净买入中枢逐渐下降、市场下行阶段净买入中枢逐渐上升的趋势。
机构净买入的变动和极端位置都是资产择时的有效指标：机构净买入的变动与未来一个月资产收益水平正相关，机构净买入的极端高位对应未来一个月资产收益水平的提升。根据长短期均线法统计发现：近3个月的机构净买入变动与未来一个月万得全A累计收益率正相关。根据历史分位数法统计发现，机构净买入处于极端高位时，未来一个月市场具有显著超额收益。
2.9 开放式基金股票投资比例
开放式基金股票投资比例反映了开放式基金整体对A股的偏好，与万得全A走势呈现一定正相关关系。开放式基金股票投资比例估算了全部开放式基金（截至2024年4月15日共8557只）的整体股票投资比例，反映了基金经理整体对股票的偏好。使用2008年以来数据，统计开放式基金股票投资比例与万得全A收益表现的关系。可以看到，开放式基金股票投资比例有跟随市场行情变动的趋势，在一些市场拐点附近，该投资比例的变动有一定信号价值。
开放式基金股票投资比例的极端变动是资产择时的有效指标：开放式基金股票投资比例的极端上行/下行对应未来一个月资产收益水平的提升。开放式基金股票投资比例的变动是资产表现的同步指标。根据长短期均线法统计发现：近3个月开放式基金股票投资比例的极端上行/下行均对应未来一个月万得全A累计收益率的提升。近3个月开放式基金股票投资比例在-2.5%至2.5%区间范围内，与资产过去一个月累计收益率正相关，但投资比例的极端下行也常出现在近一个月市场平均收益高的情况下。
2.10 权益风险溢价
权益风险溢价（ERP）反映了股债相对性价比，短期来看，ERP与万得全A走势相反；长期来看，由于ERP的均值回复特征，两者倾向于逐渐收敛。使用2008年以来数据，统计基于股息率的权益风险溢价（ERP）与万得全A的关系，权益风险溢价的计算方法为近12个月股息率减去10年国债到期收益率。从计算方法来看，ERP与市场行情走势相反。但从长期来看，由于ERP的均值回复特征，万得全A与ERP的背离倾向于逐渐收敛。
基于股息率计算的权益风险溢价的极端变动和极端位置都是资产择时的有效指标：权益风险溢价极端上行对应未来一个月资产收益水平的提升，权益风险溢价极端低位对应未来一个月资产收益水平的下降。根据长短期均线法统计发现：近6个月基于股息率计算的权益风险溢价极端上行时，未来一个月万得全A存在显著超额收益。根据历史分位数法统计发现，权益风险溢价极端低位时，未来一个月市场表现较差。
2.11 股指期货升贴水幅度
股指期货升贴水幅度领先于市场走势。沪深300股指期货升贴水幅度衡量了沪深300指数期货价格相对于现货的溢价幅度，体现了期货市场投资者对未来市场走向的预期，计算方法为沪深300指数期货活跃合约收盘价/沪深300-1。升贴水幅度的大幅上升意味着投资者对市场未来走势较为乐观，大幅下滑则意味着对市场未来的悲观态度。使用2010年4月以来数据，统计股指期货升贴水幅度与万得全A的关系，可以看到股指期货升贴水幅度的走势常领先于市场。
股指期货升贴水幅度的极端变动是资产择时的有效指标：股指期货升贴水幅度的极端上行/下行对应未来一个月资产收益水平的提升/下降。根据长短期均线法统计发现：沪深300股指期货升贴水幅度大幅上行时，未来一个月万得全A存在显著超额收益。沪深300股指期货升贴水幅度大幅下行时，未来一个月万得全A收益表现较差。
03
基于市场情绪的股债轮动策略
3.1基于情绪指标的择时策略
情绪指标的大小、极端变动往往蕴含了丰富的市场择时信号，但不同情绪指标的择时信号模式存在较大差异，针对不同情绪指标分别构建择时信号是更为合理的策略方法。通过对情绪指标大小及变动的实证，我们验证了换手率、100-20日内动量因子、涨停股数量占比、创新高股票数量占比、融资余额、融资买入占比、北向资金净流入、机构净流入额占比、开放式基金股票投资比例、权益风险溢价、股指期货升贴水幅度这11个市场情绪指标对未来一个月市场收益的影响。实证发现，市场择时信号往往蕴含于情绪指标的大小和极端变动中，但不同情绪指标的择时信号模式差异较大。比如前期实证发现换手率的极端下行对应于未来市场收益的提升，但创近一年新高股票占比的极端下行则对应于未来市场收益的下滑，而动量因子的择时信号主要来源于其因子大小。常规的指数合成方法难以充分考虑这些差异，甚至会导致择时信号的相互抵消，因此我们认为针对各情绪指标分别构建策略信号是更为合理的市场择时策略方法。
根据不同情绪指标与未来市场收益关系的实证结果，分别构建市场择时信号，通过股债轮动策略来验证信号有效性。股债轮动策略选取万得全A和中债新综合财富总值指数分别为股票、债券的标的资产，根据市场情绪信号选择股票仓位，剩余资金配置债券。策略回测期统一为2014年1月1日至2024年4月10日，每月月底更新情绪指标信号并决定次月仓位，不考虑交易费用。在情绪信号存在数据缺失时配置债券，解决部分指标数据区间较短的问题，保证策略的起始时间一致。
