劉維奇，邢紅衛(wèi)，張信東,

(1.山西大學(xué)管理與決策研究所，山西 太原 030006；2.山西大學(xué)經(jīng)濟(jì)與管理學(xué)院，山西 太原 030006)

1 引言

自1990年11月26日上海證券交易所成立以來，我國股票市場發(fā)展已歷經(jīng)二十余年。然而，我國股票市場近年來頻繁的暴漲暴跌現(xiàn)象，以及明顯高于全球其它股市的換手率和市盈率，都說明我國投資者的投機(jī)心理依然很強(qiáng)。傳統(tǒng)金融學(xué)理論假設(shè)投資者都是理性和風(fēng)險厭惡的，對資產(chǎn)沒有選擇性的偏好，然而大量研究表明并非如此。投資偏好是投資者由于環(huán)境、學(xué)識、財力、投資時機(jī)等因素的不同，導(dǎo)致投資風(fēng)險的承受能力不同，從而對資產(chǎn)產(chǎn)生不同的喜好程度，并據(jù)此進(jìn)行資產(chǎn)優(yōu)先排序及數(shù)量組合，比如本土情結(jié)[1]、小盤股效應(yīng)[2]、歸屬感投資[3]、社會責(zé)任性投資偏好[4-5]、彩票性投資偏好[6-7]等。

與價格走勢平平的股票相比，投資者也更喜歡選擇價格變化幅度較大的股票，即過去某段時期內(nèi)股票價格由較低的水平迅速上漲到較高的水平，或者由較高的水平驟然下降到較低的水平。股票價格在短期內(nèi)由低到高變化會給投資者樂觀的心理暗示，股票在未來會漲到更高的價格，投資此類股票會獲得較高的超額回報。而股票價格在短期內(nèi)由高到低變化也會給投資者某種心理暗示，可能“觸底反彈”的抄底機(jī)會來臨了，投資此類股票也會獲得較高的超額回報。因此，投資者在進(jìn)行投資決策時，更加愿意選擇過去價格變化幅度較大的股票，或者說價格極差較大的股票，以實現(xiàn)低價買進(jìn)，高價賣出的交易策略，得到額外的報酬。

股票價格在過去某段時期內(nèi)變化幅度較大，表明其偏離真實價值的程度較大。究其原因，是由于過去某段時期內(nèi)這類股票的流動性較差，價格反映股票信息的能力不足，而價格的大幅變化也使這類股票具有較高的特質(zhì)波動率(idiosyncratic volatility，IV)。由無套利定價原理，投資者對這類股票的大量投資和頻繁交易會降低其未來收益，這就可能使特質(zhì)波動率與預(yù)期收益之間產(chǎn)生負(fù)向關(guān)系，即產(chǎn)生了股票市場的“特質(zhì)波動率之謎(idiosyncratic volatility puzzle)”，這正是本文所要探討的主題。

股票市場中是否存在“特質(zhì)波動率之謎”？存在“特質(zhì)波動率之謎”的原因是什么？這是資本資產(chǎn)定價領(lǐng)域中亟待解決的問題。資本資產(chǎn)定價模型(capital asset pricing model，CAPM)建立在理性投資者和無摩擦市場的假設(shè)之下，認(rèn)為只有系統(tǒng)性風(fēng)險決定股票的預(yù)期收益，公司層面的特質(zhì)風(fēng)險可以通過分散化投資被消除，并且建立了預(yù)期收益與市場風(fēng)險之間的線性模型，即證券市場線(SML)。Levy[8]表明如果投資者持有的組合不包含足夠多的股票，特質(zhì)波動率將影響股票的均衡價格。Merton[9]提出在信息不完全的資本市場均衡模型下，具有高特質(zhì)波動率的股票未來應(yīng)該有高的平均收益，以此來補(bǔ)償投資者未持有足夠分散化組合所帶來的風(fēng)險。研究證據(jù)也表明，實際中絕大多數(shù)個人投資者都不能持有足夠分散化的投資組合[10-11]。Ang等[12]以Fama-French三因子模型[13]回歸殘差序列的標(biāo)準(zhǔn)差度量特質(zhì)波動率，不僅發(fā)現(xiàn)特質(zhì)波動率與股票預(yù)期收益之間有顯著關(guān)系，而且是負(fù)向關(guān)系，“高特質(zhì)波動率組合未來有低收益，低特質(zhì)波動率組合未來有高收益”，并且市場波動風(fēng)險、流動性、動量、偏度和杠桿等因素都不能解釋這一現(xiàn)象。傳統(tǒng)的金融風(fēng)險收益理念認(rèn)為高風(fēng)險伴有高收益的風(fēng)險補(bǔ)償，因此如果特質(zhì)風(fēng)險無法通過分散投資被完全規(guī)避，即其假定前提無法實現(xiàn)會產(chǎn)生風(fēng)險溢價時，其與股票收益之間的關(guān)系也應(yīng)當(dāng)是正向關(guān)系。特質(zhì)風(fēng)險與收益之間的負(fù)向關(guān)系有悖于“高風(fēng)險有高收益”的金融風(fēng)險定價邏輯，因此產(chǎn)生了特質(zhì)波動率異象，也被稱為“特質(zhì)波動率之謎”。

