(Luận văn) dự báo lợi nhuận chứng khoán dựa vào độ nhạy cảm nhà đầu tư trên thị trường chứng khoán việt nam , luận văn thạc sĩ

BỘ GIÁO DỤC VÀ ĐÀO TẠO t to TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM ng hi - ep w n lo ad y th ju NGUYỄN THỊ PHƯƠNG Ý yi pl n ua al n va DỰ BÁO LỢI NHUẬN CỦA CHỨNG KHOÁN ll fu DỰA VÀO ĐỘ NHẠY CẢM NHÀ ĐẦU TƯ TRÊN m oi THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM at nh z z vb k jm ht LUẬN VĂN THẠC SĨ KINH TẾ om l.c gm an Lu n va ey t re TP Hồ Chí Minh – Năm 2012 BỘ GIÁO DỤC VÀ ĐÀO TẠO t to TRƯỜNG ĐẠI HỌC KINH TẾ TP HCM ng hi - ep w n lo ad ju y th NGUYỄN THỊ PHƯƠNG Ý yi pl al n ua DỰ BÁO LỢI NHUẬN CHỨNG KHOÁN DỰA n va VÀO ĐỘ NHẠY CẢM NHÀ ĐẦU TƯ TRÊN THỊ fu ll TRƯỜNG CHỨNG KHOÁN VIỆT NAM oi m at nh Chuyên ngành: Kinh tế Tài – Ngân hàng z z jm ht vb Mã số: 60.31.12 k LUẬN VĂN THẠC SĨ KINH T Ế om l.c gm NGƯỜI HƯỚNG DẪN KHOA HỌC: an Lu PGS.TS PHAN THỊ BÍCH NGUYỆT n va ey t re TP Hồ Chí Minh – Năm 2012 t to ng hi ep LỜI CAM ĐOAN w n lo ad ju y th Tôi xin cam đoan luận văn “DỰ BÁO LỢI NHUẬN CHỨNG KHOÁN DỰA VÀO ĐỘ NHẠY CẢM NHÀ ĐẦU TƯ yi pl TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM” al ua cơng trình nghiên cứu tác giả Nội dung toàn n luận văn kết đúc kết kiến thức lĩnh va n hội trình đào tạo Trường Đại học Kinh tế Thành fu ll phố Hồ Chí Minh, q trình tự tìm tịi nghiên cứu tổng hợp m oi kết nghiên cứu thực tiễn thời gian qua Các số liệu at nh sử dụng trình bày luận văn trung thực với nguồn gốc z trích dẫn rõ ràng Luận văn thực hướng z k jm ht vb dẫn khoa học PGS.TS PHAN THỊ BÍCH NGUYỆT gm om l.c Thành phố Hồ Chí Minh, tháng 11 năm 2012 Tác giả luận văn n a Lu n va y te re NGUYỄN THỊ PHƯƠNG Ý th t to ng hi LỜI CẢM ƠN ep w n lo Chân thành cảm ơn Ban Giám hiệu Khoa đào tạo Sau Đại học Trường Đại học Kinh ad Tế Thành phố Hồ Chí Minh tạo điều kiện thuận lợi cho tơi suốt q trình học y th tập nghiên cứu ju yi Chân thành cảm ơn Thầy Cô Trường Đại học Kinh Tế Thành phố Hồ Chí Minh pl ua al nhiệt tình giảng dạy cho tơi suốt q trình tham gia học tập Nhà trường n Tôi xin gửi lời biết ơn sâu sắc đến Cô PGS.TS Phan Thị Bích Nguyệt – người hướng va n dẫn khoa học – dành nhiều thời gian tâm huyết hướng dẫn nghiên cứu ll fu giúp hồn thành luận văn m oi Tơi xin gửi lời cảm ơn đến anh Huỳnh Minh Quang (nhân viên công ty Wooricbv nh Việt Nam), anh Lê Tú (nhân viên công ty Nielsen Việt Nam), anh Tài (thành viên at z diễn đàn tài Vfpress.vn) cung cấp số liệu để thực chuyên đề z ht vb Tôi xin chân thành cảm ơn gia đình, b ạn bè đồng nghiệp giúp đỡ, động viên, k jm khuyến khích tơi suốt q trình học tập nghiên cứu gm Mặc dù tơi có nhiều cố gắng hồn thiện luận văn tất nhiệt tình lực mình, nhiên khơng thể tránh khỏi thiếu sót, mong nhận om l.c đóng góp q báu q Thầy Cơ bạn n a Lu Trân trọng cảm ơn! y te re Tác giả luận văn n va Thành phố Hồ Chí Minh, tháng 10 năm 2012 th Nguyễn Thị Phương Ý DANH MỤC CÁC BẢNG, BIỂU t to Bảng 3.1: Các biến mơ hình ng hi Bảng 4.1: Bảng kết thống kê mô tả chuỗi liệu ep Bảng 4.2: Bảng kết kiểm định nhân Granger w Bảng 4.3 : Bảng trình bày hệ số mơ hình hồi quy theo liệu tháng n lo Bảng 4.4 : Bảng trình bày hệ số mơ hình hồi quy theo liệu trung bình ad di động tháng y th Bảng 4.5 : Bảng trình bày hệ số mơ hình hồi quy theo liệu trung bình ju yi di động 12 tháng pl Bảng 4.6 : Bảng trình bày hệ số mơ hình hồi quy theo liệu trung bình n ua al di động 24 tháng ll fu thời gian khác n va Bảng 4.7 : Bảng kết hồi quy chứng khốn tồn thị trường qua khoảng gian khác oi m Bảng 4.8 : Bảng kết hồi quy chứng khốn vốn hóa nhỏ qua khoảng thời nh at Bảng 4.9 : Bảng kết hồi quy chứng khoán tăng trưởng qua khoảng thời z z gian khác vb Bảng 4.10 : Bảng kết kiểm định tự tương quan bậc jm ht Bảng 4.11: Bảng liệt kê kết kiểm định tự tương quan k Bảng 4.12 : Bảng so sánh mơ hình trước sau khắc phục tự tương quan l.c gm chuỗi liệu tháng trung bình di động tháng om Bảng 4.13: So sánh mơ hình sau khắc phục tự tương quan bậc 1, chuỗi liệu an Lu Bảng 4.14 : So sánh mô hình trước sau khắc phục tự tương quan bậc 1, ey liệu tháng