今天是2019年10月25日，星期五，农历九月二十七。观察、关注与观点，《现代财经-早读早分享》，一个有思想的财经早分享。

每日晨语
    真正努力的人，没有心思向别人表演奋斗的戏码。当人真正开始努力，满足感来自于对自我极限的挑战与突破，这种内心深处的价值感会让人对外在的虚荣毫无兴趣。默默流汗，慢慢成长，或许才是努力奋斗最正确的姿态。周五，早安！  
  以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第1340期）。原创不易，敬请尊重。谢谢鼓励。
   一、早读分享   
1、升至第31位！世行发布营商环境报告：中国首次进全球前40。党中央、国务院高度重视营商环境的改善和优化，多次提出要营造市场化、法治化、国际化的营商环境。2019年以来，上海市委、市政府全面贯彻党中央、国务院部署，对标先进经济体经验，在专门领域加大改革力度，营商环境建设再次取得重大阶段性成果。世行营商环境报告中国排名去年由第78名提升32位，位列第46名。最新发布的《2020年营商环境报告》再次提升15位，位列31位，首次进入全球前40位。（第一财经）
蔡子微评：习近平总书记指出：“投资环境就像空气，空气清新才能吸引更多外资。”在中美贸易争端、经济下行压力不断加大的情况下，营商环境的提升无疑为我国经济打了强针剂。但我们也要意识到“营商环境只有更好，没有最好”，优化营商环境需要常抓不懈，久久为功。话题关注：企业营商环境指标的国际比较及我国的对策2、发改委发文：支持社会力量发展普惠托育服务。为深入学习贯彻习近平新时代中国特色社会主义思想和党的十九大精神，落实政府工作报告任务要求，深入实施《国务院办公厅关于促进3岁以下婴幼儿照护服务发展的指导意见》，激发社会力量参与积极性，着力增加3岁以下婴幼儿普惠性托育服务有效供给，国家发展改革委、国家卫生健康委共同起草形成了《支持社会力量发展普惠托育服务专项行动实施方案（试行）》（以下简称《实施方案》）。（发改委网）蔡子微评：加快发展普惠托育服务，就要加快建设一支师德高尚、热爱儿童、业务精良、结构合理的托育服务人员队伍，并且在资金和场地方面实施补贴与优惠。只有各个部门联动，才能让政策真正落实。话题关注：政策引领下的托育服务发展
3、交通运输部：推进城市轨道交通高质量发展，助力世界级城市群建设。证券时报e公司讯，交通运输部新闻发言人吴春耕今日表示，截至到目前，我国内地共有39个城市开通运营城市轨道交通，运营里程超过5800公里，2018年客运量213亿人次，在开通城市数量、轨道交通运营里程等方面均居世界第一。下一步，交通运输部将进一步细化完善城市轨道交通运营管理制度体系，推进城市轨道交通高质量发展，引领构建综合、绿色、安全、智能的立体化现代化城市交通系统，更好地助力城市现代化发展和世界级城市群建设。（证券时报网）蔡子微评：经济要发展，交通须先行；民生得改善，交通来开路。城市轨道交通建设是现代城市交通的发展方向，也是建设绿色城市、智能城市的必要条件。话题关注：全国城市轨道交通建设现状与发展趋势研究
4、减持规则调整预期升温：质押风险等“副作用”迎来重估。记者从接近监管层的券商人士处了解到，监管层正在对2017年以来实施的减持新规影响进行重估和研究，或将在一定程度上根据市场最新变化情况，以更加市场化的形式对减持活动进行规范。有分析人士指出，大股东等重要股东的减持现象主要是中性的市场化行为，对市场价格的影响也相对有限。减持新规此前的部分严苛限制，一定程度上阻碍了正常的市场行为。（21世纪经济报道）蔡子微评：说来说去，还是监管没有及时跟上。将投资期与解禁期进行挂钩，并不能从根本上缓解可能出现的道德风险，减持的规则还需要进一步细化与完善。话题关注：减持规则调整：防范质押风险措施
5、证监会打响股市加配“发令枪”？中长资金亟需放宽入市比例。记者了解到，此次借全面改革的机会证监会想要从三个方面打出组合拳推动中长期资金入市，三个方面的核心关键词即“转化存量”、“引入增量”、“优化环境”。（21世纪经济报道）蔡子微评：目前A股市场上各类中长期资金的比例，和成熟的市场相比，还有较大差距。一个个的新概念就能让一批股价飘红，造成股市波动，意味着A股里中长期资金较为缺乏，而机构投资者的发展程度、稳定的长期资金来源，决定了资本市场是否成熟。话题关注：正确引导中长期资金进入A股策略
6、新时代服务业高质量发展的指导意见：全面放开养老服务市场。证券时报e公司讯，国家发展改革委、市场监管总局24日发布《关于新时代服务业高质量发展的指导意见》。意见提出：补齐服务消费短板，激活幸福产业潜在服务消费需求，全面放开养老服务市场，在扩大试点基础上全面建立长期护理保险制度；鼓励企业围绕汽车、家电等产品更新换代和消费升级，完善维修售后等配套服务体系等。（证券时报网）蔡子微评：全面放开养老市场的关键是要打通“堵点”，消除“痛点”，让服务体系更完善、服务主体更多元、服务队伍更壮大、监管体系更有效。话题关注：我国养老服务综合监管体系建设研究
7、产业互联网的最后“堡垒”：“住”的数字化。中国消费者的数字化习惯，推进了前端消费侧的数字化进程，并在消费者生活、工作、学习、娱乐等各个场景里，不断提高中国企业的数字化程度。数字技术的加速迭代，不仅放大了中国消费者的购买力，更推动了消费行为习惯发生巨大变化，从而催生出别具一格、焕然一新的新消费市场。（中国经营网）蔡子微评：与其说交易链长是“住”的数字化前进的阻碍，不如说是在“住”的方面消费者花费的代价更高。可以考虑从供给端入手，如果供给侧、商户的数字化普及，那么离全面数字化会迈进一大步。话题关注：供给侧数字经济的发展与途径拓宽
8、《焦点访谈》智能互联开放合作。在互联网诞生50周年之际，第六届世界互联网大会2019年10月20日到22日在浙江乌镇举行。习近平主席在发来的贺信中指出：发展好、运用好、治理好互联网，让互联网更好造福人类，是国际社会的共同责任。各国应该顺应时代潮流，勇担发展责任，共迎风险挑战，共同推进网络空间全球治理，努力推动构建网络空间命运共同体。（澎湃新闻）蔡子微评：互联网一把“双刃剑”，它会给人类社会创造“奇迹”，推动社会的发展，同时也会带来意想不到的灾难。关注网络安全、摆脱数字歧视让互联网红利惠及大众是未来的重点。话题关注：抢滩数字经济：如何赢取互联网红利
9、个人信息安全规范更新征求意见稿：注销核验信息不应多于注册。10月24日，国家标准GB/T35273《信息安全技术 个人信息安全规范》于2019年6月公开向社会征求意见。征求意见稿称，本标准针对个人信息面临的安全问题，根据《网络安全法》规范个人信息控制者在收集、保存、使用、共享、转让、公开披露等信息处理环节中的相关行为，旨在遏制个人信息非法收集、滥用、泄漏等乱象，最大程度地保障个人的合法权益和社会公共利益。该标准规范了开展收集、保存、使用、共享、转让、公开披露、删除等个人信息处 理活动应遵循的原则和安全要求。（澎湃新闻）蔡子微评：互联网时代，信息似乎是“零门槛获取”，信息使用不必征得“你”的同意，因此泄露就肆无忌惮，安全更是无从谈起。因此，要保障好个人信息安全，首先应该思考安全的内涵，才能产生安全标准。话题关注：网络时代个人信息安全的操作性内涵与保障措施
10、消费升级态势持续，新兴智能产品有望成 “爆款”。随着国民经济的持续发展与科学技术的升级迭代，居民在消费方面也产生了诸多变化。今年以来，居民消费升级的态势仍在持续。苏宁金融研究院高级研究员付一夫在接受《证券日报》记者采访时表示，在即将到来的“双11”，初步预计，除了消费规模有望得到进一步扩大之外，居民对于智能化、品质化与高端化消费品的青睐同样势不可挡，诸如净器，空气净化器、扫地机器人、智能门锁、新风系统、电动窗帘等新兴智能产品或将再度成为爆款。（证券日报）蔡子微评：”智能家居“，”物联网世界“，‘人工智能”，“智能电子”等智能化产品的不断涌现推动着新一轮的消费升级浪潮。消费升级的同时更需要有关部门强化监管，完善知识产权保护措施，严厉打击假冒伪劣，切实保护消费者权益。话题关注：智能技术推动下的消费升级
11、网易网盘将关闭访问界面，激荡十年网盘去向何方？又一个人网盘陨落。上个月，网易网盘宣布将于11月30日关闭访问界面，只保留对网易邮箱的支持，非网易邮箱账号之外的第三方账号将无法继续登录。而与网易网盘的退出相反，百度网盘宣布正式上线单次/单日下载加速服务，而这一付费模式的推出，显示只有少数可以接受，激荡十年网盘何去何从？（虎嗅）蔡子微评：5G的出现对于网盘来说是一把双刃剑。随着5G更高速的文件传输和存储，网盘的成本也会随之相应的提高，但是物联网联通大量智能家居的出现，也会大幅度提升个人在云端的存储空间需求。而处在这个十字路口的网盘该如何选择，只有经过不断的探索才能为其找到一条好走又合适的路。话题关注：5G时代，网盘去向何方？
12、百万大军过独木桥：你想不到的考研经济。今年八月底，华东理工大学统计了2019届毕业生的薪资，从这里毕业的硕士研究生（不含MBA）平均签约月薪为9247.83元，而本科毕业生平均签约月薪只有6389.42元。学历的不同带来了月薪上近3000元的差距。在经济形势低迷的当下，考研成为更多大学毕业生们的选择。考研教育已经成为一个存在刚需、稳步发展的大市场，对于整个考研市场来讲，考研的群体转变导致考研更加个性化、分散化，而在线教育依托互联网，假以时日甚至可以依托人工智能，是很有可能突破这一瓶颈的。（澎湃新闻）蔡子微评：“吃得苦中苦，方为人上人”是对学习者常见的鼓励之词，考研热持续升温，是学习者在追求更高的人生目标还是在逃避严峻就业形势的无奈之举？值得思考话题关注：“考研热”的冷思考——从社会需求角度  二、中国社会科学选题集锦       