關(guān)于“特質(zhì)波動率之謎”的檢驗與分析，目前已是實證資本資產(chǎn)定價領(lǐng)域的熱點(diǎn)問題之一。Bali和Cakici[14]從度量特質(zhì)波動率的方法、數(shù)據(jù)頻率、形成組合的分組方式、組合收益的加權(quán)方式、樣本區(qū)間和數(shù)據(jù)庫等技術(shù)角度檢驗“特質(zhì)波動率之謎”存在的穩(wěn)定性。Jiang等[15]研究了特質(zhì)波動率、公司未來的利潤沖擊、股票預(yù)期收益三者之間的關(guān)系，發(fā)現(xiàn)特質(zhì)波動率與公司未來的利潤沖擊及股票預(yù)期收益均為負(fù)向關(guān)系，并且特質(zhì)波動率對收益的預(yù)測能力由其包含的與未來利潤相關(guān)的信息決定，“特質(zhì)波動率之謎”由公司選擇性地披露經(jīng)營信息引起，同時在噪聲交易者關(guān)注的股票中更為明顯。Han和Kumar[16]的研究也表明，“特質(zhì)波動率之謎”主要集中于個人投資者選擇的股票。楊華蔚和韓立巖[17]、左浩苗等[18]以反映投資者異質(zhì)信念的換手率來分析“特質(zhì)波動率之謎”。Huang Wei等[19]以收益的短期反轉(zhuǎn)現(xiàn)象來分析“特質(zhì)波動率之謎”，認(rèn)為月收益的一階負(fù)自相關(guān)可能導(dǎo)致了特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系。Bali等[7]以投資者喜歡像彩票類股票的實際為依據(jù)，發(fā)現(xiàn)過去一個月的最大日收益率(MAX)和股票預(yù)期收益有顯著負(fù)向關(guān)系，若以最大日收益率作為控制變量，將反轉(zhuǎn)Ang等[8]的研究結(jié)論，即特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系變?yōu)檎?。Chabi-Yo[20]以隨機(jī)貼現(xiàn)因子解釋特質(zhì)波動率溢價的來源，在控制了非系統(tǒng)協(xié)偏度因子后，特質(zhì)波動率和預(yù)期收益之間不再存在顯著關(guān)系。

基于以上文獻(xiàn)，本文首先研究特質(zhì)波動率與股票預(yù)期收益的關(guān)系，檢驗中國股票市場是否存在“特質(zhì)波動率之謎”。盡管當(dāng)前已有針對這一工作的研究成果，如黃波等[21]，楊華蔚和韓立巖[17]，徐小君[22]，左浩苗等[18]，鄧雪春和鄭振龍[23]等，然而由于估計特質(zhì)波動率的方法和研究樣本區(qū)間不同，我們有必要對中國股票市場“特質(zhì)波動率之謎”的存在性進(jìn)行再次論證。其次，在中國股票市場存在“特質(zhì)波動率之謎”的基礎(chǔ)上，進(jìn)行穩(wěn)健性檢驗，考察動量、規(guī)模、流動性、換手率，短期反轉(zhuǎn)、最大日收益率等指標(biāo)對“特質(zhì)波動率之謎”的影響。再次，從投資偏好出發(fā)，分析投資者選擇過去某段時期內(nèi)價格變化幅度較大的股票這一偏好是否是造成“特質(zhì)波動率之謎”的原因，即分析價格極差對“特質(zhì)波動率之謎”的解釋能力。我們的研究不僅是對現(xiàn)有文獻(xiàn)的補(bǔ)充，而且結(jié)合股票市場投資者投機(jī)心理較強(qiáng)，喜歡價格變化幅度較大的股票的事實，進(jìn)一步提高對“特質(zhì)波動率之謎”成因的理解。

2 理論模型與方法

2.1 度量特質(zhì)波動率

首先，我們度量公司特質(zhì)風(fēng)險的代理指標(biāo)——特質(zhì)波動率。按照Malkiel和Xu Yexiao[24]的方法，回歸估計CAPM模型：

Ri,t-rt=αi+βi(Rm,t-rt)+εi,t

(1)

(2)

2.2 形成組合的加權(quán)方式

對于形成組合的加權(quán)方式，當(dāng)前主要以市值加權(quán)(value-weighted，VW)、等權(quán)(equal-weighted，EW)和毛收益加權(quán)(gross return-weighed，RW)為主。如果股票市場存在規(guī)模效應(yīng)，小規(guī)模股票會較大規(guī)模股票有更高的收益率，等權(quán)計算組合收益會放大小規(guī)模個股的收益率在組合中的比重，對檢驗組合收益率與特質(zhì)波動率的關(guān)系造成一定程度的偏差。而以毛收益加權(quán)被證明能有效消除組合收益率中微觀結(jié)構(gòu)帶來的偏差[25]。因此在本文的組合分析中，我們以市值加權(quán)(VW)、等權(quán)(EW)和毛收益加權(quán)(RW)三種方式計算組合收益率，進(jìn)行比對分析。

2.3 變量說明

為了檢驗中國股票市場“特質(zhì)波動率之謎”存在與否的穩(wěn)定性，我們引入以下控制變量。

(1)規(guī)模(SIZE)：以公司總市值的自然對數(shù)作為規(guī)模的測量指標(biāo)。

(2)交易量(VOL)：以交易金額的自然對數(shù)作為交易量的測量指標(biāo)。

(3)流動性指標(biāo)(liquidity, LIQ)：梁麗珍和孔東民[26]研究表明Pastor和Stambaugh[27]的流動性測度比較適合于大規(guī)模公司，在中國股票市場Amihud[28]的測度優(yōu)于其它測度。因此本文選擇Amihud[28]測度作為衡量流動性的指標(biāo)。Amihud[28]測度實際衡量的是股票的非流動性，具體來說，股票i在第t日的非流動性為：

其中，Ri,t和Vi,t分別是股票i在第t日的收益率和交易金額，Daysi,t是股票i從當(dāng)月第一個有效交易日到第t日的有效交易天數(shù)。Amihud流動性測度越大，表明股票的流動性越差，流動性風(fēng)險越大，則股票要求的流動性風(fēng)險溢價就越高。

(4)動量(momentum, MOM)：動量最初由Jegadeesh和Titman[29]提出，表示歷史累積收益對當(dāng)前收益的影響。Jegadeesh和Titman[29]的研究表明，歷史低收益股票在未來繼續(xù)有低收益，而低收益股票一般有較高的波動性。在本文的研究中，按照J(rèn)egadeesh和Titman[29]的定義，以股票t-3月和t-2月的累積收益作為個股第t月動量的測量指標(biāo)。

