散户投资者表现不佳的证据

新的研究利用一个隔离散户投资者活动的新数据库记录了他们糟糕的表现。

近年来，大量研究表明，当更多参与者是相对不知情（天真的）散户交易者时，许多金融异常现象会产生更强的结果。从逻辑上讲，机构参与程度较高的股票应该更有效地定价，从而产生较弱的异常结果。我总结了研究结果，然后回顾了采用创新方法来衡量投资者注意力的新研究。

经验证据

2021 年研究《投资者注意力对市场异常是否重要》的作者 Hung Nguyen 和 Mia Pham 研究了投资者注意力对美国市场 11 种股市异常的影响。他们发现，投资者注意力的衡量可以很好地解释这些异常现象，而投资者的注意力与错误定价的程度相关。高关注期而非低关注期后的异常现象更为强烈。他们的结论是：“结果与这样的猜想是一致的，即过多的注意力分配给不相关的信息会引发投资者对信息的过度反应。一旦错误定价得到纠正，在高度关注期之后就会实现更多的异常回报。”

2020年研究《投资者注意力与股票回报》的作者Jian Chen、Guohao Tang、Jiaquan Yao和Guofu Zhou研究了基于12个代理的投资者注意力指数是否可以显着预测股市风险溢价：异常交易量；极端回报；过去的回报；接近52周高点和接近历史高点；分析师报道；广告费用的变化；共同基金流入和流出；媒体报道; 电子数据收集、分析和检索 (EDGAR) 系统的搜索流量；和谷歌搜索量。他们发现，投资者的注意力在市场层面很重要：当集体使用个体代理时，它可以强有力地预测样本内外的总体股票市场，为均值方差投资者带来可观的收益。相反，个人注意力代理的可预测性有限。他们得出的结论是：“基于投资者总体关注度的资产配置可能存在巨大的投资利润，这表明均值方差投资者具有巨大的经济价值。然后，该分析从资产配置的角度强调了投资者注意力对总体股市的重要作用。……投资者总体关注度对股市的预测能力可能源自净买入造成的临时价格压力的逆转以及高方差股票的更强力量。”

Muhammad Cheema、Yimei Man 和 Kenneth Szulczyk 在他们的 2020 年研究《投资者情绪：预测高估的股票市场》中也研究了投资者情绪的影响，并发现 Baker-Wurgler 投资者情绪指数是随后的一个可靠的反向预测指标。月、六个月和 12 个月的市场回报，但仅限于情绪高涨时期。例如，他们发现，在情绪高涨时期，随后一个月的回报率为-0.9%，随后六个月的回报率为-0.8%，随后一年的回报率为-0.5%。每个结果在 1% 置信水平下均显着。另一方面，在情绪低迷时期，所有数据都不重要。

2012 年研究《全球、本地和传染性投资者情绪》的作者 Malcolm Baker、Jeffrey Wurgler 和 Yu Yuan 调查了投资者情绪的全球和本地成分对主要股票市场的影响，包括国家平均水平和平均水平。它们影响股票收益横截面的时间序列。他们发现，投资者情绪在国际市场波动中发挥着重要作用，并产生了与投资者过度反应的纠正相一致的回报可预测性——这是国家层面市场回报的反向指标。

最新研究

Vinesh Jha 在 2023 年 7 月的研究“使用零售注意力指标调节异常”中为有关异常和散户投资者注意力的文献做出了贡献。他首先指出：“大多数传统数据集并不能准确或特别及时地衡量零售注意力。例如，使用机构持股的 13F 备案来确定机构参与度为我们提供了滞后的衡量标准，因为 13F 每季度提交一次，有 45 天的延迟；此外，这些指标还受到被动基金、高换手率量化基金等持有的污染。” 他补充道：“衡量零售参与度的更好指标是直接衡量零售交易者的注意力，我们可以从点击流数据中获得这一点。具体来说，我们使用一个数据集，每天延迟一天显示通过访问主要金融网站上的股票代码页面表达对股票兴趣的投资者数量。”

关于投资频道

InvestingChannel是领先的在线金融营销和广告平台。其网络包括 150 多家财经媒体出版商，其中包括许多知名媒体。这些发行商的投资者受众包括约 2500 万独立用户，其中主要是散户投资者。该平台允许 InvestingChannel 收集这些网站上的点击流流量数据。ExtractAlpha 已处理这些数据，以汇总每天各个股票级别的所有流量。生成的数据显示每个上市公司每天在特定发布商处收到的浏览量。该数据涵盖 2017 年至今，涵盖美国 9,600 多家上市公司和 68 个独立出版商。

