熊 偉，陳浪南

1 深圳證券交易所 綜合研究所，廣東 深圳 518028 2 中山大學(xué) 嶺南(大學(xué))學(xué)院，廣州 510275

股票特質(zhì)波動率、股票收益與投資者情緒

熊 偉1，陳浪南2

1 深圳證券交易所 綜合研究所，廣東 深圳 518028 2 中山大學(xué) 嶺南(大學(xué))學(xué)院，廣州 510275

從理論和實(shí)證兩個(gè)角度分析股票特質(zhì)波動率、股票收益與投資者情緒之間的動態(tài)關(guān)系。將受投資者情緒影響的噪聲投資者引入Merton基于不完全信息的市場均衡模型，以2007年至2012年滬、深兩市A股上市公司數(shù)據(jù)為樣本，運(yùn)用有向無環(huán)圖(DAG)技術(shù)識別SVAR模型，實(shí)證檢驗(yàn)股票特質(zhì)波動率與股票收益和投資者情緒的相關(guān)性。研究結(jié)果表明，股票特質(zhì)波動率與股票收益正相關(guān)；股票收益率對股票特質(zhì)波動率的彈性，隨著投資者情緒的增加和噪聲投資者比例的上升而增大。投資者情緒和股市流動性是影響中國股票市場高特質(zhì)波動股票與低特質(zhì)波動股票截面收益差異大小的重要原因。投資者越樂觀、市場上流動性越強(qiáng)，高特質(zhì)波動組合收益率與低特質(zhì)波動組合收益率的截面差異就越大。研究結(jié)果有利于加深對投資者行為的認(rèn)識，從更符合中國資本市場情況的角度分析股票特質(zhì)波動率與股票收益的關(guān)系。

股票特質(zhì)波動率；股票收益；投資者情緒；不完全信息；流動性

1 引言

經(jīng)典的資本資產(chǎn)定價(jià)模型(CAPM)中影響資產(chǎn)價(jià)格的只有系統(tǒng)性風(fēng)險(xiǎn)，而股票特質(zhì)波動率與股票收益無關(guān)。Merton[1]基于不完全信息下的資本市場均衡模型，提出股票的截面收益與股票的特質(zhì)風(fēng)險(xiǎn)呈正相關(guān)關(guān)系；Ang等[2]發(fā)現(xiàn)股票收益與特質(zhì)波動存在顯著的負(fù)相關(guān)關(guān)系。他們的研究結(jié)果既不符合傳統(tǒng)的CAPM理論，又不符合基于不完全信息下的資產(chǎn)定價(jià)理論，故將其稱為“特質(zhì)波動之謎”(IV-puzzle)。

Ang等[2]提出的“特質(zhì)波動之謎”主要基于對發(fā)達(dá)資本市場的研究結(jié)果，然而不同市場上引起特質(zhì)波動變動的原因可能存在差異。De Long等[3]認(rèn)為，公司基本面信息在股價(jià)中得到更好的反映和投資者非理性投資造成的噪音交易都可能是造成股票特質(zhì)波動率增加的原因；Lee等[4]從理論上證明股票特質(zhì)波動與股價(jià)信息含量呈U形曲線關(guān)系。即當(dāng)市場信息透明度較高時(shí)，公司層面信息是股價(jià)波動的主要因素，股票特質(zhì)波動隨信息含量的增加而增大；當(dāng)市場信息透明度較低時(shí)，公司股價(jià)中含有較多的噪聲成分，股票特質(zhì)波動隨信息含量的增加而減少。陳浪南等[5]的研究表明，影響中國股票特質(zhì)波動率變動的主要因素是非理性投資者的噪聲交易，而不是股價(jià)反映上市公司內(nèi)在價(jià)值的有效性和及時(shí)性。投資者情緒是影響非理性投資者噪聲交易行為的主要因素之一，投資者情緒越高(低)，越容易高(低)估股票的內(nèi)在價(jià)值[6]。因此，本研究從理論和實(shí)證兩方面分析股票特質(zhì)波動率、股票收益與投資者情緒的關(guān)系。

