2025年大类资产配置与A股相对收益策略系列专题报告：A股和港股投资者情绪的量化与择时应用

一、噪声交易者模型

1.1、有效市场假说

“有效市场假说”一直以来都是学术界对经典金融市场理解的假设基础。1970 年 Eugene Fama 提出“有效 市场假说”并做出了四个基本假设：1、在证券交易中，不存在交易成本、政府税收等交易障碍；2、市场信息 的交流是高效率的，即所有投资者所获取的信息均是无成本的；3、证券价格不受个别人和个别机构交易的影响， 即市场参与者是价格的接受者；4、所有的投资者都是理性地追求个人效用最大化的市场参与者，即所有投资者 均是理性经济人。若满足上述假设条件，证券的价格应该立即对新的有效信息作出反应，即有利的信息会立即 导致证券价格上升，而不利的信息会立即导致证券价格下降。

有效市场假说（EMH）的假设在现实中很难实现，尤其是“市场信息的交流是高效率的，即所有投资者所 获取的信息均是无成本的”和“所有的投资者都是理性地追求个人效用最大化的市场参与者，即所有投资者均 是理性经济人”。首先，在现实世界中，获取信息并不是无成本的。同时，信息在不同投资者之间的传递速度是 不同的，由于投资的时间跨度不同（长期投资和中短期投资），不同投资者对信息的反应并不一致，有时甚至会 出现不同投资者对同一信息出现相反的反应。其次，大部分投资者的投资行为并非是完全理性的，Richard Thaler 在他的那篇著名的《A Survey of Behavioral Finance》中论述了人类根深蒂固的行为偏差并阐明投资人并不是理 性的经济人。

1.2、噪声交易者模型引入

基于上述原因，Shiller（1984）提出了噪声交易者模型，该模型通过显性地引入有成本的信息套利，巧妙地 将三个关键因素融入证券价格的形成过程，即基本面、投资者情绪和套利成本。在噪声交易者模型中，由于套 利活动是有一定成本的，因此错误定价成为一种均衡现象。也就是说，市场价格与基本面有关，但并不仅仅由 基本面决定。 Shiller 引入两类投资者的存在：精明投资者（Smart-money investors）和噪声交易者（Ordinary investors）， 精明投资者基于基本面信息进行交易，但其行为同时受到其拥有的财富限制，这意味着精明投资者要根据现有 资金做最优的资产配置。精明投资者能够快速、准确地对有关基本面的信息作出反应，并计算出公司内在价值 （依据公式（1）），因此精明投资者的假设接近于有效市场假设中的理性经济人（但并不完全一样），但反应程 度受其财富限制的约束。相反，噪声交易者指那些没有根据基本面信息作出最优决策的人。 现在我们对两类投资者对股票的需求进行数学化的表达： 精明投资者（Smart-money investors）：将精明投资者在 t 时刻对股票的需求，设为总流通股股数的百分比 ??，则?? = (???? − ?)⁄?，其中????为 t 时刻的股票预期收益率，?为使精明投资者需求为 0 的预期收益率，?为 促使精明投资者持有所有流通股的风险溢价。因此，若???? = ? + ?，则?? = 1，此时精明投资者将愿意持有所有流通股。 噪声交易者（Ordinary investors）：噪声交易者的需求随时间变化而变化，但并不是依据期望收益率的最优 估计作出的，因此假设他们需求的每份股票的总价值为??，因此噪声交易者对股票的需求也为总流通股的百分 比即：?? ?? ⁄ 。

二、投资者情绪

而如何判断噪声交易者对每股价值??的需求是否满足均值复归？此时，我们要引入投资者情绪这个概念。 投资者情绪指“非基本面”驱动的需求，即并非基于对资产基本面价值最优化预测所导致的净需求。这个概念 对噪声交易者模型至关重要：一方面，非基本面驱动的需求既是错误定价的来源，也是套利交易的机会；另一 方面，非基本面驱动的需求导致价格的波动对交易者来说是一个成本，非基本面驱动的需求本身也是风险。行 为金融理论指出，投资者会基于自身社会背景、性格偏好形成对股票的价格预期，预期与股票内含价值的偏差 被称为投资者情绪。 由于情绪具有共同性和感染性，人们的情绪会表现出较强的一致性，成为市场情绪，带来系统性的定价偏 差。短期内投资者情绪对资产价格波动的解释力甚至超过基本面因素，特别是在难以估值或套利成本较高的资 产中（如小盘股、新股或高成长股），情绪的影响尤为显著。这些资产因其不确定性高，更容易受到投资者主观判断的干扰。情绪达到极端值时，往往预示市场可能发生反转。在普遍恐慌的市场中，过度悲观情绪可能导致 价格大幅低于内在价值，从而形成抄底机会；而在市场极度乐观时，价格被高估，风险也相应增大。因此，投 资者可以通过观察情绪变化，捕捉市场拐点，优化投资策略。