2018~2019蔡子微评《话题关注》第一次发布
问题、话题与选题：中国社会科学研究选题集锦
     2018~2019蔡子微评《话题关注》2018~2019第一集已经正式发布，内容涵盖问题、选题、话题与研究素材，涉及经济学、管理学、金融学等八个板块，是蔡子团队从2016~2018三年发布的500万文字材料，16000个选题中精心选出的代表性选题、话题和素材。选题可用于学术问题凝练、现实问题理论思考、课题申报和论文选题以及研究素材的现实证据。观察、关注与观点，是蔡子团队秉承的研究风格；趋势性、思想性、前沿性是蔡子团队关注的焦点，模式、范式与趋势是蔡子团队学术研究关注的重点。
  根据本公众号所关注的焦点和话题研究分类，本次选题分为经济学、管理学、金融学、社会学、财政学、国际政治与贸易、产业经济、房地产经济八个模块。所有选题都来自于《现代财经-早读分享》2016~2018所搜集、整理与发布的推介内容。
    到目前为止，蔡子团队已经分八次发布了第一集全部发布内容。因为受微信公众号字数和篇幅限制，主版主要显示研究选题，副版不仅显示选题还显示素材、问题与话题，感兴趣者可按公众号最底部的二维码关注后可以看到全部副栏目全部内容。精选纸本研究报告将由《现代财经》出版发布，订阅日期另行通知。
       选题全文链接       
 全部选题集锦已经全部发布完毕，请按以下全文链接查看全文：
  2019年2月25日 （周一）产业经济学选题集锦100发布
  2019年2月26日 （周二）管理学选题集锦100发布
  2019年2月27日 （周三）金融学选题集锦100发布
  2019年2月28日 （周四）社会学选题集锦100发布
  2019年3月1日（周五） 国际政治与贸易选题集锦100发布  
  2019年3月2日 （周六）经济学选题集锦100发布
  2019年3月3日（周日） 财税研究选题集锦50发布
 2019年3月4日（周一） 房地产经济选题集锦50发布

