明辨资产价格或股票收益变动的原因是构建一个良好运行的资本市场的关键。传统理性资产定价模型认为投资者是理性的、可获得完全信息并能进行无成本套利，因此资产价格等于折现预期现金流，而股票预期收益由系统性风险决定，情绪对理解资产价格变动不重要。但是，从20 世纪70 年代末开始，越来越多的研究开始关注投资者的非理性行为偏差。著名的市场异象包括过度波动,以及规模、收益价格比率、和账面市值比效应等。这些发现都很难被理性资产定价模型解释，有效市场假说因此受到质疑，行为金融理论随之获得长足发展。到了二十一世纪，资本市场情绪已经成为了行为金融领域一大核心研究问题。

本课题侧重研究市场情绪变动对资产价格的影响.市场情绪指的是不能被上市公司运营基本面解释的过于乐观或悲观的有偏预期。凯恩斯在他的名著《通论》里就强调了情绪对资产价格和实体经济的重要性。著名的噪音交易者模型发现噪音交易者容易受情绪影响，过度乐观（悲观）情绪导致投资者过度买入（卖出）股票，从而推高（拉低）资产价格；随着情绪逐步恢复到长期平均水平，真实基本面信息逐步反映到资产价格，被高估（低估）的资产价格在未来将会下跌（上涨）。同时由于套利成本，理性套利者不能完全消除情绪对资产价格的影响。总之，理论和实证研究都支持市场情绪波动会导致资产价格过度波动，产生泡沫和崩盘。

要检验情绪资产定价模型，重要的一环就是测度市场情绪并实证探究市场情绪与股票价格变动之间的关系。市场情绪很难进行实证测度。因此,构建市场情绪的测度指标，并用构建的情绪指标解释资产价格异常波动是近年来实证行为资产定价的中心研究问题。

本课题利用一种新的计量方法偏最小二乘法和上市公司年报或季报告中的文本情绪信息构建了这一市场总体经理人情绪指标。具体说，我们用计算机扫描每家上市公司财报文本文档，然后用Loughran and McDonald（2011）的金融会计词汇列表对扫描到的文本词汇进行分类。对比积极词汇与消极词汇出现频率之差就可以衡量个股层面的经理人情绪。计量上讲，个股经理人情绪指标一般包括三个不可观测的子部分：经理人情绪、公共噪音和个体噪音。我们的目标是提取经理人情绪，同时去除噪音的影响。传统方法一般利用等权加权、市值加权或主成分分析等方法把个股指标转换成市场总体情绪指标。但，Huang, Jiang, Tu, and Zhou（2015）指出这些简单的传统方法虽然可以分散去除个体噪音，但并不能去除公共噪音。本课题使用一种先进的计量方法加权构造了市场总体经理人情绪指数。PLS 方法利用股票预期收益作为衡量个股经理人情绪指标信息量的工具变量，并赋予那些对市场总体经理人情绪敏感、股票收益预测能力强的个股经理人情绪指标较高的权重，而对那些预测能力不强的指标则赋予较小的权重。这种PLS 方法构造的市场总体经理人情绪指标可以有效提取对解释资产价格变动有效的经理人情绪信息，并去除公共或个体噪音的不利影响。

本课题将通过以下几个方面开展：（1）运用文本分析的方法，从上市公司年报和季报中提取个股经理人情绪信息；（2）在我们的前期研究成果Huang, Jiang, Tu, and Zhou（2015）基础上，采用偏最小二乘法（PLS）建立市场总体经理人情绪指数；（3）研究经理人情绪指标对股票价格变动的解释能力，重点研究其样本内和样本外股票收益预测能力；（4）对比经理人情绪指数与其他情绪指数的相关性并考察其信息含量是互补的还是互相替代的；（5）从有限套利和预期误差两个角度深入研究经理人情绪对资产价格的影响的作用机制。

总之,本课题着眼于用最新的文本大数据方法测度股票市场总体经理人情绪，研究经理人情绪对于资产价格的影响，致力于加深我们对中国股票市场运行科学规律和内在机制的理解。开展文本分析研究上市公司经理人情绪，有助于多方位全面考察市场情绪动态，使得我们衡量的情绪指标更趋近现实、有更强的预测能力。从政策层面看，在过去的几年中，中国股市经历了狂热上涨和惨烈崩盘，中国股市未来想走出慢牛行情，更好服务实体经济发展，投资者和监管层比以往任何时刻都需要及时了解市场情绪的波动，并采取合理反周期措施及时应对，我们的研究将为监管政策制定提供有效的参考。