陸煊 黃俐

（1.上海財經(jīng)大學 國際工商管理學院，上海200433；2.上海大學 經(jīng)濟學院，上海200444）

一、引言

現(xiàn)代金融市場是一個由眾多參與主體藕合關聯(lián)構(gòu)成的復雜網(wǎng)絡。隨著行為金融學研究的不斷深入，人們發(fā)現(xiàn)，在由有限理性參與主體構(gòu)成的金融市場中，普遍存在一種投資者相互模仿現(xiàn)象，導致趨同行為（Zhang和Liu，2012）［1］。國內(nèi)外許多學者基于心理學、行為金融學、制度經(jīng)濟學等視角，認為人類從眾的本能、信息不對稱和市場制度缺陷等，是引起投資者行為趨同的主要原因（施東暉，2001；Shiller，1995；Froot et al.，1992）［2-4］。近年來大量研究發(fā)現(xiàn)，基于社交紐帶、政治關聯(lián)等建立起來的關聯(lián)網(wǎng)絡，已成為投資者決策的重要依據(jù)（Shive，2010；Hong等，2005）［5-6］。這些研究通過對投資者間關系、金融網(wǎng)絡特征的模型化，理解投資者決策機制，對基于理性經(jīng)濟人假設、強調(diào)個體的傳統(tǒng)金融分析范式提出了挑戰(zhàn)（Markose等，2012）［7］。遵循這一思路，金融市場可以視為由眾多投資者組成的復雜系統(tǒng)，個體因耦合關系形成關聯(lián)網(wǎng)絡。因此，理解產(chǎn)生投資者行為趨同性的原因，首先必須深刻理解投資網(wǎng)絡對個體投資者行為決策的作用機制。

復雜網(wǎng)絡視角摒棄了傳統(tǒng)金融分析中投資者獨立決策的假設，在行為決策函數(shù)中引入刻畫關聯(lián)網(wǎng)絡的新變量，為投資者行為分析提供了新的視角。由于在節(jié)點異質(zhì)性方面具有靈活的建模能力，復雜網(wǎng)絡理論已經(jīng)成為研究經(jīng)濟、金融網(wǎng)絡及其動態(tài)演化過程的重要工具（Battiston 等，2012）［8］。現(xiàn)有的文獻大多基于市場基本面、技術(shù)面，集中回溯和驗證行為趨同性的靜態(tài)特征，或者從投資標的物視角分析行為趨同性的表現(xiàn)形式和影響因素。鮮有文獻從復雜網(wǎng)絡視角，研究投資者行為趨同性的網(wǎng)絡化機制。同時，作為新興市場的中國資本市場上，投資者整體不夠成熟，非理性程度更高（Eun和 Huang，2007）［9］。中國作為東方文化的典型代表，更加強調(diào)人與人之間的“關系”，人際間社會互動、信息交流更加頻繁（Chow和Ng，2004）［10］。這種文化差異使得不同國家中，投資者賦予關聯(lián)網(wǎng)絡的重要性存在差異。雖然投資關聯(lián)網(wǎng)絡與行為決策的關系已得到證實，但均以西方發(fā)達國家為樣本，是否可以有效推廣至中國，值得商榷。此外，2011年11月，國際貨幣基金組織和世界銀行公布的《中國金融體系穩(wěn)定評估報告》和《中國金融部門評估報告》認為，我國金融體系總體穩(wěn)健，但金融脆弱性逐漸累積。在此背景下，深刻理解資本市場中最基本的要素——“投資者”的趨同性行為產(chǎn)生機制，對提高投資者素質(zhì)、理性投資理念教育具有指導性意義，同時也對促進金融市場有效監(jiān)管，降低我國資本市場行為型傳染風險，具有重要的理論價值和現(xiàn)實意義。

二、文獻回顧與理論假說

（一）投資網(wǎng)絡對投資者行為的影響路徑分析

從復雜網(wǎng)絡視角，投資者因相互間耦合關系存在著某種關聯(lián)，而這種關聯(lián)成為了投資者獲取額外信息，學習、模仿其他成員行為的渠道。借鑒行為金融學、平均場理論（Barabási等，1999）［11］和復雜網(wǎng)絡相關理論，本文將影響投資者行為決策的因素分為三類：公開市場信息、私人信息和近鄰投資者的群體性決策。公開市場信息是指整個市場層面的宏觀經(jīng)濟、信息、政策或其他事件；私人信息是指源于個體層面因素、投資者個人掌握的私有信息或?qū)ν顿Y標的物的主觀認知。近鄰投資者的群體性決策是指，投資網(wǎng)絡中與投資者直接關聯(lián)群體的投資行為。由此，投資者的行為決策函數(shù)可表示為