基于开放式基金股票投资比例、权益风险溢价、机构净流入额占比、融资买入占比构建的择时信号胜率较高。统计各指标看多信号占比、及看多信号胜率，可以看到大部分信号月度胜率在50%以上，开放式基金股票投资比例、权益风险溢价的信号胜率高达65%。
根据情绪指标信号构建的股债轮动策略均有显著超额收益，整体来看，资金面指标的择时效果相对更好。开放式基金股票投资比例、融资买入占比、换手率、创新高股票数量占比、北向资金净流入对标的股指夏普比提升显著。根据2014年以来策略择时表现来看，根据11个情绪指标信号构建的股债轮动策略均有显著超额收益。
开放式基金估算股票投资比例具有显著权益择时效果，2014年以来策略年化收益率达到13.5%，胜率65%。以表现最好的开放式基金估算股票投资比例来看，该指标由万得估算并每日更新。2014年以来在每月末该指标20-60个交易日均值处于近750个交易日的30%分位数以下，即开放式基金近3个月大幅减仓股票时，发出权益市场看多信号。该策略年化收益率达到13.5%，年化波动率13.6%，夏普比0.81，信号胜率达到65%，具有显著超额回报。从策略信号来看，在开放式基金估算股票投资比例大幅下行时，策略发出加仓信号。随后在策略加仓权益的区间，市场一般有不错表现，开放式基金的股票投资比例也会出现回升。
3.2 情绪指数构建及策略运用
为了充分汇总各情绪指标择时信号、综合判断市场情绪，我们使用投票法综合上述情绪指标择时信号，构建A股市场情绪指数。基于11个情绪指标及其择时信号构建的股债轮动策略均有显著超额收益，为了综合衡量市场情绪、提高择时策略效果，我们在此基础上进一步构建A股市场情绪指数。前述实证已经发现，不同情绪指标的择时信号模式差异较大，因此传统主成分分析（PCA）、扩散指数等指数合成方法均难以有效汇总各情绪指标的择时信号。我们考虑在各情绪指标择时信号的基础上，使用投票法构建A股市场情绪指数。
基于开放式基金估算股票投资比例、融资买入额占比、换手率、创近一年新高股票占比、北向资金净流入、机构近20日净流入额、融资余额这7个指标的择时信号，采用投票法构建A股市场情绪指数。在使用投票法构建市场综合情绪指数时，考虑到信号的有效性和相互影响，我们剔除了单指标策略夏普比排名靠后的4个指标，使用剩下的7个指标构建指数，策略择时收益有显著改进。情绪指数构建的具体方法为，对上述7个情绪指标及其信号，每日统计发出看多权益信号的指标数量占比作为当日A股市场情绪指数数值。对于择时信号历史数据缺失的情况，根据剩余指标使用投票法确定指数。
情绪指数代表择时信号中看多权益资产信号占比，对A股市场具有显著择时效果：指数的极端低位显著领先于市场底部，指数数值高于0.5，即有超过一半看多信号时市场平均表现较好。可以看到，A股市场情绪指数高于0.5时，市场行情较好。统计发现，2014年以来市场情绪指数的中数和均值均在0.3附近，市场情绪指数高于0.5、0.4、0.3的时间占比分别为19%、29%、40%。
基于A股市场情绪指数的股债轮动策略年化收益率15.7%，夏普比1.21，相较于万得全A和单情绪指标择时策略均有显著超额收益。我们基于同样方法回测基于A股市场情绪指数的择时策略，月底情绪指数数值大于0.5时发出看多权益市场信号，在下月全仓配置万得全A，否则配置中债新综合财富指数。策略回测期为2014年1月1日至2024年4月10日。可以看到轮动策略具有显著超额收益，年化收益率达到15.7%，夏普比相较于万得全A和单情绪指标择时策略均有大幅提高。基于情绪指数的股债轮动策略回避了2018年和2023年的大幅下行，并抓住了多轮上涨机会，具有显著择时效果。
2014年以来，A股市场情绪指数的策略胜率高达75%。策略抓住了2014-2015年、2020年的两波大的上涨行情，在其余阶段平均表现也较为优异。在上述股债轮动策略中，月底A股市场情绪指数大于0.5时看多下月权益资产，策略胜率高达76%。在2014年以来共124个月中，发出看多权益市场信号的月份有26个，占比约21%。在2014-2015年换手率、融资买入额占比、融资余额、创近一年新高股票占比是看多权益市场的主要指标。在2020年，创近一年新高股票占比、北向资金净流入、融资买入额占比、融资余额是看多权益市场的主要指标。
3.3 当前市场情绪分析
当前情绪指数中性偏乐观，维持权益市场看多信号。我们构建的A股市场情绪指数自3月以来发出看多权益市场信号，股债轮动策略连续2个月看多权益资产。截至2024年4月10日，情绪指数收于0.57，维持中性偏乐观判断，其中开放式基金估算股票投资比例、北向资金净流入、融资买入额占比、融资余额发出看多权益信号。
04
参考文献
[1]. Baker M, Wurgler J. The equity share in new issues and aggregate stock returns[J]. the Journal of Finance, 2000, 55(5): 2219-2257.
