© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net第31卷 第166期2010年7月财经理论与实践(双月刊)THETHEORYANDPRACTICEOFFINANCEANDECONOMICSVol.31 No.166Jul1 2010
・证券与投资・
我国投资者情绪与股票收益实证研究
晏艳阳1,蒋恒波1,杨 光2(1.湖南大学金融与统计学院,湖南长沙 410079;2.中国人民银行广州分行,广东广州 510000)3
摘 要:根据投资者情绪是股票价格形成重要影响因素这一研究观点,围绕投资者情绪是否构成系统性风险及其对不同类型股票的差异化影响,运用我国股市交易数据进行的实证研究结果表明,投资者情绪不构成股市的系统性风险,但对不同市值的股票有着差异化的影响,随着股票的“投机性”增加,投资者情绪对其影响也增大。此外,投资者情绪会削弱股票收益与其波动的正相关性,且对于“投机性”越高的股票,这一影响也越大。关键词:噪声交易;投机性;投资者情绪;股票波动;股票收益中图分类号:F830.59 文献标识码: A 文章编号:1003-7217(2010)04-0027-05
一、引言以Samuleson,Fama等学者所创立并发展的“有效市场假说”(EMH)理论把股票市场中的投资者看成为理性投资主体,认为资产的价格应该完全理性地反映其基本价值即为预期股息贴现值之和。因为即使存在非理性的投资者,套利活动的存在也将迅速地消除其对股票价格的影响。然而,金融市场上的金融资产的价格与价值相偏离的众多“异象”对该理论提出了挑战。随之崛起的行为金融学理论认为股票的价格不仅取决于其内在因素,同时也受到参与主体自身行为的影响,即投资者心理因素对股票的价格及其变动有着重要的作用。De2long,Shleifer,Summer和Waldman(1990)发表的噪声交易模型(DSSW)首次将投资者情绪引入股票价格决定模型当中,认为投资者情绪是影响股票均衡价格的内在因素[1]。随后Barberis,Shleifer,Vishny(1998);Daniel,Hirshlei,Subrahmanyam(1998),Hong,Stein(1999)所构建的BSV模型、DHS模型、HS模型进一步阐述了投资者情绪对股票价格作用的内在机理[2-4]。此外,大量的实证研究也验证了投资者情绪对于股票价格的影响。在确定投资者情绪是股票均衡价格形成的影响因素之后,研究的重点转向投资者情绪对均衡价格形成的作用形式上,即投资者情绪是否构成系统性风险。在资本资产定价模型当中,单个股票的风险对有效组合的收益不构成影响,系统性风险起着决定性的作用。WayneY.Lee等(2002)对美国1973
~1995年的投资者情绪与股票收益之间的关系进行了实证研究,其结果表明投资者情绪构成了股市的系统风险并得到了相应的补偿[5]。然而,随后的一些实证研究得出了不同的结论。Lemmon等(2006)发现消费者情绪指数(ICS)的变化对小盘股
及个人投资者持股较多的股票收益之间有着密切的联系[6]。Das和Chen(2007)通过建立个人投资者情绪指数,表明该指数与高科技类股票指数具有很强的相关性[7]。国内的研究也得出了同样的结论,
张强等(2007)对我国股市投资者情绪与股票收益之间的关系进行了检验,认为投资者情绪是影响股票价格的重要因素,但对不同的市场和组合的影响方式不同且未形成系统风险[8]。从上述研究可以得出,投资者情绪是决定股票价格均衡形成的系统因子,但其对不同类型的股票影响程度不同,即没有构成系统风险。而资本资产定价模型当中,非系统性风险对于有效资产组合的价格与收益不产生影响,联系到我国股市的实际情况明显存在一个悖论。本文将在此基础上对我国股市横截面收益特征展开研究,从市值规模的角度将股票分为大盘股、大中盘股、中盘股、小盘股来研究投资者情绪对不同类型股票收益的影响,并同时考