  三、今日财经期刊佳作关注  
网络情绪能够影响股市羊群效应吗？
作者: 中国人民大学 肖争艳 周欣锐 周仕君 来源：《财经问题研究》2019年第9期

    导读  
摘要：为检验网络情绪对股市羊群效应的影响,本文选取创业板指数成分股收益率数据和东方财富网股吧发帖文本对中小投资者进行经验研究。本文首先利用文本挖掘技术建立一个适用于中小投资者的金融情感词库,构建三项网络情绪指标,然后应用分位数回归模型分析网络情绪对股市羊群效应的影响。研究发现,第一,中小投资者的网络分歧情绪能够整体上减弱过度自信从而减轻逆向羊群效应,参与热情能够促进信息交流从而减轻正向羊群效应,但看涨情绪对羊群效应没有显著影响。第二,相比于股市下跌时期,股市上涨时期的羊群效应受参与热情的影响更大,相比于股市上涨时期,股市下跌时期的羊群效应受分歧情绪的影响更大。第三,网络信息互动并不一定总是降低投资者的有限理性程度。因此,有必要利用网络情绪信息监测中小投资者的羊群行为,给予其适当的理性引导,从而促进中国金融市场有效运行和健康发展。 
关键词：情绪指标; 羊群效应; 中小投资者; 文本挖掘; 分位数回归;
引用格式：肖争艳,周欣锐,周仕君.网络情绪能够影响股市羊群效应吗?[J].财经问题研究,2019(09):62-71.
一、问题的提出股市羊群效应是指个体投资者在自身信息不完全的条件下，受投资情绪的驱动，追踪并模仿其他投资者的交易行为的现象。羊群行为因其能使资产价格出现系统性偏差而备受关注。投资者在经历股市剧烈动荡时经常作出“追涨杀跌”的决策，不仅影响资产定价，而且加剧市场波动甚至推动资产泡沫的形成与破裂，进而恶化金融体系的脆弱性。Kaminsky和Schmukler[1]与陈彦斌和刘哲希[2]认为，历次金融危机中出现的市场恐慌与抛售恶性循环就与这种从众行为密切相关。Chang等[3]与宋军和吴冲锋[4]等研究发现，新兴股票市场比发达国家股票市场更容易产生羊群效应。中国股市作为新兴股票市场的代表，市场机制尚不成熟，信息不对称问题相对突出，容易受到羊群效应的影响。此外，中国股市是以中小投资者为主的“散户市”，而散户由于缺乏专业知识和有效信息更容易产生非理性羊群行为。因此，在新兴市场和“散户市”背景下，羊群效应成为中国金融监管的一大难题。
根据传统金融理论，由于资金少、信息获取成本高以及个人意见无法汇聚，中小投资者分散化的情绪无法向市场传递，从而不会对股市产生显著影响。因此，国内外的实证研究大多数只关注机构投资者的羊群效应。然而，随着互联网和智能手机的迅速普及，投资者获取市场信息更加便捷，信息交流更加广泛，诸如股票论坛之类的网络平台成为了中小投资者表达观点、宣泄情绪和传播信息的重要渠道。当投资者分散的意见通过网络沟通和融合时，便有可能转化为对现实投资决策的影响力。中小投资者可以通过观察网络上他人意见来判断私有信息以期改善决策，形成对先行者决策行为的模仿跟随或者反向操作，有可能形成正向或逆向的羊群效应。那么，中小投资者的网络情绪能够影响股市羊群效应吗？这是一个需要实证研究的重要问题。
关于网络信息对股市影响的已有研究主要分为两大类：第一类是关于网络情绪对股市表现的研究，此类文献主要围绕对股价变动的研究。Antweiler和Frank[5]利用文本挖掘技术分析了网络情绪信息，发现，网络看涨情绪对于股票价格和成交量具有预测作用。Bollen等[6]对推特中与股票相关的情感信息进行提取，发现情绪指数与道琼斯工业指数显著相关。饶育蕾和王攀[7]用百度搜索指数作为关注度的衡量指标，发现网络关注度与新股发行价之间具有正相关关系。类似文献中，Das和Chen[8]与俞庆进和张兵[9]都涉及网络情绪与收益率之间的相关关系，初步揭示了投资者有限理性，但尚未触及网络情绪对投资者有限理性程度的影响。第二类则是关于网络信息对投资者有限理性程度的影响。已有研究主要讨论对股市运行效率的双面影响。从负面影响看，Delort等[10]认为，海量网络证券信息带来了严重的信息鉴别问题，草率、夸张的不良信息侵蚀着市场信息环境，甚至影响市场有效配置资源。Park等[11]认为，网络社区交流会加剧投资者的行为偏差，比如过度自信和证实性偏误等，从而恶化股市运行效率。赵静梅等[12]研究发现，博客和论坛等网络信息交流平台都传递着未经证实的市场谣言，严重地冲击股价，已成为扰乱市场秩序的重大问题。还有一些文献注意到网络信息交流也能改善股票交易市场效率。董大勇和肖作平[13]研究表明，网络股票论坛能够提高信息传递到股票交易市场的效率，从而改善信息不对称问题。郑瑶等[14]发现,网络信息交流能够抑制羊群行为的持续扩散，从而提高市场运行效率。以上文献都是从信息交流强度的角度来研究，尚未涉及具体的网络情绪信息。
到目前为止，还鲜有文献专门研究网络情绪对股市羊群效应的影响。第一，总体而言，已有文献还没有将网络情绪与股市羊群效应联系起来。一方面，从网络情绪出发的相关研究只对有限理性有所提及，缺乏对羊群效应等有限理性的具体形式的讨论，对投资者有限理性程度的影响探究还不够深入；另一方面，Christie和Huang[15]、Chiang等[16]与宋军和吴冲锋[4]从羊群效应出发的研究，大多只检验了羊群效应是否存在，缺少针对羊群效应影响因素的探讨。郑瑶等[14]与Bekiros等[17]以及Venezia等[18]少数文献研究了信息交流强度、市场不确定性和投资经验等因素如何影响股市羊群效应的程度，仍然未涉及网络情绪这一重要的潜在因素，忽视了非理性羊群效应的一个基本特征就是受情绪的驱动。第二，针对网络对投资者有限理性程度影响的实证研究主要利用网络媒体数值型变量，这些变量只能间接体现投资者意见。在使用发帖量、点击量和搜索指数等数值型变量时，会损失网络媒体中蕴含的大量情感信息，从而难以从网络情绪角度进行研究。
本文的贡献有主要以下两点：第一，将网络情绪与羊群效应直接联系起来。已有文献主要通过研究网络情绪与股指收益率的相关关系，只能初步发现投资者有限理性的迹象。本文突破这一局限，从羊群效应的角度具体分析网络情绪能否影响某类特定的非理性行为，从而更为具体地描述网络情绪如何影响投资者有限理性程度。第二，较早从中小投资者角度出发研究羊群行为与网络情绪的关系。已有文献多数讨论了机构投资者的羊群行为如何受到恐惧情绪的影响，其中，机构投资者的情绪是利用官方发布的市场隐含波动率指标来度量。目前，鲜有从中小投资者出发的相关研究，一个重要原因就在于缺少度量中小投资者情绪的官方指标。考虑到网络证券论坛是针对广大中小投资者的信息交流平台和情绪宣泄场所，本文从中获取网络情绪信息，提供了一个适用于中小投资者的情绪度量方法，从而弥补了已有文献的不足。
二、研究设计(一)中小投资者网络情绪指标的构建文本情绪指标构建的方法主要有两类：第一类是词典分类法，第二类是机器学习分类法。前者需要用到事先定义完成的情感词典，如Loughran和McDonald[19]根据美国上市公司年报词汇建立的LM金融情感词典。后者则需要用到人工标注完成的语料库作为训练集，通过提取文本特征来实现情绪分类。由于本文选用的文本是中小投资者的股吧发帖，在选择具体操作方法时，需要考虑发帖文本的结构特点和用词特点。为此，需要先构造适用于中小投资者股吧发帖的情感金融词典，再对帖子的情绪进行逐条判断，从而计算每日网络情绪指数。
第一步，构造适用于中小投资者的金融情感词典。本文采用滤波方法来筛选出对区分乐观看涨和悲观看跌发帖有价值的词语，筛选准则是信息增益准则(Information Gain Criteria)。信息增益(IG)反映某个词语特征与情绪判断的关联性大小。如果某个词语特征的IG越大，则说明它能够更大程度地降低情绪判断时的不确定性，即对情绪判断更有帮助。进一步地，如果一个词语在乐观看涨发帖中的词频高于在悲观看跌发帖中的词频，则认为该词为正向词，反之为负向词。在正、负向词之外，本文还加入“反转词”以更加准确地识别语义。(1)反转词包括：没有，没，不，还不，不要，不再，不是，见底，见顶，到位等。
第二步，判断各条帖子的情绪方向。对每一条股民发帖，基于本文构建的情绪词典判断其情绪值，按如下公式赋值：
M=(wp-wn)×(-1)wr
(1)
其中，wp为正向词个数，wn为负向词个数，wr为反转词个数。对于每一条发帖，在M>0时记为1，判断为乐观看涨情绪；在M<0时记为-1，判断为悲观看跌情绪；在M=0时记为0，判断为中立噪音情绪。
第三步，构造看涨指数、分歧指数和参与指数来综合反映每个交易日中的中小投资者情绪。其中，看涨指数反映的是股民发帖中乐观看涨情绪的高低，代表中小投资者对当前或未来股市的基本看法；分歧指数反映的是股民发帖的不一致程度，是每个交易日中情绪值的方差；参与指数是股民日发帖数，反映股民参与讨论的热情程度。在构造看涨指数时，考虑到一天中阅读量较大的帖子可能对整体股民情绪产生更大的影响力，故使用“帖子阅读量占一天中总阅读量的比例”作为情绪的权重。计算公式如下：

