享有“华尔街教父”美誉的本杰明.格雷厄姆可能是投资界最重要的思想家，他和戴维.多德所著的《证券分析》也几乎定义了证券分析师这一职业：拿着三张财务报表，建立某种模型来估计上市公司的内在价值；然后和市场的价格比较，以期发现市场“短期”的“无效”带来的投资机会，并坐等市场向“长期”的“有效”回归。这也使得投资分析中最受关注的数据，不是基本面的就是技术面的。
既然假定投资分析是基于价值的，那么投资者也是理性的；如果市场中充斥着理性人，那么市场也是有效的，公开信息都被反映到了股票价格中。股价波动仅仅来自投资者对不可预知的新信息做出的反应，因此股票价格时间序列是典型的随机游走，预期收益被表示为数学期望，风险被表示为方差。对于一个投资组合而言，组合的目标回报由构成组合的每只股票的期望回报，以及它们在组合中的配置权重组成的线性方程来估计，组合的风险则取决于每只股票的配置权重以及它们波动率的协方差矩阵。现代资产组合理论（MPT）告诉我们，在所有具有某个期望回报率的风险资产组合中，风险最小的风险资产组合是唯一的，这被称为有效组合。于是乎寻找投资组合的问题转换成了寻找有效组合的问题，而由于协方差矩阵在组合风险估计中的重要作用，这个问题又进一步转化为对组合中资产的风险估计和计算其协方差的问题。当然，在投资实践中做到对每项资产的估计并不容易，将大量资产放在一起调整权重，还会面临鲁棒性差和组合爆炸的问题。因此Ross提出将风险资产的收益理解为多个共同因素的贡献，这些因素之间存在着线性关系，我们把反映这些因素的量化指标称为“因子”。这样一来，资产的期望收益就是这些因子暴露的线性方程，而对各资产的协方差矩阵的估计也变成了对固定的几个因子的协方差矩阵的估计，鲁棒性差和组合爆炸的问题不复存在，这就是我们常用的多因子模型。
经典的资本市场理论就这样一步步建立起来，在相同理论基础上的Black-Scholes期权定价模型算是为这一理论体系封顶。这个理论体系具有近乎完美的理论色彩：优美，均衡而且收敛。然而对这一理论体系的质疑之声从来就不绝于耳，最先被诟病的可能就是收益率分布的“厚尾”现象。由于在经典理论中股票价格时间序列被视为随机游走，那么股价收益率也被认为符合正态分布，这几乎是经典资本市场模型的共同假设。如果直接观察真实市场收益率分布的直方图，也的确会给我们这样的感受。但是如果我们把具有相同期望和方差的正态分布的概率密度函数（钟形曲线）和这个直方图叠加起来，我们会发现真实市场收益率在远离均值两侧的部分，几乎总是明显高于正态分布的钟形曲线，也就是所谓“厚尾”。“厚尾”意味着真实市场中出现大幅波动的可能性，其实是远高于我们用正态分布所估计的。对于以降低投资组合波动性为目标的理论模型来说，这可不是一件小事。
埃德加.E.彼得斯在《资本市场的混沌与秩序》和《分形市场分析》中，用R/S分析法计算金融时间序列的Hurst指数，指出金融时间序列并非一个随机游走过程，而是一个具有持续性倾向的分形时间序列。这解释了为什么真实市场出现大幅波动的可能性是高于正态分布的，而在投资实践中常见的趋势跟踪策略也似乎为此提供了例证。彼得斯试图应用分形统计去改进资产组合选择和期权定价模型，并且直接对经典理论的基本假设“理性人假说”提出了质疑。他认为投资行为是投资者对信息做出的反应，信息对不同投资者有不同的影响，因为他们有着不同的“投资起点”。例如侧重基本分析的投资者更在意估值水平和倾向于长期投资，而侧重技术分析的投资者则认为“市场有它自己的语言”，并更注重短期投资。正是因为投资者们对信息的反应是不同的，才会发生交易，从而产生流动性，彼得斯认为这恰恰是市场稳定性的来源。