2 相關(guān)研究評述

學(xué)術(shù)界對于股票特質(zhì)風(fēng)險(xiǎn)與股票收益關(guān)系的研究尚未達(dá)成一致結(jié)論，部分學(xué)者從如何準(zhǔn)確刻畫股票特質(zhì)波動率這一角度對此問題進(jìn)行了闡述。Fu[7]認(rèn)為特質(zhì)風(fēng)險(xiǎn)與期望收益應(yīng)該是同期關(guān)系；Ang等[2]采用已實(shí)現(xiàn)異質(zhì)波動的滯后一期估計(jì)期望收益未能有效刻畫異質(zhì)波動隨時(shí)間的變化，因此他們提出采用EGARCH模型對股票特質(zhì)波動進(jìn)行樣本內(nèi)估計(jì)，實(shí)證結(jié)果表明股票期望收益與條件特質(zhì)波動顯著正相關(guān)，具有高特質(zhì)性波動的小額股票的收益反轉(zhuǎn)是造成IV-puzzle的主要原因；Chua等[8]認(rèn)為資產(chǎn)定價(jià)模型應(yīng)該反映期望特質(zhì)波動與期望收益的關(guān)系。大多數(shù)學(xué)者采用已實(shí)現(xiàn)收益作為期望收益的代理變量，未能有效區(qū)分股票收益中的預(yù)期部分和非預(yù)期部分，他們采用未預(yù)期的特質(zhì)波動作為股票未預(yù)期收益的控制變量，實(shí)證發(fā)現(xiàn)預(yù)期公司特質(zhì)波動與股票預(yù)期收益顯著正相關(guān)。Bali等[9]認(rèn)為公司特質(zhì)風(fēng)險(xiǎn)與股票截面收益的相關(guān)關(guān)系與估計(jì)股票特質(zhì)波動率的數(shù)據(jù)頻率、計(jì)算股票組合平均收益的權(quán)重以及股票分組構(gòu)造組合的方法有關(guān)。

部分學(xué)者從多個(gè)角度對股票特質(zhì)波動率影響股票價(jià)格的原因進(jìn)行討論。Han等[10]從市場微觀結(jié)構(gòu)角度研究，認(rèn)為在控制股票流動性對股票特質(zhì)波動率估計(jì)的影響后，股票特質(zhì)波動率對股票收益率沒有顯著影響；Cao等[11]基于不完全市場下的期權(quán)定價(jià)理論和金融中介約束，發(fā)現(xiàn)以高特質(zhì)波動股票為基礎(chǔ)資產(chǎn)的期權(quán)的收益率顯著低于以低特質(zhì)波動股票為基礎(chǔ)資產(chǎn)的期權(quán)的收益率；Berrada等[12]認(rèn)為當(dāng)擁有不完全信息時(shí)，投資者認(rèn)為的特質(zhì)風(fēng)險(xiǎn)包括股票真實(shí)的特質(zhì)風(fēng)險(xiǎn)和預(yù)測誤差兩部分，以此為基礎(chǔ)，他們將股票特質(zhì)波動率與投資者預(yù)測誤差的乘積定義為特指波動效應(yīng)，并實(shí)證檢驗(yàn)了該變量對股票特質(zhì)波動率與股票收益率的相關(guān)關(guān)系有顯著影響。

中國學(xué)者利用中國股票市場數(shù)據(jù)也對上述問題進(jìn)行討論。部分學(xué)者發(fā)現(xiàn)中國股票市場存在股票特質(zhì)波動之謎，股票特質(zhì)波動率與股票收益率呈負(fù)相關(guān)關(guān)系。徐小君[13]基于公司特質(zhì)風(fēng)險(xiǎn)研究中國股票市場投資者的投機(jī)行為，發(fā)現(xiàn)中國投資者對于股票特質(zhì)風(fēng)險(xiǎn)大的彩票型股票具有明顯偏好，市場的高投機(jī)性導(dǎo)致了高特質(zhì)風(fēng)險(xiǎn)股票的過高估價(jià)；左浩苗等[14]發(fā)現(xiàn)中國股票特質(zhì)波動率與截面收益率存在顯著負(fù)相關(guān)關(guān)系，認(rèn)為這與中國股票市場存在賣空限制以及投資者具有異質(zhì)性有關(guān)。還有部分學(xué)者發(fā)現(xiàn)中國股票特質(zhì)波動率與股票收益率呈正相關(guān)關(guān)系。鄧雪春等[15]利用建立ARMA模型的方法提取預(yù)期特質(zhì)波動率，對于預(yù)期特質(zhì)波動率與預(yù)期收益率的橫截面回歸結(jié)果表明，兩者之間存在顯著的正向關(guān)系；田益祥等[16]采用EGARCH模型證實(shí)，股票預(yù)期特質(zhì)波動率與股票收益率存在顯著正相關(guān)關(guān)系；羅登躍[17]基于Fama-French股票組合，研究發(fā)現(xiàn)當(dāng)期已實(shí)現(xiàn)特質(zhì)波動率和非預(yù)期特質(zhì)波動率均與收益顯著正相關(guān)，而預(yù)期特質(zhì)波動率只有在控制了非預(yù)期特質(zhì)波動率時(shí)才與股票收益率顯著正相關(guān)；楊華蔚等[18]建立純交換市場均衡模型框架下的基于投資者異質(zhì)信念的消費(fèi)資本資產(chǎn)定價(jià)模型，從理論上證明除來自總消費(fèi)、稟賦的基本面風(fēng)險(xiǎn)外，投資者對市場層面和公司層面外部因素信念差異也是影響股票價(jià)格的風(fēng)險(xiǎn)因素。