t re Bảng 4.15 : Bảng kết kiểm định phương sai thay đổi mơ hình dựa n va liệu 24 tháng Bảng 4.16 : Bảng kết kiểm định phương sai thay đổi mô hình dựa t to liệu tháng ng Bảng 4.17 : Bảng kết kiểm định phương sai thay đổi mơ hình dựa hi ep liệu 12 tháng Bảng 4.18 : Bảng kết kiểm định hệ số mơ hình lợi nhuận chứng khốn w n tồn thị trường lo ad Bảng 4.19 : Bảng kết kiểm định hệ số mơ hình lợi nhuận chứng khốn y th vốn hóa nhỏ ju Bảng 4.20 : Bảng kết kiểm định hệ số mơ hình lợi nhuận chứng khoán yi pl tăng trưởng ua al Bảng 4.21 : bảng hệ số tương quan phần dư n Bảng 4.22 : Bảng tập hợp hệ số mơ hình hồi quy lợi nhuận chứng khốn va n toàn thị trường sau điều chỉnh fu ll Bảng 4.23 : Bảng tập hợp hệ số mô hình hồi quy lợi nhuận chứng khốn oi m vốn hóa nhỏ sau điều chỉnh tăng trưởng sau điều chỉnh at nh Bảng 4.24 : Bảng tập hợp hệ số mơ hình hồi quy lợi nhuận chứng khoán z z Bảng 4.25 : Bảng kết nghiên cứu Maik Schmeling k jm ht vb om l.c gm an Lu n va ey t re DANH MỤC CÁC PHỤ LỤC t to ng hi ep PHỤ LỤC 1: Dữ liệu PHỤ LỤC 2: Các đồ thị PHỤ LỤC 3: Kết kiểm định tính dừng chuỗi liệu Eviews PHỤ LỤC 4: Kết mơ hình Var Eviews PHỤ LỤC 5: Kết hồi quy mơ hình liệu tháng Eviews PHỤ LỤC 6: Kết hồi quy mơ hình liệu tạo cách lấy trung bình di động tháng Eviews PHỤ LỤC 7: Kết hồi quy mơ hình liệu tạo cách lấy trung bình di động 12 tháng Eviews PHỤ LỤC 8: Kết hồi quy mơ hình liệu tạo cách lấy trung bình di động 24 tháng Eviews PHỤ LỤC 9: Kết khảo sát số niềm tin tiêu dùng quý năm 2012 PHỤ LỤC 10: Nghiên cứu Maik Schmeling năm 2008 w n lo ad ju y th yi pl n ua al n va ll fu oi m at nh z z k jm ht vb om l.c gm an Lu n va ey t re t to TÓM TẮT ng Nghiên cứu sử dụng niềm tin tiêu dùng nhân tố đại diện cho độ nhạy hi cảm nhà đầu tư thị trường chứng khoán để thực quy dự báo lợi nhuận ep chứng khốn tương lai Mục đích nghiên cứu xem xét liệu thị w trường chứng khoán Việt Nam, độ nhạy cảm nhà đầu tư có tác động đến lợi nhuận n lo tương lai chứng khốn Và nhà đầu tư dùng mơ hình dự báo để ad dự báo lợi nhuận chứng khốn tương lai khơng Nghiên cứu thực hồi quy y th ju dựa số liệu thị trường chứng khoán Việt Nam từ đầu năm 2008 đến yi năm 2012 phương pháp phương sai nhỏ Kết cho thấy, thị trường pl ua al chứng khoán Việt Nam, độ nhạy cảm nhà đầu tư có tác động đến lợi nhuận chứng khoán tương lai, đặc biệt, độ nhạy cảm nhà đầu tư tác động đến lợi n n va nhuận tương lai chứng khốn vốn hóa nhỏ nhiều đến chứng khoán tăng ll fu trưởng, tác động rõ nét qua khoảng thời gian tháng Bên cạnh đó, qua oi m nghiên cứu cho thấy có khả dự báo khả dự báo mơ hình đư ợc nghiên cứu chưa thật cao at nh z z k jm ht vb om l.c gm an Lu n va ey t re t to GIỚI THIỆU 1.1 MỤC TIÊU NGHIÊN CỨU ng hi Trên thị trường chứng khốn, nhà đầu tư ln kỳ vọng vào mục tiêu lợi nhuận, ep lợi nhuận chứng khoán tương lai phụ thuộc vào nhiều yếu tố Theo w kết nhiều nghiên cứu thị trường chứng khoán giới cho thấy độ nhạy n lo cảm nhà đầu tư có ảnh hưởng đến lợi nhuận chứng khoán tương lai Vậy vấn ad đề thị trường chứng khoán Việt Nam Với việc chấp nhận số y th niềm tin tiêu dùng nhân tố đại diện cho độ nhạy cảm nhà đầu tư thị ju yi trường chứng khoán, nghiên cứu kiểm tra liệu niềm tin tiêu dùng Việt pl Nam có ảnh hưởng đến lợi nhuận tương lai chứng khoán thị trường al n CÂU HỎI NGHIÊN CỨU ll fu 1.2 va n ua chứng khoán Việt Nam hay không, xem xét đến khả dự báo mơ hình oi m Để làm rõ cho m ục đích nghiên cứu, nghiên cứu đưa câu hỏi nghiên cứu, theo đó, trình nghiên cứu trả lời câu hỏi nhằm xác nh at định nghiên cứu có đạt mục tiêu nghiên cứu đề hay chưa z Câu hỏi 1: Trên thị trường chứng khoán Việt Nam, độ nhạy cảm nhà đầu tư có tác z ht vb động đến lợi nhuận chứng khoán tương lai? jm Câu hỏi 2: Mơ hình hồi quy lợi nhuận chứng khoán tương lai dựa độ nhạy k cảm nhà đầu tư thực thị trường chứng khốn Việt Nam TĨM LƯỢC CÁC KẾT QUẢ CHUYÊN ĐỀ ĐẠT ĐƯỢC om l.c 1.3 gm sử dụng để dự báo tốt lợi nhuận chứng khoán tương lai? Sau thực hồi quy mơ hình lợi nhuận chứng khốn tương lai dựa an Lu độ nhạy cảm nhà đầu tư đ ề tài tìm chứng để trả lời cho