其中，m、λi分別表示公開市場信息和私人信息；εi表示近鄰投資者的群體性決策。因而，“近鄰效應”可定義為：基于關聯(lián)關系構(gòu)建的投資網(wǎng)絡中，投資者受到近鄰投資者的群體性決策的影響，而產(chǎn)生的與近鄰群體行為趨同的現(xiàn)象：如果來自近鄰群體的影響力越大，則投資者與近鄰群體行為的趨同性越高。

那么，近鄰群體是如何影響投資者行為決策的呢？首先，源于近鄰群體性壓力。心理學認為有意模仿是個體面臨社會群體性壓力時，放棄已有意見、信息而保持與大眾一致的行為，是一種緩解自身與群體間沖突、增強安全感的方法（Dawson和 Chatman，2001）［12］。如果近鄰群體性壓力越大，投資者態(tài)度、信念或行為被改變的概率越高，與近鄰群體的行為也愈加一致。第二，源于近鄰規(guī)模，即與投資者直接關聯(lián)的投資者數(shù)量。近鄰規(guī)模度量了投資者信息獲取渠道的寬度，渠道越寬，單位時間內(nèi)傳輸速率越大，投資者從關聯(lián)網(wǎng)絡中獲取的信息量也越大。當超過特定闕值后，投資者更加關注源于關聯(lián)網(wǎng)絡的信息，而弱化公開信息和私人信息，從而更易產(chǎn)生行為趨同。由上，近鄰群體對投資者行為決策的作用機制，可表示為

式中，ξi度量了投資者i的近鄰群體性壓力；ki度量了近鄰規(guī)模，且滿足0≦ki≦N①此外，規(guī)定若ki＝0，則?sil/?-il＝0。。

（二）近鄰效應的決定因素及其度量

1.近鄰群體性壓力

近鄰群體性壓力是指與投資者直接關聯(lián)的投資群體，通過非信息型信號改變其信念、行為的能力，取決于投資者的群體性特征，通常采用度數(shù)、介數(shù)和群體連接密度度量。

節(jié)點度數(shù)（Degree）反映了個體獲取、應用社會資源的能力（Goldenberg等，2005）［13］，與節(jié)點對其他網(wǎng)絡成員的影響力成正比。然而，Watts和Dodds（2007）通過電腦模擬，發(fā)現(xiàn)選擇高度數(shù)節(jié)點作為傳播起始點，對個體早期的采納意見并無顯著影響［14］。這是由于雖然高度數(shù)的群體傾向于影響更多個體，但自身資源有限，他們只可能維護與少量鄰居的關系，導致對單個鄰居的影響力有限（Yoganarasimhan，2012）［15］。這表明度量投資者施加給網(wǎng)絡其它成員的影響力時，需要同時考量度數(shù)及其鄰居規(guī)模。因此，令投資者i的近鄰節(jié)點集合為Ωi，則近鄰群體對投資者i近鄰群體的平均度數(shù)為

節(jié)點介數(shù)（Betweenness）衡量了節(jié)點在網(wǎng)絡效率方面的重要性：如果信息在兩節(jié)點間傳遞，需要經(jīng)過第三個節(jié)點才能實現(xiàn)的話，該中介型節(jié)點具有更高的網(wǎng)絡效率。Burt（2005）借鑒“嵌入性（Embeddedness）”理論，將網(wǎng)絡中連接兩個孤立的或者連接強度較弱群體的中介節(jié)點稱為“結(jié)構(gòu)洞”，發(fā)現(xiàn)結(jié)構(gòu)洞節(jié)點擁有較高的介數(shù)［16］?！敖Y(jié)構(gòu)洞”節(jié)點有效促進了信息流動，相對兩個群體具有更高的網(wǎng)絡重要性。對網(wǎng)絡中任意不相連節(jié)點對（v，w），如果存在第三個節(jié)點j，位于v和w最短路徑上，則節(jié)點j擁有比v、w更高的介數(shù)。同時，節(jié)點j相對v、w在網(wǎng)絡效率方面的重要性，隨v、w間步長的增加快速衰減（Marsden，2002）［17］。因此，本文僅在節(jié)點j的近鄰范疇中計算其介數(shù)，即

式中，分母表示節(jié)點j的近鄰節(jié)點v、w間最短路徑的數(shù)量，分子表示節(jié)點v、w經(jīng)由節(jié)點j實現(xiàn)的最短路徑數(shù)量。由此，投資者i近鄰節(jié)點的平均介數(shù)為