(5)短期反轉(zhuǎn)(short-term reversal, REV)：依據(jù)Jegadeesh[30]所表明的，股票在當(dāng)月的收益翻轉(zhuǎn)由上個月的月收益代替。如果個股月收益率序列具有一階負(fù)自相關(guān)系數(shù)，則意味著收益存在短期反轉(zhuǎn)。若同時在個股月收益與當(dāng)月特質(zhì)波動率之間存在正向關(guān)系，則收益短期反轉(zhuǎn)就能夠解釋特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系，即“特質(zhì)波動率之謎”。

(6)換手率(turnover, TUR)：楊華蔚和韓立巖[17]、左浩苗等[18]的研究表明，投資者異質(zhì)信念可能是造成“特質(zhì)波動率之謎”的原因。按照Boehme等[31]的建議，本文選擇股票的換手率作為異質(zhì)信念的代理變量，并且以個股成交金額與流通市值的比值作為換手率的測量指標(biāo)。

(7)最大日收益率(maximum of returns, MAX)：Bali等[7]以個股月內(nèi)最大日收益作為控制變量，檢驗了美國股票市場“特質(zhì)波動率之謎”的穩(wěn)定性。為此，本文也檢驗個股月內(nèi)最大日收益率對特質(zhì)波動率與股票收益之間關(guān)系的影響。

(8)價格極差(range of prices，RP)：在套利機(jī)會的驅(qū)使下，投資者都渴望在股票價格較低的時候買進(jìn)，在股票價格較高的時候賣出，因此更傾向于投資過去價格變化幅度較大的股票。個股月內(nèi)的價格極差反映了月內(nèi)股票價格的最大變化幅度，而價格的大幅變化也表明了股票所蘊(yùn)含的風(fēng)險。在本文，我們以個股每日收盤價作為其每日的價格，以月內(nèi)最大日收盤價與最小日收盤價之差作為當(dāng)月的價格極差，并分析其對“特質(zhì)波動率之謎”的解釋能力。

3 實證結(jié)果

3.1 樣本選取

本文選擇中國滬深兩市A股所有股票作為研究對象。由于滬深兩市自1996年12月16日開始實行漲停盤制度，這種交易制度的施行會對股票收益的變化產(chǎn)生較大影響，因此本文的樣本期選擇從1997年1月2日至2011年12月31日，股票數(shù)據(jù)來自國泰安CSMAR金融數(shù)據(jù)庫，剔除其中的創(chuàng)業(yè)板和上市時間過短的股票數(shù)據(jù)，計算Fama-French三因子模型所需的公司賬面價值信息和日無風(fēng)險收益率來自銳思金融研究數(shù)據(jù)庫。此外，由于中國股票市場在1999年2月份的交易日只有7天，為了確保每個月有足夠多的日度數(shù)據(jù)進(jìn)行CAPM模型和Fama-French三因子模型擬合，以及個股特質(zhì)波動率的連續(xù)時間序列特征，我們剔除月內(nèi)交易天數(shù)小于7的當(dāng)月股票數(shù)據(jù)。

3.2 “特質(zhì)波動率之謎”存在性檢驗

我們先以投資組合分析方法檢驗中國股票市場“特質(zhì)波動率之謎”的存在性。投資組合分析法是根據(jù)某一指標(biāo)構(gòu)建不同的投資組合，檢驗不同組合在持有期的收益率是否存在顯著差異。

在表1的Panel A，以股票的月內(nèi)日數(shù)據(jù)估計CAPM模型，得到個股每個月的特質(zhì)波動率，在每個月以特質(zhì)波動率從低到高對股票進(jìn)行排序，按分位點(diǎn)將所有股票分成5個組合，以流通市值加權(quán)計算組合當(dāng)月的特質(zhì)波動率。按照1/0/1交易策略持有組合一個月，分別計算以流通市值加權(quán)、平均加權(quán)和毛收益加權(quán)的組合收益率。Panel A的第二列展示了流通市值加權(quán)組合特質(zhì)波動率的時間序列平均值。流通市值加權(quán)組合特質(zhì)波動率的最低值是1.1182%，最高值是3.1916%。第三到第五列分別展示了以流通市值加權(quán)、平均加權(quán)和毛收益加權(quán)的組合預(yù)期收益率的時間序列平均值，以特質(zhì)波動率從低到高形成組合的預(yù)期收益率基本都顯示了從高到低的趨勢，收益率最高的是特質(zhì)波動率第二低的組合。高低特質(zhì)波動率組合的收益率之間存在顯著差異，以FF-3因子模型調(diào)整系統(tǒng)性風(fēng)險后的截距項差值為負(fù)，且Newey-West[32]統(tǒng)計檢驗(括號內(nèi))顯著不為零。以流通市值加權(quán)計算的組合收益率為例，低特質(zhì)波動率組合的預(yù)期收益率為1.1335%，高特質(zhì)波動率組合的預(yù)期收益率為0.5172%，高低特質(zhì)波動率組合的預(yù)期收益率之差為-0.6163%，對應(yīng)的顯著性檢驗Newey-West-t值為-5.2104，以FF-3因子模型調(diào)整系統(tǒng)性風(fēng)險后的截距項差值為-0.5054%，對應(yīng)的顯著性檢驗Newey-West-t值為-5.0311。與流通市值加權(quán)相比，以毛收益加權(quán)進(jìn)一步增大了高低特質(zhì)波動率組合預(yù)期收益率之間的差值(由-0.6163%變?yōu)闉?1.3645%)和FF-3因子模型回歸的截距項差值(由-0.5054%變?yōu)闉?1.2430%)。不同的加權(quán)方式都表明，組合的特質(zhì)波動率與預(yù)期收益率之間存在顯著負(fù)向關(guān)系。