2.1、投资者情绪指数的构建与择时策略框架

鉴于投资者情绪对资产定价有如此重要的影响，我们希望能通过投资者情绪来预测股票市场表现。这里情 绪对市场走势的可预测性表现在：情绪反映了噪声投资者对未来市场的判断。尽管我们难以直接获取每位投资 者的具体预期，但通过观测整体市场情绪，可以近似了解市场对未来的集体预期。市场情绪会通过交易行为影 响市场走势，乐观情绪促使投资者增加持仓、推高股票价格，而悲观情绪则可能引发抛售、造成价格下跌。 在早期研究中，投资者情绪的衡量主要依赖单一指标，常见的包括流动性指标和相对强弱指标等。Baker 和 Wurgler（2006）是该领域的里程碑式研究，他们结合前人研究成果，提出了使用封闭型基金折价率、换手率、 IPO 个数、IPO 首日回报率、股利溢价和股权融资占比等 6 个市场客观指标，通过主成分分析法合成了投资者 情绪指数（即 BW 指标）。这一方法成为研究投资者情绪的标准范式，被广泛应用于预测市场收益的相关研究。 在本研究中，我们参考了 Baker 和 Wurgler（2006）的方法，同样采用多种市场指标进行综合情绪指数的构建。 然而，考虑到 A 股和港股市场与美股市场的差异，我们对部分指标进行了调整和替换，以更好地适应中国证券 市场的特点。 市场情绪越极端，意味错误定价越严重，就越可能迎来行情反转。正如巴菲特所言，投资应该在别人恐惧 的时候贪婪，在别人贪婪的时候恐惧，我们通过市场情绪可以捕捉到市场行情反转的信号，从而在波动的市场 环境中把握投资机遇。

本研究主要包括以下五个核心步骤： 1、数据获取与预处理：情绪指数的底层数据来自万得数据库，对缺失值和异常值进行处理。 2、基础指标和衍生指标构建：对 A 股和港股分别构建能反映市场情绪的基础指标和衍生指标。3、投资者情绪指数合成：分别采用等权重方法(Equal Weight)和偏最小二乘法(PLS)合成 A 股情绪指数 和港股情绪指数。 4、基于情绪指数的择时策略设计：基于情绪指数的变化特征，构建简单趋势择时策略、多层次阈值择时策 略和基于状态的择时策略。 5、策略回测与绩效评估：择时策略的时间区间为 2011 年 1 月至 2025 年 8 月，对各策略计算区间收益率、 波动率、最大回撤、夏普比率和卡玛比率等核心绩效指标并分年统计，评估策略的有效性。

2.2、关于投资者情绪的海外研究文献

在股票市场中，供需关系的变化直接反映了情绪波动。当市场情绪乐观时，投资者倾向于买入股票，造成 需求大于供给，从而推动股票价格上涨；而当情绪转为悲观时，大量抛售行为则会导致供给大于需求，使得价 格下跌。诸多关于投资者情绪的文献均得出资本流动和股票收益之间的实证关系是投资者情绪最有力的指标之 一（Ben-Raphael et al., 2012; Baker and Wurgler, 2000; Nelson, 1999; Loughran et al., 1994)。 从整体水平看，大部分资金会在市场崩盘前大量涌入，而在市场上涨之前大量退出。较高的资本流入（流 出）意味着较低（较高）的未来收益。这种现象在全球多个市场均有发生（Dichev，2007；Baker et al., 2012)。 从个股层面上观测投资者资本流入/流出同样可以观测出这种异常现象，即便专业的机构投资者的资本流入/流出 也存在这种不恰当的择时现象。Ben-Rephael et al.（2012）使用美国共同基金的月度汇总数据研究资本流动与市 场收益之间的关系，他们发现股票市场总收益与同期股票型基金与债券型基金净流入差额存在正相关关系，而 且这种正相关关系中 85%会在 4 个月内发生反转、100%会在 10 个月发生反转。同样，这些发现与热钱追逐前 期股市表现的现象一致，均导致随后的价格反转。 产生这种现象的原因在于资本流动（噪声交易者）对于过去的表现非常敏感，却对基本面信息的关注不足。 ??(1)模型解释了这种原因，?? = ???−1 + ?? , ??~?? (0,? 2)，噪声交易者对于未来股票的预期收益率是基于当前 股票收益率的线性推导，因此若当前股票收益率高（低），噪声交易者即会线性地认为该股票预期收益率也会升 高（低），因此使得资本大量流入（出）该股票，从而在短期内推高（低）该股票的股价。因此，投资者情绪给 精明的投资者带来了套利机会。

