馬莉莉 陳彥斌

(1.武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院,湖北武漢430072;2.中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)院,北京100872)

綜觀中國(guó)股票市場(chǎng)二十年的發(fā)展歷程,其波動(dòng)總體上表現(xiàn)出罕見的頻繁性和劇烈性。一些建立在數(shù)據(jù)分析基礎(chǔ)上的研究成果顯示,與發(fā)達(dá)國(guó)家的成熟市場(chǎng)相比,中國(guó)股票市場(chǎng)的波動(dòng)程度明顯偏大[1]。股票市場(chǎng)的波動(dòng)主要來(lái)自于股票價(jià)格的波動(dòng)。金融學(xué)的理論和實(shí)務(wù)均使用資產(chǎn)的風(fēng)險(xiǎn)來(lái)確定資產(chǎn)的均衡價(jià)格或收益,而資產(chǎn)價(jià)格的波動(dòng)在一定程度上反映了資產(chǎn)的風(fēng)險(xiǎn)特征?，F(xiàn)代金融學(xué)的一系列重大理論,包括Markowitz投資組合模型、資本資產(chǎn)定價(jià)模型、消費(fèi)資本資產(chǎn)定價(jià)模型等都需要對(duì)資產(chǎn)價(jià)格的波動(dòng)性進(jìn)行準(zhǔn)確度量,因此,如何理解和描述資產(chǎn)價(jià)格的波動(dòng)性對(duì)于金融學(xué)的理論和實(shí)務(wù)都具有重要意義。在以往對(duì)波動(dòng)性的大量研究中,學(xué)者們應(yīng)用了一些計(jì)量經(jīng)濟(jì)學(xué)方法來(lái)模擬資產(chǎn)價(jià)格的波動(dòng)性特征,其中由Engle提出的ARCH類模型是比較常用的估計(jì)波動(dòng)率的動(dòng)態(tài)模型,這一類模型用滯后的殘差平方來(lái)預(yù)測(cè)未來(lái)?xiàng)l件方差,可以計(jì)算時(shí)間序列的條件方差[2]。雖然ARCH類模型在波動(dòng)性的模擬和預(yù)測(cè)上具有良好的效果,但是卻無(wú)法給出波動(dòng)性產(chǎn)生的機(jī)理。

早期的學(xué)者認(rèn)為,紅利的波動(dòng)是股市產(chǎn)生波動(dòng)的主要原因,但是Shiller的實(shí)證研究卻表明紅利的波動(dòng)要比實(shí)際股價(jià)的波動(dòng)小得多,股市大部分的波動(dòng)無(wú)法用紅利的波動(dòng)來(lái)解釋[3]。一些學(xué)者開始從宏觀經(jīng)濟(jì)的角度來(lái)考察股市的波動(dòng)性。如,Fama在研究了美國(guó)股市收益率與宏觀經(jīng)濟(jì)之間的關(guān)系后認(rèn)為,股價(jià)和經(jīng)濟(jì)增長(zhǎng)具有正相關(guān)的關(guān)系[4];Engle和Rodrigues還發(fā)現(xiàn)石油價(jià)格和貨幣供應(yīng)是決定資產(chǎn)價(jià)格波動(dòng)的重要因素[5];Hamilton研究了股票市場(chǎng)的波動(dòng)和商業(yè)周期的關(guān)系[6]。在我國(guó),一些學(xué)者從交易制度、上市公司的業(yè)績(jī)、國(guó)家政策的沖擊,股市制度的建設(shè)等方面對(duì)股市波動(dòng)做出了解釋[7-9]。但是,股市的構(gòu)成主體是廣大的投資者,研究股市波動(dòng)產(chǎn)生的機(jī)理不能脫離對(duì)投資者行為的分析。

經(jīng)濟(jì)參與者的主觀屬性對(duì)于形成均衡起著重要的作用,經(jīng)濟(jì)參與者的不同主觀參數(shù)將對(duì)應(yīng)著不同的均衡。但傳統(tǒng)理論一般將經(jīng)濟(jì)參與者的主觀參數(shù)視為給定的常數(shù),很少研究主觀參數(shù)的變動(dòng)對(duì)于經(jīng)濟(jì)均衡變動(dòng)的影響。Mehra和Sah首次將情緒波動(dòng)(mood fluctuations)定義為投資者偏好參數(shù)(主觀貼現(xiàn)因子和風(fēng)險(xiǎn)規(guī)避系數(shù))的變動(dòng)。他們指出,情緒波動(dòng)對(duì)于理解股票價(jià)格的波動(dòng)率有重要意義[10]。陳彥斌提出了更加全面的投資者情緒波動(dòng):風(fēng)險(xiǎn)規(guī)避系數(shù)、跨期替代彈性和主觀貼現(xiàn)因子三個(gè)投資者主觀偏好參數(shù)的波動(dòng)。文章研究發(fā)現(xiàn),來(lái)自三個(gè)偏好參數(shù)的情緒波動(dòng)對(duì)股票價(jià)格波動(dòng)的影響,都要遠(yuǎn)大于對(duì)債券價(jià)格波動(dòng)的影響[11]。

