摘要
本文探讨了投资者过度自信假说能否解释我国A股市场波动性与个股波动性。结果显示:(1)投资者过度自信行为所产生的市场超额交易量能够解释市场波动性;(2)大部分个股其超额交易量能够由投资者过度自信行为解释,其中又有38.2%的个股其波动性可由投资者过度自信行为解释,并且这些个股具有小市值、低换手率、低机构持股比特征;(3)过度自信投资者承担了过多的风险,但是与理性投资者一样充分理解了市场上公开的财务信息。
This paper investigates whether investors' overconfidence hypothesis can explain the market volatility and individual stock volatility in Chinese A Share Market(CASM). The conclusions are:(1) The market excess turnover caused by overconfident investors has positive effect on market volatility;(2) The excess turnover of the majority of CASM stocks can explained by investors' overconfidence, and 38.2% of above mentioned stocks whose return volatilities can also be explained by investors 'overconfidence. And those stocks are small-cap, lower turnover and lower institutional shareholding ratio shares;(3) Overconfidence investors take on too much risk, but they don't misunderstand the listed companies' financial information.
引文
[1]陈日清,2011a,《机构投资者与个人投资者过度自信行为比较研究》,《投资研究》,第12期,25-37。
[2]陈日清,2011b,《中国证券市场投资者过度自信行为研究》,大连:东北财经大学出版社,105-153。
[3]孔东民和毕秋侠,2006,《股票收益率波动的异方差:基于交易量及异质信息分解的检验》,《南开管理评论》,第3期,92-97。
[4]李心丹、王冀宁和傅浩,2002,《中国个体证券投资者交易行为的实证研究》,《经济研究》,第11期,54-63。
[5]廖理、贺裴菲、张伟强和沈红波,2013:《中国个人投资者的过度自信和过度交易研究》,《投资研究》,第8期,35-46。
[6]陆蓉和徐龙炳,2004,《“牛市”和“熊市”对信息的不平衡性反应研究》,《经济研究》,第3期,65-72。
[7]潘越和吴世农,2004,《中国股票市场信息流对股价波动的影响分析》,《中国会计与财务研究》,第6期,50-69。
[8]瞿旭、漆婉霞、瞿颖和陈阳,2013:《管理者盈利预测、过度自信与市场效应》,《投资研究》第1期,89-103。
[9]谭松涛和王亚平,2006,《股民过度交易了么?——基于中国某证券营业厅数据的研究》,《经济研究》,第10期,83-95。
[10]王承炜和吴冲锋,2001,《A、B股互自相关研究》,《系统工程理论方法应用》,第4期,265-268。
[11]王春峰、张亚楠和房振明,2010,《基于过度自信的交易量驱动因素建模研究》,《中国管理科学》,第4期,43-48。
[12]王军波和邓述慧,1999,《利率、成交量对股价波动的影响——GARCH修正模型的应用》,《系统工程理论与实践》,第9期,49-57。
[13]王郧和欧阳红兵,2009,《公开信息和私人信息的识别与中国股市的过度自信研究》,《统计研究》,第10期,80-87。
[14]徐浩峰和侯宇,2012,《信息透明度与散户的交易选择——基于深圳交易所上市公司的实证研究》,《金融研究》,第3期,180-191。
[15]严武、徐伟和王静,2006,《中国股市周期的划分与实证分析:1991-2004》,《当代财经》,第10期,47-52。
[16]Alpert,M.and Raiffa,H.,1982,“A Progress Report on the Training of Probability Assessors,”in:D.Kahneman,P.Slovic&A.Tversky,eds.,Judgement Under Uncertainty:Heuristics and Biases,Cambridge University Press,New York,pp.294–305.
[17]Ben-David I.,Graham R.and Harvey R.,2006,"Managerial Overconfidence and Corporate Policies."NEBR Working paper,No.13711.
[18]Bessembinder,H.,K.Chan,and P.J.Seguin,1996,“An Empirical Examination of Information,Differences of Opinion,and Trading Activity,”Journal of Financial Economics,40(1),pp.105–134.