2.3、主成分分析理论介绍

主成分分析（Principal Component Analysis, PCA）是一种广泛应用于数据降维的统计方法，其核心思想是通 过线性变换，将高维数据投影到一个新的低维空间中，同时尽可能保留原始数据的方差信息。PCA 通过构造一 组新的正交变量（即主成分），以最大化数据的方差解释能力，使得新变量可以更有效地代表原始变量的主要信 息。PCA 主要用于以下几种情况：降维，减少变量数量，去除冗余信息，提高数据计算效率；去噪，消除数据 中的噪声，使得分析结果更加稳定；特征提取，通过线性变换，提取最具代表性的特征变量；数据可视化，在 低维空间（如二维或三维）展示数据的主要结构。在金融领域，PCA 常用于构建市场情绪指数、分析资产收益 率的协方差结构、优化投资组合等。

2.4、偏最小二乘回归理论介绍

偏最小二乘回归（Partial Least Squares Regression，PLS）是一种统计学方法，旨在通过投影将预测变量（X） 和观测变量（Y）投影到一个新空间，来寻找一个线性回归模型。PLS 模型特别适用于处理多重共线性问题和 高维数据。PLS 模型的核心思想是通过寻找新的正交投影方向（主成分），使得投影后的因变量和自变量之间具 有最大的协方差，从而建立预测模型。与主成分回归（PCA）不同，PLS 在降维过程中同时考虑了因变量和自 变量的相关性。偏最小二乘的一般多元底层模型是：? = ?? ? + ?，? = ?? ? + ?；其中?是一个? × ?的预测矩 阵，?是一个? × ?的响应矩阵； ?和?是? × ?的矩阵，分别为?的投影和?的投影；?和?分别是? × ?和? × ?的 正交载荷矩阵，以及矩阵?和?是误差项，服从独立同分布的正态分布随机变量。对?和?分解来最大化?和?之 间的协方差。本文所用 PLS 模型的算法步骤：1、提取主成分：计算自变量和因变量的协方差矩阵，通过迭代 算法（如 NIPALS 算法）提取出第一组主成分。2、回归建模：将提取出的主成分作为新的自变量，对因变量进 行线性回归建模。3、重复迭代：对剩余的自变量残差继续提取新的主成分，并进行回归，直到满足预定的停止 准则。

三、A 股投资者情绪指数的构建与择时策略表现

本章对 A 股构建情绪指数和基于 A 股情绪指数对中证全指的择时策略。

从 wind 获取原始数据后，进行预处理，并通过等权和偏最小二乘法（PLS）两种方法合成投资者情绪指数。

3.1、A 股投资者情绪指标选取

我们从市场表现、流动性、资金流向和估值等多个维度选取指标，对 A 股市场投资者情绪进行刻画。

中证全指是一个综合反映中国 A 股市场整体表现的股票指数，单位为点。中证全指涵盖了沪深市场中所有 符合条件的股票，包括 A 股和 B 股，剔除 ST、*ST 股票及上市时间不足三个月的股票。它采用自由流通股本 加权计算，能够为投资者提供市场分析和业绩评价的工具，帮助判断市场的整体走势。涨停股票数量和跌停股 票数量，单位为家数，反映市场短期表现强弱情况。当市场极度乐观时，涨停股票数量较多；当市场极度悲观 时，跌停股票数量较多。

创新高股票数量和创新低股票数量，单位为家数，反映市场近期表现强弱情况。在一轮牛市的过程中，创 新高股票数量不断增加，创新低股票数量不断减少。在一轮熊市的过程中，创新高股票数量不断减少，创新低 股票数量不断增加。

相对强弱指数（RSI）通过计算一定时间内价格上涨和下跌的幅度，单位为%，帮助投资者判断市场的超买 和超卖状态。一般来说，RSI 值高于 70 被视为超买，可能预示着价格下跌，而 RSI 值低于 30 则被视为超卖， 可能预示着价格上涨。股指期货升贴水描述了期货价格与现货价格之间的关系，单位为%。当期货价格高于现 货价格时，这种现象称为“期货升水”或“现货贴水”，这通常意味着期货市场预期现货未来价格会进一步上涨。 升水率表示远期期货价格超出近期期货价格的幅度。当期货价格低于现货价格时，这种现象称为“期货贴水” 或“现货升水”，这通常意味着期货市场预期现货未来价格会下跌。贴水率表示远期期货价格低于近期期货价格 的幅度。