câu hỏi lợi nhuận chứng khoán khoảng thời gian tháng Mặc dù mơ hình có khả dự báo khả dự báo chưa thật cao ey vốn hóa nhỏ, kết đề tài cho thấy độ nhạy cảm tác động rõ nét đến t re tác động đến lợi nhuận chứng khoán tương lai, đặc biệt chứng khốn n va nghiên cứu đ ặt Đó độ nhạy cảm nhà đầu tư thị trường chứng khốn có TỔNG QUAN CÁC KẾT QUẢ NGHIÊN t to ng CỨU TRƯỚC hi ep 2.1 Nghiên cứu Nicolas Barberis, Andrei Shleifer Robert Vishny năm 1998 w n Nghiên cứu thi ết lập mơ hình chi tiết tâm lý nhà đ ầu tư đo lường tác lo ad động tâm lý nhà đầu tư đến giá chứng khoán, thực 10.000 quan y th sát Nghiên cứu giải thích chế hình thành tâm lý nhà đầu tư thị ju trường chứng khoán, để từ đó, giải thích tác động tâm lý nhà đầu tư đến giá yi pl chứng khoán tương lai Trong nghiên cứu, Nicolas Barberis, Andrei ua al Shleifer Robert Vishny chia cá c chứng khoán thành danh mục dựa vào n tốc độ tăng trưởng thu nhập (một danh mục gồm chứng khốn có tăng va n trưởng thu nhập dương so với kỳ trước, danh mục có tăng trưởng thu nhập âm fu ll so với kỳ trước) Sau tính thu nhập danh mục qua thời gian dựa vào m oi liệu khứ Giá trị chênh lệch thu nhập danh mục qua z Nghiên cứu Baker Wurgler năm 2006 vb 2.2 z chứng khoán at nh thời gian cho thấy chứng độ nhạy cảm nhà đầu tư tác động đến giá jm ht Các tác giả thực nghiên cứu số liệu thị trường chứng khoán Mỹ từ k năm 1963 đến năm 2001 Để tính độ nhạy cảm nhà đầu tư, nghiên cứu dựa gm vào tỷ lệ chiết khấu quỹ đóng, lợi nhuận ngày phát hành chứng l.c khoán, số lần phát hành năm, tỷ lệ doanh thu thơ trung bình, tài sản om cổ đơng phát hành cổ tức trung bình Trong này, tác giả thực lấy an Lu liệu chéo nhóm chứng khốn phát hành, nhóm chứng khốn vốn hóa nhỏ, nhóm chứng khốn khơng có lợi nhuận, nhóm chứng khốn khơng chi trả cổ cổ phiếu tăng trưởng cổ phiếu vốn hóa nhỏ (trang 1663) ey cho thấy nhân tố đại diện độ nhạy cảm họ ảnh hưởng nhóm t re trưởng, nhóm chứng khốn thường xun có thu nhập thấp Kết nghiên cứu n va tức, nhóm chứng khốn có khối lượng giao dịch lớn, nhóm chứng khốn tăng Hvidkjaer, Soeren, 2008 Small Trades and the Cross-Section of Stock Returns Review of Financial Studies 21, 1123-1151 t to Jackson, Andrew, 2004 The Aggregate Behaviour of Individual Investors Working Paper, ng hi London Business School ep Jansen, W Jos, and Niek J Nahuis, 2003 The Stock Market and Consumer Confidence: w European Evidence Economics Letters 79, 89-98 n lo ad Kaniel, Ron, Gideon Saar, and Sheridan Titman, 2008 Individual Investor Trading and Stock ju y th Returns Journal of Finance, 63 273-310 yi Kumar, Alok and Charles Lee, 2006 Retail Investor Sentiment and Return Comovement pl ua al Journal of Finance 61, 2451-2486 n La Porta, Rafael, Florencio Lopez-de-Silanes, Andrei Shleifer, and Robert W Vishny, 1998 va n Law and Finance Journal of Political Economy 106, 1113-1155 fu ll Lemmon, Michael, and Evgenia Portniaguina, 2006 Consumer Confidence and Asset Prices: oi m nh Some Empirical Evidence Review of Financial Studies 19, 1499-1529 at Levin, Andrew, Lin, Chien-Fu, and James Fu, 2002 Unit Root Tests in Panel Data: z z ht vb Asymptotic and Finite-Sample Properties Journal of Econometrics 108, 1-24 k gm Economy, Working Paper, University of Copenhagen jm Lioui, Abraham and Jesper Rangvid, 2007 Stock Return Predictability in a Monetary om Predictability American Economic Review 85, 201-218 l.c Mark, Nelson C., 1995 Exchange Rates and Fundamentals: Evidence on Long-Horizon a Lu Menkhoff, Lukas and Rafael Rebitzky, 2008 Investor Sentiment in the US-dollar: Longer- 27 y University te re Qiu, Lily, and Ivo Welch, 2005 Investor Sentiment Measures Working Paper, Brown n Predictors Journal of Finance, forthcoming va Pastor, Lubos, and Robert Stambaugh, 2008 Predictive Systems: Living with Imperfect n term, Nonlinear Orientation on PPP Journal of Empirical finance 15, 455-467 Shiller, Robert J., 2001 Irrational Exuberance Broadway Books, New York Shleifer, Andrei, and Robert Vishny, 1997 The Limits of Arbitrage Journal of Finance 52, t to 35-55 ng hi