[19]Chuang W.I.,and B.S.Lee,2006,“An empirical evaluation of the overconfidence hypothesis,”Journal of Banking and Finance,30(9),pp.2489–2515.
[20]Chuang,W.I.,and Susmel,R.,2011,“Who Is the More Overconfident Trader?Individual vs.Institutional Investors,”Journal of Bank Finance,35(7),pp.1626-1644.
[21]Daniel K.,D.Hirshleifer,and A.Subrahmanyam,1998,“Investor Psychology and Security Market Under-and Overreactions,”Journal of Finance,53(6),pp.1839–1885.
[22]De Bondt,W.and R.Thaler,1985,"Does The Stock Market Overreact?"Journal of Finance,40(3),pp.793-805.
[23]Gervais,S.,and Odean,T.,2001,“Learning to Be Overconfident,”Review of Financial Studies,14(1),pp.1–27.
[24]Jegadeesh,N.,and S.Titman,1993,"Returns to Buying Winners and Selling Losers:Implications for Stock Market Efficiency."Journal of Finance,48(1),pp.65-91.
[25]Ko,K.J.,and Z.J.Huang,2007,“Arrogance Can Be A Virtue:Overconfidence,Information Acquisition,and Market Efficiency,”Journal of Financial Economics,84(2),pp.529-560.
[26]Lamoreux,C.,and W.Lastrapes,1990,“Heteroskedasticity in Stock Return Data:Volume Versus GARCH Effects,”Journal of Finance,45(1),pp.221-229.
[27]Lee,B.S.,and O.M.Rui,2002,“The Dynamic Relationship Between Stock Returns and Trading Volume:Domestic and Coss-Coutry Evidence,”Journal of Banking and Finance,26(1),pp.51-78.
[28]Lin M.C.2005,“Returns and Investor Behavior in Taiwan:Does Overconfidence Explain This Relationship,”Review of Pacific Basin Financial Markets and Policies,8(3),pp.405-446.
[29]Odean T.,1998,“Volume Volatility,Price,and Profit When All Traders Are Above Average,”Journal of Finance,53(6),pp.1887–1934.
[30]Odean T.,1999,“Do Investors Trade Too Much?”American Economic Review,89(5),pp.1279–1298.
[31]Pagan,A.R.and K.A.Sossounov.,2003,"A Simple Framework for Analyzing Bull and Bear Markets."Journal of Applied Econometrics,18(1),pp.23-46.
[32]Statman M.S.Thorley,and K.Vorkink,2006,“Investor Overconfidence and Trading Volume,”Review of Financial Studies,19(4),pp.1531-1565.
[33]Thomsona,M.E.,D.O.Atayb,A.C.Pollockc,and A.Macaulayc,2003,“The Influence of Trend Strength on Directional Probabilistic Currency Predictions,”Psychological Review,19(2),pp.241–256.
