【正文】 回歸分析的殘差用符號⊥表示，可以更清楚地說明投資者情緒指標。指數(shù)的結(jié)果是：SENTIMENTt⊥=⊥+⊥+⊥+⊥+⊥,⊥（3）表二總結(jié)了情緒衡量的相關(guān)性，圖一與它們對應(yīng)。如果原始變量由一般的宏觀經(jīng)濟條件（不能從正交化中剔除）而非一般投資者情緒所驅(qū)動，那么我們的預(yù)期可能相反。更重要的是，圖1說明了投資者情緒的衡量大概和情緒波動的事件線性相關(guān)。具體地說，封閉式折讓基金和紅利溢價是高的，而換手率和權(quán)益發(fā)行相關(guān)的變量是低的。1970年代后期到1980年代中期，投資者情緒有個一般性的上漲，并且根據(jù)綜合情緒指數(shù)，情緒沒有低于1980年代平均水平太多?？傊?，在1968–1970, 1972, 1979–1987, 1994, 1996–1997, and 1999–2001年間，投資者情緒SENTIMENTt⊥是正的。也有其它變量可能包含在情緒指數(shù)中。我們已經(jīng)考慮內(nèi)在的交易作為情緒的一個衡量。我們平均月度序列以得到一個年度序列。四、實證檢驗A、排序表三用一種簡單、非參數(shù)的方式尋找條件特征效應(yīng)。要保持隨著時間的推移這些分組的意義相似，我們采用了紐約證券交易所上市的公司。我們把每個組的收益賦予相同的比重，然后計算其平均值。表三的第一行顯示的是由ME測度地規(guī)模效應(yīng)，以情緒為條件。具體來說，表三顯示，當情緒殘差為負時，%。當對CEFD進行調(diào)節(jié)之后，相似的模型就出現(xiàn)了。這種模式與一些知名的結(jié)果是一致的。順便說一句，請注意，整個表的前兩行的平均回報，說明當情緒低時，其后的回報在大部分橫截面上往往要高一些。更一般的是，它支持我們情緒具有廣泛的影響的假設(shè)，因此在橫截面內(nèi)存在著豐富的模型是不足為奇的。在一般情況下，在情緒殘差為正值時，投資者似乎需要新上市的股票，當情緒是負值時，他們更喜歡喜歡上市時間比較長的股票。%?？傮w來說，它對收益的條件差異幾乎有種單調(diào)的效果。表三的下一行顯示，收益波動的橫截面效應(yīng)是以用假設(shè)的方式以情緒為條件的。但是，就像上市時間一樣，當情緒比較低的時候，風險的橫斷面效果完全逆轉(zhuǎn)。當情緒低時，他們賺取更高的回報。圖2用圖形的方式顯示了表三的結(jié)果。實線總結(jié)了在兩種制度下西格瑪和未來收益的關(guān)系的差異，并清楚地表明，高風險股票的未來回報對情緒更敏感。對于普通投資者，也許是最突出的比較就是盈利的和非盈利（0）公司和支付紅利的和不支付紅利的（D = 0時）公司。這些特點，再次顯示了有趣的條件標志翻轉(zhuǎn)模式。然而，當它是負值時，％，％。再次，這跟相對比較難以估值和套利因而更易受情緒波動影響的非盈利、不支付股利公司一致。這里的模式并沒有那么強，但顯示出，有更多無形資產(chǎn)的公司（用PPE/A表示）更容易受情緒波動影響。）在RD/A中最清晰的模式是適度的無條件效應(yīng)，高RD/A的公司賺取了更高的回報。最簡單的，跨行的運行，人們可以看到，他們每個變量都有一些無條件的解釋力。EF/A結(jié)果是對Loughran 和 Ritter(1995)、 Spiess 和Aff leckGraves (1995, 1999)所做研究的回顧，而GS的結(jié)果已在Lakonishok Shleifer和 Vishny (1994)的研究成果中出現(xiàn)過。具體來說，在有條件差異中有一個U形模型。％。但對于第十分組，差異又變大了，％。U形模式也出現(xiàn)在對于BE / ME和EF / A的條件差異行。這個圖形解釋了，為了看到條件的影響，為什么必須控制在這些變量的強烈無條件的影響， 因此，在所有這三個增長和不好的變量中，極端價值的公司對情緒的反應(yīng)程度超過中間值的公司?？紤]銷售額增長變量。因此，相對于在中間分組的公司，GS為極端值的公司更難以估值和套利，因此可能對情緒更敏感。同樣的解釋可能有助于U形對于EF/A和 BE / ME的解釋。在未報告的結(jié)果，我們對收益的排序不只是根據(jù)積極和消極的情緒殘差值也依據(jù)標準差值是 1和 1。