Schmeling, Maik, 2006 Institutional and Individual Sentiment: Smart Money and Noise ep Trader Risk? International Journal of Forecasting 23, 127-145 w Swaminathan, Bhaskaran, 1996 Time-Varying Expected Small Firm Returns and Closed-End n lo ad Fund Discounts Review of Financial Studies 9, 845-887 ju y th Valkanov, Rossen, 2003 Long-Horizon Regressions: Theoretical results and applications yi Journal of Financial Economics 68, 201-232 pl n ua al n va ll fu oi m at nh z z ht vb k jm om l.c gm n a Lu n va y te re 28 Appendix Different proxies for investor sentiment A natural question that arises when attempting to quantify the influence of sentiment t to on stock returns is how to measure (unobserved) sentiment Existing studies have used ng hi different proxies, of which closed-end fund discounts are one major vehicle (c.f Lee, Shleifer ep and Thaler, 1991, Swaminathan, 1996, or Neal and Wheatley, 1998) Baker and Wurgler w (2006) construct a sentiment proxy from several market price based variables such as closed- n lo ad end fund discounts, number of IPO’s, turnover etc Recent studies have started to use micro ju y th trading data, such as Kumar and Lee (2006) who use broker data or Barber, Odean and Zhu yi (2008) who use the TAQ/ISSM data Finally, some studies use data from investor surveys (cf pl ua al Brown and Cliff, 2004 and 2005, or Menkhoff and Rebitzky, 2008) Charoenrook (2003) and n Lemmon and Portniaguina (2006) use consumer confidence indexes to proxy for sentiment, va n based on the observation that Brown and Cliff (2004) find no evidence that closed-end fund fu ll discounts reflect sentiment and that Qiu and Welch (2005) report only weak correlation of oi m nh these fund discounts with UBS/Gallup surveys of investor sentiment The consumer at confidence indexes better in this respect Furthermore, Fisher and Statman (2003) provide z z ht vb evidence that consumer confidence correlates well with other sentiment proxies such as the jm sentiment measure from the American Association of Individual Investors (AAII) whereas k Doms and Morin (2004) find that consumer confidence contains an irrational element since it gm l.c responds to the tone and volume of economics news reports while being hardly affected by om the content of news All these findings make consumer confidence seem to be a reasonable a Lu proxy for individual sentiment and we follow these findings by using measures of consumer n n va confidence as a sentiment proxy throughout the paper y te re 29 Appendix Some details on consumer confidence surveys in different countries This Appendix provides some details on how consumer confidence surveys are carried t to out in our different sample countries The main objective of this appendix is to highlight ng hi similarities and possible differences across countries ep There is an internationally standardized set of questions for surveying consumer w confidence which is close to the questions asked by the Survey of the University of Michigan n lo ad Most surveys in developed countries (and all surveys in our sample countries) make use of ju y th these standardized questions to ensure international comparability More specifically, these yi questions ask about the past and future financial situation of the household, the past and future pl ua al economic situation more generally, and about major purchases of durable goods While these n questions are core, most surveys ask additional questions which are often similar across va n countries For example, various surveys (e.g the surveys of the European Commission and fu ll the polls in Switzerland) ask for the expected employment situation over the next year and oi m nh CPI developments, and some surveys additionally ask for longer-term expectations (e.g at year forecasts in Australia).23 However, given that core questions are extremely similar across z z ht vb developed countries, one might expect that consumer confidence indices are comparable jm internationally k While there not seem to be economically