除了以上三個(gè)偏好參數(shù)外,行為資產(chǎn)定價(jià)理論已經(jīng)發(fā)展出其他能夠反映投資者心理特征的偏好結(jié)構(gòu)。其中習(xí)慣形成(Habit Formation)就是一類重要的時(shí)間不可分的偏好。習(xí)慣形成模型假定消費(fèi)者的效用不僅僅來(lái)自于當(dāng)前的消費(fèi)水平,還來(lái)自于過(guò)去的相對(duì)消費(fèi)水平。習(xí)慣形成在金融領(lǐng)域得到了大量的應(yīng)用。Abel在盧卡斯一般均衡資產(chǎn)定價(jià)模型的基礎(chǔ)之上,使用習(xí)慣形成解釋了股票溢價(jià)之謎[12]。Sundaresan研究了基于習(xí)慣形成的資本資產(chǎn)定價(jià)模型,指出習(xí)慣可以解釋消費(fèi)和財(cái)富的波動(dòng)率,并解釋了消費(fèi)平滑之謎[13]。Boldrin,Christiano和Fisher還研究了習(xí)慣形成對(duì)資產(chǎn)價(jià)格和商業(yè)周期的影響[14]。這些研究表明,消費(fèi)習(xí)慣作為投資者的一種偏好特征,與資本市場(chǎng)和資產(chǎn)價(jià)格有著緊密的聯(lián)系。因此,來(lái)自于消費(fèi)習(xí)慣的情緒波動(dòng)對(duì)資產(chǎn)價(jià)格波動(dòng)的影響具有較高的研究?jī)r(jià)值。本文考慮投資者的消費(fèi)習(xí)慣,進(jìn)一步研究情緒波動(dòng)對(duì)股票價(jià)格波動(dòng)的影響,并嘗試為中國(guó)股票價(jià)格的過(guò)度波動(dòng)性,以及中美股市波動(dòng)的差異性提供一個(gè)心理層面的解釋。

1 模型構(gòu)建

1.1 歐拉方程

考慮離散時(shí)間的代表性投資者經(jīng)濟(jì),代表性的投資者在 t時(shí)的財(cái)富為Wt,希望使用該財(cái)富最大化期望終身總效用,

此處 Et表示t時(shí)條件期望算子,β是主觀折現(xiàn)因子,Ct+k是投資者在第t+k期的消費(fèi)水平,習(xí)慣變量 ht表示過(guò)去的消費(fèi)水平對(duì)效用的影響,定義為 ht=ht(Ct-1)。

經(jīng)濟(jì)中有兩種公開交易的資產(chǎn):股票和無(wú)風(fēng)險(xiǎn)債券。經(jīng)濟(jì)中的每一個(gè)投資者在初始時(shí)刻,都被賦予一份股票。股票對(duì)應(yīng)的紅利是經(jīng)濟(jì)中消費(fèi)品的唯一來(lái)源。每份股票的價(jià)格為 Pt,紅利為 Dt,從 t時(shí)到t+1時(shí)的總收益率為Rt+1=(Pt+1+Dt+1)/Pt。無(wú)風(fēng)險(xiǎn)債券于 t時(shí)發(fā)行,t+1時(shí)到期,并回報(bào)一單位的消費(fèi)品,因此設(shè)無(wú)風(fēng)險(xiǎn)債券的總利率為 Rf,t。設(shè)代表性投資者在 t期初持有st份股票和價(jià)值為的債券。那么,投資者 t時(shí)擁有的財(cái)富在消費(fèi)和各個(gè)資產(chǎn)之間分配,投資者面臨的預(yù)算約束方程為:

投資者的最優(yōu)消費(fèi)、最優(yōu)資產(chǎn)持有數(shù)量和資產(chǎn)價(jià)格在每一時(shí)期都進(jìn)行調(diào)整,以使得在均衡中有 Ct=Dt、st=1和Lt=0。也就是產(chǎn)品市場(chǎng)、股票市場(chǎng)和債券市場(chǎng)三個(gè)市場(chǎng)同時(shí)出清。使用這些市場(chǎng)出清條件,我們可以得到代表性投資者最優(yōu)化問(wèn)題的一階條件:

此處的隨機(jī)折現(xiàn)因子 Mt+1定義為

本文采用Abel的效用函數(shù)形式。假定基于習(xí)慣形成的效用函數(shù)的具體形式為 u[Ct,ht]=(Ct/ht)1-α/(1-α),其中 ht=,γ為習(xí)慣參數(shù),度量過(guò)去的消費(fèi)在效用中的重要性[12]。當(dāng)參數(shù)γ等于0,習(xí)慣變量 ht恒等于1,從而該效用函數(shù)就退化為標(biāo)準(zhǔn)的常數(shù)風(fēng)險(xiǎn)規(guī)避效用函數(shù),且α為相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)。將效用函數(shù)代入隨機(jī)折現(xiàn)因子的表達(dá)式(4)中,可以得到

此處 Ht+1≡1-βγ(Ct+1/Ct)1-α(Ct/Ct-1)-γ(1-α)。

則歐拉方程可以寫為:

1.2 習(xí)慣參數(shù)的波動(dòng)對(duì)股票均衡價(jià)格波動(dòng)的影響

將歐拉方程(3)變形為

將上式不斷遞推,并且利用均衡中沒(méi)有資產(chǎn)泡沫的假設(shè),可以得到股票價(jià)格紅利比等于:

假定對(duì)數(shù)紅利增長(zhǎng)率是獨(dú)立同分布的,并服從正態(tài)分布。由于均衡中的每一時(shí)間代表性投資者的消費(fèi)等于股票的紅利,即 Ct=Dt,因此有對(duì)數(shù)紅利增長(zhǎng)率 xt+1=將基于習(xí)慣形成的效用函數(shù)的具體形式和隨機(jī)貼現(xiàn)因子的定義(5)代入方程(8)中,價(jià)格紅利比可以進(jìn)一步表示為:

定義股票價(jià)格對(duì)習(xí)慣參數(shù)的彈性:Eeγ≡5ln P/5lnγ,經(jīng)過(guò)計(jì)算可以得到如下顯示解:

2 消費(fèi)習(xí)慣的測(cè)度

采用廣義矩方法(General Method of Moment,GMM)對(duì)中國(guó)投資者的消費(fèi)習(xí)慣進(jìn)行測(cè)度,然后與美國(guó)投資者進(jìn)行比較。

2.1 測(cè)度方法

廣義矩方法(GMM)由Hansen提出,與傳統(tǒng)的估計(jì)方法相比較,其優(yōu)點(diǎn)在于假設(shè)檢驗(yàn)中不需要再作出統(tǒng)計(jì)的假設(shè),無(wú)需假設(shè)變量的變動(dòng)服從特定分布。同時(shí),即使殘差序列存在條件異方差、序列相關(guān)性,GMM的估計(jì)值和標(biāo)準(zhǔn)差仍然是一致估計(jì)量[15]。GMM的基本思想是通過(guò)參數(shù)的選擇使模型的矩盡量符合樣本數(shù)據(jù)的矩。

將歐拉方程表示為如下簡(jiǎn)化的矩條件形式:Et{Mt+1(θ)Rt+1-1}=0,其中對(duì)于(6)式 ,θ=(α,β,γ)t。對(duì)所有的t有 E{Mt+1(θ)Rt+1-1|Φt}=0,Φt表示 t期可獲得的所有信息集。令任意一個(gè) q維列向量zt<Φt為工具向量組,包括常數(shù)項(xiàng) 1,則有 E{Mt+1(θ)Rt+1-1|zt}=0,因此有E{Mt+1(θ)Rt+1-1?zt}=0,其中“?”為科羅內(nèi)克積算子。

令資本資產(chǎn)定價(jià)誤差為:mt+1(θ)=Mt+1(θ)Rt+1?zt-1?zt,則定價(jià)誤差的樣本矩為(θ),其中 T為樣本量。

GMM就是要選擇參數(shù)使得定價(jià)誤差的加權(quán)平方和達(dá)到最小,因此GMM的樣本目標(biāo)函數(shù)可以寫為:

其中 W表示加權(quán)矩陣,是一個(gè)不依賴于參數(shù)θ的正定矩陣,其含義是根據(jù)矩條件的不同重要性來(lái)設(shè)置權(quán)重。具體過(guò)程可以分為兩個(gè)階段:第一階段,令 W=I,則θ^1=使用θ^1,得到的估計(jì)值S^。第二階段,令W=S^-1,則參數(shù)θ的漸進(jìn)一致估計(jì)為:

如果矩條件個(gè)數(shù)大于待估參數(shù)的個(gè)數(shù),就要進(jìn)行過(guò)度識(shí)別檢驗(yàn)。零假設(shè)是所有的定價(jià)誤差樣本均值都等于零。過(guò)度識(shí)別檢驗(yàn)的 J- 統(tǒng)計(jì)量為,服從χ2分布,自由度為矩條件個(gè)數(shù)和參數(shù)個(gè)數(shù)之差。

2.2 數(shù)據(jù)處理

由于我國(guó)股市發(fā)展時(shí)間較短,僅僅二十年的時(shí)間,年度樣本數(shù)據(jù)量過(guò)少,因此采用月度數(shù)據(jù)進(jìn)行實(shí)證研究,時(shí)間跨度從1992年1月至2009年10月,共214個(gè)有效數(shù)據(jù)。消費(fèi)數(shù)據(jù)采用我國(guó)社會(huì)商品零售總額的月度數(shù)據(jù),來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站,并以1992年1月為基期,進(jìn)行了居民消費(fèi)價(jià)格指數(shù)調(diào)整。對(duì)上證綜合指數(shù)和深圳成分指數(shù)的月收盤價(jià)進(jìn)行一階對(duì)數(shù)差分處理后,得到總收益率 Rt=log Pt+1/Pt+1,其中 Pt+1和 Pt分別表示第t+1期和第 t期的收盤價(jià)。本文的所有實(shí)證結(jié)果都是在軟件EVIEWS 3.1下完成的。

2.3 平穩(wěn)性檢驗(yàn)

由于GMM估計(jì)要求序列的平穩(wěn)性,因此,首先使用ADF(Augmented Dickey2Fuller test)檢驗(yàn)方法檢驗(yàn)消費(fèi)增長(zhǎng)序列、上證綜指的總收益率序列、深圳成指的總收益率序列的平穩(wěn)性。對(duì)于隨機(jī)過(guò)程{yt,t=1,2Λ},考察AR(1)隨機(jī)過(guò)程:yt=ρyt-1+εt,其中εt是白噪聲。若參數(shù)|ρ|<1,則序列 yt不存在單位根,是平穩(wěn)序列;若|ρ|=1,那么說(shuō)明序列yt存在單位根,是非平穩(wěn)序列。檢驗(yàn)形式寫成:Δyt=γyt-1+εt,其中γ=ρ-1。原假設(shè)為 H0∶γ=0,備擇假設(shè)為 H1∶γ<0。若接受原假設(shè),則說(shuō)明序列存在單位根,是非平穩(wěn)序列。我們得到三個(gè)序列的ADF檢驗(yàn)統(tǒng)計(jì)量分別為:-9.026,-9.246和-6.306。由于三個(gè)序列的樣本個(gè)數(shù)相同,并且都含有橫截項(xiàng),所以ADF檢驗(yàn)的臨界值是相同的,在顯著性水平為1%、5%、10%的臨界值分別為-3.463、-2.875和-2.574。三個(gè)序列的ADF統(tǒng)計(jì)量均小于各臨界值,都顯著地拒絕有單位根零假設(shè),說(shuō)明三個(gè)時(shí)間序列都是平穩(wěn)的。

2.4 測(cè)度結(jié)果

我們使用工具變量組:常數(shù)項(xiàng) Δct、Rt、Δct-1、Rt-1對(duì)歐拉方程進(jìn)行一般矩估計(jì),其中Δct=Ct+1/Ct。結(jié)果如表1所示,β是主觀貼現(xiàn)因子,γ是消費(fèi)習(xí)慣變量,α度量相對(duì)風(fēng)險(xiǎn)規(guī)避程度。

表1 中國(guó)投資者行為測(cè)度結(jié)果及中美比較Tab.1 Outcome of behavior measurement of China’s investors and the comparison between China and America

分析表1中中國(guó)投資者行為測(cè)度的結(jié)果。首先觀察過(guò)度識(shí)別檢驗(yàn)的J-統(tǒng)計(jì)量。本次GMM檢驗(yàn)的J-統(tǒng)計(jì)量的自由度為2,在5%的顯著性水平下χ2分布的臨界值為5.99,而對(duì)歐拉方程(6)進(jìn)行的過(guò)度識(shí)別檢驗(yàn)的J-統(tǒng)計(jì)量為0.057,小于5%的臨界值,因此無(wú)法拒絕定價(jià)誤差樣本均值為零的零假設(shè)。

