日内过度交易 (Intraday Overtrading)
大白话：A 股换手率高得惊人——个人投资者每月换手 84.8%，但费后净收益是 −0.2%。频繁交易换不来收益，这就是过度交易。它是 A 股区别于其他市场的一个结构性特征。
定义. 扣除正常信息驱动交易后剩余的那部分换手。见 Peng 2024 Internet Sentiment Intraday Overtrading。
A 股的三个数字（理解这个概念的起点）
| 事实 | 数字 | 来源 |
|---|---|---|
| A 股过去十年平均换手率 | 205.2% | CSMAR, 2022 |
| 个人投资者平均月换手率 | 84.8% | Peng 2024 引述 |
| 同期个人投资者费后月净收益率 | −0.2% | Peng 2024 引述 |
第二行与第三行的对照是全文的动机：每月换手 84.8%，换来 −0.2% 净收益。
Zhang 等（2019）的判断：A 股的高换手率主要源于过度交易的普遍存在。
为什么用"超额换手"而非原始换手（关键设计）
原始换手率包含信息驱动的正常交易。只有超出正常水平的部分才对应过度交易。
\text{超额换手率} = \text{实际换手率} - \text{正常预期换手率}
若直接用原始换手率做因变量，会把正常交易的信息含量误记为情绪效应。 这是本文最重要的方法论选择。
网络情绪是过度交易的驱动因素
情绪的来源
东方财富股吧（Guba） 发帖 → 词频统计 + 人工标注 → 小时级情绪指数 → 解释下一小时的超额换手。
数据：沪深 300 与深证 500 成分股，2018-01-01 至 2022-12-30（5 年，含疫情与中美贸易摩擦）。
四个实证结果
| 结果 | 内容 |
|---|---|
| H1 | 前一小时的情绪在 1% 水平上显著影响下一小时的超额换手率 |
| H2a | 情绪对机构的影响 > 个人（所有指标上机构的过度交易水平都高于个人） |
| 时段 | 交易日的第二个小时（上午）受前一小时情绪影响最大 |
| H3 | 牛市显著强于熊市 |
| 市值 | 大盘股 > 中盘股 > 小盘股 |
理论依据：过度自信（overconfidence） 是过度交易的心理根源。论文推测机构自认信息优势与专业能力更强、且能把优势转化为超额收益——这种心态为过度自信埋下伏笔。
三条解释（论文给出）
1. 短期反应过度 投资者对社交网络上的新信息反应过度，导致高估或低估股票，产生非理性交易。
2. 上午 > 下午：T+1 制度的痕迹 论文归因于 A 股独特的 T+1 交易机制。按 Guo 等（2012, 2017）的实证，A 股通常"早盘低开、午后高收"；从逐利角度，早盘比午后更适合建仓。
这是本库已收录 论文中少见的把 T+1 制度与行为反应直接联系起来的证据。
3. 牛市 > 熊市：两个视角
| 视角 | 解释 |
|---|---|
| 交易量 | 牛市的高情绪吸引更多投资者开户，带来更高成交量与更多非理性投资；熊市中多数投资者被"套住"，交易积极性与可用资金量都更低 |
| 心理 | 熊市的恐慌会促使投资者考虑割肉止损——这属于信息驱动的卖出，而非情绪驱动的过度交易 |
大盘股受情绪影响更大：多数投资者偏好交易规模大、风险低、前景好的公司。另一解释是 2018 年贸易摩擦与 2020 年疫情期间多数投资者减少了对小盘股的投资。
风险：过度交易是系统性风险的一部分
论文开篇的定位：过度交易导致的市场波动是系统性市场风险的重要组成部分。
在市场下跌过程中，盲目交易行为引发的羊群效应可能演化为恐慌性崩盘（Phan 等 2018）。
两个方法论提醒（本 wiki 记录）
1. 情绪指数依赖人工词典
构造方式是词频统计 + 人工标注。词典的覆盖度决定结论的边界——未被覆盖的情绪表达会被误判为中性。这不是本文缺陷（dictionary 方法是标准做法），但引用其结论时须记住这个前提。
2. 相关性设计无法区分因果方向
超额换手是情绪的结果，还是情绪本身就是过度交易的一部分？ 论文的设计无法区分。
若情绪高时交易量大但收益低（84.8% 换手 / −0.2% 收益暗示如此），那情绪更像是过度交易的伴随现象而非原因。这是本 wiki 认为最需要澄清的一点。
与本 wiki 其他内容的关系
- concepts/microstructure/高频收益可预测性（#9）——同为"高频情绪 → 高频行为"路径， 但对象是过度交易而非收益预测；Knoll 等（2019）在美股发现社交媒体信号可预测收益
- concepts/microstructure/订单流分解 (Order Flow Decomposition)（Shen 2023）——本文从情绪侧、 那篇从订单结构侧，两者都在回答"谁在制造噪声"；两篇都指向剔除机器人/非知情订单后更强
- concepts/microstructure/机构与散户的订单流差异——本文的"机构受情绪影响更强"与那篇的 "机构更知情"看似相反，实则可共存：机构对情绪更敏感（过度自信），但对订单簿更有信息优势
- concepts/microstructure/流动性漏斗 (Liquidity Funnel)——流动性薄是过度交易成为可能的前提
待验证
- 情绪对收益方向有无预测力？ 本文只研究情绪对换手的影响。A 股的情绪 → 收益是一个明显的延伸，且美股已有证据（Knoll 等 2019）。
- Guba 的用户构成：股吧主要是散户论坛，机构投资者的情绪如何进入这个语料？ 若机构不主要在股吧发帖，"情绪影响机构"的机制需要解释。
- "机构过度自信"缺乏直接证据——是推测。若能区分"机构过度自信"与"机构风控约束"，结论会更强。
- 日频情绪 vs 小时级情绪：本文用小时级。日频（更高信噪比）是否影响更大？ 论文提到 Wang(2024) 发现情绪对日内收益的影响大于隔夜，但那是收益不是换手。