interesting differences between survey gm l.c questions, maybe the clearest difference between countries occurs with respect to seasonal om adjustments Although most countries seasonally adjust (Switzerland is an exception), they a Lu not use the same procedures For example, Japan uses “X-11” whereas the European n There are also less common questions The Japanese survey for example includes a question about planned travels and holidays which does not seem to be included elsewhere 30 y 23 te re qualitatively Significant impacts of consumer confidence on returns can be found in countries n affect econometric estimates quantitatively, there is little evidence in our results that it matters va commission employs “Dainties” Whether employment of these different procedures may like Switzerland (no seasonal adjustments), Japan (X-11), and Germany (Dainties), but not in e.g Ireland (which is also adjusted by Dainties) t to Another difference between surveys worth mentioning are the questions about future ng hi developments While most surveys (e.g the European surveys) mainly ask for one year ep horizons, there are exceptions such as the Michigan survey which asks for one year horizons w regarding a household’s financial situation but for year horizons regarding economic n lo ad developments Therefore, forecast horizons differ somewhat between countries ju y th Finally, consumer confidence surveys in different countries naturally differ by the yi number of participants While most surveys are based on more than 1,000 households, there pl ua al are large differences between smaller countries (e.g Switzerland with 1,100 participants) and n large countries (e.g France with 3,300 participants, Japan with more than 5,000 participants, va n and obvious outliers such as the Michigan survey in the U.S which is based on 500 ll fu oi m respondents, only at nh z z ht vb k jm om l.c gm n a Lu n va y te re 31 Appendix Details on the bias adjustments Standard econometric inference in regressions of the form in (2), most probably yields t to biased estimates of the slope coefficients Several authors (see Stambaugh, 1999, Valkanov, ng 2003, or Ferson et al., 2003) have documented this problem, which is caused by highly hi ep persistent regressors In this case OLS estimation results are still consistent but suffer more w than likely from severe biases in finite samples For simple regressions with only one n lo predictor it can be shown analytically that the bias in coefficient point estimates increases in ad y th the degree of persistence of the regressor (see Stambaugh, 1999) As shown in Table 1, ju consumer confidence indexes are highly persistent.24 A further complication arises from the yi pl overlapping the dependent variable, which induces a moving average structure of order (k-1) n ua al to the error terms va Several authors (e.g Brown and Cliff, 2005) rely on some form of simulation n fu ll procedure to account for biased coefficient estimates and standard errors Another way to m oi quantify and to adjust for biases is to use auxiliary regressions (Amihud and Hurvich, 2004).25 nh at Some authors have recently switched to using Hodrick (1992) standard errors (e.g Ang and z z Bekaert, 2007, or Lioui and Rangvid, 2007) and not bias-adjust coefficient estimates vb ht We use a moving block-bootstrap as suggested by Gonỗalves and White (2005) to jm k account for biased coefficient estimates and standard errors The exact procedure is as gm l.c follows We first estimate the predictive regression (panel regression or the system of om predictive regressions with different forecasting horizons as detailed in the main text) a Lu Coefficients are stored We then repeatedly bootstrap the raw data in blocks with a block n length of 10 observations to generate 10,000 new time series generated under the null of no y 32 te re Brown and Cliff (2005) also find individual sentiment from direct investor surveys in the U.S to be highly correlated over time Therefore, the high degree of persistence