中国投资者情绪指数（China Investors’Sentiment Index, CISI）
目录 |
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，以反映中国散户投资者情绪的新工具。该指数不仅包含过去市场信息，也能反映投资者投资意愿和对市场走势的预期。加入投资者情绪指数后，对市场收益率、波动、交易量的预测均能得到改进，可作为企业经营活动、金融机构存贷款决策、资产管理的新参考；也为政策制定部门和监管部门进行预期管理提供新信息。
从2018年11月起，北京大学国家发展研究院和百分点公司将按月联合发布中国投资者情绪指数体系中的关注度指数和情绪指数。其中，关注度指数度量散户投资者对A股上市公司的关注程度，年度指数以2013年关注度为基准值100、月度指数以2013年8月关注度为基准100。关注度指数越高则关注程度越大，越低则越小。投资者情绪指数度量投资者在股票投资中表现出的乐观或者悲观的程度，该指数值域为0到100，其中0表示极度悲观，50表示不悲观也不乐观，100表示极度乐观。
中国投资者情绪指数体系二级子指数分板块、行业和风格三个子指数。板块投资者情绪子指数计算了中证500、上证50、中小板和创业板投资者情绪指数。其中中证500投资者情绪指数反映对沪深300以外市值排名前500的中小市值公司股票价格的情绪；上证50情绪指数则反映对上海市场主要反映龙头企业的情绪；创业板指数反映投资者对暂时无法在主板上市的创业型企业、中小企业和高科技产业企业的情绪；而中小板则是对流通盘约1亿人民币以下的创业板块的情绪。投资者行业情绪子指数则采用中信一级行业分类将沪深两市上市公司划分为27个行业并计算投资者情绪指数。投资者情绪风格子指数将股票分为成长、稳定、周期、金融、消费等5大类风格并分别计算情绪指数。
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。
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。
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。
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。
（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。
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。
对市场收益率、波动、交易量均具有一定预测能力。
为政策制定部门和监管部门判断市场走势提供新的视角。
为学界理解市场运行规律提供的新抓手。