(2)
其中，Tt表示发帖数，也即是本文所构造的参与指数。Uit表示一天中第i条帖子的情绪判断值，有1，-1和0三个取值；Rit表示一天中第i条帖子的阅读量，rit表示一天中第i条帖子的阅读量占一天中总阅读量的比重。看涨指数的取值在-1—1之间。在给定时间t内，看涨指数越高，股民发帖中正向情绪占比越大，反之，负向情绪占比越大。分歧指数反映一天之内看涨、中立、看跌情绪的分散程度。故使用Uit的加权方差代表分歧指数，计算公式如下：

(3)
在给定时间t内，分歧指数越高，代表股民发帖中对看涨、中立、看跌情绪的分散程度越大。参与指数用股民日发帖数来衡量，即Tt。在给定时间t内，参与指数越高，代表股民参与网络证券论坛信息互动的热情越高。
(二)羊群效应的度量羊群效应的相对大小通常由个股收益率的分散度来度量。其原理是，若存在较强的羊群效应，股民投资行为更倾向于忽视自己的信息而更愿意相信市场共识。此时，股民将模仿市场中大多数的投资行为，导致个股收益率也将会向市场收益率靠拢，从而降低个股收益率分散度。Chang等[3]提出了基于收益率分散度的方法，即CCK方法，利用横截面收益率绝对偏差(CSAD)检验了股市在更一般情况下的羊群效应。由于样本时期内股市波动相对稳定，本文借鉴CCK方法选用CSAD分散度指标来衡量羊群效应的相对大小，表达式如下：

(4)
其中，CSADt表示个股横截面收益率绝对偏差，Ri,t表示个股i在t时刻的收益率，Rm,t表示市场上N只股票在t时刻横截面上的平均收益率。在完全有效市场中Chang等[3]推导出CSAD分散度指标与股市收益率的大小呈线性递增关系。因此，如果检验出CSADt与市场收益率大小之间存在非线性关系，那么就可以认为市场中存在羊群效应。
(三)模型设定传统CCK模型设定如下：

(5)
在市场完全理性情况下，收益率二次项系数如果γ2等于零，股市中不存在羊群效应。如果γ2显著小于零，说明市场投资者行为存在正向羊群效应。当市场收益率出现变化时，投资者并非根据自己的信念和私人信息行事，而是选择模仿大多数人的投资决策，同时进行买入或者卖出的投资决策，导致市场分散度CSAD降低。如果γ2显著大于零，说明市场投资者行为存在逆向羊群效应。当市场收益率发生变化时，投资者过分忽视市场基本面信息而作出分散化的决策，从而过度地在资产的一个子集上进行交易。值得注意的是，以往研究通常只关注正向羊群效应，即只有当γ2显著小于零时才认为投资者是有限理性的。实际上，近年来Gebka和Wohar[20]与Klein[21]等一些国外实证研究表明逆向羊群效应也广泛存在。无论是何种羊群行为都应引起重视，其根本都是由投资者有限理性驱动的非理性行为，最终都会导致股票价格偏离公允价值。
本文采用分位数回归(QR)来检验羊群效应。这是因为本文数据存在尖峰厚尾分布和异方差等情况，如果照原CCK模型使用普通最小二乘法(OLS)，那么估计的稳健性将变得非常差。相比普通最小二乘法回归而言，分位数回归有两方面的优点：一是针对本文数据的特点，分位数回归系数估计比OLS 回归系数估计更稳健。(2) 陈建宝和丁军军[22]指出，分位数回归估计参数采用加权残差绝对值之和最小化的方法，对随机扰动项无需做任何假设，而且是对所有分位数进行回归，模型具有很强的稳健性和对异常点的耐抗性，因而能有效克服OLS模型的主要缺点。二是分位数回归涵盖了所有条件分位数函数，能够捕捉到分布的尾部特征，从而更精确地描述收益率和情绪对分散度的影响[16]。
1.检验羊群效应的存在性
本文构建了基于CCK方法检验羊群效应的分位数回归模型：