在基于習(xí)慣形成效用函數(shù)的歐拉方程中,三個(gè)行為參數(shù)的GMM估計(jì)值在5%的顯著性水平下都是顯著的。特別要注意的是相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)α的估計(jì)。事實(shí)上,學(xué)者們采用不同的模型對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)進(jìn)行估計(jì)時(shí),往往得到的結(jié)果大相徑庭。由表1可以看到如Raymund對(duì)美國(guó)投資者的相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)的估計(jì)值為4.909 9,而Fuhrer的估計(jì)值為13.02。但是本文重點(diǎn)關(guān)注習(xí)慣參數(shù)。習(xí)慣參數(shù)γ的估計(jì)值在5%的顯著性水平下是顯著的,估計(jì)值為0.95,這一數(shù)值在(0,1)之間是合理的。我們繼續(xù)采用Wald檢驗(yàn)方法對(duì)零假設(shè)H0:γ=0.95進(jìn)行統(tǒng)計(jì)推斷,經(jīng)過(guò)計(jì)算,Wald檢驗(yàn)的相伴概率為0.985 6,遠(yuǎn)大于5%的顯著性水平,說(shuō)明不能拒絕原假設(shè),可以認(rèn)為我國(guó)投資者的消費(fèi)習(xí)慣參數(shù)為0.95。這個(gè)數(shù)值非常接近1,表現(xiàn)出我國(guó)投資者對(duì)過(guò)去消費(fèi)的強(qiáng)烈依賴性。Raymund和Fuhrer的研究都得到美國(guó)投資者的習(xí)慣參數(shù)約為0.9,這一數(shù)值小于我國(guó)投資者的習(xí)慣參數(shù),說(shuō)明我國(guó)投資者對(duì)過(guò)去消費(fèi)的依賴性要大于美國(guó)投資者。

3 數(shù)值模擬

彈性的數(shù)值大小依賴于主觀偏好參數(shù)的數(shù)值大小和消費(fèi)增長(zhǎng)率的均值與方差。對(duì)于中國(guó)經(jīng)濟(jì)的參數(shù),根據(jù)1992年1月至2009年10月我國(guó)社會(huì)商品零售總額的實(shí)際數(shù)據(jù),計(jì)算得到對(duì)數(shù)消費(fèi)增長(zhǎng)率的均值為μ=0.0125,對(duì)數(shù)消費(fèi)增長(zhǎng)率的波動(dòng)率為σ=0.0718;對(duì)于中國(guó)投資者的行為參數(shù),根據(jù)表1的估計(jì)結(jié)果選取習(xí)慣參數(shù)γ=0.95,主觀貼現(xiàn)因子的取值空間為(0.9,0.95,0.99)。對(duì)于美國(guó)經(jīng)濟(jì)的特定參數(shù),我們根據(jù)Abel的設(shè)置,取對(duì)數(shù)消費(fèi)增長(zhǎng)率的均值為μ=0.018,波動(dòng)率為σ=0.035,這些參數(shù)的數(shù)值大小在資產(chǎn)定價(jià)理論的研究中被廣泛使用;對(duì)于美國(guó)投資者的特定參數(shù),我們根據(jù)表1選取習(xí)慣參數(shù)γ=0.90,為了進(jìn)行中美比較,主觀貼現(xiàn)因子的取值空間也為(0.9,0.95,0.99)。

由于對(duì)于相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)沒(méi)有一致的估計(jì)結(jié)果,因此,我們從理論模型中推導(dǎo)出參數(shù)α的取值范圍。參數(shù)α必須使得消費(fèi)的邊際期望效用大于0,即

由于ht和Ct均大于0,所以由Ht+1的定義可知消費(fèi)的邊際期望效用大于0的充分條件是Ht+1>0,利用消費(fèi)增長(zhǎng)率的定義,可得:

因此,上面的不等式等價(jià)于

其中max(x)和min(x)分別定義為隨機(jī)變量 xt的最大值和最小值。因?yàn)?xt服從正態(tài)分布,所以最大 xt的最大值和最小值分別是正無(wú)窮大和負(fù)無(wú)窮大,max(xt)=-min(xt)=∞,那么 xt的極限值是1。這顯然使得模型無(wú)法工作。為避免這個(gè)問(wèn)題,我們提出一種方法,使得既便于計(jì)算,又保留正態(tài)分布的性質(zhì)。考慮一個(gè)在xL和xR處的截?cái)嗾龖B(tài)分布,使得當(dāng) xL< xt< xR時(shí),其概率密度函數(shù)為f(x)/prob(xL< xt< xR),否則為0,其中f是xt的無(wú)條件概率密度函數(shù)。令max(x)等于 xR,min(x)等于 xL,參數(shù)α的取值就存在上下界。這個(gè)上下界依賴于投資者的主觀參數(shù)的選取。根據(jù)公式(16),對(duì)主觀參數(shù)的可能取值,log(βγ)/[min(x)-γmax(x)]的范圍在0和1之間,同時(shí)為了和美國(guó)經(jīng)濟(jì)相比較,我們令α共同的取值空間為(0.4,0.6,0.8,1.1,1.3,1.5,2.0)。

表2 中國(guó)彈性||的數(shù)值模擬Tab.2 Numerical Simulation of||in China

表2 中國(guó)彈性||的數(shù)值模擬Tab.2 Numerical Simulation of||in China

α貼現(xiàn)因子β,此處γ=0.95 Discount factorβwhenγ=0.95 0.99 0.95 0.9 0.4 7.248 2 2.391 4 0.619 0 0.6 5.212 5 0.938 3 0.211 3 0.8 0.785 6 0.157 8 0.035 7 1.1 0.347 7 0.075 0 0.027 4 1.3 2.156 4 0.584 3 0.178 6 1.5 6.113 5 1.742 6 0.503 6 2.0 17.499 2 6.593 6 2.685 4

表3 美國(guó)彈性||的數(shù)值模擬Tab.3 Numerical Simulation of||in America

表3 美國(guó)彈性||的數(shù)值模擬Tab.3 Numerical Simulation of||in America

α貼現(xiàn)因子β,此處γ=0.90 Discount factorβwhenγ=0.90 0.99 0.95 0.9 0.4 0.785 2 0.075 7 0.045 6 0.6 0.570 8 0.078 5 0.042 3 0.8 0.305 3 0.052 3 0.026 8 1.1 0.166 7 0.035 5 0.017 6 1.3 0.530 2 0.125 3 0.061 1 1.5 0.941 7 0.241 5 0.116 1 2.0 2.391 3 0.678 3 0.310 1

表2和表3分別給出了中國(guó)和美國(guó)關(guān)于方程(11)的數(shù)值模擬結(jié)果。由于重點(diǎn)關(guān)注彈性的數(shù)值大小,而不是方向,因此在表中給出的是彈性無(wú)條件期望的絕對(duì)值?？梢杂^察到,主觀參數(shù)的取值不同,消費(fèi)習(xí)慣參數(shù)的變動(dòng)對(duì)股票價(jià)格有不同程度的影響。當(dāng)給定相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù),主觀貼現(xiàn)因子越大,彈性的絕對(duì)值就越大。給定主觀貼現(xiàn)因子的取值時(shí),α>1時(shí),隨著風(fēng)險(xiǎn)規(guī)避系數(shù)的增大,彈性的絕對(duì)值也逐步變大;α<1時(shí),隨著風(fēng)險(xiǎn)規(guī)避系數(shù)的增大,彈性的絕對(duì)值基本上是逐步減小的。

對(duì)美國(guó)模擬結(jié)果顯示,股票價(jià)格對(duì)消費(fèi)習(xí)慣參數(shù)的彈性基本上都小于1,說(shuō)明消費(fèi)習(xí)慣參數(shù)波動(dòng)所引起的股票價(jià)格波動(dòng)是比較小的。而我國(guó)的模擬結(jié)果卻顯示有超過(guò)三分之一的模擬值都是大于1的。特別的,當(dāng)相對(duì)風(fēng)險(xiǎn)規(guī)避系數(shù)為2時(shí),彈性的絕對(duì)值遠(yuǎn)大于1,最大的達(dá)到了近17.5,最小的也接近2.7,即習(xí)慣參數(shù)波動(dòng)的標(biāo)準(zhǔn)差為1個(gè)百分點(diǎn),那么將會(huì)導(dǎo)致股票價(jià)格波動(dòng)的標(biāo)準(zhǔn)差約為2.7個(gè)百分點(diǎn),表明習(xí)慣參數(shù)波動(dòng)對(duì)股票價(jià)格波動(dòng)影響非常大。同時(shí),當(dāng)給定風(fēng)險(xiǎn)規(guī)避系數(shù)和主觀貼現(xiàn)因子的取值時(shí),我國(guó)的彈性的絕對(duì)值要大于美國(guó)的彈性的絕對(duì)值。這說(shuō)明,我國(guó)投資者消費(fèi)習(xí)慣參數(shù)的波動(dòng)所引起的股票價(jià)格波動(dòng)的幅度,要大于美國(guó)投資者消費(fèi)習(xí)慣參數(shù)的波動(dòng)所引起的股票價(jià)格波動(dòng)的幅度。