下一小節(jié)我們采取更正式在的情緒指數(shù)連續(xù)性質(zhì)。在下一節(jié)我們對兩個指標的結(jié)果都給出了展示。由于需要10年期情緒歷史，一下子就失去了超過四分之一的樣本。B、多空組合的預(yù)測回歸尋找有條件的特征效果的另一種方法是使用情緒來預(yù)測權(quán)值相等的組合，這些組合是相應(yīng)特征值大的多頭和特征值小的空頭。但回歸的方法允許我們進行正式的顯著性檢驗，納入情緒的持續(xù)性指標，并確定哪些特征是有別于知名無條件影響的條件影響。前幾行顯示，這并不奇怪，依據(jù)規(guī)模、上市時間、波動、盈利，股息支付，以及有形資產(chǎn)（在較小程度上）形成多空頭組合通常高度相關(guān)。這個問題也與此有關(guān)，因為我們的組合是相等的加權(quán)。在表四的最后幾行，我們把增長和不良變量分組成“高值減去中等值”和“中等值減去低等值”組合。同樣，“高減去中等”和“中減去低之間”。問題是，情緒是否可以預(yù)測表四中分析的各種多空頭組合。我們也使用多元回歸從著名的聯(lián)動中分離出了傳聞預(yù)測效果。變量的UMD是高動量股票的回報率減去低動量股票回報率，動量是用的[12，2]的測度值。當SMB和HML是被預(yù)測組合時我們把它們從右側(cè)排除。表五顯示了結(jié)果。尤其是，第一個面板顯示情緒高時，對于規(guī)模小的、新上市的、高波動性公司在未來的一年收益相對較低。在級數(shù)方面，例如，用于預(yù)測ＳＭＢ的系數(shù)，表示在情緒增加一個單位（相當于增加一個SD，因為指標經(jīng)過了標準化），％。請記住，情緒殘差的系數(shù)，和你從多空組合收益回歸時（利用原始數(shù)據(jù)）得出的是一樣的，即，對于Ｘ和Ｚ進行回歸然后使用殘差來預(yù)測Ｙ和對Ｘ和Ｚ進行Ｙ的回歸是一樣的。對于盈利和股息支付，我們分別對盈利和支付股利、非盈利和不支付股利進行回歸來預(yù)測其差異，因為這樣的組合表明，這些可能捕捉到主要不同?？刂疲遥停遥?、ＳＭＢ、ＨＭＬ和ＵＭＤ對這個模型影響不大。情緒對ＰＰＥ／Ａ組合確實有邊際的預(yù)測能力，對于低ＰＰＥ／Ａ股票，高情緒往往對應(yīng)著較低的未來收益，但是這些在控制ＲＭＲＦ、ＳＭＢ、ＨＭＬ和ＵＭＤ之后才會出現(xiàn)。我們也發(fā)現(xiàn)，“增長和不良”變量與情緒不具有簡單的單調(diào)關(guān)系。然而，面板E和面板F表明，這些變量的多維性質(zhì)被納入時，顯示具有較強的預(yù)測能力。結(jié)果表明，當情緒高，低和高的銷售增長企業(yè)的后續(xù)回報相對中速增長企業(yè)的回報來說都是低的。外部融資顯示了一個同樣顯著的U形模型；當情緒高時，低和高的外部融資公司的后續(xù)收益相對較為典型的企業(yè)來說都是低。這符合我們的推論，在這里我們看到，對于 BE / ME的條件差異中的Ｕ型模型比ＥＦ／Ａ和ＧＳ中的更為弱一點。為了測試這個結(jié)果是否由一個總的趨勢所驅(qū)動，我們在回歸中加入了1982年后的虛擬變量，從表五最后一欄，看出推論并沒有什么變化。這表明，稅收激勵交易和相關(guān)的流動性波動圍繞歲末年初并不能主導主要成果。如前所述，這樣做的目的是理論預(yù)言，小企業(yè)將受影響最嚴重，情緒，因此值的比重會掩蓋有關(guān)模式。在組合預(yù)測回歸中小企業(yè)的控制，我們可以看到，一些有條件的可預(yù)測性模式有大小區(qū)別，但作為理論預(yù)測的預(yù)測系數(shù)是衰減。新股和封閉式基金折價的數(shù)量提供最佳的個人表現(xiàn)，隨后的股權(quán)份額，營業(yè)額，平均首日回報，股息溢價。（這些結(jié)果公布在本文NBER工作文件版本。當情緒高時，未來的回報是相對較低的，對于小規(guī)模公司，新上市的公司，收益率高波動股票公司，非盈利公司，不支付股息的公司，高成長性公司，表現(xiàn)不良的公司?？偟膩碚f，其結(jié)果支持我們的預(yù)測，即，情緒對對很難估值和套利的股票來說具有更強的效果。我們的一些情緒代理指標也不能獲得。