投资者关注度构建方法与指标选择 [page::5][page::6]

• 选取12个关注度代理指标涵盖交易量异常、极端收益率、分析师覆盖率、媒体报道、谷歌搜索频率等。

- 通过等权加权方式聚合个股关注度为市场层面指标，避免大盘股过度影响。

• 运用偏最小二乘法（PLS）、比例主成分分析（sPCA）、主成分分析（PCA）三种方法提取综合关注度指数，分别记为$A^{PLS}$，$A^{sPCA}$，$A^{PCA}$。

投资者整体关注度指数与市场收益预测能力 [page::8][page::9][page::10]

• 三种综合指数均表现出显著负向预测未来1个月至1年市场超额收益，$A^{PLS}$月度水平回归系数为-0.64%，显著且经济意义强。

- 预测能力随预测期延长逐渐减弱，但1-2年内依然有效。

• 图表2表明PLS法的预测$\beta$值和$R^2$最大，sPCA次之，PCA最弱，显示消除噪声的能力对预测效果至关重要。

投资者关注度指数与宏观经济变量及投资者情绪比较 [page::10][page::11][page::12]

| 指标 | h=1月 | h=6月 | h=12月 |
|----------------|-------|-------|-------|
| $A^{PLS}$ (\beta) | -0.90 | -0.52 | -0.31 |
| 经济变量控制后$\mathrm{Adj. R}^2$ | 5.43% | 8.69% | 13.99% |
| 投资者情绪控制后$\beta$ | -0.56 | -0.41 | -0.30 |
| 投资者情绪控制后$\mathrm{Adj. R}^2$| 1.94% | 7.99% | 9.30% |

• 控制Goyal和Welch常用14个经济预测变量后，投资者关注度仍显著预测市场收益，说明其信息具有独特性。

- 投资者关注度与Baker和Wurgler投资者情绪相关度较低，但两者联合回归能显著提升市场预测能力，显示关注度信息对情绪有补充作用。

经济机制：关注度引发的短期价格压力与成交量失衡 [page::13][page::14]

• 高关注度导致个人投资者成为净买家，短期推高股价，产生价格压力，随后价格回归基本面形成收益反转。

- 订单流失衡指标$\mathrm{AOF}_t$分析显示，高关注度当期促进净买入，次月净买入减少，验证短期价格压力反转机制。

特征组合预测：高贝塔和高特异性波动率股票的显著负向预测 [page::15]

• 投资者关注度负向预测按市场β分组的10个投资组合的超额收益，且对高贝塔组合负系数最大。

- 同理，在特异性波动率排序组合中，高波动率组合亦呈现更强负预测。

• 这支持投资者更易关注高波动股票，推高价格，降低其未来预期收益的理论假设。

结论 [page::15]

• 投资者关注度对市场整体收益的负向预测能力显著且经济上有意义，其负向作用主要通过短期价格压力及高波动股票效应产生。

- PLS等信息提取方法增强了关注度的预测能力，优于单一代理指标。

• 投资者关注度作为风险溢价预测工具，独立于传统经济变量及投资者情绪，具有潜在广泛应用价值。

报告标题与概览

• 报告标题：投资者关注度在市场择时中的作用——“学海拾珠”系列之一百二十一

- 分析师：分Ta析ble师_：Au严th佳or炜（执业证书号：S0010520070001），吴正宇（执业证书号：S0010522090001）

• 发布机构：华安证券研究所

- 发布时间：2022年12月21日

• 研究主题：系统研究投资者关注度（Investor Attention）对股票市场整体收益及择时能力的预测作用，特别关注投资者关注度如何负向预测市场收益，以及机制来源于价格压力导致的短期反转，研究对象涵盖市场以及高贝塔和高特异性波动率股票的横截面表现。

核心论点总结：

本文发现投资者关注度整体指标能显著负向预测市场收益，这种预测能力优于单一的关注度代理指标，主要源于短期价格压力引起的价格反转；同时，对高贝塔和高特异性波动率的股票，这种负向预测更为显著。该研究通过多项因子聚合技术提取投资者整体关注度，验证其超越经济基本面和投资者情绪的预测能力，强调关注度在资产定价和市场风险溢价形成中的重要地位。[page::0][page::3][page::4][page::9]