(6)
其中，对任意τ∈(0,1)，Qτ(τ|CSADt)表示的是t时刻在τ分位数上股市中的个股收益率横截面绝对偏差。针对本文时间序列数据所存在的异方差和序列相关问题，在原CCK模型中添加了因变量的一阶滞后项进行改善。
2.检验网络情绪对羊群效应的影响
考虑三种情绪因素后得到扩展的模型：

(7)
通过判断γ4,τ、γ5,τ和γ6,τ的符号并检验是否显著不为零，可以识别不同分位数上的羊群效应以及中小投资者情绪对羊群效应的影响。对任意τ∈(0,1)，如果γ4,τ、γ5,τ和γ6,τ显著大于零，则说明在τ分位上相应的看涨情绪、分歧情绪和参与热情能够提高个股收益率分散度，反之能够降低个股收益率分散度。
3.检验网络情绪对羊群效应影响的非对称性
考虑到投资者对于收益和损失的态度可能不同，股民羊群行为在股市利好和利空情况下具有非对称性。从风险偏好上讲，陈彦斌和周业安[23]梳理了有关行为资产定价理论的讨论，认为投资者是损失厌恶型的观点具有一定的现实解释力。那么，股民面临股市下行时其投资行为将更加保守，正向羊群效应更加突出。从心理认知上讲，在股市上行阶段，股民的乐观看法得到印证，强化了投资者对私人信息的信心。此时，股民过度自信的心理可能更加膨胀，股市表现出逆向羊群效应。在股市下行阶段，市场前景不容乐观，容易出现悲观情绪蔓延和市场恐慌，股民抛售出逃。此时，股民盲目从众的行为可能更加明显，股市表现为正向羊群效应。
鉴于本文样本数据量的局限性，本文按市场收益率为正和为负的情形进行分类，以进一步研究不同市场收益情况下的网络情绪对羊群效应的影响是否非对称。非对称性检验的回归模型如下：

(8)
其中，表示t时刻股市上行(下行)时市场投资组合的平均收益率，和Tt等变量表示t时刻相应的横截面收益率绝对偏差、看涨指数、分歧指数和参与指数。通过比较股市上行和下行时的回归系数，即可判断网络情绪对羊群效应的影响是否具有非对称性。如果和相对显著更大，则羊群效应在股市上行时对相应的网络情绪更敏感。
(四)数据说明1.样本选取与数据来源
本文选取创业板指全部100支成分股收益率数据构建分散度和收益率指标。鉴于中国中小投资者具有“炒小、炒新”的鲜明特征，相比于主板，创业板题材新、热度高，因此，创业板市场上的中小投资者行为受网络情绪的影响可能更加明显。创业板指数成分股的收益率来源于Wind数据库，市场的收益率使用各股票收益率的平均值。本文选取东方财富股吧的发帖文本构建中小投资者网络情绪指标。东方财富股吧是中国财经门户网站东方财富网的重要版块，针对中小投资者开放，从用户数、活跃度、影响力上讲是可靠的网络文本数据来源。由于本文主要研究的是中小投资者情绪，因此，股吧中机构号与营销号的发帖内容不在爬取范围当中(该类帖子主要带有“研报”“新闻”等标志)。本文只爬取有关创业板指数所有成分股且来自散户自主发言的内容，时间范围从2016年10月10日到2017年9月29日共355个自然日(包含244个交易日)，总共发帖条数近93万条。
2.描述性统计、单位根检验与自相关性
表1列出了本文所用变量的描述性统计、单位根检验和自相关性结果。从正态性检验结果看，序列显示出较高的偏度和峰度，而且Rm、CSAD、S、D和T的Jarque-Bera统计值在1%的显著性水平上拒绝零假设，即这五个序列不满足正态分布。从平稳性检验结果看，所有变量的ADF检验结果都拒绝单位根假设，即这五个序列皆为平稳序列。数据的非正态分布和平稳性表明本文构建分位数回归模型具有合理性。从各变量的自相关系数看，个股收益率分散度CSAD、分歧指数D和参与指数T在滞后1期都表现出较强的自相关性，其一阶自相关系数分别为0.50、0.66和0.90。实际上，CSADt自相关系数即使在滞后10期以后仍显著不为零，说明存在着高度的序列相关性，这也反映了在基本模型中加入分散度的滞后项具有合理性。
表1 描述性统计与单位根检验