群體連接密度是指近鄰群體間相互關聯(lián)的緊密程度。相比于結(jié)構(gòu)松散的情形，緊密連接的近鄰節(jié)點對個體施加的群體性壓力更高（Shawki，2011）［18］。網(wǎng)絡閉合理論認為，如果某節(jié)點兩個近鄰節(jié)點間存在關聯(lián)關系，那么這兩個節(jié)點對該節(jié)點的群體性影響力，要高于兩者相互孤立時的情境。因而，近鄰節(jié)點間的關聯(lián)關系數(shù)量越多、越緊密，對投資者信念、行為的影響力越大。由此定義投資者i近鄰群體的連接密度為

式中，如果近鄰節(jié)點v、w間存在連接的話，e（v，w）＝1；否則為0。

綜上所述，本文提出如下理論假設：

假設H1投資網(wǎng)絡中，投資者近鄰節(jié)點的平均度數(shù)越低、平均介數(shù)及其群體連接密度越高，近鄰節(jié)點對投資者施加的群體性壓力越大，投資者與近鄰群體的行為趨同性越高。

2.近鄰規(guī)模

近鄰規(guī)模指與投資者直接關聯(lián)的投資群體規(guī)模，度量了投資者從投資網(wǎng)絡中獲取的信息量。通過不斷的收集、分析近鄰群體傳遞的信息，投資者不斷調(diào)整決策函數(shù)中公開市場信息、私人信息等因素的相對權(quán)重，籍此調(diào)整自身行為。近鄰規(guī)模一般通過投資者自身度數(shù)度量。若投資者i近鄰節(jié)點集合為Ωi，則投資者i的度數(shù)為

根據(jù)前文理論，本文提出如下理論假設：

假設H2投資網(wǎng)絡中，投資者的度數(shù)越高，近鄰規(guī)模越大，投資者與近鄰群體的行為趨同性越高。

三、研究設計

（一）研究數(shù)據(jù)處理與說明

依據(jù)Wind資訊的基金分類標準，選取2008年一季報至2012年年報期間，股票型投資基金作為本文研究樣本，重點關注在該時期內(nèi)基金股票投資組合的季度變動情況①選取股票型基金的原因在于其股票投資倉位高，主動搜索信息意愿高，能夠清晰反映投資網(wǎng)絡與投資行為間的關系。：包括股票代碼、名稱、持股數(shù)量、持股市值、持股權(quán)重排名。為保證研究的效度和信度，本文依據(jù)以下步驟構(gòu)建股票池：（1）剔除所有上市地點不在上海、深圳交易所的股票；（2）保留在研究時間段內(nèi)均正常交易的股票；（3）持股權(quán)重排名在前10位。最終得到75家基金公司的367支基金，1，439支股票，52，510對季度—基金—股票投資記錄。

（二）投資網(wǎng)絡的構(gòu)建

從復雜網(wǎng)絡視角，本文將股票市場視為一個由投資者及其耦合關聯(lián)關系構(gòu)成的復雜系統(tǒng)，節(jié)點代表投資者（投資基金），節(jié)點間連接表征某種關聯(lián)。肖欣榮等（2012）定義基金i的關聯(lián)網(wǎng)絡由與其重倉持有（倉位占比5%以上）同一股票的基金構(gòu)成［19］。但該方法只能得到一個星型網(wǎng)絡，投資者間相互孤立。為此，本文利用圖論中偶圖及其映射變換，在確定近鄰群體規(guī)模的同時，進一步揭示近鄰群體內(nèi)部的連接模式，從而可以深入考察近鄰群體性壓力、近鄰規(guī)模對近鄰效應的作用強度。

具體的，通過投資基金在特定時段內(nèi)的投資行為，分兩步推導出投資網(wǎng)絡。第一步，構(gòu)建基金—股票網(wǎng)絡，節(jié)點代表基金、股票，節(jié)點間連邊代表基金對股票的投資狀態(tài)。該網(wǎng)絡鄰接矩陣第i行第l列元素ainvest（i，l）表征第i支基金在第l支股票上的投資行為

基金—股票網(wǎng)絡由基金、股票兩類完全不同的節(jié)點構(gòu)成，且同類節(jié)點間不存在連接。該類網(wǎng)絡被稱為“偶圖（Bipartite Graph）”，是圖論中的一種特殊模型。第二步，根據(jù)基金—股票網(wǎng)絡及偶圖性質(zhì)，將基金與股票間投資狀態(tài)映射到僅含有基金類節(jié)點的“映射子網(wǎng)絡”，得到反映基金間關聯(lián)關系的投資網(wǎng)絡。定義鄰接矩陣第i行第j列元素ainvest（i，l）表示投資基金i、j間同時期基于投資行為的關聯(lián)關系