---

逐节深度解读

1. 引言

关注度理论最早由Kahneman提出，关注度作为有限的认知资源限制了投资者的信息处理能力。相关文献普遍研究关注度对横截面收益影响（即不同股票间收益差异），但对关注度预测市场整体收益的研究相对缺乏。已有文献往往基于单一关注度代理，且主要采用样本内测试，缺乏样本外验证。本文填补该空白，使用12个不同关注度代理，聚合为整体关注度指标，并利用三种不同信息聚合方法（PLS、PCA、sPCA）进行提取，构建投资者整体关注度指数，用以研究市盈预测能力。[page::3]

---

2. 数据及方法

2.1 关注度代理变量

12个关注度代理涵盖交易量异常（AAVol）、极端收益率（ERet）、历史收益（PRet）、52周及历史高点、分析师覆盖率、广告支出变化、共同基金流入/流出、媒体报道、谷歌搜索量、EDGAR搜索量等指标。原始均为公司层面数据，经过等权汇总形成市场层面指标。等权汇总理由在于避免市值加权过度强调大盘股，且等权能体现投资者在各规模股票上的均匀关注。数据覆盖期多为1980年至2017年，部分网络及媒体数据始于2004年。[page::5][page::6]

2.2 投资者整体关注度的提取方法

整体关注度视为不可直接观察的潜在因子，12个代理为噪声混合的观测指标。为提取这一潜在关注度因子，采用以下三种统计方法：

• PCA（主成分分析）：提取12个代理的第一主成分，作为关注度指数，强调捕捉最大方差，但无法剔除与回报无关的共有噪声。
• PLS（偏最小二乘法）：该方法通过与未来市场收益的相关性引导成分提取，能够剔除与回报无关噪声，更有针对性捕获预测能力强的成分。包含两步回归，一步是代理变量对未来回报的时序回归，二步为截面回归，根据估计载荷提取共同因子。
• sPCA（比例主成分分析）：改进的主成分方法，先根据各代理对未来回报的预测斜率调整权重，再对加权代理执行PCA，强调预测目标，提高预测能力。[page::6][page::7][page::8]

图表1解读

图表1展示1980-2017年用PLS、PCA、sPCA构建的三种关注度指数时序。可见各指数均表现出波动趋势，且在经济衰退期间大幅下降，符合文献中“鸵鸟效应”或选择性关注行为。三者走势大体趋同，表明均有效捕获了整体关注水平的变化。[page::8]

---

3. 实证结果

3.1 投资者关注度预测市场收益

以投资者整体关注度为唯一预测变量的回归结果显示，PLS指标对未来1-12个月市场超额收益均显著负向预测。1个月预测的斜率约为-0.64%，经济意义重大，年化幅度接近7.68%。预测能力在样本内较强，样本R方最高达2.15%，随预测期延长，预测力减弱但依然存在。这一结果在sPCA和PCA指标中也得到验证，虽然PCA由于包含噪声，统计显著性略弱。[page::9][page::10]

• 预测回归采用月度市场超额收益为因变量，投资者整体关注度为自变量进行单变量线性回归。
• 以上预测说明投资者集中关注会压低未来一段时间内市场回报率，形成短期反转效应。

3.2 控制经济基本面变量后预测效果

进一步实证控制Goyal-Welch（2008）提出的8个宏观经济变量（账面价值、市盈率、债券利差等），结果显示在控制宏观基本面后，投资者整体关注度依然显著负向预测市场收益。例如，PLS指标的月度斜率为-0.90%，R²整体提升，最高达到14%左右。说明投资者关注带有独立于宏观经济基本面之外的市场风险溢价信息，是市场收益预测的重要因子。[page::10][page::11]