4 結(jié) 論

在習(xí)慣形成模型的資產(chǎn)定價(jià)模型中,假定投資者的效用不僅僅來(lái)自當(dāng)前的消費(fèi)水平,還來(lái)自于過(guò)去的消費(fèi)水平,即習(xí)慣變量。投資者在做出投資決策時(shí)不僅僅要考慮未來(lái)每一期的消費(fèi)水平,還要考慮已經(jīng)形成了的消費(fèi)習(xí)慣,因而會(huì)影響資產(chǎn)的均衡價(jià)格。本文在前人研究的基礎(chǔ)之上,進(jìn)一步考慮主觀屬性的波動(dòng)對(duì)股票價(jià)格波動(dòng)的影響,將股票的均衡價(jià)格表示為習(xí)慣參數(shù)的函數(shù),進(jìn)而研究習(xí)慣的變動(dòng)對(duì)于股票價(jià)格波動(dòng)的影響,并比較中美股市波動(dòng)的差異性。研究結(jié)果表明:

(1)我國(guó)投資者的習(xí)慣參數(shù)γ的 GMM估計(jì)值約為0.95,非常接近于1,表明我國(guó)投資者對(duì)過(guò)去消費(fèi)的強(qiáng)烈依賴性,且這種依賴程度要大于美國(guó)的投資者。人們的一切消費(fèi)行為總是會(huì)受到習(xí)慣的影響,與美國(guó)等發(fā)達(dá)國(guó)家的信用消費(fèi)習(xí)慣不同,我國(guó)居民普遍存在消費(fèi)滯后的心理。居民有消費(fèi)愿望,但是由于預(yù)期收入偏低,社會(huì)保障制度不健全等因素制約了整體的消費(fèi)水平,因此我國(guó)居民更注重過(guò)去的消費(fèi)水平,而對(duì)未來(lái)的預(yù)期消費(fèi)持保守態(tài)度。

(2)我國(guó)投資者消費(fèi)習(xí)慣的較小波動(dòng),將會(huì)引起股票價(jià)格的大幅波動(dòng)。這一結(jié)果說(shuō)明,股票價(jià)格以及股市漲跌不僅僅與投資者的投資意向有關(guān),而且還與投資者的消費(fèi)意向有著直接的關(guān)系。并且這種波動(dòng)幅度要大于美國(guó)投資者消費(fèi)習(xí)慣的波動(dòng)所引起的股票價(jià)格波動(dòng)的幅度。這可能是因?yàn)橹袊?guó)股票市場(chǎng)的投資者結(jié)構(gòu)與美國(guó)有較大區(qū)別。海外成熟市場(chǎng)中機(jī)構(gòu)投資者,特別是各種基金組織占絕大多數(shù),90%以上的小投資者都是委托基金等投資機(jī)構(gòu)進(jìn)行證券交易。而中國(guó)股票市場(chǎng)恰恰相反,個(gè)人投資者占主導(dǎo)地位,散戶投資者比例高于60%。這個(gè)區(qū)別使得兩個(gè)市場(chǎng)上的絕大部分投資者的偏好結(jié)構(gòu)是不同的。文章中談到的消費(fèi)仍然是以個(gè)人性消費(fèi)為主,因此消費(fèi)習(xí)慣的變動(dòng)會(huì)通過(guò)個(gè)體投資者的行為傳遞到股票市場(chǎng),從而影響股票價(jià)格。而機(jī)構(gòu)投資者具有充足的資金和專業(yè)知識(shí)可以使得非系統(tǒng)風(fēng)險(xiǎn)得到充分的分散化,消費(fèi)習(xí)慣等主觀屬性對(duì)機(jī)構(gòu)投資者遠(yuǎn)不如對(duì)個(gè)體投資者產(chǎn)生的影響大。