在表1的Panel B，采用Fama-French三因子模型估計股票的特質(zhì)波動率，在每個月以個股特質(zhì)波動率從低到高排序形成組合，以同樣的1/0/1交易策略持有組合一個月，計算組合特質(zhì)波動率和預(yù)期收益率的時間序列平均值。第二列流通市值加權(quán)組合低特質(zhì)波動率的值是0.9590%，高特質(zhì)波動率的值是2.8717%，都低于CAPM模型估計的結(jié)果，這也與模型本身的設(shè)定相一致。第三到第五列以三種方式加權(quán)得到的組合預(yù)期收益率基本都顯示了從高到低的趨勢，高低特質(zhì)波動率組合的預(yù)期收益率存在顯著差異，以FF-3因子模型調(diào)整后的截距項差值為負(fù)，且顯著不為零。以流通市值加權(quán)計算的組合收益率為例，低特質(zhì)波動率組合的預(yù)期收益率為1.2065%，高特質(zhì)波動率組合的預(yù)期收益率為0.4711%，高低特質(zhì)波動率組合的預(yù)期收益率之差為-0.7354%，對應(yīng)的顯著性檢驗Newey-West-t值為-5.9830，以FF-3因子模型調(diào)整系統(tǒng)性風(fēng)險后的截距項差值為-0.6360%，對應(yīng)的Newey-West-t值為-5.7420。以毛收益加權(quán)計算組合的預(yù)期收益率，更為明顯地增大了高低特質(zhì)波動率組合預(yù)期收益率之間的差值(由-0.7354%變?yōu)?1.4772%)和FF-3因子模型回歸的截距項差值(由-0.6360%變?yōu)?1.3517%)。不同的加權(quán)方式都表明，組合的特質(zhì)波動率與預(yù)期收益率之間存在顯著負(fù)向關(guān)系，即存在“特質(zhì)波動率之謎”。

表1 組合特質(zhì)波動率及其收益率

由表1，低特質(zhì)波動率組合與高特質(zhì)波率組合相比，每年至少有6%的超額收益率。

3.3 穩(wěn)健性檢驗

我們用二維投資組合分析方法檢驗“特質(zhì)波動率之謎”的穩(wěn)定性，即先以控制變量對股票進(jìn)行分組，在每一個組合內(nèi)再以特質(zhì)波動率對股票進(jìn)行分組，構(gòu)建二維的投資組合，控制其它因素的影響后，檢驗不同特質(zhì)波動率組合在持有期的收益率是否存在顯著差異，具體結(jié)果見表2。

首先，為了檢驗股票規(guī)模對“特質(zhì)波動率之謎”的影響，在每個月先以規(guī)模從低到高排序，將所有股票按五分位點(diǎn)分成5個組合。在每個組合內(nèi)再以Fama-French三因子模型計算的特質(zhì)波動率從低到高排序，按五分位數(shù)將股票進(jìn)行分組，形成5×5個收益組合，持有組合一個月并計算其收益率。在5個規(guī)模分位組上對其收益率進(jìn)行算術(shù)平均，這樣不論規(guī)模較大的股票還是規(guī)模較小的股票，都被平均分配到按特質(zhì)波動率排序形成的組合里，即規(guī)模效應(yīng)對高低特質(zhì)波動率組合之間收益差異的影響被消除。Panel A的第二列展示了控制規(guī)模因素的影響后，從低到高特質(zhì)波動率組合流通市值加權(quán)收益率在樣本期內(nèi)的時間序列平均值，顯示了從高到低的趨勢。低特質(zhì)波動率組合的收益率是1.9732%，高特質(zhì)波動率組合的收益率是0.5226%，高低特質(zhì)波動率組合的收益率差值是-1.4506%，對應(yīng)的顯著性檢驗Newey-West-t值為-11.6344。通過Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后的截距項的差值是-1.2983%，對應(yīng)的顯著性檢驗Newey-West-t值為-11.7854。Panel B和Panel C的第二列分別展示了控制規(guī)模因素影響后，平均加權(quán)組合收益率的時間序列平均值和毛收益加權(quán)組合收益率的時間序列平均值。兩種加權(quán)方式的低特質(zhì)波動率組合的收益率分別是2.0936%和2.0933%，高特質(zhì)波動率組合的收益率分別是0.5264%和0.4939%，高低特質(zhì)波動率組合的預(yù)期收益率的差值分別是-1.5672%和-1.5994%，對應(yīng)的顯著性Newey-West-t值分別為-11.9144和-11.9496。通過Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險的截距項的差值分別是-1.4246%和-1.4507%，對應(yīng)的顯著性檢驗Newey-West-t值分別為-11.6459和-11.2801?？刂埔?guī)模因素對組合收益率的影響后，特質(zhì)波動率與預(yù)期收益之間依然存在穩(wěn)定的負(fù)向關(guān)系。

收益的中期動量對“特質(zhì)波動率之謎”是否有影響？依據(jù)Jegadeesh和Titman[25]計算3個月動量指標(biāo)對數(shù)據(jù)的要求，先剔除連續(xù)交易時間少于3個月的股票。與檢驗規(guī)模因素對“特質(zhì)波動率之謎”的方法一樣，在每個月先以3個月動量指標(biāo)從低到高排序，將所有股票按五分位點(diǎn)分成5個組合，在每個組合內(nèi)再以Fama-French三因子模型計算的特質(zhì)波動率從低到高排序，按五分位數(shù)將股票進(jìn)行分組，形成5×5個收益組合，持有組合一個月并計算收益率。在5個動量分位組上對其收益率進(jìn)行算術(shù)平均，控制動量因素的影響后構(gòu)建特質(zhì)波動率從低到高的5個組合。Panel A、Panel B和Panel C的第三列分別展示了控制中期動量影響后，流通市值加權(quán)組合收益率的時間序列平均值、平均加權(quán)組合收益率的時間序列平均值和毛收益加權(quán)組合收益率的時間序列平均值。低特質(zhì)波動率組合未來有高收益，三種加權(quán)方式的結(jié)果分別為1.4621%，2.0776%，2.0840%，高特質(zhì)波動率組合未來有低收益，三種加權(quán)方式的結(jié)果分別為0.4388%，0.5166%，0.4842%，高低特質(zhì)波動率組合的預(yù)期收益率之間存在顯著差異，三種加權(quán)方式的組合預(yù)期收益率的差值分別是-1.0233%，-1.5610%，-1.5998%，且Newey-West-t統(tǒng)計檢驗顯著。經(jīng)Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后，高低特質(zhì)波動率組合未來依然存在顯著的風(fēng)險溢價差異，回歸三種加權(quán)方式組合收益率的截距項差值分別是-0.9343%，-1.4517%，-1.4795%，Newey-West-t統(tǒng)計檢驗顯著。