3.3 控制投资者情绪后区别性贡献

引入Baker-Wurgler的投资者情绪指数，分析其与投资者关注度的相关性（PLS指数相关度约0.37，其他仅有0.01至0.04），表明关注度指数并非情绪重叠指标。回归控制情绪后，投资者关注度的负向预测依旧显著，说明关注度包含独特的预测信息，是对情绪因子的补充。此外，联立两指标预测的解释力（R²）明显增强，表明关注度和情绪指标对市场回报的预测都很重要但侧重点不同。[page::12]

图表2-4综述

• 图表2明确体现三种方法构建的关注度指数对市场收益的强负向预测能力，且预测效应随预测期延长而减弱。
• 图表3展示了经济基本面变量控制后关注度仍保有强预测力。
• 图表4显示控制投资者情绪指数后，关注度依然显著，体现独立贡献。

---

4. 经济机制及横截面效应分析

4.1 投资者关注度与成交量失衡的关联

Barber和Odean理论提出，投资者倾向“买入他们关注的股票”，但卖出仅为自有股票，从而造成暂时的买卖失衡和价格压力。本文根据TAQ交易数据计算订单流失衡指标AOF，实证回归发现：

• 投资者关注度指数同期与当月订单流失衡显著正相关（PLS系数0.12%，t=2.71），表明高关注导致净买入增加。
• 1个月一期后，关注度与流失衡负相关（系数-0.14%，t=-2.99），净买入放缓，正好对应价格压力逐步消退。

这一现象解释了关注度的负向预测能力归因于关注度拉升价格形成的短期反转，无论是价格压力回归还是后续抛售压力，都在实证数据中有所支持。[page::13][page::14]

4.2 按贝塔和特异性波动率划分的组合预测

Han等人（2021）认为投资者更易被高波动性股票吸引，从而推高价格压低未来收益。本文基于Kenneth French网站十个贝塔排序和特异性波动率排序投资组合，逐组合进行了关注度预测市场回报的实证，发现：

• 各组合的关注度回归斜率系数几乎均为负，说明关注度负预测的普遍性。
• 斜率对高贝塔、高特异性波动率组合尤为显著，预测负向效应更强。

这表明关注度预测能力存在显著横截面异质性，强化了关注度对波动性能显著股票价格影响的实证支持。[page::15]

图表5、6解读

• 图表5支持关注度通过净买入与重大价格压力机制影响市场的观点。
• 图表6显示关注度指数对不同贝塔和波动率组合均有负向预测，斜率随组合风险特征上升显著放大。

---

5. 结论

• 本文首次系统研究了投资者关注度在整体市场层面的预测力，突破了以往仅分析横截面和单一代理的局限。
• 通过PLS、PCA和改进的sPCA三种聚合方法，构建出稳定且高效的投资者整体关注度指数。
• 投资者关注度整体指数能够显著且稳健地负向预测未来1-12个月市场超额收益，预测力超越单一代理和多个经济基本面变量。
• 这种负向预测主要源于投资者对关注度高的股票产生短期“买入”压力，推高股价后引发价格反转。
• 对高贝塔和高特异性波动率的股票，关注度负预测更为显著，说明波动性是关注度效应的调节变量。
• 投资者关注度指数与情绪指数相关较低，且提供额外预测信息，可补充现有情绪指标的应用。
• 研究为资产定价领域关注度视为影像市场风险溢价的重要预测因子提供了理论和实证支撑，未来可结合机器学习等方法进一步提升预测精度。

---

图表深度分析

图表1 关注度指数时间序列

• 描述：展示1980-2017年采用PLS、PCA、sPCA方法构建的三种关注度指数月度时间动态。
• 观察与趋势：三条曲线呈现波动且趋势一致，经济危机期（例如2008年金融危机）明显低迷，反映投资者关注度受市场情绪和经济周期影响。
• 背景意义：验证三种方法均能捕捉投资者关注度变化，PLS因其对未来收益的指导更具有经济预测意味。

图表2 投资者关注度预测市场收益的回归结果

• 结构：分为三大面板，分别对应三种关注度指数预测未来1、3、6、12、24个月市场超额收益的斜率系数及统计显著性。
• 结果解析：PLS面板体现最强负向回归系数和显著性（斜率-0.64%且t值均显著），sPCA次之，PCA稍弱，显示整体关注度确实显著负向预测未来市场表现，且预测能力随预测期增大而递减。
• 经济量化：斜率表达单位标准差关注度上升引起相应市场回报下降，月度预测R²在2%左右，经济含义显著。