以上關(guān)于股票特質(zhì)波動率與股票收益關(guān)系的研究主要集中討論了股票特質(zhì)波動率與股票收益率之間的截面相關(guān)性，本研究將以高特質(zhì)波動股票與低特質(zhì)波動股票之間差異率的差額構(gòu)造股票特質(zhì)風(fēng)險(xiǎn)因子。根據(jù)Merton[1]不完全信息下的資本市場均衡模型，該因子反映了與信息成本有關(guān)的系統(tǒng)性風(fēng)險(xiǎn)因子。與已有研究不同，本研究的重點(diǎn)是高特質(zhì)波動股票與低特質(zhì)波動股票之間收益率差額的影響因素。

自20世紀(jì)90年代以來，零售交易者交易活動更加頻繁是導(dǎo)致股票特質(zhì)波動增加的主要原因[19]。投資者過分樂觀的情緒使股票價(jià)格偏離上市公司的內(nèi)在價(jià)值，在一段時(shí)期內(nèi)形成了股票市場上的非理性繁榮，并最終導(dǎo)致了21世紀(jì)初美國科技股泡沫的破滅。傳統(tǒng)的金融理論認(rèn)為，套利者的交易活動抑制了非理性投資者對股票均衡價(jià)格的影響。但De Long等[3]認(rèn)為投資者情緒的隨機(jī)性和難以預(yù)測性限制了套利者的套利活動，導(dǎo)致股價(jià)對內(nèi)在價(jià)值的長期偏離。當(dāng)投資者情緒導(dǎo)致股票價(jià)格偏離內(nèi)在價(jià)值時(shí)，通過低買高賣，以期在價(jià)差變化中獲利的套利者，面臨著噪聲投資者預(yù)期自我實(shí)現(xiàn)的風(fēng)險(xiǎn)。噪聲投資者預(yù)期的系統(tǒng)性偏差可能導(dǎo)致進(jìn)行套利者的頭寸在短期內(nèi)虧損。股價(jià)對內(nèi)在價(jià)值長期偏離的可能性，抑制了具有風(fēng)險(xiǎn)厭惡特征或者可獲得投資資金受投資短期業(yè)績影響的套利者的套利活動，并最終導(dǎo)致投資者情緒對股票均衡價(jià)格的影響。Barberis等[20]通過刻畫貝葉斯理性下的投資者情緒，解釋股票市場上投資者對信息的過度反應(yīng)和反應(yīng)不足；Lee等[21]的實(shí)證研究表明投資者情緒是一種被定價(jià)的系統(tǒng)性風(fēng)險(xiǎn)，股票超額收益與投資者情緒變化同期正相關(guān)，他們采用GARCH-M模型驗(yàn)證了投資者情緒不僅影響股票收益率，還影響股票波動率；蔣玉梅等[22]關(guān)于投資者情緒對股票收益的總體效應(yīng)的研究表明，投資者情緒對于股票收益產(chǎn)生系統(tǒng)性影響；張宗新等[23]假定具有貝葉斯理性的投資者對基本面信息和市場噪聲偏好的差異，導(dǎo)致他們在先驗(yàn)信念上的不同，進(jìn)一步實(shí)證結(jié)果表明投資者對噪聲信息的偏好將導(dǎo)致較高頻率的情緒波動。投資者的情緒水平越高，股票價(jià)格對內(nèi)在價(jià)值的偏離以及股市波動性都越大。Lee等[24]構(gòu)建一個(gè)含噪聲的多期理性模型，發(fā)現(xiàn)當(dāng)市場上信息透明度較低時(shí)，投資者的噪聲交易是驅(qū)動股價(jià)變動的主要因素，此時(shí)公司信息含量越高，股票特質(zhì)波動率越低(股價(jià)波動同步性越高)；Kumar等[25]基于噪聲交易模型，通過投資者情緒，解釋具有較多小額投資者的上市公司之間的股價(jià)同步性，認(rèn)為這類公司通常是規(guī)模較小、市值較低、機(jī)構(gòu)投資者持股比例較低的公司；Kelly[26]發(fā)現(xiàn)高特質(zhì)波動率股票通常是上市時(shí)間相對較短、市值相對較低、機(jī)構(gòu)投資者持股比例較低、分析師關(guān)注較少、流動性較低的股票；許年行等[27]以股市反轉(zhuǎn)收益表征投資者非理性因素，研究發(fā)現(xiàn)，就中國市場總體而言，R2與反轉(zhuǎn)效應(yīng)顯著負(fù)相關(guān)，即股價(jià)同步性越低，反轉(zhuǎn)現(xiàn)象越明顯；Baker等[28]構(gòu)建理論模型，從投資者情緒角度解釋股票流動性與股票收益率的關(guān)系。投資者市場情緒變化導(dǎo)致股票市場流動性的短期波動，市場中非理性投資者的情緒可以由流動性指標(biāo)進(jìn)行衡量。Chan等[29]區(qū)分股票系統(tǒng)性波動和股票特質(zhì)性波動對股票流動性的影響，認(rèn)為相對公司層面信息而言，股票價(jià)格中的市場層面信息越多，股票逆向選擇風(fēng)險(xiǎn)越低，股票流動性越高；股價(jià)同步性與股票流動性的正相關(guān)關(guān)系在信息對稱程度較低的非S&P500股票中更為顯著。由于中國股票特質(zhì)波動率受投資者噪聲交易影響較大，因此本研究主要從噪聲投資者角度，結(jié)合投資者情緒和股票流動性，討論股票特質(zhì)波動率和股票收益相關(guān)關(guān)系的影響因素。