注：括号内为检验统计量，*、**和***分别代表统计结果在10%、5%和1%的水平显著，下同。
三、经验分析(一)Granger因果检验结果分位数回归的结果只能证明网络情绪与分散度的相关关系，不能说明网络情绪是影响分散度变动的原因。为了保证回归结果的严谨性，需要对主要变量进行Granger因果检验。由于情绪与股市表现可能存在先行—滞后关系，本文对网络情绪与分散度进行了滞后多阶的Granger因果检验。(3) 由于篇幅有限，本文没有显示Granger检验的具体结果，留存备索。结果显示，一方面，在一定时期内分歧指数和参与指数都是分散度的Granger原因，但看涨指数不是分散度的Granger原因。而且，分歧指数和参与指数的变化能够迅速反映在分散度的变动上，该影响长期存在。另一方面，分散度对看涨、分歧和参与指数的变化都无长期影响。该结果初步验证了中小投资者网络情绪对于羊群效应的变化具有一定的解释力，也与产生羊群效应的理论解释相契合。
此外，本文还对网络情绪与股市收益率进行了Granger因果检验。结果显示，收益率仅与参与指数在一定时期内存在因果关系。并且，收益率先行于投资者的参与热情，股票价格变动能迅速反映在投资者参与信息交流的热情上，而参与热情对股票价格的影响具有较长时滞。这表明，股民参与情绪中所蕴含的市场信息滞后于股价收益率本身反映的市场信息。收益率不能影响股民未来看涨指数和分歧指数的变化，反之，看涨指数和分歧指数也不具备对收益率的预测能力。这表明发帖文本中蕴含的情绪信息(即看涨情绪与分歧情绪)与股价走势不存在因果关系，可见，网络证券论坛中的信息在一定程度上是噪声信息。
(二)羊群效应的存在性检验结果本部分检验整体羊群效应的存在性，结果如表2所示。从表2可以看出，γ2在0.50的分位数上显著为正，在0.95的分位数上γ2显著为负。这表明在整体水平上创业板存在明显的逆向羊群效应，而在个股收益率极端分散时存在明显的正向羊群效应。表2结果说明，创业板中小投资者整体表现出对私人信息过于自信、对公众信息反应不足的特点。这与早些年关于中国股市羊群效应的实证结果有较大差异，例如，Chang等[3]、孙培源和施东晖[24]与Tan等[25]研究发现，中国A股市场存在明显的正向羊群效应。产生差异的原因可以归结于三个方面：其一，Chan等[26]认为，中国政府近年来在推动股市自由化、促进信息公开、加强审计工作和推进企业公司治理等方面所做的努力取得一定成效，使得投资者整体的盲目从众倾向明显降低。其二，相比于中国A股市场投资者，创业板的个人投资者的投资经验相对丰富。经验投资者相对不易被他人的决策或者舆论所左右，从而减少了正向羊群行为。其三，Gervais和Odean[27]、李学峰和钟林楠[28]研究发现，随着投资经验的积累，投资者可能愈发信任私人信息和个人判断能力。那么，当投资者的经验积累到一定程度时会产生过度自信并表现出逆向羊群行为。其实，近年来中国的网络信息传播技术快速普及，大幅扩大了消息传播的范围，因而投资者在获取丰富信息的情况下不易产生从众行为。
表2 基本模型(6)分位数回归结果

对比国际股市可以发现，股市逆向羊群效应是一个比较普遍的现象。Klein[21]与Kabir[29]用CSAD分散度指标对美国股市的日收益率数据进行了羊群效应检验。研究发现，在股市未发生重大危机的时期，γ2显著大于零，说明美国股市在通常情况下同样存在逆向羊群效应。Gebka和Wohar[20]综合27个主要国家的股市数据，发现在国际范围内也存在逆向羊群效应。本文结果支持了一般情况下投资者普遍过度自信的观点。另外，羊群效应在不同分位数下表现出差异化。尽管整体上“羊群”的运动方向是逆向的，但在个股收益率极端分散时(τ=0.95)“羊群”却朝着一致的方向运动。本文基于创业板市场的结果与Chiang等[16]检验中国沪深股市的结果相悖，后者发现个股收益率与大盘走势接近时的羊群效应更显著。但本文结果与Bekiros等[17]用分位数回归模型检验美国道琼斯股市的结果相一致，即随着分散度由低向高变动，羊群效应从逆向变为正向。投资者只在一定安全范围内过度自信，一旦个股收益率偏离大盘的程度超过一定阈值，股民对于私人信息的信心将明显降低转而更愿意信任市场共识，从而其投资行为由分散化决策转变为跟随大流，投资风格从激进转向保守。本文利用分位数回归所显示的分布信息，揭示了投资者行为在不同市场情形下的不一致性。
(三)网络情绪对羊群效应影响的检验结果考虑三种网络情绪指标对羊群效应的影响后，得到的扩展后模型的分位数回归结果如表3所示。从表3可以看出，γ2在0.05、0.10和0.50的分位数上显著为正，在0.90和0.95的分位数上不显著。这表明，在整体意义上创业板市场中存在显著的逆向羊群效应，这与基本模型一致。但本文在个股收益率极端分散的情形下未能观察到羊群效应，在个股收益率聚集在整体市场收益率附近的情形下观察到更为显著的逆向羊群行为。这一结果仍然支持了在不同市场情形下投资者行为的不一致性。
表3 包含情绪指标的扩展后模型(7)分位数回归结果

看涨指数的回归系数γ4只在0.05的分位数上显著为正，说明整体上看涨情绪的表达对个股收益率分散度影响很小。一方面，看涨情绪所表达的信息与羊群行为几乎无关，反映出股民对股市走势的乐观判断既不准确也不具有影响力，这支持了中国股市存在大量噪音交易者的观点。另一方面，在个股收益率与整体市场收益率十分接近的情形下，看涨情绪与投资者逆向羊群行为呈现正相关关系，这符合从表2中得出的“投资者只在一定安全范围内会过度自信”的结论。看涨情绪反映的是投资者对市场前景的预期，当投资者认为市场前景乐观时，其风险意识可能降低，从而产生更强烈的过度自信心理。一旦个股股价变动偏离整体市场收益率的程度超过某个阈值，股民对于个人信念逐渐产生怀疑，并开始重视股市基本面信息，故此时看涨情绪将不能有效提振股民对于个人的自信心理。
分歧指数的回归系数γ5在0.50分位数上显著为负，说明整体上分歧意见的表达能够降低分散度。随着参与讨论者的意见分歧程度扩大，投资者对于“领头羊”的依赖程度将被削弱，同时对于私人信息准确性的信念也会弱化，这有助于中小投资者加深对整体信息的全面理解。因此，分歧程度一定程度上稳定了投资者过度自信的非理性情绪，从而减弱其逆向羊群行为。
参与指数的回归系数γ6在各个分位数上显著为正，说明整体上参与讨论的热情能够提高个股收益率偏离整体市场走势的程度。当投资者参与论坛讨论的热情高涨时，股民所能获取的信息更加丰富，因此，频繁的信息交流有助于减轻投资者面临的信息不对称问题，从而减轻其盲目从众的倾向。这一结果支持了Lin等[30]认为信息成本影响羊群效应的观点，并且与郑瑶等[14]得出网络信息交流能减弱股市羊群效应的实证结果一致。然而，本文结果并不意味着参与网络论坛讨论的热情总是可以对纠正羊群行为起到积极作用。考虑到创业板整体上存在着逆向羊群效应，参与热情有可能进一步加深投资者对某些观点的有限关注，从而恶化其非理性行为。
(四)网络情绪对羊群效应影响的非对称性检验结果根据股市状况分组，检验市场中羊群效应的对称性，结果如表4和表5所示。可以看到，的回归系数和的回归系数在0.50的分位数水平上均大于零，但都不显著。这表明，无论是股市处于上行或下行阶段，整体上股民都没有表现作出一致性决策的倾向。从回归系数的相对大小看，比更大而且t统计值更高，特别在个股收益率的分散程度较低时(4)对的系数进行Wald检验，结果显示，当τ=0时拒绝的原假设。本文有关非对称性的讨论都通过了相应的Wald检验。，这说明整体而言股票价格上涨时投资者更容易出现逆向羊群效应。
和在分散度的高分位数(τ=0.95)上都显著为负。这表明，无论股票价格下跌还是上涨，在个股收益率极端分散时都出现正向羊群效应。这一结果反映出投资者在市场极端情况下的投资行为的反差，即个股收益率与整体市场走势极端接近和极端偏离时的羊群效应不一致。这与基本模型所展示的羊群效应分布信息相类似，即当个股收益率偏离市场走势的程度超过一定范围时，投资者开始放弃个人信念，转而跟随大流，表现为“狂热追涨”和“恐慌杀跌”。从回归系数的相对大小看，分散度较高时比的t统计量更显著，说明在个股收益率极端分散时，利好情形下的从众行为更加突出，股民投资行为从过度自信向从众跟风的转变更为剧烈。这也与中国股市上各行业股票每隔一段时间轮流领涨的现象基本吻合。
表4 股市利空(Rm,t<0)情形下的模型(8)分位数回归结果

