王洪良，詹奕椿

(廣東外語外貿大學金融學院，廣州510006)

現階段我國經濟下行壓力不斷加大，經濟持續(xù)探底，而資本市場7年來首次出現了牛市行情，上證指數不斷攀升。實體經濟與股市繁榮背離現象的背后是大批散戶進入股票市場。根據彭博社的研究報告，新開戶的股民中有80%以上沒有接受過大學教育，而在成熟散戶投資者中這一比例達到了94.3%。眾多散戶進入股票市場極易引發(fā)市場的羊群行為，扭曲資本市場的價格發(fā)現與資源配置機制，使資本市場淪為具有全民參與性質的“賭市”。英國路透社認為現階段中國的股市已經完全脫離經濟基本面。投資者的非理性行為會造成市場價格對內在價值的偏離，從行為金融角度上看，投資者具有過度自信、損失規(guī)避及框定效應等心理特點，在市場中則主要表現為噪音交易與羊群行為［1］。本文嘗試從噪音交易與羊群行為兩個視角對市場價格對內在價值的偏離作出解釋，這對市場回歸理性與提高風險意識具有一定的實際意義。

圖1 上證綜指月平均市盈率

1 市場價格對內在價值的偏離

投資收益由未來現金流與資本利得兩部分決定，資本利得等于兩期資產價格的變動，由市場價格與內在價值的偏離所決定，而內在價值由未來現金流的現值決定。資本市場的泡沫是指資產價格在一個連續(xù)的過程中陡然上升，人們對資產的需求不是基于資產未來的現金流所帶來的收益，而是基于資產價格的預期上升［2］。新古典經濟學的主要命題之一就是市場價格以內在價值為基礎，理性行為主體的活動不會導致市場泡沫。理論界目前對如何量化泡沫尚無明確的數量化標準，但市場價格與內在價值的嚴重背離，則是市場泡沫的一個重要表現。

如圖1所示，上證綜指的市盈率從2014年1月份的10.4上漲到今年4月份的21.8，漲幅達108.5%。在經濟不斷下行、企業(yè)營業(yè)利潤不斷走低的環(huán)境下，市場估值越來越遠離股票的內在價值。根據戈登增長模型(Gordon growth model，GGM)，假定可持續(xù)增長率為g，必要收益率為r，公司凈收益的留存比率為b，當期股息為D0，則股票的內在價值為

那么當期的市盈率為

由上式可知，市盈率與必要收益率成反比，與可持續(xù)收益率成正比，與留存比率成反比。假定留存比率不變，在經濟下行、公司陷入財務困境的環(huán)境下，可持續(xù)增長率g會下降。另外，由于投資者面臨的風險加大，投資者要求的必要收益率必然會上升，因而由基本面決定的市盈率將會下降。然而，現實中市盈率卻不斷上升，與內在價值形成明顯的背離。

2 模型分析

2.1 行為資產定價模型

噪聲交易是指根據虛假信息和啟發(fā)式思維等導致的錯誤感知進行資產價值分析，從而導致錯誤的價值估計［3］。信息交易是指根據信息的分析形成投資期望并據此進行交易，但由于投資者天生存在的有限理性，信息交易者也會犯錯誤，并不一定能夠正確地理解信息［4］。由此我們可以定義，市場的交易無法使市場價格反映其內在價值，那么就稱為噪音交易。在市場存在噪聲交易時，市場的價格和交易量會受到非理性行為的影響，具體情況如表1所示。

表1 噪音交易對市場的影響

噪音交易風險(Noise Trader Risk，NTR)由De long et al.［5］提出，是指被套利者利用的錯誤定價在短期內惡化的風險。套利者對噪音交易者投資信念的不確定性限制了套利者的套利意愿，噪聲交易者就為自己的生存創(chuàng)造了空間。Sharp et al.［6］建立了資本資產定價模型(Capital Asset Pricing Model，CAPM)，認為只有系統性風險才具有定價作用，而非系統性風險則不具有定價作用。資本資產定價模型假定投資者是完全理性且對市場具有同質期望，而噪音交易風險所導致的套利限制扭曲了市場的定價機制。資本資產定價模型的表達形式如下:

其中，E(ri)與E(rm)分別是單個資產i與市場組合的預期收益率，βi為單個資產的系統風險，rf是無風險收益率。Shefrin et al.［7］在CAPM模型基礎上提出了行為資產定價模型(Behavioral Asset Pricing Model，BAPM)，BAPM 的表達式如下:

其中，E(ri)與E(rDV1)分別為資產i與動量指數(Dynamic volume index，DVI)的期望收益率。動量指數這一概念由Ramiah et al.［3］提出，指充分反映了噪音交易的市場指數。為行為貝塔，由于動量指數考慮了噪音交易風險，所以不再包含噪音交易風險，噪音交易風險就等于

構建動量指數的方法為每天對所有在市場進行交易的股票按照交易量進行排序，并計算其平均值，以天為單位構建的動量指數能夠很好地考慮到投資者的情緒，交易量低于平均值的股票將被剔除，而交易量超過平均值的股票將被選入動量指數的成分股［4］。動量指數的表達式如下:

其中，Sit與Sio分別為t期與o期第i只股票的流通股數;Pit與Pio分別為t期與o期第i只股票的收盤價;Io為調整因子，調整因子一般為基期市場綜合指數的值。由于價格本身就受到噪聲交易者的影響，再用其乘以包含了噪聲交易者影響的交易量，結果將使得噪聲交易被放大。為了解決度量上的誤差，在計算DVI時，對成交量與價格的乘積進行開根號，以減少人為導致的噪聲放大。調整后的指數稱為噪聲交易量指數(Noise Trade Volume Index，NTVI)，計算公式如下:

其中，S為交易量。

2.2 橫截面絕對偏離度模型

在資本市場中，羊群行為(Herd Behavior)是一種有意識地模仿別人決策的現象。羊群行為程度有輕有重，但在市場中卻總是存在一定程度的羊群行為，當市場的大部分參與者表現出羊群行為，并且這樣的行動使市場失去效率，價格不能正確地反映信息，市場資源不能得到合理的配置，那么這樣的結果就被稱為羊群效應［1，8］。

孫培源等［9］運用橫截面絕對偏離度模型［10］研究了我國主板市場的羊群行為，當市場處于極端行情時羊群效應更為顯著，并認為政府的干預措施是市場產生羊群行為的一個重要原因。Demirer et al.［11］利用橫截面絕對偏離度模型研究中國的主板市場，認為主板市場并不存在羊群效應，并且發(fā)現各個行業(yè)中也不存在羊群效應。Chiang et al.［12］研究發(fā)現上海和深圳的A股市場存在羊群效應，而B股市場卻不存在羊群效應。國內外學者對我國主板市場羊群行為的研究并沒有形成一致的觀點。大多數學者對中國股票市場羊群行為的研究主要運用橫截面絕對偏離度模型，但并沒有考慮到模型中誤差的自相關與異方差對參數檢驗帶來的影響。當回歸方程中誤差項存在自相關與異方差時，參數檢驗將失效，因此，為了提高實證分析的準確性，本文在橫截面偏離度模型基礎上建立AR(1)－GARCH(1，1)模型來解決誤差項自相關與異方差所帶來的影響。

當整個市場存在較嚴重的羊群行為時，投資者的買賣行為具有較高的一致性，從而使股價變化趨同。Chang et al.［10］利用個股收益率對市場整體的收益率的橫截面絕對偏離度作為股價變化趨同的衡量指標，表達式如下:

由式(1)可知

由于股票市場存在風險溢價，故E(rmt)＞rf，對式(7)兩邊同時取絕對值，可得

利用式(8)對所有股票進行加總并求平均值，可得

由式(9)可知，在市場完全理性的情況下，橫截面絕對偏離度和市場收益率之間為線性遞增關系。但是，當市場羊群行為顯著時，個股的收益率將向市場收益率趨近，此時橫截面絕對偏離度和市場收益率之間的線性遞增關系不再成立，即成非線性關系。利用CSADt和rmt作為 E(CSADt)與 E(rmt)的替代，并建立如下模型:

如果γ2為負顯著，則說明CSADt與rmt不存在線性關系，即說明存在羊群效應。

3 實證分析

3.1 噪音交易風險分析

在構建動量指數時，新股發(fā)行為構建動量指數帶來巨大的困難。例如，在上漲行情中，新股在某段時間可能成為活躍股，但是這些股票在動量指數的基期并沒有流通市值，如果把新股上市當日的市值作為基期值，那么每當調整一次動量指數的樣本股的時候，就會發(fā)生暴跌，這與實際情況不相符。此外，很多股票在某些時段停牌甚至退市，會存在數據缺失或不連續(xù)。這些都給構建動量指數帶來了巨大的困難。因此，很多學者都運用市場上比較活躍的指數作為替代，如上證50、滬深300等等。