换手率，单位为%，即成交量除以总流通股数。换手率体现了 A 股市场总体的流动性，并与市场情绪有关。长期的低换手率往往成为市场的底部区域，而过高的换手率往往预示着危机，它部分反映了投机和炒作氛围严 重，意味着市场在投资者情绪高涨的背景下出现了明显的泡沫。成交金额，是市场整体交易金额的体现，单位 为万亿，反映了市场资金流动性和交易活跃度。高成交总额通常出现在市场情绪高涨时期，表明投资者对市场 的信心较强；而低成交总额则显示市场参与度较低，情绪趋于冷淡。

A 股账户新增开户数，由交易所统计一个月新增加的开设 A 股交易账户的数量，单位为百万户，当市场情 绪乐观时新增开户数量增加。中国新成立偏股型基金份额，以基金成立日为准进行初值统计偏股型基金新成立 份额，单位为亿份，当市场情绪乐观时，偏股型基金新成立份额较高。

融资买入额，代表了投资者当天使用借款买入股票的金额，单位为千亿元人民币，这是投资者利用杠杆放 大投资的一种手段。 通过这种方式，投资者可以在看涨股票时借入资金，股票上涨后卖出，从而增加收益。融 资余额，是未偿还的融资总额，它反映了投资者通过借款方式买入股票的累计资金规模，单位为万亿元人民币。这个余额由前一天的余额、当天的偿还额和买入额共同决定。

募集资金量，是企业通过首次公开发行和再融资发行股票所筹集的资金规模，反映市场融资活跃度和投资 者信心，单位为千亿元人民币。高募集资金量通常伴随着乐观的市场情绪，但如果过高，也可能预示着市场可 能过热，风险加剧。A 股回购和分红金额，反映上市公司对股东的回报，单位为百亿元人民币。

市盈率，是衡量股票估值的重要指标。高市盈率通常意味着市场情绪较为乐观，投资者对未来增长抱有较 高预期；而低市盈率则表明市场情绪较为保守，投资者对未来增长的信心不足。隐含风险溢价，反映了股票市 场相对于债券的吸引力和投资者的风险偏好，溢价上行意味着估值水平降低，股票相对于债券投资性价比上升， 但同时也可能反映市场风险偏好下降，投资者更谨慎；当隐含风险溢价处于低点，则说明市场估值水平偏高， 下跌风险较高。融资买入占比指融资买入额占总成交额的比重，衡量了投资者的杠杆水平。

对原始数据进行缺失值和异常值处理，并构建情绪基础指标和衍生指标。

3.2、A 股投资者情绪指数构建

通过等权和 PLS 两种方法合成 A 股投资者情绪指数。

等权方法给予所有情绪指标相等的权重、等权相加，PLS 方法根据中证全指对各个情绪指标的权重进 行调整。历年情绪指数的波动规律展现出市场情绪的显著周期性特点，通过对数据统计分析可以发现以下 趋势：2015 年市场情绪达到历史高点，情绪指数中位数超过了 0.8，反映了投资者在牛市高峰时期的乐观 情绪；2016 至 2018 年则进入低迷期，情绪指数的最大值均未超过 0.6，呈现出长达三年的情绪消退态势。 随后，从 2019 年至 2021 年，市场情绪再次经历了连续三年的回升期，情绪指数最高到 0.8 以上。然而， 从 2022 年起，市场情绪开始回落，并持续处于低迷状态，平均值和中位数均显著低于正常年份水平，情 绪波动加剧。

从波动特征上来看，近三年的投资者情绪呈现出剧烈的起伏波动，尤其是在 2022 年。这一年 A 股市 场的不确定性显著增强，经历了先跌后涨、再跌再涨的“W”型行情。情绪指数的下降和波动幅度的加剧， 主要受到多重因素的叠加冲击，包括疫情反复、经济下行压力以及国际地缘政治风险的显著影响。具体来 看，2022 年 01 月，美联储超预期紧缩政策引发全球流动性收紧，对投资者情绪造成了剧烈冲击；紧接着， 俄乌战争爆发及中美关系恶化进一步加剧了地缘政治风险，压制了投资者对 A 股的风险偏好。同时，国内 疫情的多点式扩散和房地产市场的震荡也对情绪造成了较大拖累。在内外部冲击的共同作用下，我国宏观 经济波动加剧，市场系统性估值遭遇调整，风险偏好进一步下降，市场出现震荡下跌，情绪普遍悲观。2023 年初市场情绪有所改善，但整体仍然维持低位运行。上半年，ChatGPT 的爆发推动 TMT 板块成为市场的主 线，引发了春季投资热潮，同时疫情高峰退潮后的复工复产和经济修复强预期也为市场情绪注入了一定的 乐观因素。然而，下半年市场再度转弱，房地产销售投资持续低迷，国内总需求不足，中美利差持续扩大 等问题叠加，导致市场行情下跌，投资者情绪再度降温。尽管情绪指数较 2022 年有所回升，但情绪整体 仍低于历史均值水平。2024 年 9 月 24 日以来，市场情绪再次进入历史较高水平。 综合来看，情绪指数的波动规律不仅反映了市场在不同宏观背景下的变化趋势，还揭示了投资者情绪 对市场走势的显著影响。在情绪高涨时期，投资者乐观预期推动市场上涨；而在情绪低迷和波动加剧时期， 市场往往伴随着更大的下行风险。这一规律为市场参与者在复杂多变的环境下优化投资决策提供了重要的 参考依据，同时也说明情绪指数作为预测市场拐点和风险的重要工具，具有广泛的应用价值。