3 理論模型

Merton[1]構(gòu)造了一個(gè)基于不完全信息市場下的兩期模型。在該模型中，投資者擁有異質(zhì)信息、同質(zhì)預(yù)期。對于特定資產(chǎn)k(即公司k的資產(chǎn))而言，市場上存在兩類投資者，一類是了解該資產(chǎn)的知情投資者，一類是不了解該資產(chǎn)的不知情投資者。當(dāng)且僅當(dāng)投資者了解資產(chǎn)k時(shí)，才會投資于該資產(chǎn)。在Merton[1]的模型中無風(fēng)險(xiǎn)證券和遠(yuǎn)期合約證券的期望收益和方差以及市場上股票收益的基本結(jié)構(gòu)是投資者的共同信息，但股票收益結(jié)構(gòu)中的參數(shù)值只包含在部分投資者的信息集中。本研究所說的投資者了解資產(chǎn)k，是指構(gòu)成資產(chǎn)k預(yù)期收益率分布的參數(shù)是投資者信息集中的元素。Merton[1]基于以上模型認(rèn)為，在不完全信息市場中，投資者持有未完全分散化股票特質(zhì)風(fēng)險(xiǎn)的投資組合，在市場均衡狀態(tài)下，股票的橫截面收益與股票特質(zhì)風(fēng)險(xiǎn)正相關(guān)。

在股市信息不完全和不確定的市場環(huán)境下，缺乏信息的噪聲投資者可能通過觀察市場上的交易行為，從中推斷知情投資者掌握的信息，并加以模仿。如散戶投資者遵循正反饋交易策略的“追漲殺跌”行為。本研究將不知情投資者分為兩類，一類是不進(jìn)行交易的保守投資者，另一類是缺乏對風(fēng)險(xiǎn)資產(chǎn)未來收益分布的認(rèn)識但卻盲目跟風(fēng)的噪聲投資者。本研究把知情投資者和不知情投資者中的保守投資者都看做理性投資者，通過擴(kuò)展Merton模型，考慮具有不完全信息的噪聲投資者，進(jìn)一步分析在不完全信息下，受投資者情緒影響的噪聲投資者對中國股市的影響。

(1)

(2)

(3)

(4)

(5)