由此，推導出了源于股票持有行為的基金映射子網(wǎng)絡Gfund（V，E）。其中，V為基金節(jié)點集合，E為由鄰接矩陣（Afund）描述的基金間關聯(lián)模式。直覺上Gfund通過在特定時間段內(nèi)具有相似投資行為的基金間建立連接，捕捉到了投資者間行為信息的傳遞過程。

（三）實證模型的設定

首先，驗證個體投資者與其近鄰群體間行為趨同現(xiàn)象，即“近鄰效應”的存在性。假設式（1）給出的投資行為決策函數(shù)擁有線性模式，那么第t期基金i在股票l上的投資決策為

其中，mlt、λit分別表示公開市場信息和私人信息；-il（t-1）表示第t-1期近鄰群體性決策②具體計算中，剔除與基金i屬于同一公司旗下的基金。。為股票l相關的控制變量?？紤]到基金從獲取、分析近鄰群體信息及其行為，到作出最終決策間存在時間差，故實證模型采用自變量滯后形式。同時，考慮近鄰效應可能存在滯后性，在模型（8）中加上近鄰節(jié)點群體性決策的滯后項。

其次，考察投資者面對的近鄰群體性壓力和近鄰規(guī)模對近鄰效應的影響強度。設定的計量模型如下

式中，yit度量了第t期基金i近鄰效應的大小。根據(jù)理論假設，βb（b＝1，2，3，4）的符號應顯著為正。同樣考慮近鄰群體性壓力和近鄰規(guī)模的滯后效應，加入兩者的滯后項。

（四）變量的定義和度量

1.被解釋變量

本文共包含兩個主要的被解釋變量：基金i的投資行為（silt），和近鄰效應大小（yit）。

對于基金投資行為，定義基金i在股票l上的投資行為（Tradeilt）為第t-1至第t期間基金i在股票l上的持倉變化規(guī)模，即股票l第t-1至第t期間持有數(shù)量的差異與股票l第t-1期價格的乘積。當存在近鄰效應時，個體投資者與近鄰群體的行為高度趨同。因此，本文使用基金i與近鄰群體的行為趨同性程度，作為近鄰效應的代理變量。第t期中，基金i與近鄰群體持有行為的趨同性（Hold_Similarit）由投資持有組合空間中的歐幾里德距離度量

其中，wikt表示基金i第t期投資組合（Hit）中股票k的投資金額，（t-1）表示近鄰群體第t-1期對股票k的平均投資金額。類似的，基金i與近鄰群體交易行為趨同性程度（Buy_Similarit、Sell_Similarit）為

其中，bikt表示基金i在第t-1至第t期間在增持或者買入的股票k上的投資金額；sikt表示基金i在第t-1至第t期間減持或者賣出股票k的金額。（t-1）、k（t-1）分別代表近鄰群體第t-1期在增持或者買入、減持或者賣出股票k的平均金額。

2.解釋變量

公開市場環(huán)境 （mlt）。借鑒 Chan和Hameed（2006）［20］，使用過去四期跟蹤上市公司的分析師數(shù)量平均值，度量股票l的公開市場環(huán)境。如果關注的股票l分析師較多，投資者可獲得大量關于股票l的公開信息，由此減少了對近鄰群體行為的學習、模仿。

私人信息（λilt）。相比短期持有者，穩(wěn)定持股的戰(zhàn)略投資者收集、解讀私人信息的能力更強（An和 Zhang，2013）［21］，賦予私人信息的決策權(quán)重越大。因此，采用基金i在股票l上的持有期限度量私人信息數(shù)量。

近鄰節(jié)點的群體性投資決策（（t-1））。具體定義為第t-2至第t-1期間近鄰群體在股票l上的平均持倉變化規(guī)模，即第t-2至第t-1期間，各近鄰投資者股票l持有數(shù)量的差異與股票l第t-2期價格乘積的均值。

近鄰效應的影響因素。按季度構(gòu)建基金投資網(wǎng)絡，并根據(jù)公式（3）—（7）得到基金i第t-1期至第t-τ期近鄰群體性壓力和近鄰規(guī)模的具體數(shù)值。

3.控制變量

綜合現(xiàn)有文獻，實證模型中加入的控制變量：（1）股票l換手率的變化：當期換手率減去上期換手率的差比上當期換手率；（2）公司規(guī)模：公司當期總資產(chǎn)的自然對數(shù)；（3）杠桿率：當期總負債與總資產(chǎn)的比值；（4）總資產(chǎn)收益率：當期凈利潤與總資產(chǎn)的比值；（5）信息透明度：用修正的Jones模型估計的應計盈余規(guī)模。