Huang Wei等[19]以美國股票市場作為研究對象，認(rèn)為月收益的短期反轉(zhuǎn)對“特質(zhì)波動率之謎”具有一定的解釋能力，那么在中國股票市場是否如此呢？在每個月先以上個月月收益從低到高將股票分成5個組合，在每個組合內(nèi)再以Fama-French三因子模型計算的特質(zhì)波動率從低到高將股票進(jìn)行分組，形成5×5個收益組合，持有組合一個月并計算收益率。在上個月月收益的分位組上對其收益率進(jìn)行算術(shù)平均，控制收益短期反轉(zhuǎn)的影響后構(gòu)建特質(zhì)波動率從低到高5個組合。Panel A、Panel B和Panel C的第四列分別展示了控制短期反轉(zhuǎn)影響后，流通市值加權(quán)組合收益率的時間序列平均值、平均加權(quán)組合收益率的時間序列平均值和毛收益加權(quán)組合收益率的時間序列平均值。低特質(zhì)波動率組合未來有高收益，高特質(zhì)波動率組合未來有低收益，高低特質(zhì)波動率組合的預(yù)期收益率之間存在顯著差異，經(jīng)Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后，高低特質(zhì)波動率組合未來依然存在顯著的風(fēng)險溢價差異。

Spiegel和Wang Xiaotong[33]的研究表明，特質(zhì)波動率較流動性指標(biāo)對股票收益有更強(qiáng)的影響力，能夠涵蓋流動性對股票收益的解釋能力，并且特質(zhì)波動率與Amihud[28]的流動性指標(biāo)負(fù)相關(guān)，那么在中國股票市場流動性是否依然無法解釋“特質(zhì)波動率之謎”呢？為此，先以Amihud[28]的流動性指標(biāo)構(gòu)建組合，在組合內(nèi)再以Fama-French三因子模型計算的特質(zhì)波動率構(gòu)建組合，形成5×5二維投資組合。Panel A、Panel B和Panel C的第五列分別展示了控制流動性影響后，流通市值加權(quán)組合收益率的時間序列平均值、平均加權(quán)組合收益率的時間序列平均值和毛收益加權(quán)組合收益率的時間序列平均值。低特質(zhì)波動率組合未來有高收益，高特質(zhì)波動率組合未來有低收益，高低特質(zhì)波動率組合的預(yù)期收益率之間存在顯著差異，經(jīng)Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后，高低特質(zhì)波動率組合未來依然存在顯著的風(fēng)險溢價差異，控制流動性對組合收益的影響后依然存在“特質(zhì)波動率之謎”。

鑒于與楊華蔚和韓立巖[17]、左浩苗等[18]研究所用的樣本期不同，我們也檢驗了換手率對“特質(zhì)波動率之謎”的影響。在Panel A、Panel B和Panel C的第六列構(gòu)建5×5二維投資組合，發(fā)現(xiàn)控制換手率對組合收益的影響后，高低特質(zhì)波動率組合預(yù)期收益率的差值較表1中Panel B的結(jié)果有一定程度降低，流通市值加權(quán)、平均加權(quán)和毛收益加權(quán)的結(jié)果分別為-0.4673%，-0.7495%，-0.7876%，然而Newey-West-t統(tǒng)計檢驗顯著。經(jīng)Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后，截距項的差值也有所降低，三種加權(quán)方式的結(jié)果分別為-0.3740%，-0.6364%，-0.6651%，且Newey-West-t統(tǒng)計檢驗顯著。由此可見，反映投資者異質(zhì)信念的換手率對“特質(zhì)波動率之謎”具有一定程度的解釋能力，然而特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系依然顯著，這與楊華蔚和韓立巖[17]、左浩苗等[18]的研究結(jié)論相一致。

Bali等[7]以美國股票市場作為研究對象，發(fā)現(xiàn)月內(nèi)最大日收益率是特質(zhì)波動率的替代指標(biāo)，將月內(nèi)最大日收益率作為控制變量后，特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系被反轉(zhuǎn)為正。在Panel A、Panel B和Panel C的第七列，我們以月內(nèi)最大日收益率作為控制變量構(gòu)建5×5二維投資組合?？刂谱畲笕帐找媛屎?，與表1中Panel B的結(jié)果相比，高低特質(zhì)波動率組合預(yù)期收益率的差值也有一定程度降低，流通市值加權(quán)、平均加權(quán)和毛收益加權(quán)的結(jié)果分別為-0.6611%，-1.0280%，-1.0537%，Newey-West-t統(tǒng)計檢驗都顯著。經(jīng)Fama-French三因子模型調(diào)整系統(tǒng)性風(fēng)險后，截距項的差值也有所降低，三種加權(quán)方式的結(jié)果分別為-0.6134%，-0.9662%，-0.9905%，且Newey-West-t統(tǒng)計檢驗顯著。由高低特質(zhì)波動率組合收益率差及Fama-French三因子模型截距項差，最大日收益率也可以在一定程度上解釋但不能完全解釋“特質(zhì)波動率之謎”，這不同于Bali等[7]以美國股票市場作為研究對象得到的結(jié)論。