表5 股市利好(Rm,t>0)情形下的模型(8)分位数回归结果

从看涨情绪看，回归系数和在整体上(τ=0.50)不显著，这与不区分股市利好和利空所得到的结果相一致。不同的是，当个股收益率极端分散时显著为正，而显著为负。这表明，看涨情绪能够在股市下行时提高分散度，但在股市上行时降低分散度。注意到当个股收益率的分散程度很高时，利好和利空股市都存在显著的正向羊群效应。据此可以判断，看涨情绪在股市利空时能够减弱从众式的正向羊群效应，在股市利好时却能进一步加深正向羊群效应。
从分歧情绪看，股市下行阶段的回归系数在整体上(τ=0.50)不显著，股市上行阶段的回归系数在整体上(τ=0.50)显著为负。这表明股市上行时，分歧情绪能在一定程度上减轻逆向羊群效应。在τ=0.10上，系数显著为负，且通过Wald检验发现，显著小于可见，分歧情绪降低个股收益率分散程度的作用在股市下行阶段更强。股市利空时，网络论坛中分歧意见的表达能够一定程度上稳定投资者过度自信的非理性情绪。但当股市利好时，市场中的分歧意见未被投资者吸收接纳，表现为分歧情绪改变投资者逆向羊群行为的效果较弱。
从参与热情的结果看，有三点值得注意：第一，股市下行阶段的回归系数在整体上(τ=0.50)不显著，只在高分位上(τ=0.90)显著为正，而股市上行阶段的回归系数在整体上(τ=0.50)和高分位水平上(τ=0.90和τ=0.95)都显著为正。这表明，整体上参与热情发挥提高分散度的作用主要体现在股市上行阶段。第二，理论上，参与讨论的热情能通过促进信息交流来缓解信息不对称，从而降低投资者非理性程度。但实际上，这种信息交流未能促使投资者形成理性判断，参与交流的热情甚至加深了投资者的逆向羊群行为(Rm,t>0，τ=0.50)。这一结果可能与网络中大量的噪声信息以及投资者自身的盲目自信有关。第三，参与交流的热情能有效减弱“追涨”型正向羊群效应(Rm,t>0，τ=0.95)，但不能有效减弱“杀跌”型正向羊群行为(Rm,t<0，τ=0.95)。可能的原因是，相比于正面消息，投资者对负面消息更加重视、反应更加强烈。那么，加强信息交流既使增加了投资个体可获得的信息量，也不易降低其从众“杀跌”的倾向。这一结果可视为股市信息冲击下“杠杆效应”在微观层面的体现。
四、稳健性检验考虑到金融市场中投资者对于高风险要求更高的风险补偿，故条件均值回归的结果存在异方差性。运用EGARCH模型可以减小异方差性，同时还可以拟合股市下行波动率更大的特点，从而保证计量结果具有良好的准确性。为此，本文使用EGARCH(1,1)检验前述结论的稳健性，该稳健性检验的结果支持了本文结论。
为检验非对称性部分的结果稳健性，本文还利用GARCH(1,1)分别检验不同股市状态下的羊群效应。GARCH(1,1)模型的回归结果仍符合前述相关结论，由于篇幅有限，在此不再赘述。综上，本文结果具有较好的稳健性。
五、研究结论2008年全球金融危机以来，各界注意到以投资交易者为主导的资本市场群体恐慌性踩踏与金融危机的爆发密切相关。从行为金融学的角度看，一个重要原因就是投资者非理性地受到情绪影响而产生羊群效应。为检验网络情绪对股市羊群效应的影响，本文选取2016年10月10日至2017年9月29日中国创业板指数成分股收益率数据和东方财富网股吧发帖文本进行经验研究，得出以下结论：第一，整体上，网络情绪能够影响股市中羊群效应的大小。网络情绪显示出噪声信息的特点，虽然不能影响股价变动，但是能够影响股市投资者的有限理性程度。网络分歧情绪通过削弱投资者对“领头羊”依赖以及对私人信息的过度自信，从而减轻逆向羊群效应。参与热情通过促进信息交流、降低信息获取成本，从而减轻正向羊群效应。网络看涨情绪整体上对羊群效应无明显影响。第二，不同股市状态下，网络情绪对股市羊群效应的影响具有非对称性。当股市收益率极端分散时，看涨情绪在股市利好时能够加深正向羊群效应，在股市利空时能够减弱正向羊群效应。相比于股市上涨时期，股市下跌时期的羊群效应受分歧情绪的影响更大。相比于股市下跌时期，股市上涨时期的羊群效应受参与热情的影响更大。第三，促进网络信息互动并不一定总是减弱投资者的有限理性。参与网络证券论坛讨论的热情高涨既能降低正向羊群效应，也能加深逆向羊群效应。这说明参与热情虽然促进了信息交流，但是能够加深中小投资者对某些观点的有限关注，导致他们更容易忽视基本面信息。基于此，想要发挥网络信息互动对于提高投资者理性的积极作用，信息质量比信息数量更关键。
参考文献：
[1] Kaminsky, G., Schmukler, S.What Triggers Market Jitters? A Chronicle of the Asian Crisis [J].Journal of International Money and Finance, 1999, 18(4): 537-560.
[2] 陈彦斌, 刘哲希.推动资产价格上涨能够“稳增长”吗?——基于含有市场预期内生变化的DSGE模型[J].经济研究, 2017,(7):49-64.
[3] Chang， E.C., Cheng, J.W.,Khorana，A.An Examination of Herd Behavior in Equity Markets: An International Perspective [J].Journal of Banking & Finance, 2000, 24(10):1651-1679.
[4] 宋军, 吴冲锋.基于分散度的金融市场的羊群行为研究[J].经济研究,2001,(11):21-27.
[5] Antweiler, W., Frank, M.Z.Is All That Talk Just Noise? The Information Content of Internet Stock Message Boards[J].The Journal of Finance, 2004, 59(3):1259-1294.
[6] Bollen, J., Mao, H., Zeng, X.Twitter Mood Predicts the Stock Market [J].Journal of Computational Science, 2011, 2(1):1-8.
[7] 饶育蕾, 王攀.媒体关注度对新股表现的影响——来自中国股票市场的证据[J].财务与金融,2010,(3):1-7.
[8] Das, S.R., Chen, M.Y.Yahoo! for Amazon: Sentiment Extraction From Small Talk on the Web [J].Management Science, 2007, 53(9): 1375-1388.
[9] 俞庆进, 张兵.投资者有限关注与股票收益——以百度指数作为关注度的一项实证研究[J].金融研究,2012,(8):152-165.
[10] Delort,J.Y., Arunasalam, B., Leung, H.The Impact of Manipulation in Internet Stock Message Boards [J].International Journal of Banking and Finance, 2011, 8(4): 1-18