所有數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫，輔以手工計算得到。

四、實證結(jié)果分析和討論

（一）近鄰效應的存在性檢驗

根據(jù)計量模型和相關變量的設定，采用異方差穩(wěn)健回歸法對模型進行估計。為便于比較，所有實證結(jié)果均給出標準化回歸系數(shù)。

表1 投資行為與近鄰效應的存在性

表2 投資行為與近鄰效應的存在性（持有調(diào)整/首次購買）

從表1模型（1）可以看出，近鄰節(jié)點的群體性決策與基金行為間具有顯著正相關關系：近鄰群體對股票l投資金額每增加一個標準差，基金i對股票l投資金額顯著增加0.638。模型（2）加入了公開市場信息和私人信息，近鄰群體對基金i投資決策的影響降為0.419，但依然顯著高于前兩者，表明基金決策過程不僅受到公開市場信息和私人信息的影響，近鄰群體傳遞的信息也是重要的參考依據(jù)。加入非近鄰節(jié)點的群體性決策后，該變量對基金i投資行為無顯著影響，表明行為趨同性的發(fā)生范疇僅限于基金近鄰投資群體。這一結(jié)論明確了投資網(wǎng)絡中行為趨同性的發(fā)生邊界。從表2中得到，基金持有調(diào)整和首次購買行為均受到近鄰投資者決策的影響。對已持有的股票，基金經(jīng)理存在著自我驗證心理（Self-verification）。為了降低決策后認知失調(diào)程度，會更加主動地投入資源收集、分析信息來支持自己的選擇，減少了對近鄰群體信息獲取、學習。因而，首次購買行為的近鄰效應更加顯著。

表3 投資行為與近鄰效應的存在性（投資經(jīng)驗豐富/經(jīng)驗匱乏）

進一步地，以基金經(jīng)理從業(yè)時長中位數(shù)（3.381年）為分割點，將基金劃分為投資經(jīng)驗豐富/投資經(jīng)驗匱乏兩個組別。表3實證結(jié)果顯示，近群體的行為決策對投資經(jīng)驗豐富的基金影響更大，表明經(jīng)驗豐富的基金經(jīng)理對近鄰群體中傳遞的信息賦予更高的決策權(quán)重。這一結(jié)論表明“近鄰效應”與“羊群效應”存在著差異：首先，已有研究發(fā)現(xiàn)，投資經(jīng)驗匱乏的基金群體是我國股票市場羊群效應的主導者（蔡慶豐等，2011）［22］。然而，主導近鄰效應的群體并非資歷尚淺的基金群體，而是擁有豐富投研經(jīng)驗的資深群體。相比羊群效應，近鄰效應的理性程度更高。其次，羊群效應可分為基于忽略個人私有信息的“真羊群效應”，和由共同的公開市場信息引起的“偽羊群效應”（Bikhchandani和Sharma，2001）［23］。但是，上述定義忽視了投資者通過關聯(lián)關系獲取信息的可能性。將整個市場作為一個由投資者及其耦合關聯(lián)關系構(gòu)成的復雜系統(tǒng)，公開市場信息、私人信息和近鄰投資者的群體性決策，均顯著影響著投資者行為決策。顯然，投資網(wǎng)絡中的近鄰效應無法被嚴格歸類為“真羊群效應”或者“偽羊群效應”中任意一種，而是介乎兩者之間的一種行為趨同現(xiàn)象。我們認為，近鄰效應引起的趨同行為是一種復雜的有限理性行為，主要受到社會性學習機制的驅(qū)動。投資者在對外部環(huán)境主觀認知及私有信息基礎上，通過收集、分析網(wǎng)絡關聯(lián)渠道傳遞的信息，學習、模仿關聯(lián)群體的投資行為，不斷修正、優(yōu)化自身預期和策略，從而出現(xiàn)了“群體性行為收斂”現(xiàn)象。因而，源于近鄰效應的投資者行為趨同性，有別于非理性的“羊群行為”，是在不確定性條件下的一種信念更新方式，是一種策略性的有限理性行為。

（二）近鄰效應的影響因素分析

本節(jié)進一步檢驗投資者近鄰群體性壓力、近鄰規(guī)模與近鄰效應大小間的作用關系。根據(jù)計量模型（9）和相關變量設定，采用異方差穩(wěn)健回歸法進行估計。