3.3、基于情绪指数的择时策略介绍

简单趋势策略：使用短期和长期移动平均线交叉，短期均线 > 长期均线 = 买入(1)，否则卖出(0)，日度调 仓。现实中的投资者并非绝对理性的，因此投资者的乐观或悲观情绪会持续一段时间，并对股市的涨跌产生重 要的影响。策略优势：逻辑简单清晰，易于理解和实现；能够捕捉中期趋势变化；减少频繁交易，降低交易成 本；适合趋势明显的市场环境。策略劣势：在震荡市场中可能产生假信号，对趋势转折点反应较慢，无法应对 极端市场情况。适用场景：中长期投资策略，趋势明显的牛市或熊市，对交易频率要求不高的投资者。

情绪状态策略：定义情绪指数小于最低阈值时市场进入低迷期，情绪指数大于最高阈值时市场进入过热期， 中间情况为正常期。市场由低迷期进入正常期或过热期则做多，情绪指数由过热期进入正常期或低迷期则空仓。 策略优势：能及时捕捉情绪拐点、状态变化提供趋势确认信号、状态转换规则简单易懂；减少不必要的频繁交 易，避免市场噪音干扰。策略劣势：需要情绪指数突破阈值才触发信号，可能错过快速反弹或下跌。

多层次阈值策略：多层次阈值择时策略通过引入更复杂的逻辑，结合情绪指数的波动特性，在抄底、逃顶 和变盘等不同情景下设计了更精细的择时规则。这一策略的核心目标是在更好地捕捉市场情绪波动带来的投资 机会的同时，显著降低市场风险，从而实现更高的收益与更稳健的表现。 简单趋势策略适合趋势明显的市场和追求简单有效的投资者，情绪状态策略适合震荡市场和追求减少交易 成本的投资者。多层次阈值策略适合复杂市场环境和追求精细控制的投资者。

3.4、基于 A 股投资者情绪指数对中证全指择时

接下来基于“A 股情绪指数_等权”和“A 股情绪指数_PLS”分别采用三种择时策略对中证全指进行择 时，时间区间为 2011 年 1 月 4 日至 2025 年 9 月 04 日。

基于“A 股情绪指数_等权”简单趋势择时策略的整体表现相比用“A 股情绪指数_PLS”更优。

2011 年至 2025 年期间，中证全指年均收益 5.01%、年最大回撤-46.83%。基于“A 股情绪指数_等权” 的简单趋势择时策略，年均收益率为 16.75%、年最大回撤-15.50%、做多胜率 61.68%、做空胜率 58.30%、 多空胜率 60.73%，每年平均做多 7 次。基于“A 股情绪指数_PLS”的简单趋势择时策略，年均收益率为 12.53%、 年最大回撤-17.37%、做多胜率 57.80%、做空胜率 58.05%、多空胜率 58.15%，每年平均做多 7 次。

基于“A 股情绪指数_等权”情绪状态择时策略的整体表现相比用“A 股情绪指数_PLS”更优。

2011 年至 2025 年期间，中证全指年均收益 5.01%、年最大回撤-46.83%。基于“A 股情绪指数_等权” 的情绪状态择时策略，年均收益率为 12.15%、年最大回撤-14.90%、做多胜率 81.48%、做空胜率 62.50%、 多空胜率 70.83%，每年平均做多 2 次。基于“A 股情绪指数_PLS”的情绪状态择时策略，年均收益率为 11.44%、 最大回撤-16.65%、做多胜率 70.17%、做空胜率 62.41%、多空胜率 66.41%，每年平均做多 2 次。

