中国投资者情绪指数简介

2018年6月

1. 什么是中国投资者情绪指数？

中国投资者情绪指数(China Investors’ Sentiment Index, CISI)是在收集网络能反应投资者情绪的上亿条金融文本大数据的基础上，使用深度学习方法，度量文本信息反映的中国投资者情绪。它一方面刻画了2008年以来金融市场中投资者的情绪变迁，另一方面能够实时追踪当下投资者的情绪变化。

2. 为什么需要投资者情绪指数？

“黑天鹅”、“灰犀牛”类事件的频发，对于理解和预测市场状况提出了新的要求。除了采用度量经济和市场基本面的常见“硬”指标外，监管部门和政策制定者、投资者、企业、金融机构和学界亟需能够反映金融市场当下以及未来波动的情绪类“软”指标。但是，现有中国投资者情绪指数或采用有限问卷收集信息、或频率低、地域窄、缺乏延续性、或包含了情绪之外的其他信息，无法满足需求。

学术研究中对于投资者情绪（Investors’ Sentiment）的定义主要有两类：（1）噪声交易者关于股票未来股价预期偏离理性套利者信念的程度(De Long等, 1990)。（2）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（Baker和Wurgler，2006）。

国外对于投资者情绪指标的选取主要包括以下三类：（1）客观指标。包括：封闭式基金折价，IPO发行量及首日收益，交易量，共同基金净赎回，股票发行与债券发行比例等。（2）主观指标。包括：个体投资者协会指数，投资者智能指数，证券分析师情绪指数，消费者信心指数。（3）复合指标。采用主成分分析法，将客观指标和主观指标等结合在一起。

国内现有关于投资者情绪的研究，参考国外投资者情绪指数构建方法为主。指标的选取类似于国外主观、客观指标，并结合国内实际情况做适当调整。各机构也编制了若干指数，以主观指标为主，包括：央视看盘指数，巨潮投资者信心指数，好淡指数，上海投资者信心指数。

但以上指标均存在一定的缺陷。基于交易行为的指标，是市场多种力量下的均衡结果，不止反映投资者情绪。主观指标虽然能够反映受访者填写问卷时的情绪，但不能全面反映投资者在投资过程中的情绪。此外，多数机构编制的指数存续期短，甚至不再更新。随着互联网和深度学习的发展，基于文本大数据的投资者情绪日益受到重视，但采用文本大数据全面度量投资者情绪的市场需求尚未满足。

3. 中国投资者情绪指数新在何处？

1. 团队新。研究团队由高校学者（北大国家发展研究院、杜克大学教授，北大国家发展研究院硕博研究生）和大数据分析公司百分点联袂组成，有谷歌高级工程师作为算法顾问。
2. 数据新：全网收集A股所有上市公司相关文本数据。

1. 体系新：全面度量与刻画中国投资者情绪。所有上市公司；频率：日频、月频、年度、可到小时；分板块、分行业、甚至公司级。
2. 方法新：人类智慧与深度学习相结合，采用支持向量机、卷积神经网络等方法计算投资者情绪。
3. 产品新：一部中国金融情绪辞典；一套涉及各板块、各行业、不同频率的指数。