表4 投資持有行為與近鄰效應的影響因素

表5 投資交易行為與近鄰效應的影響因素

整體上，前文理論假設得到了驗證。近鄰節(jié)點平均度數(shù)的增加顯著弱化了近鄰效應，表明投資者關聯(lián)網(wǎng)絡規(guī)模的增長，稀釋了其施加給單個網(wǎng)絡成員的影響力。這與我國“關系”文化中，更加注重關系質(zhì)量而不是數(shù)量（Chen和Chen，2004）的現(xiàn)實相吻合［24］。近鄰節(jié)點平均介數(shù)的系數(shù)為正但并不顯著，表明投資網(wǎng)絡中“結(jié)構(gòu)洞”對關聯(lián)節(jié)點無顯著影響。相比于增持或者買入行為，減持或者賣出情境中近鄰群體性壓力和近鄰規(guī)模對近鄰效應的作用強度更高。對這種非對稱性合理的解釋是：第一，增持或者買入、減持或者賣出的行為動機不同。前者主要源于正面的市場信息、投資者對于股票未來績效的樂觀預期；而后者則源于一些負面信息或者對于流動性的追求、投資多樣性需求等因素。第二，股票操作在我國是被禁止的，這種制度性限制會對市場信息的擴散速度產(chǎn)生非對稱效應（Bris等，2007）［25］。相比于正面信息，負面信息在投資者間傳播速度更慢，融入資產(chǎn)價格的時間要更長。當做出減持或者賣出決策時，有效的公開市場信息、私人信息相對匱乏，投資者更依賴于來自近鄰群體的信息。因此，減持或者賣出行為決策中，近鄰群體性壓力和近鄰規(guī)模對近鄰效應的影響更大。

通過綜合比較各模型的擬合優(yōu)度發(fā)現(xiàn)，投資者更易受到近鄰群體性壓力的影響，度量信息量的近鄰規(guī)模解釋力較低。可能的原因是：第一，作為高語境文化的代表，中國社會交往中非語言交流的比重更高，溝通方式而非溝通內(nèi)容對個體的行為決策影響更大。因此，中國基金經(jīng)理間共享、交流信息時，這種交流所蘊含的非語言信號相比信息本身，來得更加重要。第二，我國資本市場仍不成熟，市場中存在強烈的投機氛圍，法律法規(guī)的不健全增加了信息搜集成本。當缺少與任務相關的知識且認知資源有限時，基金在處理復雜信息時會先從簡單易得的信息入手，并激活啟發(fā)式機制完成對信息的加工（Quiamzade和L′huillier，2009）［26］：更多關注近鄰群體的決策，并與他們的行為保持一致是最具成本優(yōu)勢的。在上述兩方面因素共同作用下，使得投資者近鄰群體性壓力成為近鄰效應產(chǎn)生的主導因素。

五、近鄰效應對市場變量的影響

現(xiàn)有文獻對投資者互動與決策行為間的關系給予了充分關注，但缺乏對投資網(wǎng)絡與市場變量間關系的系統(tǒng)性研究。因此，本節(jié)將重點關注近鄰效應對資本市場的影響：近鄰效應是如何影響市場交易量、流動性和市場定價效率這幾個重要市場變量的？

異質(zhì)性的私人信息賦予投資者一定的微觀壟斷力量。當存在近鄰效應的時候，投資者間通過關聯(lián)關系渠道，相互交流信息，提高了市場信息的透明度。為了可以利用信息優(yōu)勢獲利，投資者會采取較為激進的交易策略，提高交易頻率，確保在其他已知情交易者前采取行動。由此，近鄰效應的存在會提高市場整體交易量。對于流動性和市場定價效率，也可以遵循上述思路作出預測。

為驗證上述假說，對基金i第t期投資組合中的股票l，如果第t-1期中至少有一個近鄰投資者也持有股票l，則將股票l標注為“近鄰組合（N）”，模擬了存在近鄰效應下的投資行為決策；反之，如果第t-1期中沒有一個近鄰投資者持有股票l，則標注為“非近鄰組合（O）”。其次，分別引入交易量、流動性指標和股價同步性①股價同步性用以衡量上市公司特有信息融入股價的程度，股價同步性越高，市場定價效率越低。，作為市場變量的度量（參見表6）。所有數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫，輔以手工計算得到。

表6 市場變量及其度量方法

由此，建立如下實證模型

式中，MVl（t＋Δτ）分別代表市場交易量、流動性指標和股價同步性。Neighborl為虛擬變量：當股票l屬于“近鄰組合”時為1，否則為零。RDl（t＋Δτ）度量了t＋Δτ期間股票l子網(wǎng)絡中信息傳播的速度。信息傳播速度越快，投資者喪失信息優(yōu)勢的速度越快。股票l子網(wǎng)絡是由持有股票l的投資者及其關聯(lián)關系構(gòu)成，刻畫了股票l相關信息的擴散邊界。首先，定義t＋Δτ期間股票l子網(wǎng)絡的網(wǎng)絡密度為