2011 年至 2025 年期间，中证全指年均收益 5.01%、年最大回撤-46.83%。基于“A 股情绪指数_等权” 的多层次阈值择时策略，年均收益率为 28.15%、年最大回撤-11.17%、做多胜率 74.57%、做空胜率 69.34%、 多空胜率 71.96%，每年平均做多 11 次。基于“A 股情绪指数_PLS”的多层次阈值择时策略，年均收益率 为 25.35%、最大回撤-12.98%、做多胜率 70.99%、做空胜率 68.97%、多空胜率 70.17%，每年平均做多 11 次。

总体来看，基于“A 股情绪指数_等权”和“A 股情绪指数_PLS”的三种择时策略“简单趋势择时”、“情 绪状态择时”和“多层次阈值择时”都相对持有“中证全指”有更好的表现，其中基于“A 股情绪指数_ 等权”的“多层次阈值择时”策略表现最好。

四、港股投资者情绪指数的构建与择时策略表现

与 A 股类似，本章对港股构建情绪指数和基于港股情绪指数对恒生指数的择时策略。从 wind 获取原始数 据后，进行预处理，并通过等权和偏最小二乘法（PLS）两种方法合成投资者情绪指数。

4.1、港股情绪指标选择

从市场流动性、市场表现、交易活跃度和估值等多个维度对港股市场情绪进行刻画。

换手率，单位为%，即成交量除以总流通股数，它体现了港股市场总体的流动性，并与市场情绪有关。 长期的低换手率往往成为市场的底部区域，而过高的换手率往往预示着危机，它部分反映了投机行为严重， 意味着市场在投资者情绪高涨的背景下出现了明显的泡沫。成交金额，单位为亿元，反映了市场整体的交 易活跃度，是衡量市场流动性的重要指标之一。成交金额的高低通常与市场情绪密切相关，当成交金额显著增加时，往往意味着市场情绪高涨，投资者买卖意愿增强，市场趋向活跃；而成交金额低迷则表明市场 缺乏交易动力，投资者持观望态度，市场情绪趋于谨慎或低迷。

RSI（相对强弱指数），单位为%，是一种技术分析指标，用于衡量市场在一定时期内的买卖强度。高 RSI 值（通常大于 70）表明市场可能处于超买状态，投资者情绪较为乐观，短期可能存在回调风险；而低 RSI 值（通常低于 30）则表明市场可能进入超卖状态，市场情绪偏向悲观，未来可能迎来反弹。因此，RSI 在 市场情绪的高低判断上具有一定的参考价值。股债收益差，单位为%，衡量的是股票市场与债券市场的收 益率差距，通常用来反映投资者对两类资产的风险偏好。一般而言，当股市收益率高于债市时，意味着股 市的吸引力相对更强，投资者可能更倾向于增持股票资产；而当股市收益率低于债市，甚至出现负溢价时， 则表明市场对股票的信心不足，投资者更倾向于避险资产，可能导致市场情绪转为悲观。

市盈率（PE），单位为倍数，是衡量股票估值的重要指标，高市盈率通常意味着市场对未来企业增长 有较高预期，投资者情绪乐观，愿意支付更高的价格；而低市盈率则表明市场对企业盈利能力的信心较低， 投资者更为谨慎。因此，市盈率的高低可以在一定程度上反映市场情绪的变化，高估值时期往往伴随乐观 情绪，而低估值时期则可能意味着市场悲观或风险偏好下降。隐含风险溢价，单位为%，代表了股票市场相对于债券市场的风险补偿水平，通常用于衡量市场风险偏好。当隐含风险溢价上升时，意味着市场对股 票资产的预期回报要求提高，可能是由于投资者风险厌恶情绪上升，导致市场估值下降；相反，隐含风险 溢价下降则说明市场投资情绪较为乐观，投资者愿意接受更低的风险补偿，推高股票估值水平。

港股通资金净流入，单位为亿元，代表了通过沪港通或深港通进入港股市场的资金净流入量，是衡量 内地投资者对港股市场信心的重要指标。当港股通资金净流入增加时，说明内地投资者对港股市场情绪较 为乐观，积极配置港股资产；而当资金净流出时，则表明内地投资者的信心下降，可能导致市场承压。因 此，该指标在判断资金面情绪方面具有较高的参考价值。1-卖空金额占成交金额比重，单位为%，是衡量 市场看空情绪的重要指标，该比值越高，意味着市场整体买入意愿更强，投资者情绪较为乐观；反之，如 果卖空占比高，则说明投资者普遍看空市场，市场情绪趋于悲观。该指标在市场波动较大或市场情绪极端 变化时，具有较强的参考价值。