股票市場(chǎng)是進(jìn)行資源分配的場(chǎng)所,與宏觀經(jīng)濟(jì)有著深刻的內(nèi)在聯(lián)系。股市持續(xù)穩(wěn)定健康的發(fā)展,會(huì)增強(qiáng)居民對(duì)宏觀經(jīng)濟(jì)形勢(shì)的信心,從而提高居民的預(yù)期收入,刺激個(gè)人消費(fèi),促進(jìn)經(jīng)濟(jì)的發(fā)展。本文探討了消費(fèi)習(xí)慣的波動(dòng)對(duì)股市波動(dòng)的影響,提供了一個(gè)從投資者行為的角度理解股票市場(chǎng)波動(dòng)的視角,并形成了在一般均衡的框架下可以計(jì)量的方法。進(jìn)一步挖掘投資者的各種主觀屬性,理解引致股市波動(dòng)和經(jīng)濟(jì)波動(dòng)的內(nèi)在力量來(lái)源將是今后研究的重要方向。

(編輯:劉照勝)

References)

[1]波濤.證券投資理論與證券投資戰(zhàn)略適用性分析[M].北京:經(jīng)濟(jì)管理出版社,1999:343-345.[Bo Tao.What Works in Investment Theories and Strategies[M].Beijing:Economy and Management Publishing House,1999:343-345.]

[2]Engle Robert F.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation [J].Econometrica,1982,50(4):987-1008.

[3]Shiller Robert J.Do Stock Prices Move too Much to Be Justified by Subsequent Changes in Dividends[J].American Economic Review,1981,(71):421-436.

[4]Fama E F Stock Returns,Expected Returns,and Real Activity[J].Journal of Finance,1990,(45):1089-1108.

[5]Engel C M,A P Rodrigues.Tests of International CAPM with Time2 Varying Covariances[J].Journal of Applied Econometrics,1989,(4):119-138.

[6]Hamilton James D,Gang Lin.Stock Market Volatility and the Business Cycle[J].Journal of Applied Econometrics,1996,11(4):573-593.

[7]胡繼之,于華.影響中國(guó)股市價(jià)格波動(dòng)若干因素的實(shí)證分析[J].中國(guó)社會(huì)科學(xué),1999,(3):68-87.[Hu Jizhi,Yu Hua,Empirical Studieson Several Factors Affecting Stock Price Fluctuation in China[J].Social Sciences in China,1999,(3):68-87.]

[8]曲永剛,張金水.中國(guó)股票市場(chǎng)價(jià)格波動(dòng)特征分析[J].清華大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版,2003,(3):30-34.[Qu Yonggang,Zhang Jinshui,The Characteristic Analysis of the Price Fluctuation in China’s Stock Market[J].Journal of Tsinghua University:Philosophy and Social Sciences,2003,(3):30-34.]

[9]張宗新.經(jīng)濟(jì)轉(zhuǎn)型期證券資產(chǎn)價(jià)格波動(dòng)的制度解析[J].數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究.2005,(1):18-33.[Zhang Zongxin.The Systemic Analysisof Securities Price Volatility during Economic Transition[J].The Journal of Quantitative and Technical Economics,2005,(1):18-33.]

[10]Mehra,Rajnish and Raaj Sah.Mood fluctuations,Projection Bias,and Volatility of Equity Prices[J].Journal of Economic Dynamic and Control,2002,(26):868-887.

[11]陳彥斌.情緒波動(dòng)和資產(chǎn)價(jià)格的波動(dòng)[J].經(jīng)濟(jì)研究,2005,(5):36-45.[Chen Yanbin.Mood Fluctuationsand Volatility of Asset Prices[J].Economic Research Journal,2005,(5):36-45.]

[12]Abel Andrew B.Asset Prices Under Habit Formation and Catching Up with the Joneses[J].American Economic Review Papers and Proceedings,1990,(80):38-42.

[13]Sundaresan Suresh M.Intertemporally Dependent Preferences and the Volatility of Consumption and Wealth[J].The Review of Financial Studies,1989,2(1):73-89.

[14]Boldrin Michele,Lawrence J.Christiano,and Jonas D.M.Fisher.Habit Persistence,Asset Returns,and the Business Cycle[J].The American Economic Review,2001,91(1):149-166.

[15]Hansen Lars Peter,Kenneth J.Singleton.Generalized Instrumental Variables Estimation of Nonlinear Rational Expectations Models[J].Econometrica,1982,(50):1269-1286.

[16]Abara Raymund.Estimation and Evaluation of Asset Pricing Modelswith Habit Formation using Philippine Data[C].Asian FA/TFA/FMA conference,no.10518.2004.

[17]Fuhrer Jeffrey C.Habit Formation in Consumption and Its Implications for Monetary2Policy Models[J].The American Economic Review,2000,90(3):367-390.