is not special to the consumer confidence indices employed here 25 Campbell and Yogo (2006) provide a method for efficient tests of stock return predictability in the presence of near unit-root regressors However, their method does not extend directly to multiple regressors and multi-period forecasts n 24 va predictability for all dependent and explanatory variables The block length is chose to be large since confidence indices are very persistent Choosing smaller or longer block lengths does not seem to affect our results in an interesting way Predictive regressions are then t to estimated on these 10,000 artificial time series to obtain the bootstrap distribution of ng hi coefficient estimates ep We report bias-adjusted coefficient estimates, i.e we subtract the mean of the w bootstrap coefficient estimates from the original bootstrap estimate P-values reported in the n lo ad tables are based on the share of simulated t-statistics exceeding the estimated t-statistic from ju y th the original regression yi The results for individual countries in Table are based on systems of equations pl ua al rti+1 = δ0i,(1) + δ1i,(1)sentti + Ψ ti,(1) γ i,(1) + ξti,(1) +1 n i rt + κ = δ0i,(6) + δ1i,(6)sentti + Ψ ti,(6) γ i,(6) + ξti,(6) ∑ +16 t + κ κ =1 va (6) n 12 i rt + κ = δ0i,(12) + δ1i,(12)sentti + Ψ ti,(12) γ i,(12) + ξti,(12) ∑ +16 t +12 κ κ =1 ll fu oi m 24 i rt + κ = δ0i,(24) + δ1i,(24)sentti + Ψ ti,(24) γ i,(24) + ξti,(24) ∑ +16 t + 24 κ κ =1 at nh z z for each country i This system is estimated via GMM (exactly identified) and significance carried out via the same bootstrap procedure as ht are vb tests employed above k jm om l.c gm n a Lu n va y te re 33 to t n g p hi e d o w Table Descriptive Statistics n This table shows descriptive statistics for all countries used in the analysis In particular, the table shows the start month of the sample (all series end in December 2005) and the source of the data Furthermore, it shows means (μ) and standard deviations (σ) for the market return, returns of value stocks, and growth stocks Finally, the last three columns show the mean, standard deviation and first order autocorrelation for consumer confidence indices lo ad t h y j Value μ σ 1.55 5.11 1.91 6.45 1.83 6.69 1.24 5.93 1.54 7.16 1.54 6.99 1.42 6.65 1.87 7.66 1.25 8.14 1.11 6.70 1.62 7.15 -0.35 8.51 2.05 9.57 1.74 5.69 1.65 6.53 1.31 6.82 1.25 5.48 1.23 4.10 u l a l an v an f ul l m h v c o m σ 4.86 4.67 5.09 5.13 8.97 5.89 6.16 5.26 7.09 5.80 5.07 5.30 5.86 5.75 6.69 4.97 4.64 4.43 oi n a t z z k jm b h t Datastream DG ECFIN DG ECFIN DG ECFIN DG ECFIN DG ECFIN DG ECFIN DG ECFIN DG ECFIN Datastream DG ECFIN Datastream EcoWin DG ECFIN DG ECFIN Datastream DG ECFIN Datastream gm 1985 M1 1996 M 1985 M1 1989 M1 1995 M11 1985 M1 1986 M1 1991 M1 1985 M1 1985 M1 1985 M1 1989 M1 1992 M9 1988 M1 1995 M9 1985 M1 1985 M1 1985 M1 l ATRL ATR BEL DEN FIN FRA GER IRE ITA JAP NET NEWZ NOR SPA SWE SWI UK US Market μ 1.24 1.40 1.29 1.06 1.46 1.23 0.79 1.33 1.29 0.49 1.11 0.64 1.44 1.20 1.29 1.08 1.07 1.08 p Source Start an Lu Australia Austria Belgium Denmark Finland France Germany Ireland Italy Japan Netherlands New Zealand Norway Spain Sweden Switzerland United Kingdom United States Label uy i Country an v 34 Growth Μ σ 1.06 5.55 0.80 4.54 1.13 5.30 1.03 6.10 1.69 10.90 1.10 5.83 0.69 6.93 1.05 6.33 1.26 7.20 0.20 6.40 1.04 4.90 0.80 5.95 1.27 5.97 0.77 6.28 1.10 8.35 0.97 4.84 0.99 4.75 1.09 4.88 Consumer Confidence μ ρ(1) σ 100.59 12.66 0.92 -1.36 6.41 0.91 -7.00 9.53 0.95 5.38 8.36 0.95 14.90 3.84 0.89 -18.60 8.49 0.94 -8.98 8.79 0.97 -3.87 13.52 0.97 -12.78 7.06 0.93 43.26 4.62 0.97 4.02 11.68 0.97 112.95 12.00 0.99 20.06 13.38 0.97 -10.34 8.96 0.95 7.39 7.21 0.94 -10.83 21.66 0.99 -8.25 7.81 0.93 95.29 12.90 0.84 r y et e Table Panel unit-root tests t to ng hi This Table shows panel unit-root tests for consumer confidence indices The test by Levin, Lin, and Chu tests the null of a unit root assuming a common unit root process The other two procedures test the null