3收稿日期: 2010-04-09
基金项目: 湖南省软科学重大项目(2009ZK2007)作者简介: 晏艳阳(1962-),女,湖南益阳人,湖南大学金融与统计学院教授,博士生导师。研究方向:公司金融、金融统计。© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
财经理论与实践(双月刊)2010年第4期察投资者情绪对于不同类型股票收益与方差的影响。二、研究假设的提出假设1:相对于“大盘蓝筹”股,那些年轻、波动大的小盘股更容易受到投资者情绪对其的影响。投资者情绪是投资者对股票价格未来变动趋势带有系统偏差的预期,是大量非理性投资者犯同样的判断错误,而且他们的错误又具有相关性的特定现象。因此,投资者情绪的一种可能定义是投机的倾向程度。在该定义下,投机的情绪推动对股票的需求,而投机者会更倾向于购买套利难度高的股票,并因此对股票价格产生截面影响。这里把难于套利的股票定义为具有“投机性”(speculative)的股票。对于“投机性”股票的定义,Baker和Wurgler(2006)认为最主要的因素是对股票基本面价值估计的主观性和困难度[9]。如对于一些年轻、市值小、目前暂无赢利,但极具增长潜力的公司来说,由于其无赢利的历史和高度不确定性的未来,投资者对其估值较为主观且差异较大。在股票投机性的定义当中,市值规模成为一个重要的因素。Banz(1981)按照市值大小将全部在纽约股票交易所上市的股票进行分组,发现经CAPM调整后的超额收益与市值成反比[10]。Fama和French(1992)的研究也表明,贝塔系数不能解释不同类型股票收益的差异,而公司市值、账面市值比和盈余价格等有着显著的解释力[11]。国内的研究也证实了这一点(宋颂兴等,1995;朱宝宪等,2001[12-13])。市值规模小的股票具有较强的波动性,因而也受到偏好风险类投资者的追捧,这在我国股市也是一个较为常见的现象。有基于此,本文将市值规模作为股票投机性程度划分的标准,并提出本文的第一个研究假设。假设二:投资者情绪在一定程度上削弱了资产收益与其方差的正相关性,且对“投机性”高的小盘股这一影响更加显著。CAPM的中心思想是:在股票定价中起作用的是有规律的市场系统性风险,而与市场风险不相关的单个风险在股票的定价中不起作用,具体体现在β值上,可以表达为:E(Ri)=Rf+E(RM)-Rfβi(1)从式(1)中可以看出在风险资产的定价中,单支股票与市场组合的协方差即βi在定价中起到决定性的作用。DSSW模型在投资者情绪遵循随机游走的基础上,通过建立一个有代表性的两期跨时迭代模型得出了投资者情绪是决定股票价格的系统性因子,其模型结论如下:
pt=1+μ(ρt-ρ3)1+r+μρ3r-(2γ)μ2σ2ρr(1+r)2(2)
其中,pt为t期股票的价格;μ为噪声交易者比例;
ρ
t为投资者对股票价格的非理性预期,即投资者
情绪,ρ3,σ2ρ分别为其期望与方差;r为无风险利率。由式(2)可以得出股票的预期收益为:
E(R)=r+pt+1-pt(1+r)=
(2r)μ2σ2ρ
(1+r)2-μρt(3)
在式(3)中,投资者情绪波动造成的风险与股票预期收益呈正向关系,而与情绪水平负相关。比较式(1)和式(3)可以看出,投资者情绪对于股票收益的作用体现在对β值的影响上,即作用于资产收益与方差的相关性上。Yuan和Yu(2005)对美国股票市场数据对这一现象进行了研究,其结论认为投资者情绪会削弱资产收益与风险之间的正相关关系[14]。Yu和Yuan(2008)的研究进一步说明了两者之间的关系,认为在投资者情绪高涨时期,其削弱作用更为显著[15]。已有研究对投资者情绪对不同类型股票的收益与方差之间的影响尚缺乏相应的研究,既然投资者情绪对于市值规模较小的股票有着更为显著的影响,是否会体现在对其收益与方差的作用上。在上述分析基础上提出本文的第二个研究假设,即投资者情绪会削弱资产收益与其方差的正相关性,对于市值规模小的股票影响更为显著。