Jha 的数据库仅包含 ExtractAlpha 可投资的美国股票范围内的股票，这要求股票的市值至少为 1 亿美元，日均交易量至少为 100 万美元，当天名义股价至少为 4 美元有问题。由此产生的宇宙包含任意一天 2,000 至 4,000 只股票，涵盖 2017 年至 2022 年期间。

Jha 检查了以散户关注水平为条件的价值和动量因子的表现，考虑了基准因子回报（顶部十分之一的回报减去底部十分之一的回报）以及第一和第二十分之一的回报（股票散户关注度最高的股票）与不同时期（7 天、28 天、180 天和 365 天）的第三个三分位数（散户关注度最低的股票）的回报。下表显示了他的发现。虽然价值多空基准投资组合的回报率为 9.8%，但高散户投资者关注度股票的回报率要低得多，而低散户投资者关注度股票的回报率则要高得多，无论投资期限。

动量因子也得到了相同的结果。

在稳健性测试中，Jha 使用两个专有的 ExtractAlpha 信号复制了他的方法：

• TrueBeats：根据顶级卖方分析师、盈利意外趋势和盈余管理证据对季度盈利意外进行预测。

• 成绩单模型：基于自然语言处理的情绪评分应用于财报电话会议成绩单。

如上图所示，结果与价值和动量分析的结果一致——散户投资者关注度低的股票表现优于散户投资者关注度高的股票。

这些结果也与 2022 年研究“围绕盈利公告的零售交易：来自 Robinhood Traders 的证据”的结果一致，该研究利用美国在线折扣经纪商 Robinhood 的数据检查了围绕盈利公告的零售交易活动，“众所周知，其客户大多数是年轻、缺乏经验但精通技术的投资者。” 作者 Qiqi Liang、Mohammad Najand、David Selover 和 Li Cheng Sun 发现，Robinhood 交易员蜂拥买入尚未公布财报的股票——财报公布日期在解释他们的交易活动方面发挥了关键作用。不幸的是，他们还发现，罗宾汉投资者在财报公布后平均亏损，平均回报率在财报公布后立即为负。即使两周后，负回报仍然持续——人们对 Robinhood 交易员拥有私人信息的前提产生了严重怀疑，因为他们对盈利公告后积极漂移的押注没有取得成果。

Jha 还发现，他的结果很稳健，因为高零售关注度和低零售关注度品牌之间的表现差异并非孤立于新冠疫情期间——它在大多数时期都增加了价值。此外，大多数市值板块的结果也很强劲，尽管与小盘股更相关（与之前的研究一致）。唯一的例外是大盘股的价值，这种关系是相反的。但无论如何，这个时期价值异常并不存在。

Jha 还利用他的注意力特征与 13F 文件的机构持股百分比的简单指标进行了一场赛马比赛，发现他的特征明显更有效。

Jha 总结道：“我们相信这些发现可以激励任何选股量化或因子投资者改进他们使用替代数据来执行信号的方法，即使他们的视野很长，特别是如果他们的投资方法基于传统的投资因子或风险溢价”。

投资者要点

证据表明，个人投资者的注意力诱导行为会导致异常（错误定价）。这就是为什么散户投资者被称为“噪音交易者”，而成熟的机构投资者被称为“知情交易者”。可悲的是，受关注驱动的个人投资者交易导致回报不佳。

不幸的是，对于噪音交易者来说，他们的行为不仅会对他们的回报产生负面影响，而且还会因为在非生产性行为上浪费精力而付出代价。他们可以不参与注意力驱动的交易，而是参与更有成效的活动并关注生活中更重要的事情（家人、朋友、他们喜欢的活动）。帮助投资者吸取这一重要教训是财务顾问可以提供的最大增值之一——有些人认为这是无价的。

投资者的要点是避免成为噪音交易者。不要随大流而陷入投资悬崖。停止关注财经媒体的预测。最重要的是，要有一个完善的书面投资计划。培养坚持下去的纪律，在需要时重新平衡，并在机会出现时收获损失。

拉里·斯威德罗 (Larry Swedroe) 是白金汉财富合作伙伴公司 (Buckingham Wealth Partners) 的金融和经济研究主管。