4. 中国投资者情绪指数构建方法

1. 全网收集关于全部上市公司的投资者情绪相关的文本大数据。时间上从2008年7月开始，截止至2018年5月已收集约1亿5千万条文本信息。
2. 利用中文分词技术对文本进行分词处理。
3. 利用Word2Vec技术，将文本中的词语向量化。
4. 对于国外的LM词典（Loughran和McDonald, 2011）运用翻译工具进行翻译和检查，构建中文版的LM词典。
5. 在沪深300成分股中，选取200只股票，并对每只股票选取200条讨论帖子。由北京大学国家发展研究院教授、优秀博士和硕士生、市场投资者组成人工标注团队，对这4万条帖子进行人工标注。两人独立标注一条文本信息，根据其内容将其分为正、负、不确定三类，同时对每条帖子列出其包含的正、负关键词。标注完成后，保留标注分类一致的帖子，根据标注结果构建中国金融情绪词典（GB），并获得中国金融市场投资者情绪标注集。
6. 运用多种文本情绪算法检验稳健性。算法选择包括传统的词典法和机器学习方法。对于词典法，词典选取两部：中文版本的LM词典，专业标准团队构建的中国金融情绪词典（GB）。对每个帖子，统计帖子中正面和负面词语的数量，分别采用等权重法（Equal-Weighted, EW）和词频-逆文档法（Term Frequency-Inverse Document Frequency, TF-IDF）计算帖子的情绪得分。对于机器学习方法，分别采用支持向量分类（Support Vector Classification, SVC）和卷积神经网络方法（Convolutional Neural Network, CNN）。在SVC方法下，结合两类词向量表示法，第一类为独热表示（One-Hot），第二类为词向量表示（Word2Vec）。
7. 对于词典法，直接计算其在测试集上（样本外）的分类准确性。对于深度学习法，先在标注集上训练模型，并根据验证集上表现最好的结果来确定模型的参数，选出最优模型。比较各种模型在测试集上的分类准确性。其中，词典法的总预测准确率约为75.65%，SVC+Word2Vec的总预测准确率约为81.45%，CNN的总预测准确率约为81.24%。
8. 将训练好的最优模型应用到全部文本数据中，计算每个帖子的情绪得分。将不同股票帖子的情绪得分按照相应标准进行加总，构建不同指标体系的投资者情绪指数。

5. 中国投资者情绪指数指标体系

    中国投资者情绪指数包含一级指标（代表全部沪深股票的市场情绪指数），和按行业、按时间频率和按板块等分类的二级子指数。其中按照行业分类（参照Wind行业分类标准和申万行业分类标准），包含八个大类：金融行业、制造行业、服务行业、信息行业（计算机、传媒、通信）、医药卫生行业、房地产行业、能源行业、消费行业。按照时间跨度分类，包含：月度频率、周度频率、日度频率（全天情绪、隔夜情绪、午间情绪）以及日内半小时情绪。按照板块划分，包含：沪深300、上证50、中证500、中小板、创业板情绪指数。

6. 中国投资者情绪指数包含了什么信息？

（1）CISI包含了投资者对市场已发生状况的情绪反映（如：收益率、交易量、国际市场的表现）。投资者情绪指数和金融市场重大事件相吻合，如：2015年6月爆发股灾，此后股市开始大跌，而投资者情绪指数在7、9月分别处于历史（2008.07-2018.05）次低点和最低点。（2）CISI还包含投资者对市场未来信息的预期。实证研究发现，该指数对市场收益率、波动、交易量均具有一定预测能力。（3）不同时间段的投资者情绪表现出不同的特征。交易时间段的平均投资者情绪显著低于非交易时间段（隔夜情绪）的平均投资者情绪。（4）不同行业的投资者情绪在过去十年也具有不同的特征。在过去十年，医药行业的平均情绪最高，能源行业的平均情绪最低，消费行业的情绪波动最小，金融行业的情绪波动最大。

7. 中国投资者情绪指数有什么用？

1. 作为度量投资者情绪的工具， CISI不仅包含过去市场信息，也能在一定程度上反映投资意愿或投资者对市场走势的预期。
2. 对市场收益率、波动、交易量均具有一定预测能力。
3. 为政策制定部门和监管部门判断市场走势提供新的视角。
4. 为学界理解市场运行规律提供的新抓手。
5. 企业经营活动、金融机构存贷款决策、资产管理的新参考。

8. 团队成员

沈艳，北京大学国家发展研究院经济学教授

李嘉，杜克大学经济学副教授，顶级金融计量期刊编审人

黄卓，北京大学国家发展研究院经济学副教授

杜晓梦，百分点首席数据科学家

黄伟，百分点研发总监

陈赟，北京大学国家发展研究院博士生

王靖一，北京大学国家发展研究院博士生

尤思宇，谷歌高级工程师（深度学习算法顾问）

北京大学国家发展研究院硕、博研究生、经济学双学位本科生、校外研究生也参与了相关工作。