of a unit root assuming individual unit root processes The lag length selection is based on SIC and the test equation contains individual intercepts Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 ep w p-value obs -2.88 ***(0.00) 3,795 -5.80 ***(0.00) 3,795 90.50 ***(0.00) 3,819 n test statistic lo Levin, Lin, and Chu ad Im, Pesaran, and Shin y th PP-Fisher ju yi pl n ua al n va Table Granger-causality tests ll fu Reported are pairwise Granger-causality tests for sentiment and returns and tests for blockexogeneity The latter are obtained from VAR models which include returns, sentiment, and predetermined control variables (Ψ) The lag length is chosen by minimizing SIC Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 oi m at nh z Value stocks r → sent ***(0.00) ***(0.00) sent → r **(0.02) ***(0.00) r → sent ***(0.00) ***(0.00) ***(0.00) sent → r **(0.01) ***(0.00) **(0.05) ht vb Pairwise Growth stocks z Aggregate market *(0.06) k jm ***(0.00) om l.c gm Block Exogeneity n a Lu n va y te re 35 Table Panel fixed effects regressions t to This table shows results for panel fixed effects regressions with future stock returns as dependent variable and sentiment (sent) as well as several control variables (not shown in the tables) as predictive variables  adj R2 denotes the change in adj R2 when sentiment is ng hi included as an additional regressor in the equation Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 ep Panel A: Aggregate market returns w Forecast horizon months 12 months n lo month ad Sent y th p-value -0.42 -0.31 -0.26 -0.20 **(0.01) **(0.04) **(0.05) *(0.06) 0.01 0.06 0.11 0.19 0.01 0.02 0.03 0.04 3,612 3,504 3,288 Forecast horizon months 12 months 24 months ju  adj R pl yi adj R al 3,702 n ua Obs 24 months n va fu ll Panel B: Returns of value stocks ***(0.00) **(0.02) 0.01 0.09 0.14 0.20 0.01 0.04 0.04 0.04 3,702 3,612 3,504 3,288 k ***(0.00) jm Obs **(0.01) ht  adj R -0.28 vb -0.45 z adj R -0.55 z -0.70 at p-value nh Sent oi m month om l.c gm Panel C: Returns of growth stocks Obs -0.21 ***(0.00) **(0.05) *(0.06) *(0.05) 0.01 0.06 0.11 0.22 0.01 0.02 0.02 0.04 3,702 3,612 3,504 3,288 36 y  adj R -0.27 te re -0.30 n adj R2 -0.40 va p-value 24 months n Sent a Lu month Forecast horizon months 12 months Table Return predictability across horizons t to ng hi This table shows results for predictive regressions with future stock returns as dependent variable and sentiment (sent) as well as several control variables (not shown in the tables) as predictive variables Shown are mean coefficients across forecast horizons of 1, 6, 12, and 24 months The p-value refers to the test that coefficients across forecast horizons are jointly equal to zero Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 ep w n lo ad y th ju yi pl p-val ***(0.00) (0.44) (0.50) **(0.05) *(0.09) **(0.03) **(0.02) (0.21) **(0.04) n ua al ATR ATRL BEL DEN FIN FRA GER IRE ITA mean coef -0.36 0.01 -0.29 0.06 0.40 -0.54 -0.65 -0.04 -0.57 Panel A: Aggregate Market p-val mean coef *(0.07) JAP -0.73 (0.76) NET -0.09 ***(0.00) NEWZ 0.19 (0.91) NOR -0.54 (0.69) SPA -0.25 **(0.02) SWE -0.65 ***(0.01) SWI -0.69 (0.81) UK -0.10 ***(0.00) US -0.21 va mean coef -0.21 -0.02 -0.70 -0.19 0.29 -0.37 -0.52 -0.08 -0.77 Panel C: Growth stocks p-val mean coef *(0.07) JAP -0.24 (0.85) NET -0.13 **(0.01) NEWZ 0.18 (0.11) NOR -0.21 (0.41) SPA -0.40 **(0.05) SWE -0.52 **(0.04) SWI -0.68 (0.66) UK -0.11 ***(0.01) US -0.11 n mean coef -0.44 -0.07 -0.54 0.14 -0.44 -0.47 -0.51 0.04 -0.82 Panel B: Value stocks p-val **(0.03) JAP (0.32) NET **(0.01) NEWZ (0.29) NOR **(0.04) SPA *(0.06) SWE **(0.04) SWI (0.87) UK ***(0.00) US ll fu oi m at nh z z ht vb k jm ATR ATRL BEL DEN FIN FRA GER IRE ITA mean coef -0.71 -0.11 0.32 -0.69 -0.02 -0.91 -0.70 -0.21 -0.25 p-val ***(0.00) *(0.09) *(0.09) ***(0.00) (0.71) ***(0.01) **(0.02) *(0.06) **(0.05) l.c om n a Lu n va y te re 37 gm ATR ATRL BEL DEN FIN FRA GER IRE ITA p-val **(0.05) *(0.07) (0.34) **(0.04) *(0.08) **(0.05) ***(0.00) (0.10) (0.11) Table Small versus