式中，如果股票l子網(wǎng)絡（SNl）中投資者i、j間存在連接，e（i，j）＝1；否則為0。其次，定義殘差網(wǎng)絡密度（RDl（t＋Δτ））作為信息傳播速度的代理變量（Nagel，2005）［27］，以消除股票市值的影響

表7 近鄰組合及非近鄰組合市場變量差異

表7實證結(jié)果整體上符合預期：近鄰效應提升了股票交易活躍度，交易量和流動性均顯著增加，市場定價效率得到改善。由于我國資本市場制度并不完善，投資者、公司管理層和大小股東間存在著一定程度的信息不對稱。投資者通過網(wǎng)絡關聯(lián)渠道獲取更多、更完備的信息，加快了信息融入股價的速度，改善了市場信息環(huán)境。近鄰效應與信息傳播速度的交互項Neighborl·RDl（t＋Δτ）符號，與近鄰效應 的主效應方向一致，表明信息的快速傳播強化了近鄰效應對市場變量的促進作用。這一結(jié)論意味著，近鄰群體中傳遞的信息蘊含著真實的投資價值，有效提升了市場整體效率和穩(wěn)定性，區(qū)別于非理性的“羊群效應”。后者容易引起信息阻塞、定價效率低下，從而導致市場整體流動性枯竭。

需要強調(diào)的是，平均而言，隨著窗口期從7天逐漸增加至90天，近鄰效應與市場變量間關系的顯著性逐漸弱化?？赡艿脑蚴鞘袌鲋黧w的學習機制：投資者在不同時點收到信息，后知情的投資者會根據(jù)先知情交易者的行為，推測資產(chǎn)真實價值。隨著交易進行，價格逐漸收斂于資產(chǎn)真實價值，而不是單個投資者的私人信息。長期中，投資者擁有的信息已經(jīng)完全體現(xiàn)在股價中，近鄰群體間信息傳遞引起的市場環(huán)境邊際改善程度逐漸降至零。

六、結(jié)論及啟示

本文基于復雜網(wǎng)絡的視角，利用2008-2012年基金季度投資數(shù)據(jù)為樣本，對投資者行為趨同性的產(chǎn)生原因及其演化機制進行了實證研究，可得出以下結(jié)論。

第一，基于投資者持有和交易行為的決策過程，證實了“近鄰效應”在中國市場的存在性，并發(fā)現(xiàn)基于投資關聯(lián)關系的近鄰效應，并不完全等同于“羊群效應”，是一種策略性的有限理性行為。將中國資本市場視為一個由投資者及其耦合關聯(lián)關系構(gòu)成的復雜系統(tǒng)，在此之上證實了“近鄰效應”的存在性，是本文最重要的貢獻之一。

第二，應用復雜網(wǎng)絡理論，本文進一步考察了影響近鄰效應的兩大因素：近鄰群體性壓力與近鄰規(guī)模，深入分析了行為趨同性的網(wǎng)絡化形成機制。相較而言，中國社會文化的高語境特點，使得信息交流中蘊含的非語言信號相比信息本身更加重要。加之我國投資基金行業(yè)與資本市場尚不成熟，信息價值無法有效兌現(xiàn)，近鄰群體性壓力成為影響近鄰效應的主導因素。

第三，近鄰效應的存在提升了交易活躍度，交易量和流動性均顯著增加，顯著改善了市場定價效率。源于市場主體的學習機制，上述正向關系僅在短期（30天）內(nèi)顯著。長期而言，近鄰群體間信息傳遞引起的市場環(huán)境邊際改善程度逐漸降至零。這一結(jié)論明晰了近鄰效應的“市場邊界”，在國內(nèi)關于機構(gòu)投資者行為及其效應的實證研究中，尚屬首次。

根據(jù)本文研究的結(jié)果，提出兩點建議。

首先，對于市場監(jiān)管部門而言，如果希望保持市場的良性、健康、穩(wěn)定的發(fā)展，必須深刻理解市場最基本的要素“投資者”的行為機制。通過建立投資者關聯(lián)關系網(wǎng)絡，分析機構(gòu)投資者的近鄰群體的微觀特征，可以幫助監(jiān)管者預測基金的投資行為趨勢，防范內(nèi)幕交易、操作股價等擾亂市場行為，建立公平、透明的市場秩序。

其次，近鄰效應對市場的促進作用僅在短期顯著，這可能會促使機構(gòu)投資者更加關注短期收益。因而，相關監(jiān)管部門應進一步加大機構(gòu)投資者理性程度的培育力度，培養(yǎng)注重基本面分析、從注重長期投資的價值理念。

［1］Zhang J，Liu P.Rational Herding in Microloan Markets［J］.Management Science，2012，58（5）：892-912.