三、实证检验(一)实证方法根据以上论述,假设1需要测定投资者情绪波动与不同类型股票收益的关系;假设2则要测定投资者情绪对不同类型股票收益与其波动正相关性的影响。要对两个假设进行检验则要求研究数据必须是时间序列和横截面相结合。因此,本文将采用横截面回归方法进行分析,并针对研究假设构建如下回归模型:
Rit=f0+f1iΔsentimentt+(g0i
+
g1iΔsentiment
t)σ2it+ξit(4)
其中Rit为第t个时段第i类股票的收益,
Δsentiment为投资者情绪变化,σ2
it为第t个时段第
i
类股票的方差。i=1,2,3,4,分别表示大盘股、大中盘股、中盘股、小盘股。若fit>0,则表明投资者情绪变动与收益正相关;若f11≠f12≠…≠f1n表明投
82© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
2010年第4期(总第166期)晏艳阳,蒋恒波等:我国投资者情绪与股票收益实证研究资者情绪变动对不同类型股票影响不同;而g1i<0则说明投资者情绪变动削弱资产风险与收益的正相关关系;g11≠g12≠…≠g1n表明投资者情绪变动对不同类型股票这一削弱程度各不相同。对于σ2的测定,由于股票收益回归方程的残差往往呈现波动的“成群”现象:波动在一些较长的时间内非常小,在其他一些时间内非常大。这说明误差项可能存在条件异方差性。由Robert和Engle(1982)研究发展出来的ARCH模型把误差项的条件方差表示为前期误差项(不考虑其符号)的增函数。Bollerslev于1986年对ARCH模型进行了改进并提出了GARCH模型,把误差项的方差表示为前期误差项(ARCH项)、前期误差项的方差(GARCH项)的增函数,可以说GARCH是广义的ARCH模型,而ARCH是GARCH的一种特定形式。因此,这里对σ2t的测定采用GARCH(1,1)模型:σ2t=+aξ2t-1+βσ2t-1(5)其中,σ2t-1为上一期的预测方差(GARCH项),ξ2t-1为上一期的残差平方(ARCH项)。(二)数据说明1.股票收益分类。基于前文的论述,“投机性”股票一个重要特征是高波动性,据此可以将股票分为大盘股、大中盘股、中盘股和小盘股四种类型。就投机性而言,大盘股“投机性”最小,而后依次递增,小盘股的“投机性”最大。本文选取了中信标普所提供的A股指数作为股票收益的数据来源。研究期间为2005年3月~2007年3月,与构造投资者情绪指数所能取得的样本期一致。2.投资者情绪。我国目前对投资者情绪的调查不多,且大部分数据经常缺失,数据不完整,影响了分析效果。本文采用了在《中国证券报》刊登的华鼎“多空”民意调查数据,主要是对大、中、散户的仓位情况以及对后市涨、跌的看法进行调查,以客观数据为中心,通过华鼎自编数据处理程序进行处理,并结合华鼎仓位指数模型与基本面得出。样本期间为2005年3月~2007年3月。(三)检验结果分析1.描述性统计分析。对投资者情绪及各类股票收益进行描述统计分析,结果如表1。从表1的结果来看,投资者情绪均值大于0,说明投资者情绪在样本期间整体表现乐观,从而促进了股市的正向收益。大盘股收益和小盘股收益均值分别为0.16961、0.187137。小盘股收益均值大于大盘股收益均值。再看方差,小盘股收益的方差同样大于大盘股收益的方差。风险与收益的对称性在一定程度上可以解释上述统计结果中小盘股收益均值大于大盘股收益均值。但小盘股高出的超额收益是否完全是其高风险所带来的,高波动性是具“投机性”股票的特征,它的这种特性使得厌恶风险的理性投资者难以进行套利。风险与收益的这一正相关性是否受到投资者情绪影响,对这些问题的解答将在回归结果分析中进一步探讨。