large stocks t to ng hi This table replicates Table but shows results for small and large stocks (i.e stocks sorted on market capitalization) Panel C shows results for the long-short portfolio which is long in large cap stocks and short in small cap stocks The data used for large and small stocks is based on MSCI size indices The sample is shorter due to data availability and ranges from 1993M1 to 2005M12  adj R2 denotes the change in adj R2 when sentiment is included as ep an additional regressor in the equation Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 w n Panel A: Large stocks lo ad month ju yi p-value -0.27 -0.32 -0.21 -0.19 (0.19) (0.10) (0.26) (0.44) 0.01 0.05 0.11 0.19 0.00 0.01 0.01 0.01 2,391 2,296 2,182 1,965 Forecast horizon months 12 months 24 months pl 2  adj R al adj R n n va Obs 24 months ua y th Sent Forecast horizon months 12 months ll fu oi m Panel B: Small stocks -0.74 -0.61 p-value ***(0.00) ***(0.00) adj R2 0.02 0.12  adj R2 0.01 0.03 0.04 2,391 2,296 2,182 -0.24 ***(0.00) **(0.02) 0.20 0.22 z ht vb jm 0.04 k 1,965 om l.c gm Obs -0.44 z Sent at nh month Panel C: Size premium Obs -0.04 **(0.02) **(0.05) (0.11) (0.84) 0.01 0.05 0.07 0.09 0.01 0.01 0.00 0.00 2,391 2,296 2,182 1,965 38 y  adj R -0.16 te re -0.28 n adj R2 -0.33 va p-value 24 months n Sent a Lu month Forecast horizon months 12 months Figure Consumer Sentiment and Business Sentiment t to ng This figure shows estimated coefficients and 95% confidence intervals for regressions of average k-period stock returns on consumer sentiment (left side) and business sentiment (right side) The x-axis measures the forecast horizon (1,2,…,24 months) and the y-axis shows the impact of a two standard deviation sentiment shock on subsequent returns hi ep Panel A: Aggregate market w n lo ad ju y th yi pl n ua al Panel B: Value stocks n va ll fu oi m at nh z z ht vb k jm Panel C: Growth stocks om l.c gm n a Lu n va y te re 39 Table Correlation of consumer confidence innovations and unexpected returns t to This table shows correlation coefficients for unexpected returns and sentiment innovations from the predictive system in equations (4) and (5) for market returns and returns of value and growth stocks Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 ng Value stocks Growth stocks ATRL 0.03 0.05 0.04 ATR 0.13 0.03 0.11 BEL 0.08 0.02 0.12 DEN 0.02 0.06 0.02 FIN 0.03 -0.03 0.04 0.14 0.16 0.12 0.02 0.02 0.01 0.03 0.09 0.07 0.10 0.07 0.16 0.07 0.14 0.12 hi Aggregate Market ep w n lo ad ju y th yi pl FRA n ua IRE al GER va 0.09 JAP 0.10 NET 0.13 NEWZ 0.20 -0.02 0.22 NOR 0.15 0.10 0.13 SPA 0.16 0.07 SWE 0.15 0.15 0.11 SWI 0.02 0.05 0.02 UK 0.12 0.12 0.12 US 0.12 0.17 0.10 0.10 ***(0.00) 0.08 ***(0.00) 0.09 ***(0.00) n ITA ll fu oi m at nh z z ht vb k jm om l.c gm n a Lu Average 0.17 n va y te re 40 Table Cross-sectional analysis of the sentiment-return relation t to ng This table shows results for panel fixed effects regressions where countries are pooled according to one of the determinants shown in the first column Specifically, countries are allocated to one of two groups depending on whether they are above or below the median of a specific determinant  adj R2 denotes the change in adj R2 when sentiment is included as an hi additional regressor in the equation Stars refer to the level of significance: ***: 0.01, **: 0.05, *: 0.10 ep w Countries above median n Countries below median lo  adj R2 ad coef  adj R2 coef ju Collectivism y th Behavioral factors yi ll 0.01 oi m 0.00 at nh 0.01 z z 0.00 0.01 0.00 0.00 -0.59 **(0.03) -0.40 *(0.06) -0.35 (0.17) -0.55 **(0.02) -0.54 **(0.05) 0.10 0.04 0.03 0.08 0.08 ht vb PC market integrity 0.00 fu Earnings management 0.02 (0.81) -0.11 (0.52) -0.04 (0.69) -0.03 (0.53) -0.03 (0.71) n Accounting standards 0.05 va Corruption perception 0.06 n Anti-director rights -0.19 (0.29) 0.01 (0.91) -0.07 (0.42) 0.05 ua Market integrity al PC culture pl Uncertainty avoidance -0.34 *(0.09) -0.51 **(0.02) -0.39 **(0.04) k jm om l.c gm n a Lu n va y te re 41