4.2、港股情绪指数构建

通过等权和 PLS 两种方法合成港股投资者情绪指数。

等权方法给予所有情绪指标相等的权重、等权相加，PLS 方法根据恒生指数对各个情绪指标的权重进 行调整。通过对港股 2011 年至 2025 年的情绪指数统计分析，可以观察到市场情绪的显著周期性变化。2017 年、2021 年和 2025 年是港股情绪的高点时期，情绪指数最高突破 0.8，反映了投资者在恒生指数牛市期间 的乐观情绪。然而，2016 年、2018 年和 2022 年是港股情绪的低迷期，情绪指数最低在 0.2 以下。 2018 年，中美贸易摩擦的升级及全球经济增长预期的下降显著抑制了投资者情绪，并引发了港股市场 的深度调整。2019 年至 2021 年，港股情绪指数较为稳定，平均水平稳定在 0.5 左右。期间，港股市场受 益于科技股的强势表现和资金流入的推动，尤其是在 2020 年疫情冲击后，中国香港经济逐步复苏，市场 信心有所恢复。然而，这一回升态势在 2022 年出现转折。情绪指数显示，2022 年港股市场情绪指数再度 下降，全年波动加剧，投资者对市场前景的信心明显不足。影响因素包括美联储持续加息引发的全球流动 性紧缩、俄乌冲突带来的地缘政治风险升温，以及国内外经济增长预期的疲软。2023 年初，港股市场情绪 有所改善，尤其是互联网平台企业回暖以及人工智能（AI）技术的爆发带动 TMT 板块上涨，为市场注入了 一定的乐观预期。然而，下半年港股情绪指数再度回落。房地产市场低迷、全球经济增长放缓以及美债收 益率的持续攀升，使得港股市场的投资热情进一步下降，恒生指数呈现震荡下行的走势。2024 年以来，港 股市场情绪持续抬升。 综合来看，港股情绪指数的波动不仅与国际金融环境的变化密切相关，还受到地缘政治、宏观经济和 政策变化等多重因素的影响。在情绪高涨时期，投资者的乐观预期推动市场上涨，但情绪低迷和波动加剧 通常伴随着更大的市场调整风险。情绪指数作为预测市场拐点的重要参考工具，可以为投资者在复杂多变 的市场环境中提供优化决策的依据，同时为研究港股市场动态及投资者行为提供了重要的数据支持。

4.3、基于港股投资者情绪指数对恒生指数择时

接下来基于“港股情绪指数_等权重”和“港股情绪指数_PLS”分别采用三种择时策略对恒生指数进行 择时，时间区间为 2011 年 1 月 4 日至 2025 年 9 月 04 日。

基于“港股情绪指数_等权”简单趋势择时策略的整体表现相比用“港股情绪指数_PLS”更优。

2011 年至 2025 年期间，恒生指数年均收益 1.68%、年最大回撤-41.17%。基于“港股情绪指数_等权” 的简单趋势择时策略，年均收益率为 7.62%、年最大回撤-20.86%、做多胜率 59.06%、做空胜率 55.11%、 多空胜率 57.22%，每年平均做多 8 次。基于“港股情绪指数_PLS”的简单趋势择时策略，年均收益率为 7.01%、年最大回撤-19.90%、做多胜率 58.57%、做空胜率 51.87%、多空胜率 55.38%，每年平均做多 8 次。

基于“港股情绪指数_等权”情绪状态择时策略的整体表现相比用“港股情绪指数_PLS”更优。

2011 年至 2025 年期间，恒生指数年均收益 1.68%、年最大回撤-41.17%。基于“港股情绪指数_等权” 的情绪状态择时策略，年均收益率为 7.02%、年最大回撤-41.17%、做多胜率 66.44%、做空胜率 68.82%、 多空胜率 63.77%，每年平均做多 3 次。基于“港股情绪指数_PLS”的情绪状态择时策略，年均收益率为 5.49%、年最大回撤-30.67%、做多胜率 78.33%、做空胜率 72.01%、多空胜率 76.76%，每年平均做多 3 次。

基于“港股情绪指数_PLS”多层次阈值择时策略的整体表现相比用“港股情绪指数_等权”更优。

2011 年至 2025 年期间，恒生指数年均收益 1.68%、年最大回撤-41.17%。基于“港股情绪指数_等权” 的多层次阈值择时策略，年均收益率为 17.42%、年最大回撤-20.86%、做多胜率 62.36%、做空胜率 63.53%、 多空胜率 63.09%，每年平均做多 11 次。基于“港股情绪指数_PLS”的多层次阈值择时策略，年均收益率 为 18.87%、年最大回撤-19.90%、做多胜率 67.80%、做空胜率 66.64%、多空胜率 67.22%，每年平均做多 11 次。