假定投資者是風(fēng)險(xiǎn)厭惡的，根據(jù)Markowitz-Tobin的均值方差標(biāo)準(zhǔn)選擇最優(yōu)投資組合。理性投資者的最優(yōu)投資組合問題可轉(zhuǎn)為帶約束的最大化問題求解，即

(6)

(6)式的一階條件為

(7)

(8)

為了進(jìn)一步分析不完全信息對均衡資產(chǎn)價(jià)格和期望收益的影響，假定投資者有相同的偏好和初始財(cái)富，即δj=δ,Wj=W，并且nk(N-Nk)個(gè)噪聲投資者完全復(fù)制知情投資者的組合構(gòu)成。δ為不需要區(qū)分不同投資者的風(fēng)險(xiǎn)偏好，Wj為投資者j的初始財(cái)富，W為不需要區(qū)分不同投資者的初始財(cái)富。由(7)式可知，在這一假定條件下，各投資者對共同因子的風(fēng)險(xiǎn)暴露水平也相同，即bj=b，b為投資者對共同因子的風(fēng)險(xiǎn)暴露水平。

(9)

其中，pk=qk+nk(1-qk)，qk為知情投資者的比例。

經(jīng)整理，均衡狀態(tài)下，證券k的期望收益可表示為

(10)

由(10)式可知，投資者的風(fēng)險(xiǎn)厭惡水平越高，證券k的期望收益率越高，而且證券k的特質(zhì)波動率與股票收益正相關(guān)。

由上可知，股票收益不僅受公司基本面信息波動的影響，還受市場上情緒型噪聲投資者的影響。

4 數(shù)據(jù)和變量

4.1 股市特質(zhì)風(fēng)險(xiǎn)因子

為了反映股票特質(zhì)波動率對股票收益影響的大小，本研究以2007年1月1日至2012年12月31日滬、深兩市A股上市公司的日數(shù)據(jù)作為樣本，構(gòu)造股市特質(zhì)風(fēng)險(xiǎn)因子IVF的月度數(shù)據(jù)。股票日收益率數(shù)據(jù)來自CCER數(shù)據(jù)庫，F(xiàn)ama-French三因子日數(shù)據(jù)來自Resset數(shù)據(jù)庫，無風(fēng)險(xiǎn)利率為中國人民銀行披露的一年期居民定期存款利率。本研究對投資者情緒的度量主要采用《股市動態(tài)分析》的好淡指數(shù)，受數(shù)據(jù)可獲得性的影響，本研究的樣本區(qū)間僅到2012年。

本研究采用基于Fama-French三因子模型的間接方法構(gòu)造股票特質(zhì)波動率，每月將每只股票日數(shù)據(jù)的超額收益率對市場因子、規(guī)模因子和價(jià)值因子進(jìn)行回歸，即

Ri,t=αi,m+βi,mMKTt+si,mSMBt+hi,mHMLt+εi,t

(11)

(12)

Xu等[32]認(rèn)為股票特質(zhì)波動率與公司規(guī)模有關(guān)。因此，本研究采用基于公司規(guī)模和股票特質(zhì)波動率大小的二維分組法。首先，以每月末股票收盤價(jià)與在外流通股股數(shù)的乘積度量的公司規(guī)模為依據(jù)，將股票按照公司市值大小平均分為5組；然后，以(12)式計(jì)算的股票特質(zhì)波動率為依據(jù)，將每個(gè)公司規(guī)模組合進(jìn)一步分為5組。各股票特質(zhì)波動率組合的收益為該股票特質(zhì)波動率組合中所有股票收益的加權(quán)平均值。本研究將各期最高股票特質(zhì)波動率投資組合的市值加權(quán)平均收益率與最低股票特質(zhì)波動率投資組合的市值加權(quán)平均收益率之差定義為股市特質(zhì)風(fēng)險(xiǎn)因子IVF。與模型估計(jì)結(jié)果一致，在控制公司規(guī)模效應(yīng)的條件下，投資組合的股票收益隨平均特質(zhì)波動率的增加而單調(diào)遞增。

