1. 研究目的与意义（文献综述）

1.1 研究目的与意义
行为金融学是将人类的非理性行为引入到金融市场的分析当中一门交叉学科。尽管该学科在2000年初便得到了学术界的认可，但是其研究的重点还停留在对市场异常和认知偏差的定性描述上。随着互联网的发展以及大数据时代的来临，人们生活当中的很多行为都能够被网络捕捉到，由此为研究人类行为提供大量即时和客观的数据。其中一些数据对于检验行为金融学理论起到巨大作用。另外，由于我国股票市场还不够成熟，而且有着大量的个人投资者，使得股市相当不稳定。2015年的“千股跌停”就是一个很好的例子。而互联网数据来研究度量我国股票市场的非理性波动的方法，将有利于揭示市场风险，在一定程度上提高投资者的风险意识，也为市场监管者的政策或举措提供支持。
1.2 国内外研究现状分析
下面从国外和国外两个方面来综述近年利用各种从互联网收集到的数据来间接测量投资者决关注度对股市影响的论文。
1.2.1国外研究现状：
在这一领域，da、engelberg和gao在2011年发表的一篇论文可以说是在这方面最具影响力的。他们利用谷歌搜索量指数(svi)，对2004~2008年的罗素3000股票数据进行分析发现，svi是一个更为及时的捕捉投资者关注度的方法，它的增加可预测下两个星期股价的上升，但在一年内反转。该研究也正好验证了barber和odean(2008)所提出的“价格压力假说”。该理论认为，人的注意力是有限的，不可能对所有股票进行详尽的分析；而迫于市场整体看涨某些股票的压力，而且投资者更容易对这些股票做出购买行为；当投资者后来的分析纠正其之前的判断后，其卖出行为便会使股价回落。其后，学者们通过这类数据挖掘工具对股市的各个方面进行研究。
目前通过互联网测量投资者决策状态的数据来源主要有两种：搜索引擎数据和社会媒体数据。h mao，s counts和j bollen(2011)通过研究网上数据集（twitter简讯，新闻头条和google搜索量）和情绪跟踪工具（twitter投资者情绪，负面新闻情绪和google金融词汇搜索量）和各种股市指标的关系，得出，金融相关的google每周搜索量对股市有预测作用，twitter的投资者情绪和金融词汇对股市在1-2天里是统计上显著。国外学者在这些方法的基础上进行更为广泛和深入的研究。
由于本文主要研究搜索引擎数据方面，所以下面只列举这部分的论文。比如，ms drake，dt roulstone和jr thornock(2012)利用谷歌研究盈余报告宣布前后搜索量和股市变动。 vozlyublennaia(2013)研究谷歌svi和几种证券指数的关系，发现指数短期利好的变化伴随关注度的增加，而利空则会对关注度造成长期影响。ding 和 hou(2015)发现谷歌svi所引起的效应不能被谷歌新闻和广告支出所解释，另外谷歌svi的变化能够反映股市流动性和投资者数量。
尽管搜索量在过去的预测能力得到不少研究的认可，但是l bijl，g kringhaug，p molnár 和e sandvik(2016)选用近年数据(前面所述研究数据主要从2004年到论文发表前1、2年，而这篇论文选用08年到13年的数据)来检验谷歌svi对股市的预测能力发现相反的结论，较高的搜索量反而导致较低的收益率。这可能因为上网的普及性以及信息的透明性比起以前都有所提高的原因所造成的。但是这方面的论文很少，其结果有待进一步考究。但这部分论文至少提醒学者们要注意信息时代变化之快以及要对以搜索量作为衡量关注度的原理进行进一步的思考。
其实关注度仅仅只是投资者决策过程中一步，其关注的结果除了“价格压力”外，还会取决关注者获取信息的情况。在这方面，andrei和 hasler(2015)把投资者关注度和不确定程度（即投资者得到信息后对决策的把握程度）两个影响投资者决策的因素结合起来，并用他们来研究股市波动。其得出资产回报波动和风险溢价随上述两者的增加而增加。而a benrephael，z da和rd israelsen(2015)用bloomberg 终端数据和google数据来区分机构投资者和个人投资者的关注度，并发现机构投资者反应领先于个人投资者，而且起到带领和促进价格调整的作用。
1.2.2国内研究现状：
紧随着da(2011)的研究，我国较早且具有影响力的利用搜索引擎数据研究中国股市的学者是宋双杰，曹晖和杨坤。他们在2011利用谷歌指数对我国ipo异象进行研究，发现搜索量能够很好地解释热销市场，首日超额收益和长期表现低迷的三大异象。后来，俞庆进和张兵(2012)则利用百度指数这一更符合中国国情的数据来研究投资者关注度与我国创业板市场股市的关系。其研究表明投资者关注度与股票收益率、成交量及换手率有较高的相关性，但是与国外相对长期的反转现象不同，我国创业板市场中的投资者关注带来的超额收益在1天后便会反转。
自此，我国不少研究开始以百度指数为基础对股市进行各方面的研究。赵龙凯，陆子呈和王致远(2013) 研究发现股票关注度与股票收益率成正相关，但是在进行fama一macbeth回归后发现关注度变化并不是显著的风险因子，不会系统影响股票收益。张学陶，刘艺哲和左峥(2014)的研究在da研究的基础上增加ohlc估计量来探究关注度与股市的关系，指出关注度带来的正效应会在第二天反转，而牛市和熊市时期投资者关注度的影响是非对称的，最后并通过买入低关注度的股票并卖出高关注度的股票来构建套利策略。杨欣，吕本(2014)利用搜索数据研究动车事故对股市的影响，指出关注度有良好的解析力，而且发现该影响的半衰期约为8~9天,影响程度呈边际递减趋势,影响时长约为2个月。
另外，我国学者也有利用其他数据平台来测量投资者关注度。比如胡昌生和夏凡捷(2016)利用东方财富choice终端的投资者关注量数据来衡量关注度。
而在关注度的基础上进行拓展的研究有刘锋，叶强和李一军(2014)的论文，其对深入研究了投资者关注度以及媒体关注度的关系，发现后者能够促进前者，且两者交互项与股市变化呈正相关。
1.2.3文献述评
通过对国内外主要利用搜索引擎数据测量投资者关注度论文的回顾可知，这方面的研究成果在近年已经比较多了，也得出了更为详细结果。总的来说，互联网数据能够捕捉投资者的信息并进行一定程度的预测是不可否定的。但是总体来说还是存在以下两点问题。
（1）各论文所采用的数据差异较大。首先部分论文数据选取的时间较早，如da(2011)、barber(2011)等，投资者关注度对股票收益是否还具一到两周的预测力有待进一步考究。然后样本股票的数量以及行业分布不足的问题，如赵龙凯(2013)、刘锋(2014)等。
（2）对与关注度相关联的因素研究较少。正如前文所说，引起关注只是投资者决策过程的一部分。而所关注信息的正负性、决策时的股市环境、投资者的类型（个人还是机构）等因素都会对关注的后续结果起到影响，进而才影响股市。也就是说，大部分论文并没有对决策这一过程进行更为具体的研究。
因此，本文希望通过利用近期且涉及多行业的股市数据以及更为全面的决策模型来研究关注度与股市变化的关系。