由表2的結(jié)果，與控制規(guī)模、動量、收益短期反轉(zhuǎn)、非流動性等指標(biāo)后相比，分別控制換手率和月內(nèi)最大日收益率后，高低特質(zhì)波動率組合的收益率差幅度都有明顯降低，表明換手率和月內(nèi)最大日收益率都對“特質(zhì)波動率之謎”有一定程度的解釋能力，然而并不能完全解釋特質(zhì)波動率與預(yù)期收益之間的負(fù)向關(guān)系，“特質(zhì)波動率之謎”依然統(tǒng)計顯著。

表2 控制其它變量后組合收益率

續(xù)表2

3.4 價格極差對“特質(zhì)波動率之謎”的解釋

與選擇價格曲線平平的股票相比，投資者更愿意選擇過去價格變化幅度較大，即價格極差較大的股票，以實現(xiàn)低價買進(jìn)，高價賣出的交易策略，獲得超額收益。在某段時期內(nèi)價格變化幅度較大的股票特質(zhì)波動率也較大，投資者對這類股票的大量投資將會使其未來收益偏低，產(chǎn)生了有悖于金融風(fēng)險定價邏輯的“特質(zhì)波動率之謎”——高(低)特質(zhì)波動率股票有低(高)預(yù)期收益。那么，是否由于投資者的這種投資偏好導(dǎo)致了“特質(zhì)波動率之謎”呢？我們以月內(nèi)日收盤價極差作為控制變量，構(gòu)建二維投資組合，分析月內(nèi)日收盤價極差對“特質(zhì)波動率之謎”的解釋能力。

在表3，先以月內(nèi)日收盤價極差從低到高排序，將所有股票按五分位點(diǎn)分成5個組合。在每個組合內(nèi)再以Fama-French三因子模型計算的特質(zhì)波動率從低到高排序，按五分位數(shù)將股票進(jìn)行分組，構(gòu)建5×5個收益組合，持有組合一個月并計算其收益率，并計算組合收益率在樣本期內(nèi)的時間序列平均值。在收益率極差分位組上對其收益率進(jìn)行算術(shù)平均，控制收益率極差的影響后構(gòu)建特質(zhì)波動率從低到高的5個組合。表3的第二列以流通市值加權(quán)計算組合收益率，高低特質(zhì)波動率組合收益率的差值依然顯著為負(fù)，且為-0.4640%，Newey-West-t檢驗值(括號內(nèi))為-6.0788，與表1中Panel B第三列高低特質(zhì)波動率組合收益率的差值相比，明顯有所降低。以Fama-French三因子模型調(diào)整組合的系統(tǒng)性風(fēng)險，截距項的差值是-0.4482%，Newey-West-t檢驗值為-10.9511。分別以平均加權(quán)和毛收益加權(quán)計算組合收益率，高低特質(zhì)波動率組合收益率的差值及經(jīng)Fama-French三因子模型調(diào)整后截距項的差值都較表1中Panel B的結(jié)果有所降低。

由表3，以月內(nèi)日收盤價極差作為控制變量，特質(zhì)波動率與股票預(yù)期收益之間的負(fù)向關(guān)系依然顯著，然而高低特質(zhì)波動率組合的溢價差異有不同程度降低，這意味著價格極差對特質(zhì)波動率與股票預(yù)期收益之間的負(fù)向關(guān)系有一定的解釋能力，投資者偏好投資價格極差較大的股票可能是產(chǎn)生“特質(zhì)波動率之謎”的部分原因。

表3 控制價格極差后組合收益率

3.5 橫截面回歸分析

在進(jìn)行橫截面回歸分析之前，為了認(rèn)識橫截面上特質(zhì)波動率與其它控制變量之間的相關(guān)性，先進(jìn)行橫截面相關(guān)性分析。在每個月計算以Fama-French三因子模型得到的股票特質(zhì)波動率序列與其它控制變量序列之間的相關(guān)系數(shù)，再計算其在時間序列上的平均值，結(jié)果見表4。特質(zhì)波動率(IV)與價格極差(RP)、最大日收益率(MAX)、換手率(TUR)之間都有較高的橫截面相關(guān)系數(shù)，分別為0.4317，0.6979和0.5451。價格極差(RP)與交易量(VOL)和換手率(TUR)之間的橫截面相關(guān)系數(shù)分別為0.2131和0.3576，表明價格極差較高的股票交易量和換手率也較高，而個股的交易量和換手率基本上可以反映投資者對其的偏好程度，由此說明投資者對價格極差較高的股票有一定程度的投資偏好，驗證了我們的理論假設(shè)。

以Fama-MacBeth[34]回歸方法，進(jìn)一步檢驗特質(zhì)波動率和預(yù)期收益在橫截面上的關(guān)系。橫截面回歸分析與投資組合分析的不同之處在于，橫截面回歸分析需要給出預(yù)期收益與特質(zhì)波動率及其它控制變量之間的函數(shù)關(guān)系式，當(dāng)然，投資組合分析也難以反映各變量在橫截面上的信息，也無法同時控制多個變量對收益的影響。為了同時檢驗其它多個控制變量對特質(zhì)波動率與預(yù)期收益之間關(guān)系的影響，我們在橫截面上以特質(zhì)波動率(IV)、價格極差(RP)、最大日收益率(MAX)、規(guī)模(SIZE)、交易量(VOL)、動量(MOM)、收益反轉(zhuǎn)(REV)、流動性(ILLIQ)和換手率(TUR)作為自變量，對下個月月收益進(jìn)行回歸，并分析回歸系數(shù)在時間序列上的顯著性(1%水平下)。為了減小不同指標(biāo)量綱對回歸結(jié)果的影響，回歸前對每個橫截面上所有指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。具體來說，在每個月，以各變量標(biāo)準(zhǔn)化后的月度數(shù)據(jù)進(jìn)行以下線性回歸分析，