无论是否赞同彼得斯的结论，但他无疑将资本市场中最微观的部分：投资行为是投资者对信息做出的反应，展示在人们面前。行为金融学和金融心理学这两大分支学科也非常关注这个过程。但是从市场博弈的角度，一个投资者的行为是否能获利，却取决于市场中其他多数投资者是如何对信息做出反应的。20世纪30年代，美国报纸经常举办选美比赛。在比赛中，报纸会登出100张美女脸部照片，要求参赛者选出他们认为最美的6张照片。那些选择结果相同的参赛者将赢得奖金。最简单的做法是选择自己认为最美的6张照片，但在博弈论里这只是0级策略。如果玩家了解和考虑了其他人对美的看法并据此做出选择，这是1级策略。而2级玩家则会考虑0级和1级玩家的偏好，预测1级玩家会如何选择。以此类推，这个策略还可以扩展到3级或者更高级别。这实际上是《交易情绪密码》中举出的一个例子，书中认为投资者在思维层级上与这个例子是接近的。投资者会从基本面上去判断股票公允价值，或者会从技术面去判断价格的走向，有的投资者也会去考虑其他投资者是怎么想的。事实上，技术分析的信徒经常做的事就是从图形上去寻找蛛丝马迹，推测主力的意图是什么，他们的成本在哪里？在真实市场中，即使是最非理性的市场情绪也可能会严重地影响价格，这是在实际交易中无法回避的问题。
有关投资者心理、投资者行为学和市场情绪的研究，为埃德加.E.彼得斯有关“不同投资起点”的假设提供了微观层面的论据，为收益率分布的“厚尾”现象找到符合逻辑的解释。但在真实市场中，投资者并不会满足于理论层面的进步，更关心的是市场情绪会如何影响市场，应该如何捕捉市场情绪并将其应用于投资实践。《交易情绪密码》正是一本讨论这类问题的著作，它的作者理查德.L.彼得森是一位交易心理学专家，他的团队开发了一个用于社交媒体数据挖掘的文本分析引擎，这也是汤森.路透市场情绪指数（TRMI）产品的核心部分。与投资者常用的传统市场情绪指标不同，TRMI并不像多空比率、VIX指数那样是基于价量数据的指标，也不是源自已经发生了的历史数据，而是来自投资者们正在新闻评论或社交媒体上表达的情绪。TRMI每天从2000+新闻媒体源和800+社交媒体源获取数据，采用自然语言处理（NLP）技术处理数据并整合为易于量化处理的时间序列形式，覆盖15000+股票、大宗商品、货币、债券、房地产和加密货币等标的。TRMI提供了超过30个情绪指标，按效价和刺激两个坐标构成的平面进行划分。例如乐观、快乐属于正效价且高刺激水平；愤怒、恐惧属于负效价且高刺激水平；信任属于正效价且低刺激水平；悲伤属于负效价且低刺激水平。TRMI属于典型的另类数据，这类采用大数据和人工智能技术进行分析和挖掘的数据产品，使得有关投资者心理和行为的研究不再局限于理论，而是既可以在真实市场环境中进行检验，也可以实际在交易决策过程中发挥作用。
恐惧是市场中极为常见的负面情绪，同时也是一种高刺激的情绪。巴菲特对恐惧情绪最让人耳熟能详的投资建议是：在别人恐惧时贪婪，在别人贪婪时恐惧。为了验证巴菲特的建议，CJ Liu采用了一个概念相当简单的策略。他选择了标普500中价值最高的5%股票，然后在其中找到TRMI恐惧指数最高的25只，每个月据此调整一次仓位。从2000年到2015年，这个简单策略获得了超过20倍的收益。另一种与恐惧类似的负面情绪是愤怒，正确应用愤怒情绪可以达到放大价值投资的效果。Groupon (12.130, 0.060, 0.50%)公司在上市前一年创造了有史以来的最高增长速度：从2009到2010年，年收入增长了2241%。但此后Groupon公司的增速放缓了，媒体报道了CEO安德鲁.梅森的种种失误，投资者的愤怒在2012年12月达到顶点，呼吁赶他下台。当梅森在2013年2月卸任CEO一职之后，Groupon的股价见底，此后又上涨了12个月，涨幅超过400%。这是市场愤怒情绪影响股价的一个典型案例，TRMI愤怒指标的90日移动平均线下穿200日移动平均线，正好发生在Groupon的股价见底的前几个交易日。
