行为金融羊群行为测量方法.docxVIP

行为金融羊群行为测量方法

一、引言

在行为金融学的研究框架中，“羊群行为”是描述投资者非理性决策的核心现象之一。它指的是个体投资者放弃自身信息判断，选择跟随市场多数人交易方向的行为倾向，这种现象往往会放大市场波动、扭曲资产价格，甚至引发系统性风险。从20世纪90年代东南亚金融危机到近年来某些新兴市场的剧烈震荡，羊群行为的潜在影响始终是学术界和监管层关注的焦点。而要深入理解这一现象的作用机制，首先需要解决的关键问题就是：如何科学、准确地测量羊群行为？本文将系统梳理现有主流测量方法，分析其逻辑基础与适用场景，探讨方法的局限性及改进方向，为相关研究提供方法论参考。

二、羊群行为测量的理论基础与核心逻辑

（一）羊群行为的界定与特征

要测量羊群行为，首先需明确其定义边界。与“理性跟随”不同，行为金融学中的羊群行为强调“非理性”特征——投资者并非基于自身私有信息或基本面分析，而是单纯模仿他人决策。这种模仿可能源于信息不对称（如个体认为他人掌握更多信息）、声誉压力（如基金经理为避免业绩落后而跟随同行）或情绪传染（如市场恐慌时的集体抛售）。其典型表现包括：交易方向高度一致（如短时间内大量投资者同时买入或卖出同一资产）、收益率分布异常（如市场剧烈波动时资产价格趋同性增强）、个体决策与自身历史模式偏离（如原本偏好价值投资的投资者突然跟风追涨）。

（二）测量方法的设计思路

测量羊群行为的核心在于捕捉“偏离个体独立决策”的异常信号。现有方法主要沿两条路径展开：一是基于微观交易数据，分析特定群体（如机构投资者、个人投资者）的交易一致性；二是基于宏观市场数据，通过资产收益率的分散度变化推断投资者行为趋同性。前者更贴近行为本质，但依赖高频交易数据的可获得性；后者数据易获取，但需排除市场基本面变化对分散度的干扰。两种思路各有优劣，实际研究中常结合使用以提高测量准确性。

三、主流测量方法的详细解析

（一）基于微观交易数据的测量方法：以LSV模型为例

LSV模型由Lakonishok、Shleifer和Vishny三位学者于1992年提出，是最早针对机构投资者羊群行为的测量方法。其核心逻辑是：若某一时期内，买入某只股票的机构投资者比例显著高于卖出比例（或反之），则认为这些机构存在羊群行为。具体操作中，首先计算每个季度内某股票的“买入比例”（买入该股票的机构数/总交易该股票的机构数）与“预期买入比例”（所有股票的平均买入比例），两者的差值即为“羊群行为指数”。若指数显著为正（或负），则说明机构投资者在该股票上呈现买入（或卖出）的羊群倾向。

这种方法的优势在于直接反映交易行为的一致性，且数据可通过机构投资者持仓报告获取（如美国的13F报告）。但局限性也较为明显：其一，仅能识别机构投资者的羊群行为，无法覆盖个人投资者；其二，未区分“真羊群”与“伪羊群”——若多个机构独立分析后得出相同结论（如某股票被低估），其交易一致性属于理性行为，而非非理性模仿；其三，测量结果易受样本周期影响，短期数据可能放大偶发性交易的干扰。

（二）基于市场收益率的测量方法：CSAD模型与CSSD模型

为克服微观数据的局限性，学者们提出了基于市场收益率的测量方法，其中最具代表性的是CSAD（Cross-SectionalAbsoluteDeviation）模型和CSSD（Cross-SectionalStandardDeviation）模型。两者均通过计算资产收益率的横截面分散度来反映投资者行为的趋同性：若分散度降低，说明更多资产的收益率趋向市场平均水平，可能意味着投资者跟随市场共识，羊群行为增强。

CSAD模型计算的是个股收益率与市场收益率的绝对偏差的平均值，公式可简化为“所有个股收益率与市场收益率差值的绝对值之和除以个股数量”。当市场出现极端波动（如暴涨或暴跌）时，若CSAD值不升反降，说明投资者放弃独立判断，跟随市场整体方向交易，此时可认为存在羊群行为。CSSD模型则采用收益率偏差的标准差，原理与CSAD类似，但对异常值更敏感。

这类方法的优势在于数据易获取（仅需个股和市场指数的收益率数据），且能反映全市场投资者的行为趋势。但需注意，分散度下降可能由基本面因素导致（如行业政策利好使同行业股票齐涨），因此需结合市场环境进行判断。例如，在市场平稳期，分散度自然较高（个股因基本面差异表现分化）；而在市场剧烈波动期，若分散度异常降低，则更可能是羊群行为的结果。

（三）动态测量方法：基于高频数据的改进探索

随着金融市场数据频次的提升（如分钟级、秒级交易数据），近年来学者们开始尝试动态测量羊群行为的演变过程。例如，有研究将CSAD模型扩展至日内高频数据，分析不同交易时段（如开盘、收盘、消息发布前后）的分散度变化，以捕捉羊群行为的触发时点和持续时间。另有研究结合订单簿数据，通过分析买卖订单的堆积程