Ri,t+1=λ0,t+λ1,tIVi,t+λ2,tRPi,t+λ3,tMAXi,t+λ4,tSIZEi,t+λ5,tVOLi,t+λ6,tMOMi,t+λ7,tREVi,t+λ8,tILLIQi,t+λ9,tTURi,t+εi,t+1

(3)

計算所有月回歸系數(shù)的平均值及其Newey-West-t值。表5列出了從1997年1月至2011年12月回歸系數(shù)的均值，括號內(nèi)為相應(yīng)的Newey-West-t檢驗值。

在單個自變量回歸模型中，特質(zhì)波動率回歸系數(shù)的平均值為-0.0529，Newey-West-t檢驗值為-7.3455。由于橫截面回歸意味著對每一個回歸樣本都賦予了相等權(quán)重，因此表明以平均加權(quán)計算組合收益，特質(zhì)波動率與預(yù)期收益之間存在顯著的負(fù)向關(guān)系，進(jìn)一步驗證了“特質(zhì)波動率之謎”的存在性。以價格極差作為自變量對下個月收益進(jìn)行回歸，回歸系數(shù)在時間序列上的平均值分別為-0.0230，Newey-West-t檢驗值分別為-3.4586，說明價格極差與預(yù)期收益之間也存在顯著的負(fù)向關(guān)系。由于最大日收益率與特質(zhì)波動率之間、換手率與特質(zhì)波動率之間也存在較強(qiáng)的相關(guān)性，因此再分別以最大日收益和換手率作為單變量對下月收益進(jìn)行回歸，回歸系數(shù)也顯著為負(fù)。

在多個自變量回歸模型中，若以特質(zhì)波動率和價格極差同時作為自變量，回歸系數(shù)的時間序列平均值分別為-0.0527和-0.0044，相應(yīng)的Newey-West-t檢驗值為-4.4171和-1.3589，雖然特質(zhì)波動率的系數(shù)依然顯著為負(fù)，然而其Newey-West-t檢驗值明顯較單變量時有所降低。若以最大日收益或換手率作為特質(zhì)波動率之外的第二個自變量進(jìn)行回歸，特質(zhì)波動率的系數(shù)依然顯著為負(fù)，其Newey-West-t檢驗值也明顯較單變量時有所降低。由此，雖然在統(tǒng)計學(xué)和金融學(xué)上，價格極差、最大日收益率、換手率都與特質(zhì)波動率之間有較強(qiáng)的相關(guān)性，然而都只可以在一定程度上解釋“特質(zhì)波動率之謎”，但不能完全解釋“特質(zhì)波動率之謎”。鑒于此，我們將價格極差、最大日收益率、換手率和特質(zhì)波動率同時作為自變量對下月收益進(jìn)行回歸，特質(zhì)波動率系數(shù)的Newey-West-t檢驗值為-1.7074，表明特質(zhì)波動率與預(yù)期收益之間不存在顯著關(guān)系。如果繼續(xù)加入其它控制變量，以特質(zhì)波動率、價格極差、最大日收益率、規(guī)模、交易量、動量、收益反轉(zhuǎn)、流動性和換手率同時作為自變量對下月收益回歸，特質(zhì)波動率的系數(shù)又顯著為負(fù)。由此，價格極差、最大日收益率和換手率的共同作用可能是造成“特質(zhì)波動率之謎”的主要原因。

表4 橫截面回歸自變量相關(guān)系數(shù)的時間序列平均值

表5 橫截面回歸的結(jié)果

4 結(jié)語

特質(zhì)波動率與股票預(yù)期收益之間的負(fù)向關(guān)系有悖于“高風(fēng)險有高回報”的金融風(fēng)險定價邏輯，對經(jīng)典資本資產(chǎn)定價理論和市場有效性理論提出了極大挑戰(zhàn)。“特質(zhì)波動率之謎”產(chǎn)生的原因何在？個人投資者投機(jī)心理較強(qiáng)，喜歡過去價格變化幅度較大的股票，試圖在股票低價時買進(jìn)，高價時賣出，在價格上漲時買進(jìn)，在價格暴漲時賣出，這種投資偏好現(xiàn)象令我們產(chǎn)生了濃厚的興趣。與整個股票市場相比，價格變化幅度較大的股票，特質(zhì)波動率往往也較大，投資者對這類股票的大量投資和頻繁交易將會使其未來收益偏低。

我們以中國股票市場A股為研究對象，首先驗證了中國股票市場確實存在“特質(zhì)波動率之謎”，并且引入規(guī)模、動量、交易量、流動性、換手率、短期反轉(zhuǎn)、最大日收益率等控制變量后，“特質(zhì)波動率之謎”依然穩(wěn)健存在。投資組合分析表明，以價格極差作為刻畫股票價格變化幅度的度量指標(biāo)，發(fā)現(xiàn)價格極差與換手率和最大日收益率相類似，可以在一定程度上解釋但不能完全解釋“特質(zhì)波動率之謎”。投資者偏好價格變化幅度較大的股票可能是產(chǎn)生“特質(zhì)波動率之謎”的部分原因。Fama-MacBeth橫截面回歸分析表明，以價格極差、最大日收益率、換手率同時作為控制變量，特質(zhì)波動率與股票預(yù)期收益之間的負(fù)向關(guān)系不再顯著。因此，結(jié)合現(xiàn)有文獻(xiàn)的研究結(jié)果，投資者在投機(jī)心理的推動下，對歷史價格變化幅度較大股票的偏好，喜歡像彩票類股票的博彩心理，以及反映投資者的異質(zhì)信念共同構(gòu)成了產(chǎn)生“特質(zhì)波動率之謎”的主要原因。

解釋“特質(zhì)波動率之謎”不僅支持了“高風(fēng)險有高收益”的資本資產(chǎn)定價邏輯，也為基于不完全信息的資本市場均衡模型提供了證據(jù)。同時，規(guī)范和完善上市公司信息披露制度，加強(qiáng)信息披露質(zhì)量，提高信息披露速度，增強(qiáng)投資者的風(fēng)險防范意識，減少短線投機(jī)行為，也是消除“特質(zhì)波動率之謎”的一個可行方向。

參考文獻(xiàn)：

[1] French K, Poterba J.Investor diversification and international equity markets[J].American Economic Review, 1991, 81(2): 222-226.