总体来看，基于“港股情绪指数_等权”和“港股情绪指数_PLS”的三种择时策略“简单趋势择时”、 “情绪状态择时”和“多层次阈值择时”都相对持有“恒生指数”有更好的表现，其中基于“港股情绪指 数_PLS”的“多层次阈值择时”策略表现最好。

五、总结

本文首先引入噪声交易者模型，指出市场价格是噪声交易者和理性投资者在成本约束下相互作用的结果。 精明的投资者在进行选股和拟定策略时，不仅要考虑基本面分析，还要考虑噪声交易者的行为。而如何判断噪 声交易者对每股价值的需求是否满足均值复归？此时，我们要引入投资者情绪这个概念。投资者情绪指非基本 面驱动的需求，情绪极端时预示市场反转：过度悲观时价格低于价值，形成买入机会；过度乐观时价格高估， 需卖出。本文通过整合成交额、换手率等指标以等权和偏最小二乘法的方式构建情绪指数，可有效捕捉市场拐 点，优化投资策略。 本研究构建了 A 股投资者情绪指数，并基于该指数设计了三种择时策略对中证全指进行投资应用。情绪指 标从市场表现、流动性、资金流向和估值等多维度选取，包括涨停跌停股票数量、创新高低股票数量、RSI、股 指期货升贴水、换手率、成交金额、A 股新增开户数、偏股型基金新发份额、融资买入额/余额、募集资金量、 A 股回购分红金额、市盈率及隐含风险溢价等 20 余项指标。情绪指数通过等权和偏最小二乘法(PLS)两种方法 合成。历史数据显示，2015 年市场情绪达历史高点，2016-2018 年进入低迷期，2019-2021 年回升，2022 年起持 续回落，情绪波动加剧。2022 年受美联储紧缩、俄乌战争、疫情反复等多重因素影响，市场情绪显著悲观。本 文研究设计了三种择时策略：简单趋势策略（基于短期与长期均线交叉）、情绪状态策略（根据情绪指数阈值划 分市场状态）和多层次阈值策略（结合情绪状态与波动特性设计精细规则）。实证分析表明，基于"A 股情绪指 数_等权"的择时策略表现优于"A 股情绪指数_PLS"。2011-2025 年期间，中证全指年均收益 5.01%、年最大回撤 -46.83%。择时策略表现：1、简单趋势策略：基于等权指数年均收益率 16.75%，最大回撤-15.50%；2、情绪状态策略：基于等权指数年均收益率 12.15%，最大回撤-14.90%；3、多层次阈值策略：基于等权指数年均收益率 28.15%，最大回撤-11.17%。其中，多层次阈值策略表现最佳，年均收益率达 28.15%，最大回撤仅 11.17%，显 著优于基准指数。该策略能有效捕捉市场情绪拐点，在复杂市场环境中实现风险控制与收益提升的平衡，为投 资者提供了有效的择时参考工具。

类似 A 股投资者情绪指数，本文也构建港股投资者情绪指数并评估其择时策略表现。港股情绪指标选取涵 盖市场流动性（换手率、成交金额）、市场表现（RSI）、估值（市盈率、隐含风险溢价）及资金流向（港股通净 流入、卖空占比）等多维度。通过等权、PCA 和 PLS 方法合成情绪指数，其中等权法赋予各指标同等权重，PLS 法基于恒生指数优化权重。港股情绪指数呈现显著周期性波动：2017 年、2021 年及 2025 年为情绪高点（指数 突破 0.8），反映牛市乐观情绪；2016 年、2018 年及 2022 年为低迷期（指数低于 0.2）。2018 年受中美贸易摩擦 冲击，2022 年因美联储加息、俄乌冲突及经济疲软导致情绪大幅回落，2023 年受 AI 热潮短暂提振后再度走弱。 基于"港股情绪指数_等权"与"港股情绪指数_PLS"，同样采用三种择时策略：简单趋势策略（均线交叉）、情绪 状态策略（情绪阈值判断）和多层次阈值策略（结合情绪状态与波动率）。2011-2025 年回测显示：简单趋势策 略中"港股情绪指数_等权"表现更优（年均收益 7.62% vs 7.01%），情绪状态策略中"港股情绪指数_等权"更佳（年 均收益 7.02% vs 5.49%），而多层次阈值策略中"港股情绪指数_PLS"优势明显（年均收益 18.87% vs 17.42%）。所 有策略均显著优于恒生指数基准（年均收益 1.68%，最大回撤-41.17%），其中"港股情绪指数_PLS"的多层次阈 值策略表现最优，年均收益率达 18.87%，最大回撤仅-19.90%，多空胜率 67.22%。该策略通过精细化风险控制， 在波动市场中有效捕捉情绪拐点，为港股投资提供高效决策工具。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）