大多數學者的研究主要集中在個股的噪音交易風險，顯然個股的風險并不能反映整個市場的風險。本文在噪音交易風險分析方面以上證主板的10個行業(yè)為研究對象，即能源、原材料、工業(yè)、可選消費、主要消費、醫(yī)藥衛(wèi)生、金融地產、信息技術、電信業(yè)務與公用事業(yè)等10個行業(yè)。選擇行業(yè)指數可以反映市場噪音交易風險的行業(yè)分布狀況。選取上證180動態(tài)指數作為動量指數的替代，上證180動態(tài)的樣本選擇空間由上證180全部樣本股組成。從上證180樣本股中選取90只對宏觀經濟和經濟周期變動具有較高敞口風險的股票作為上證180動態(tài)的成分股，這些成分股往往成為噪音交易者的交易標的，因此，上證180動態(tài)指數能夠比較準確地反映市場上存在的噪音交易。在CAPM與BAPM中，單只股票或者投資組合的收益率都與市場超額率呈線性關系，樣本時間區(qū)間為2013年10月1日至2015年3月31日。由于期望日收益率不可獲得，故利用實際日收益率代入式(1)、(2)，再由式(3)求得噪音交易風險。

圖2 行業(yè)風險分布

如圖2所示，在系統風險方面，可選消費與信息技術行業(yè)的風險最高，醫(yī)藥衛(wèi)生行業(yè)的系統風險最低;在行為系統風險方面，可選消費與金融地產的風險最高，醫(yī)藥衛(wèi)生行業(yè)的風險最低;在噪音交易風險方面，可選消費與信息技術的風險最高，都超過了0.4，屬于高噪音交易風險，而金融地產的噪音風險最低，但也接近0.2?？偟膩砜矗胍艚灰罪L險普遍較高，市場存在著較為顯著的噪音交易風險。

3.2 羊群行為分析

3.2.1 統計描述

利用上證綜合指數所有標的股票的周收益率數據，樣本區(qū)間為2013年10月11日至2015年3月27日，運用式(6)可得總計72個周的CSAD值①數據來源:國泰安經濟金融研究數據庫。。

圖3 上證綜指收益率與橫截面絕對偏離度

圖3 是RM與CSAD的走勢圖，二者的相關系數為0.1541，利用相關系數t檢驗，可得

ρ代表相關系數，n為樣本容量，計算可得t為1.26，在10%的顯著性水平下無法拒絕相關系數為零的原假設。根據橫截面絕對偏離度的原理，二者之間的不顯著的線性關系意味著市場上存在羊群行為。此外，RM具有群集波動的屬性，這說明存在異方差。自去年10月份以來，RM與CSAD的波動幅度都不斷加大，反映了市場的不穩(wěn)定性加劇。

3.2.2 總體行情分析

為了避免出現偽回歸，首先對CSADt、進行單位根檢驗，采用ADF檢驗法。

表2 時間序列單位根檢驗

由表2可知，CSADt、|rmt|、r2mt都為平穩(wěn)時間序列。對于時間序列而言，在不同時刻可利用的信息不同，而相應的條件方差也不同，為了消除誤差項的異方差而自相關，故利用GARCH(1，1)廣義自回歸條件異方差［13］作為回歸方程中的方差方程，并在回歸方程中的均值方程中引入CSAD一階滯后項即AR(1)，具體表達式如下:

回歸結果如表3所示。

表3 總體行情回歸

由回歸結果可知，c、θ1與θ2都大于零，θ1+θ2＜1，滿足約束條件。由于γ2為正，故從整體上看，上證股票市場并不存在顯著的羊群效應。

3.2.3 極端收益行情分析

Hwang et al.［14］認為，市場在極端收益行情下容易產生引發(fā)市場的羊群行為，這是因為在極端高收益行情下，投資者的逐利心態(tài)使其容易盲目跟風從眾，表現為追漲;而在極端低收益行情下，投資者的損失規(guī)避心理使其大量拋出股票，表現為殺跌。因此，為了研究極端收益行情下的羊群行為，需考慮極端收益行情下的羊群行為的顯著性。

(1)極端高收益行情。為了研究極端高收益行情下的羊群行為，將市場收益從低到高進行排序，選擇最高的5%的收益作為極端高收益。在基準模型式(9)下，建立如下模型:

Du－ex為二元虛擬變量，當市場處于極端高收益時，Du－ex等于 1;否則，Du－ex等于 0?；貧w結果如表4所示。

表4 極端高收益行情回歸

由于γu－ex1為正，故在極端高收益行情下并不存在羊群效應。

(2)極端低收益行情。為了研究極端低收益行情下的羊群行為，將市場收益從低到高進行排序，選擇最低的5%的收益作為極端低收益。構建如下模型:

均值方程:CSADt=a2+ μ2AR(1)

Dd－ex為二元虛擬變量，當市場處于極端低收益時，Dd－ex等于 1;否則，Dd－ex等于 0。回歸結果如表5所示。

表5 極端低收益行情回歸

4 總結與建議

經實證研究發(fā)現，上證股票市場中存在一定程度的噪音交易風險，并且存在羊群行為，在極端低收益行情中存在顯著的羊群效應，這說明了資本資產定價模型并不適用于我國的資本市場。此輪牛市在一定程度上是由無風險利率下降的情況下提升風險偏好所引起的，另外一個原因則是市場噪音交易與羊群行為的出現。隨著新的大量散戶投資者的入市，噪音交易風險將不斷上升，羊群效應可能會在之后的整體行情中慢慢凸顯。監(jiān)管當局應嚴禁場外配資，加強市場信息披露與投資者教育，嚴控市場杠桿操作，打擊內幕交易與市場操縱。在實體經濟方面，應繼續(xù)堅持積極的財政政策與穩(wěn)健的貨幣政策，走穩(wěn)增長、調結構的發(fā)展路徑，只有實體經濟的復蘇與改革紅利的釋放才能為資本市場的發(fā)展提供支持，資本市場也只有回歸理性才能發(fā)揮服務實體經濟的作用，從而形成良性循環(huán)。在資本市場創(chuàng)新與自由化方面，根據發(fā)達國家的歷史經驗，資本市場創(chuàng)新與自由化程度不斷加深的同時，資本泡沫也在積累。隨著我國衍生品的創(chuàng)新與運用以及資本市場對外開放程度的不斷提高，容易造成國際市場熱錢對我國資本市場的沖擊和引發(fā)國內投資者的非理性行為，因此，在金融衍生品的創(chuàng)新與市場對外開放中必須嚴控風險。簡言之，市場理性是資本市場與實體經濟協同發(fā)展的必要條件。

［1］露西F阿科特.行為金融心理、決策和市場 ［M］.戴國強，等譯.北京:機械工業(yè)出版社，2012:160－169.

［2］斯蒂芬A羅斯，倫道夫W威斯菲爾德，杰弗利F杰富.公司理財［M］.吳世農，沈藝峰，王志強等譯.北京:機械工業(yè)出版社，2012:384－402.

［3］Vikash Bora Ramiah，Sinclair Davidson .Behavioral Aspects of Finance:BAPM vs.CAPM ＆ Noise Trader Risk［R］.Melbourne:Working Papers of RMIT University，2002.

［4］Vikash Bora Ramiah，Sinclair Davidson.Behavioral Aspects of Finance:BAPM vs CAPM ＆ Noise Trader risk［R］.Melbourne:Working Papers of RMIT University，2005.

［5］De Long J B，Shleifer A，Summer L，Waldman.Positive feedback investment strategies and destabilizing rational speculation［J］.Journal of Finance，1990(45):375－395.

［6］Shape W.Capital asset prices:a theory of market equilibrium under conditions of risk ［J］.Journal of Finance，1964(19):425－442.

［7］Hersh Shefrin，Meir Stateman.Behavioral Capital Asset Pricing Theory ［J］.Journal of Financial and Quantitative Analysis，1994，29(3):323－349.

［8］Devenow A ，Welch I.Rational herding in financial economics［J］.European Economic Review，1996(40):603－615.

［9］孫培源，施東暉.基于CAPM的中國股市羊群行為研究:兼與宋軍、吳沖鋒先生商榷［J］.經濟研究，2002(2):64－70.

［10］Chang E C，Cheng J W，Khorama A .An Examination of Herd Behavior in Equity Markets:An International Perspective ［J］.Journal of Banking ＆Finance，2000(10):1651－1679.

［11］Demirer R，Kutan A M .Does herding behavior exist in Chinese stock market? ［J］.Journal of International Financial Markets，Institutions and Money，2006(16):123－142.

［12］Chiang T C，Li J，Tan L .Empirical investigation of herding behavior in Chinese stock markets:Evidence from quantile regression analysis［J］.Global Finance Journal，2010(21):111－124.

［13］高鐵梅.計量經濟分析方法與建模 ［M］.北京:清華大學出版社，2009:193－217.

［14］Hwang，Salmon .Market stress and herding ［J］.Journal of Empirical Finance，2004(11):585－616.