[2] Daniel K, Titman S.Evidence on the characteristics of cross sectional variation in stock returns[J].Journal of Finance, 1997, 55: 1-33.

[3] Cohen L.Loyalty-based portfolio choice[J].Review of Financial Studies, 2009, 22(3): 1213-1245.

[4] Hong H, Kacperczyk M.The price of sin: The effects of social norms on markets[J].Journal of Financial Economics, 2009, 93(1): 15-36.

[5] Hong H, Kostovetsky L.Red and blue investing: Values and finance[J].Journal of Financial Economics, 2012, 103: 1-19.

[6] Kumar A.Who gambles in the stock market?[J].Journal of Finance,2009, 64(4): 1889-1933.

[7] Bali T G, Cakici N, Whitelaw R F.Maxing out: Stocks as lotteries and the cross-section of expected returns[J].Journal of Financial Economics, 2011, 99: 427-446.

[8] Levy H.Equilibrium in animperfect market: A constraint on the number of securities in the portfolio[J].American Economic Review, 1978, 68: 643-658.

[9] Merton R.A simple model of capital market equilibrium with incomplete information[J].Journal of Finance, 1987, 42(3): 483-510.

[10] Campbell J, Lettau M, Malkiel B, et al.Have individual stocks become more volatile? An empirical exploration of idiosyncratic risk[J].Journal of Finance, 2001, 56(1): 1-43.

[11] Goetzmann W, Kumar A.Why do individual investors hold under-diversified portfolios?[R].Yale University working paper, 2004.

[12] Ang A, Hodrick R J, Xing Yuhuang, et al.The cross-section of volatility and expected returns[J].Journal of Finance, 2006, 61(1): 259-299.

[13] Fama E F, French K R.Common risk factors in the returns on stocks and bonds[J].Journal of Financial Economics, 1993, 33: 3-56.

[14] Bali T G, Cakici N.Idiosyncratic volatility and the cross section of expected returns[J].Journal of Financial and Quantitatie Analysis, 2008, 43(1): 29-58.

[15] Jiang G J, Xu D, Yao Tong.The information content of idiosyncratic volatility[J].Journal of Financial and Quantitatie Analysis, 2009, 44(1): 1-28.

[16] Han B, Kumar A.Retail clienteles and the idiosyncratic volatility puzzle[R].University of Texas at Austin working paper, 2008.

[17] 楊華蔚, 韓立巖.中國股票市場特質(zhì)波動率與橫截面收益研究[J].北京航空航天大學(xué)學(xué)報(社會科學(xué)版), 2009, 22(1): 6-10.

[18] 左浩苗, 鄭鳴, 張翼.股票特質(zhì)波動率與橫截面收益: 對中國股市“特質(zhì)波動率之謎”的解釋[J].世界經(jīng)濟(jì), 2011, 5: 117-135.

[19] Huang Wei, Liu Qianqiu, Rhee S G, et al.Return reversals, idiosyncratic risk, and expected returns[J].Review of Financial Studies, 2010, 23(1): 147-168.

[20] Chabi-Yo F.Explaining the idiosyncratic volatility puzzle using stochastic discount factors[J].Journal of Banking and Finance, 2011, 35(8): 1971-1983.

[21] 黃波, 李湛, 顧孟迪.基于風(fēng)險偏好資產(chǎn)定價模型的公司特質(zhì)風(fēng)險研究[J].管理世界, 2006, 11: 119-127.

[22] 徐小君.公司特質(zhì)風(fēng)險與股票收益——中國股市投機(jī)行為研究[J].經(jīng)濟(jì)管理, 2010, 32(12): 127-136.

[23] 鄧雪春, 鄭振龍.中國股市存在特質(zhì)波動率之謎嗎?[J].商業(yè)經(jīng)濟(jì)與管理, 2011, 1: 60-67.

[24] Malkiel B G, Xu Yexiao.Idiosyncratic risk and security returns[R].Working paper University of Texas at Dallas, 2002.

[25] Asparouhova E N, Bessembinder H, Kalcheva I.Liquidity biases in asset pricing tests[J].Journal of Financial Economics, 2010, 96(2): 215-237.

[26] 梁麗珍, 孔東民.中國股市的流動性指標(biāo)定價研究[J].管理科學(xué), 2008, 21(3): 85-93.

[27] Pastor L, Stambaugh R F.Liquidity risk and expected stock returns[J].Journal of Political Economy, 2003, 111(3): 642-685.

[28] Amihud Y.Illiquidity and stock returns: Cross-section and time-series effects[J].Journal of Financial Markets, 2002, 5(1): 31-56.

[29] Jegadeesh N, Titman S.Returns to buying winners and selling losers: implications for stock market efficiency[J].Journal of Finance, 1993, 48(1): 65-91.

[30] Jegadeesh N.Evidence of predictable behavior of security returns[J].Journal of Finance, 1990, 45(3): 881-898.

[31] Boehme R D, Danielsen B R, Sorescu S M.Short-sale costs, differences of opinion and overvaluation[J].Journal of Financial and Quantitative Analysis, 2006, 41(2): 455- 487.

[32] Newey W K, West K D.A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix[J].Econometrica, 1987, 55: 703-708.

[33] Spiegel M, Wang Xiaotong.Cross-sectional variation in stock returns: Liquidity and idiosyncratic risk[R].Yale University working paper, 2006.

[34] Fama E F, Macbeth J D.Risk, return, and equilibrium: Empirical tests[J].Journal of Political Economy, 1973, 81(3): 607-636.