基于交易量序贯模型中国股市羊群行为实证研究.docVIP

基于交易量序贯模型中国股市羊群行为实证研究 　　一、引言 　　 　　证券交易过程中，中小投资者由于在资金、信息和投资知识存量上处于劣势，通常会倾向于观察公开交易信息进行交易。另外投资者与基金经理之间、基金经理之间存在着信息不对称，为了避免因投资失误而出现的声誉和报酬风险，基金经理之间也产生模仿其它基金经理投资行为的动机。这些原因导致金融市场出现羊群行为现象，羊群行为是指投资者在信息不确定环境下，因受他人行为的影响，进而忽视自己的私人信息而模仿他人行动的决策行为。 　　到目前为止，国内对羊群行为的研究仍局限在对股票市场羊群行为的存在性检验和特征描述上，而对市场羊群行为与股市走势有何关系，各行业羊群行为分布是怎样的，羊群行为对投资者而言是否会产生收益等问题的研究甚少。然而如何利用市场已知信息对个股某段时期内的羊群行为程度测度直接影响到机构投资者的投资效果。此外，对个股羊群行为程度的认识也有助于中小投资者规避风险，识别市场信息。为此，本文引入Rani等(2007)的交易量序贯模型，试图在计算出个股季度的羊群行为程度的基础上，进一步回答上述问题，以期为投资者的投资决策和股市监管问题提供一些有价值的结论。 　　 　　二、交易量序贯模型的构建 　　 　　股票市场羊群行为源于投资者的认知变化，不易刻画，但模仿行为使得投资者在连续一段时间内买卖相同的股票，结果会导致交易量的序列相关，在市场特征上则表现为“聚集性”。这种交易的聚集性与投资者买卖股票的一致性行为是等价的，都包含了投资者从众状况的信息，由于金融时间序列的“聚集性”可通过自相关来描述，所以可以利用日交易量之间的自相关系数来刻画羊群行为程度。Rani(2007)对美国股票市场的实证检验表明：日交易量自相关性确实能够反映股票市场中的羊群行为程度。 　　本文借鉴Rani提出的方法来度量个股的羊群行为程度。在该方法的框架下，采用“羊群行为程度”（以下简称SPEC）指标来衡量股市中投资者模仿他人投资的程度，将其定义为日交易量相对于前一日交易量的自相关系数。SPEC经济意义上可以表述为???同一时期内，大部分投资者买入或卖出同一个股票行为的程度，SPEC值越大时，则表示这只股票的羊群行为程度越显著。因此，本文首先估计了股票日成交量之间的自相关系数?β?1iq??。 　　羊群行为是投资者之间的模仿行为引起的，与此对应，投资者观察到资产真实价值的变化而同时调整投资组合，如影响整个市场的重大信息发生，从而导致股票交易量的递增或递减，这实际上是投资者对经济基本面所采取的行为，而非模仿他人，这种行为是“伪羊群行为”。鉴于此，我们将各股票的日交易量进行标准化，即把日交易量与市场日交易量的比值作为股票日成交量的代理变量，从而有效的排除了“伪羊群行为”的可能。计算公式如下： 　　?Vol?diq?=β?1iq?Vol?d-1,iq?+β?2iq?day1+β?3iq?day2+β?4iq?day3+β?5iq?day4+β?6iq?day5+?uiq?(1) 　　其中，Vol?diq?为i股票第q季度中第d天的股票成交量；day1~day5为虚拟变量，当第d天为周i时dayi为1，否则为0，该虚拟变量是为了分离周效应引起的交易量的变化。? 　　获得日成交量的自相关系数之后，建立回归方程，进而分离导致股票成交量序列相关的其他因素。Beaver(1986)，Bamber(1986)，Jain(1988)等人在文章中指出，公司规模、同行业竞争强度、知情交易水平及股票市场的波动性等因素均可导致日交易量的自相关。这种情况下会造成不同公司、行业和不同时期的羊群行为指标不具有可比性，因此需要通过回归进一步将导致成交量序列相关的这些因素分离出去。分别以公司流通市值、行业内公司数、llorente和收益的方差作为公司规模、同行业竞争强度、知情交易水平、波动性的代理变量。llorente计算公式为式(2)： 　　?return?t+1?=c0+c1*returnt+llorente*returnt*Vt+ut(2) 　　其中，returnt为第t个交易日的对数收益率；Vt为长期时间趋势调整之后的股票换手率，计算公式为式(3)： 　　?Vt=?log?(turnovert)-1200∑-1s=-200?log?(turnover?t+s??(3) 　　其中，turnovert为第t个交易日的股票换手率，定义为当日交易的股数除以总流通股数。 　　通过回归将导致交易量自相关的其他因素分离出去，计算公式如下： 　　ACC?iq?=αi+β*ln(MVE?iq?)+γ*SIC?iq?+Φ*var?iq?+δ*llorente?iq?+SPEC?iq?(4) 　　上式中，ACC?iq?为日交易量自相关