虽然TRMI提供了一组比较完整的有关市场群体情绪的测度，为我们提供了观测市场情绪的“上帝视角”，但它并不能直接当作预测市场的水晶球。理查德.L.彼得森也提到，《交易情绪密码》并不只是一本讨论“有坏消息时买进”的书。事实上，市场情绪作用于价格波动的方式是复杂的，不同的情绪对价格运动方向和程度的影响存在很大差异。即使是同一种情绪，在不同的价格水平或市场条件下，甚至是不同的文化和社会环境中，都会产生不一样的结果。例如，作者在书中提到：“在许多亚洲文化中，公开表达愤怒会被视为缺乏个人自制力的一种表现，如果对方表示出了愤怒，对方将更难做出让步。相反地，在大多数西方文化里，谈判中公开表达愤怒有助于获得对方更多的让步”。相对而言，愤怒还是一种比较简单的情绪，而信任则是一种复杂得多且易于被破坏的情绪。在面对不同对象时，信任被破坏后修复的速度也大相径庭。在TRMI划分情绪指标的平面中，信任属于正效价且低刺激水平的区域，这一区域往往和股市上涨相关。但依据TRMI信任指标的截面轮动策略的测试结果，最受信任的国家的股市却跑输了那些最不受信任国家的股市。这可能与那些法律和监管不太健全的市场具有更高的回报率相关。因此在运用情绪指标时，结合包含其他信息的因子是非常重要的。
所幸的是，《交易情绪密码》并不是一本介绍TRMI数据产品的白皮书，它真正的目的是从尽可能多的角度探讨市场情绪对市场运行的影响，以及在不同的策略中如何更合理地应用这些情绪指标。在理论方面，作者讨论了情绪影响投资者个体投资行为的过程，投资者群体中情绪相互作用的方式，以及市场情绪对收益率分布“厚尾”现象的贡献。在情绪数据处理和指标应用方式方面，作者比较了统计模型、截面模型、决策树和移动均线等各类量化模型的效果。作者还针对短期模式和长期模式下不同类型的策略分别进行了讨论，展示并分享了情绪指标在各种应用方式下的回测结果。需要指出的是，《交易情绪密码》中讨论的投资策略并非是对传统投资策略的完全颠覆，而是在许多典型的传统策略框架中应用TRMI指标改进其表现。例如在对短期策略模式的讨论中，作者就在日级别和周级别反转策略的截面模型中纳入了TRMI指标，并在上交所和纽交所的数据上进行了测试。在对长期策略模式的讨论中，作者分析了市场情绪对趋势维持时间的影响，并采用情绪指标的移动平均线交叉信号来预测趋势的反转。而对于价值投资策略，作者发现情绪指标有助于发现价值被严重低估的投资机会，以及被严重高估的风险。最后，市场情绪对不同类型资产的影响也在书中进行了深入的讨论。
《交易情绪密码》最重要的价值，在于为我们系统地展示了基于市场情绪这一典型的另类数据进行投资研究的全景。事实上，自然语言处理、另类数据和人工智能是智能投资技术中三大最主要的组成部分。基于社交媒体的市场情绪数据是适用面最广，被应用最多的另类数据类型，同时它也是基于自然语言处理技术的。TRMI这样的市场情绪数据产品，让原来只能依靠投资者敏锐嗅觉感受的市场情绪，可以以连续数值的形式输入到量化模型中进行分析，并与传统的投资策略相融合，甚至可以让一些传统策略的内在逻辑更具可解释性。对尚不了解另类数据或智能投资技术的投资者而言，《交易情绪密码》无疑提供了一个认识市场的全新角度；对于已经开始应用这些技术进行投资实践的投资者，《交易情绪密码》中展示的在多种复杂情形下的应用案例则更具参考价值。
附：
注释1：Hurst指数是一种用于估计时间序列长记忆性和分形特征的指标，由英国水文学家H. E. Hurst在研究尼罗河水文资料数据时发明。Hurst最基本的计算方法为“重标极差”分析（R/S分析）。
注释2：汤森.路透市场情绪指数（Thomson Routers Market-Psych Index, TRMI）由原汤森.路透金融风险部开发。原汤森.路透金融风险部现成为伦敦证券交易所集团（LSEG）旗下的路孚特公司（Refinitiv），TRMI也成为路孚特旗下产品。
注释3：VIX（Volatility Index）也称波动率指数，根据指数期权近月和次近月合约价格计算，用以反映一系列指数期权的波动率水平。VIX指数最早由芝加哥期权交易所（CBOE）推出。由于在指数大幅波动时，投资者更有意愿利用期权工具进行避险，导致VIX指数大幅升高，因而VIX指数也被称为“恐慌指数”。
注释4：另类数据（Alternative Data）指通过非传统信息源收集的数据，常见的包括互联网、社交媒体、卫星图片、天气、传感器、信用卡等数据源。
——The End——
声明：本文仅学习交流使用之用，不构成任何投资建议。如需转载或引用，请注明出处。