①过度自信认知偏差不仅仅广泛出现在投资者群体中,还广泛存在于公司的管理层,相关研究请详见Ben-David等(2007)、瞿旭等(2013)。
①短期动量效应(momentum effect,Jegadeesh和Titman,1993)是指股票收益显示出短期的持续性,即在短期看来,表现好(差)的股票在之后继续表现好(差)。长期反转效应(reversal effect,De Bondt和Thaler,1985)指的是股票收益在长期看来,表现好的股票在之后的一段时间内很有可能出现差的表现,而表现差的股票在之后的一段时间内很有可能出现好的表现。交易量之谜(波动性之谜)是指现实证券市场中风险资产的交易量(价格波动性)相对于经典金融经济学理论的预测而言,存在交易过度(波动过大)的现象,由经典金融经济学理论,股票交易的产生一是由于信息变化所导致的,所以许多研究如Lamoreux和Lastrape(s1990)、Lin(2005)将交易量视作信息流动或扩散的代理变量,二是由噪声交易者所产生的。而现实中所观察到的股票巨大交易量(波动性)是经典金融学理论无法解释的。其不能由经典金融学所能解释的风险资产交易量(价格波动性)通常也被称之为超额交易量(超额波动性)。
②自我归因偏差(self-attribution bias)是指人们常常将自身的成功归功于自己的能力,而将失败归罪于其他客观因素的心理倾向。
③许多心理学实验研究也表明具有过度自信认知偏差的被试倾向于承担更多的风险,如Alpert和Raiffa(1982)。
①此处并未删去曾经ST的股票和退市的股票,因为删去曾经ST的股票和退市的股票,则会失去大量样本信息,我们的统计表明,自我国股市成立至2010年,从未ST的A股股票仅354只(不包括B股、创业板股票)。基于此,我们只根据是否上市交易100周(不包含停牌周数)来划分,经该标准选取的样本可能更具全面性和代表性。另外,由于创业板创立时间较短,此处也不包含创业板上市股票。
①由于篇幅关系,此处及下文中有些估计结果或图表未列出,读者如有兴趣可向作者索取。
①dispt=∑Nt中股票i=1wit|rit-βimrt|,其rit是股票i在t期的收益,mrt是t期的市场收益,wit是i在t期组合中的权重(流通市值加权权重),Nt是t期市场组合中样本股票的数量,βi是股票i根据市场模型回归的贝塔。
②此处的分解与Chuang和Lee(2006)有一定区别,他们是先对交易量去趋势化后再对交易量进行分解,所以不包含市场交易量的滞后项,由于先去趋势化可能去掉由过去市场收益率的变动所导致的交易量,并且我们对我国A股市场交易量和个股交易量进行序列相关检验时发现,市场交易量及大多数个股交易量具有AR性质,因此,为了避免在去趋势化之后再分解所导致信息损失问题,我们将交易量的分解与去趋势化同时进行,即我们在分解时将交易量的滞后项也放入分解方程式(2)之中。
①严武等(2006)采用Pagan和Sossounov(2003)修正的BB法则利用1991年1月至2004年12月上证综指及深圳综指月度数据的对我国股市的熊牛市进行了划分。其步骤如下:第一步,如果t月股市指数为前后5个月股市指数最高值(最低值),则确定一个峰点(谷点),如出现连续峰点或谷点,则保留最高峰点或最低谷点;第二步,保留单向运行持续时间大于或等于5个月的峰点或谷点,如果某个月的回报超过正负20%,那么忽略最小的单向运行周期时间要求(5个月);第三步,保留时间跨度不少于12个月的完整股票市场循环周期(峰点到下一个峰点或谷点到下一个谷点)。由于上证综指具有一定的代表性,本文利用1991年1月至2010年12月的上证综指月度数据按上述方法对我国A股市场的熊牛市进行划分。
①我们按照AIC信息准则选取mvt、mrt、dispt的ADF检验形式。所有上述时间序列均在1%的显著性水平下拒绝了存在单位根的原假设。
①1662只股票的市场回归模型残差的Breush-Godfrey LM检验结果表明仅有498只股票在5%的显著性水平下存在序列相关性,占1662只股票的29.96%,不到三分之一。而下文的分析进一步表明这498只股票在5%的显著性水平下存在ARCH效应的有311只,其中有207只股票可以由式(7)修正序列相关性(以5%的显著性水平来衡量)。
②非常感谢匿名审稿人对该部分的建设性建议。
①1662只股票中,有949只股票在5%的显著性水平下拒绝了不存在ARCH效应原假设。
②此处超额收益为个股平均周收益率减去市场平均周收益率。我们还用个股收益率市场模型的常数项作为超额收益,结论也一致。
③我们这里采用的是1991年至2010年所有报告期的机构持股比数据。
①对于换手率低的股票而言,其交易量相对较小的原因按古典金融经济学理论来看,可能是新信息较少或未被及时披露的缘故,如果没有过度自信投资者的交易,其交易量可能会进一步减少,一些基于投资者过度自信假说的理论模型(Ko和Huang,2007)认为投资者过度自信行为能在一定程度提高风险资产均衡价格的信息含量进而提高市场效率。而换手率高的股票,其交易量较大的原因按古典金融经济学理论来说是由于其新信息较多或及时被披露及扩散导致的。其不一定会吸引过度自信投资者对其进行交易。
②我们还对其它的财务指标进行了类似的均值比较分析,结果表明大部分的财务指标不存在显著的组别差异。