[11] Park, J., Konana, P., Gu, B.Confirmation Bias, Overconfidence and Investment Performance: Evidence From Stock Message Boards[R].McCombs Research Paper Series No.IROM-07-10，2010.
[12] 赵静梅, 何欣, 吴风云.中国股市谣言研究:传谣、辟谣及其对股价的冲击[J].管理世界,2010,(11):38-51.
[13] 董大勇, 肖作平.证券信息交流家乡偏误及其对股票价格的影响:来自股票论坛的证据[J].管理世界,2011,(1):52-61.
[14] 郑瑶 ,董大勇, 朱宏泉.网络证券信息交流减弱股市羊群效应吗:基于中国证券市场的分析[J].管理评论,2015,(6):58-67.
[15] Christie,W.G., Huang, R.D.Following the Pied Piper: Do Individual Returns Herd Around the Market? [J].Financial Analysts Journal, 1995, 51(4): 31-37.
[16] Chiang, T.C., Li, J., Tan, L.Empirical Investigation of Herding Behavior in Chinese Stock Markets: Evidence From Quantile Regression Analysis [J].Global Finance Journal, 2010, 21(1)：111-124.
[17] Bekiros, S., Jlassi, M., Lucey, B.Herding Behavior, Market Sentiment and Volatility: Will the Bubble Resume [J].North American Journal of Economics and Finance, 2017, (42): 107-131.
[18] Venezia, I., Nashikkar, A., Shapira, Z.Firm Specific and Macro Herding by Professional and Amateur Investors and Their Effects on Market Volatility[J].Journal of Banking & Finance, 2011, 35(7):1599-1609.
[19] Loughran, T., McDonald, B.When Is a Liability not a Liability? Textual Analysis, Dictionaries, and 10-Ks [J].Journal of Finance, 2011, 66(1): 35-65.
[20] Gebka, B., Wohar, M.E.International Herding: Does It Differ Across Sectors? [J].Journal of International Financial Markets, Institutions & Money, 2013, 23(1):55-84.
[21] Klein, A.Time-variations in Herding Behavior: Evidence from a Markov Switching SUR Model [J].Journal of International Financial Markets, Institutions & Money, 2013, 26(1): 291-304.
[22] 陈建宝, 丁军军.分位数回归技术综述[J].统计与信息论坛,2008,(3):89-96.
[23] 陈彦斌, 周业安.行为资产定价理论综述[J].经济研究,2004,(6):117-127.
[24] 孙培源, 施东晖.基于CAPM的中国股市羊群行为研究——兼与宋军、吴冲锋先生商榷[J].经济研究,2002,(2):64-70+94.
[25] Tan, L., Chiang, T.C., Mason, J.R., et al.Herding Behavior in Chinese Stock Markets: An Examination of A and B Shares [J].Pacific-Basin Finance Journal, 2008, 16(1): 61-77.
[26] Chan, K., Menkveld, A.J., Yang, Z.Information Asymmetry and Asset Prices: Evidence From the China Foreign Share Discount [J].The Journal of Finance, 2008, 63(1): 159-196.
[27] Gervais, S., Odean, T.Learning to Be Overconfident [J].The Review of Financial Studies, 2001, 14(1): 1-27.
[28] 李学峰, 钟林楠.投资经验能有效降低羊群效应吗?——以开放式基金的个体为例[J].证券市场导报,2017,(5):45-54.
[29] Kabir, M.H.Did Investors Herd During the Financial Crisis? Evidence From the US Financial Industry [J].International Review of Finance, 2018, 18(1):59-90.
[30] Lin, U.T., Tsai, S.C., Sun, D.S.What Causes Herding: Information Cascade or Search Cost? [J/OL].2010, Available at SSRN: https://ssrn.com/abstract=1540443.
作者简介：肖争艳(1976-)，女，广西桂林人，教授，博士，主要从事宏观风险管理和金融计量研究。E-mail：xiaozhengyan@ruc.edu.cn
【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。
四、健康生活
【如何找回一夜好睡眠？】戒掉“报复性熬夜”心理：①给自己心理做暗示，明确晚上是休息时间；②尝试转移下注意力，关闭手机、电脑，让大脑处于空白状态。睡不好第二天这样补救：①适当午睡不赖床；②起床后打开窗帘；③不要一早就喝咖啡；④降低运动量；⑤吃个护眼水果餐；⑥早餐至少吃两种食物。
《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第1340期）
编辑整理：蔡子团队  
团队成员：高阳、徐姗姗、姜倩雯 、王鹏丽、殷杰、李莉、郭蔷、许思宁、马洪梅、蔡跀
长按以下二维码，关注《现代财经》公众微信号（modern-finance)
                 
欣赏和阅读《现代财经》2019年第10期，敬请点击以下阅读原文