［2］施東暉.證券投資基金的交易行為及其市場影響［J］.世界經(jīng)濟，2001（10）：26-31.

［3］Shiller R J.Conversation，Information，and Herd Behavior［J］.American Economic Review，1995，85（2）：181-185.

［4］Froot K A，Scharfstein D S，Stein J C.Herd on the Street：Informational Inefficiencies in a Market with Short-term Speculation［J］.The Journal of Finance，1992，47（4）：1461-1484.

［5］Shive S.An Epidemic Model of Investor Behavior［J］.Journal of Financial ＆ Quantitative Analysis，2010，45（1）：169-198.

［6］Hong H，Kubik J D，Stein J C.The Neighbor＇s Portfolio：Word-of-Mouth Effects in the Holdings and Trades of Money Managers［J］.The Journal of Finance，2005，60（6）：2801-2824.

［7］Markose S.“Too Interconnected to Fail”Financial Network of US CDS Market：Topological Fragility and Systemic Risk［J］.Journal of Economic Behavior and Organization，2012，83（3）：627-646.

［8］Battiston S.Liaisons Dangereuses：Increasing Connectivity，Risk Sharing，and Systemic Risk［J］.Journal of Economic Dynamics and Control，2012，36（8）：1121-1141.

［9］Eun C S，Huang W.Asset Pricing in China＇s Domestic Stock Markets：Is There a Logic［J］.Pacific-Basin Finance Journal，2007，15（5）：452-480.

［10］Chow I H S，Ng I.The Characteristics of Chinese Personal Ties（Guanxi）：Evidence from Hong Kong［J］.Organization Studies，2004，25（7）：1075-1093.

［11］Barabási A L，Albert R，Jeong H.Mean-Field Theory for Scale-Free Random Networks［J］.Physica A：Statistical Mechanics and Its Applications，1999，272（1）：173-187.

［12］Dawson E M，Chatman E A.Reference Group Theory With Implications for Information Studies：A Theoretical Essay［J］.Information Research，2001，6（3）：6-13.

［13］Goldenberg J，Shavitt Y，Shir E，et al.Distributive Immunization of Networks Against Viruses Using the‘Honey-Pot’Architecture［J］.Nature Physics，2005，1：184-188.

［14］Watts D J，Dodds P S.Influentials，Networks and Public Opinion Formation［J］.Journal of Consumer Research，2007，34（4）：441-458.

［15］Yoganarasimhan H.Impact of Social Network Structure on Content Propagation：A Study Using Youtube Data［J］.Quantitative Marketing and Economics，2012，10（1）：111-150.

［16］Burt R S.Brokerage and Closure：An Introduction to Social Capital［M］.Oxford：Oxford University Press，2005.

［17］Marsden P V.Egocentric and Sociocentric Measures of Network Centrality［J］.Social Networks，2002，24（4）：407-422.

［18］Shawki N.Organizational Structure and Strength and Transnational Campaign Outcomes：A Comparison of Two Transnational Advocacy Networks［J］.Global Networks，2011，11（1）：97-117.

［19］肖欣榮，劉健，趙海健.機構(gòu)投資者行為的傳染——基于投資者網(wǎng)絡視角［J］.管理世界，2012（12）：35-45

［20］Chan K，Hameed A.Stock Price Synchronicity and Analyst Coverage in Emerging Markets［J］.Journal of Financial Economics，2006，80（1）：115-147.

［21］An H，Zhang T.Stock Price Synchronicity，Crash Risk，and Institutional Investors［J］.Journal of Corporate Finance，2013，21：1-15.

［22］蔡慶豐，楊侃，林劍波.羊群行為的疊加及其市場影響——基于證券分析師與機構(gòu)投資者行為的實證研究［J］.中國工業(yè)經(jīng)濟，2011（12）：111-121.

［23］Bikhchandani S，Sharma S.Herd Behavior in Financial Markets［J］.IMF Staff Papers，2001，47（3）：279-310.

［24］Chen X P，Chen C C.On the Intricacies of the Chinese Guanxi：A Process Model of Guanxi Development［J］.Asia Pacific Journal of Management，2004，21（3）：305-324.

［25］Bris A，Goetzmann W N，Zhu N.Efficiency and the Bear：Short Sales and Markets around the World［J］.The Journal of Finance，2007，62（3）：1029-1079.

［26］Quiamzade A，L＇Huillier J P.Herding by Attribution of Privileged Information［J］.Journal of Behavioral Decision Making，2009，22（1）：1-19.

［27］Nagel S.Short Sales，Institutional Investors and the Cross-section of Stock Returns［J］.Journal of Financial Economics，2005，78：277-309.