图表3 控制经济变量后的回归结果

• 结构：三组结果对应三种关注度指数，控制Goyal-Welch八个宏观变量后，回归斜率与R²披露。
• 解读：PLS关注度斜率依旧显著负值，且R²远超单独使用关注度或经济变量，说明关注度指标携带独立市场风险溢价信息。

图表4 与投资者情绪指数的比较结果

• 描述：控制Baker-Wurgler情绪指数后，投资者关注度的预测能力依然稳定。
• 解析：相关系数低表明关键变量非重复，投资者关注度补充了行为情绪以外的市场预测信息。

图表5 投资者关注度与订单流失衡回归

• 结构：以关注度指数为自变量，订单流失衡及其后续变化为因变量的多期回归。
• 发现：高关注当月推高净买入（正相关），紧随月份净买入显著减少（负相关），对应价格压力的形成与反转机制。

图表6 特征排序组合预测分析

• 描述：展示不同贝塔分位数及特异性波动率分位数组合中，关注度指数预测超额收益的回归系数。
• 解读：所有组合斜率均为负，随贝塔和波动率提升负系数更大，体现关注度对高风险股票价格的压制作用更明显。

---

估值与风险提示

• 本文为理论及实证研究报告，未涉及具体公司估值或标的。
• 风险提示中明确表明，结论基于历史数据和海外文献总结，不构成投资建议。
• 相关结果基于样本期间（1980-2017年）数据，未来市场结构或投资者行为变化可能导致适用性下降。

---

批判性视角及细节

• 本文从市场整体角度创新分析投资者关注度，但关注度指数的构造仍基于美国市场大样本，A股市场差异明显，特别是投资者结构和监管环境。
• 等权汇总方法虽避免大盘股主导，但在不同市场、不同权重配置下的行为可能不同。权重选择的稳健性未详细讨论。
• PLS和sPCA虽提升预测能力，但对模型稳定性及过拟合风险未详述，特别是样本外预测能力虽然简述，但具体验证细节较少。
• 投资者关注度指数虽被控制了经济变量和情绪，但仍可能存在遗漏变量偏误或因果关系不明的风险。
• 本报告没有覆盖关注度预测在不同经济周期中的异质性表现细节，未来可以加深对结构性变化的理解。
• 图表中部分显示长远预测能力减弱，表明关注度指标主要作用于短中期择时，无法作为长期趋势预测工具。

---

结论性综合

本报告全面系统地分析了投资者关注度指数对股票市场收益的预测能力及其经济机制。报告基于12种关注度代理指标，运用偏最小二乘法（PLS）、主成分分析（PCA）及其变种sPCA，构建了投资者整体关注度指数。三个指数均表现出了显著且经济意义重大的市场收益负向预测能力，尤其是PLS指标效果最好，能持续约一年的预测期。

实证结果表明，投资者关注度不仅具备统计学预测能力，其信息内容独立于传统经济基本面变量和已广泛应用的投资者情绪指数，体现关注度对市场风险溢价的重要信息含量。进一步分析发现，这种负预测能力主要源于关注度驱动的短期价格压力与随后反转现象。投资者往往集中买入受关注的股票，推高价格，随即市场调整导致后续回报降低。此外，高贝塔和高特异性波动股票由于更易吸引关注，表现出更强烈的关注度负预测效应。

该研究不仅拓展了我们对投资者行为如何影响市场整体收益的理解，更为资产定价、风险管理和择时策略提供了独特视角。它提示市场参与者和学者无法忽视投资者关注度作为影响市场风险溢价的重要因素。未来结合机器学习和多市场验证，有望进一步提升关注度指数的预测精度和应用广度。

---

参考溯源

上述所有关键分析和结论均来源于报告正文各页内容，具体页面引用如下：
[page::0][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15]

---

附：图表展示

报告