[2]. Baker M, Wurgler J. Investor sentiment and the cross‐section of stock returns[J]. The journal of Finance, 2006, 61(4): 1645-1680.
[3]. Baker M, Wurgler J. Investor sentiment in the stock market[J]. Journal of economic perspectives, 2007, 21(2): 129-151.
[4]. Hu J, Sui Y, Ma F. The measurement method of investor sentiment and its relationship with stock market[J]. Computational Intelligence and Neuroscience, 2021, 2021: 1-11.
[5]. Schmeling M. Investor sentiment and stock returns: Some international evidence[J]. Journal of empirical finance, 2009, 16(3): 394-408.
[6]. Lee W Y, Jiang C X, Indro D C. Stock market volatility, excess returns, and the role of investor sentiment[J]. Journal of banking & Finance, 2002, 26(12): 2277-2299.
[7]. Ding C G, Wang H J, Lee M C, et al. How does the change in investor sentiment over time affect stock returns?[J]. Emerging Markets Finance and Trade, 2014, 50(sup2): 144-158.
[8]. Chen H, Chong T T L, She Y. A principal component approach to measuring investor sentiment in China[J]. Quantitative Finance, 2014, 14(4): 573-579.
[9]. Chu L, He X, Li K, et al. Market sentiment and paradigm shifts in equity premium forecasting[M]//QFRC working paper 356, UTS. 2015.
[10]. Han B. Investor sentiment and option prices[J]. The Review of Financial Studies, 2008, 21(1): 387-414.
[11]. Bandopadhyaya A, Jones A L. Measuring investor sentiment in equity markets[J]. Journal of Asset Management, 2006, 7: 208-215.
[12]. Huang D, Jiang F, Tu J, et al. Investor sentiment aligned: A powerful predictor of stock returns[J]. The Review of Financial Studies, 2015, 28(3): 791-837.
[13]. Prasad S, Mohapatra S, Rahman M R, et al. Investor sentiment index: a systematic review[J]. International Journal of Financial Studies, 2022, 11(1): 6.
[14]. Liu S. Investor sentiment and stock market liquidity[J]. Journal of Behavioral Finance, 2015, 16(1): 51-67.
1）量化指标的有效性实证是基于历史数据的梳理总结，并非因果关系的阐述，也不构成任何投资建议。根据历史数据的规律总结，存在失效的可能，历史数据结果不能简单预测未来。
2）受数据可得性、估算误差等因素的影响，策略回测仅是对现实情况的简化和对历史的模拟，不能完全反映策略现实表现，也不构成对策略未来业绩的任何保证。
3）受宏观环境变化、市场结构变动等因素的影响，历史经验和指标可能存在失效风险。
评级说明及声明
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