具體來說，我們運用CEFD、S和TURN的第一主成分形成了一個從1935年至2001年的情緒指數(shù)，在這里TURN比其他因素滯后，在方程（2）中。我們使用這些指數(shù)，來對SMB和依據(jù)上市歷史、西格瑪和支付紅利的多空組合的收益進行預(yù)測。除了上市歷史組合的結(jié)果不是很明顯外，其他的結(jié)果從1935年至2001年整個期間和“樣本外”1935年至1961年期間的結(jié)果和近期的數(shù)據(jù)都是非常相似的。傳聞證據(jù)表明，在這些早期的數(shù)據(jù)，在紐約證券交易所上市的股票中很少有真正“新”的公司。較長的時間序列，使人們有可能進行樣本測試。結(jié)果表明，相當部分的組合可預(yù)見性已經(jīng)提前“可知”。一個表是根據(jù)要求提供。在這種概念下，情緒中至少有幾波波動的事實和橫斷面的模式往往在預(yù)測的方向運行的事實就引起了人們進一步的懷疑。在其他方面的考慮，情緒殘差指數(shù)正交于宏觀經(jīng)濟條件；模式匹配情緒應(yīng)該最重要的預(yù)測；這些模式也和泡沫和崩潰的事件一致。雖然這個命題似乎已經(jīng)有悖常理了，但我們?nèi)栽噲D用嚴格的方式把這種因素排除。其一是具有某些特定特征的系統(tǒng)風險（β負荷）股票會隨著情緒代理指標變化，盡管我們的努力把它們從宏觀經(jīng)濟條件中分離。具體來說，我們預(yù)測基于特征組合的收益隨時間變化的β預(yù)測復合系數(shù)βF（在表七中論述的），和在表五中估計的d具有相同的符號。當我們用總消費的增長來更換RMRF時，我們獲得了類似的結(jié)果。第二系統(tǒng)性風險的故事是使股票的貝塔值固定，但允許風險溢價隨情緒而變化，這意味著針對高、低貝塔的股票回報的差異會部分的變化。即，預(yù)測的特征效果不僅隨著時間而改變大小，而且還改變符號。E、盈余公告收益回歸分析我們的最后一次測試是是否存在基于盈利公告的條件特征效應(yīng)。同樣，如果盈利預(yù)期的錯誤對我們的結(jié)果造成了影響，我們也許可以預(yù)期，針對規(guī)模小、新上市、高波動性、非盈利、不支付股息、極端增長、和/或不良股票會出現(xiàn)反轉(zhuǎn)。也就是說，我們的結(jié)果是受相關(guān)錯誤定價的修正來驅(qū)動的。在這一天，集團的鼻祖，利頓工業(yè)公司宣布，那年第二季度的盈利將遠遠低于預(yù)期。這項公告受到了懷疑和沖擊。因此，盡管研究公告事件收益捕捉到了利頓工業(yè)發(fā)布公告對自己的股票的矯正效果，但是沒有提及更廣泛的影響，而這個對我們的主要結(jié)果來說似乎非常重要。我們從合并后的CRSP計算機電子信息數(shù)據(jù)庫開始收集季度盈利公告。季度盈利公告樣本在代表了主表中分析公司的75%左右，所以覆蓋率是相當完全的。然后我們對每個特征分組構(gòu)建了一個平均公告效應(yīng)的季度序列，并試圖用綜合情緒指數(shù)來對它進行預(yù)測，也就是說，表八使用正交情緒指數(shù)報告了每個特征分組的系數(shù)估計。也許表八最突出的特點是，大多數(shù)的系數(shù)是負的，因此，盈利公告效應(yīng)在高情緒期之后一般較低。在表八中，104個系數(shù)中的12個在5％水平下非常顯著。兩個表的“強勁的業(yè)績”的交集是6個格，并在所有情況下的影響的跡象等價。然而，如上所述，這項測試不夠強大，并且僅僅提供了預(yù)期錯誤的下限。本文挑戰(zhàn)了這種觀點。我們主要的實證結(jié)果是，未來股票收益的橫截面依賴于期初的情緒代理指標。當情緒估計為高時，對樂觀者和投機者有吸引力而對套利者沒有吸引力的股票新上市的股票、小盤股、非盈利的股票、不支付股息的股票、高波動性的股票、快速增長的股票、表現(xiàn)不好的股票往往賺取相對較低的后續(xù)回報。最引人注目的發(fā)現(xiàn)是一些顯示沒有無條件的預(yù)測能力的公司特點，實際上隱藏著非常強的條件模型，但這些模型只有在對情緒進行調(diào)整之后才能顯現(xiàn)出來。上面的結(jié)果為今后的研究指出了幾條途徑。在資產(chǎn)定價中，上面的結(jié)果顯示，在描述準確的定價和預(yù)期回報模型時需要考慮投資者情緒的顯