4.2 投資者情緒

國內(nèi)外研究者根據(jù)投資者情緒指標(biāo)的性質(zhì)可以分為直接指標(biāo)(顯性指標(biāo))和間接指標(biāo)(代理變量)，根據(jù)投資者情緒指標(biāo)的構(gòu)成可以分為單一指標(biāo)和復(fù)合指標(biāo)兩類。直接指標(biāo)是通過市場調(diào)查直接得到的投資者對股票市場看法的指標(biāo)，如美國個(gè)體投資者協(xié)會指數(shù)、央視看盤指數(shù)和好淡指數(shù)；間接指標(biāo)是根據(jù)理論和實(shí)證研究，從金融市場數(shù)據(jù)中提取的能夠反映投資者情緒的市場變量，如封閉式基金折價(jià)率和IPO首日收益率。復(fù)合指標(biāo)，又稱為投資者情緒指數(shù)，是由多個(gè)代理變量復(fù)合構(gòu)成的指標(biāo)。相對于單一指標(biāo)，復(fù)合指標(biāo)能夠更加全面、客觀、準(zhǔn)確地反映整個(gè)市場的投資者情緒，如投資者情緒綜合指數(shù)[32]?；跀?shù)據(jù)可獲得性和研究需要，本研究對投資者情緒的度量主要采用《股市動態(tài)分析》的好淡指數(shù)中期指標(biāo)。好淡指數(shù)是以證券業(yè)內(nèi)人士和中小散戶等市場參與者為樣本，通過統(tǒng)計(jì)被訪者對后市的判斷而得出，中期指標(biāo)反映的是被訪者對1～3個(gè)月市勢的趨勢性預(yù)測。該指標(biāo)的范圍為0～100，好淡指數(shù)的數(shù)值越大，表示對市場未來持樂觀態(tài)度的投資者越多；反之，則對市場未來持悲觀態(tài)度的投資者越多。從數(shù)據(jù)可獲得性和模型估計(jì)有效性兩方面考慮，本研究的樣本區(qū)間為2007年至2012年，數(shù)據(jù)容量能滿足模型估計(jì)的需要。

4.3 股市流動性

股票流動性反映了投資者在較短時(shí)間內(nèi)以較低成本完成市場交易的能力。市場上資產(chǎn)的流動性越好，投資者交易成本越低，情緒型噪聲投資者對股票的需求可能越高。本研究通過對個(gè)股的Amihud非流動性加權(quán)平均得到股市總流動性[33]。

股票i第m月的非流動性指標(biāo)Amihudi,m的構(gòu)成為

(13)

其中，Di,m為股票i在第m月的交易天數(shù)，僅保留月交易天數(shù)大于15天的樣本；Ri,t,m為股票i在第m月內(nèi)第t日的日收益率，單位為百萬元；VOLi,t,m為股票i在第m月內(nèi)第t日的日交易量，單位為百萬元。為保證研究結(jié)論不受極端值的影響，參照Amihud[34]的做法，采取上、下1%的截尾處理。然后，計(jì)算市場上各股流動性的加權(quán)平均值，作為股市非流動性的度量。需注意的是，Amihud指標(biāo)度量的是股市的非流動性，該指標(biāo)越大，股市流動性越小。股票日收益率數(shù)據(jù)和日交易量數(shù)據(jù)均來自CCER數(shù)據(jù)庫。

圖1給出2007年1月至2012年12月各月股市特質(zhì)風(fēng)險(xiǎn)因子、投資者情緒和Amihud非流動性指標(biāo)。由圖1可知，股市特質(zhì)風(fēng)險(xiǎn)因子的大小基本為正，即各月高特質(zhì)波動股票的平均收益率大于低特質(zhì)波動股票的平均收益率。股市特質(zhì)風(fēng)險(xiǎn)因子與投資者情緒的走勢具有比較一致的表現(xiàn)，反映出一定的“同漲同跌”性；而股市特質(zhì)風(fēng)險(xiǎn)因子與Amihud非流動性指標(biāo)很多時(shí)候表現(xiàn)出相反的變動方向。股市特質(zhì)風(fēng)險(xiǎn)因子與投資者情緒呈正相關(guān)關(guān)系，兩者的相關(guān)系數(shù)為0.551；股市特質(zhì)風(fēng)險(xiǎn)因子與Amihud非流動性指標(biāo)呈負(fù)相關(guān)關(guān)系，兩者的相關(guān)系數(shù)為-0.414。

圖1 股市特質(zhì)風(fēng)險(xiǎn)因子、投資者情緒和Amihud非流動性(月)Figure 1 Idiosyncratic Risk Factor, Investor Sentiment and Amihud Illiquidity (Monthly)

若時(shí)間序列中存在單位根過程，則序列非平穩(wěn)，容易出現(xiàn)回歸分析中的偽回歸。因此，進(jìn)行單位根檢驗(yàn)，表1給出ADF單位根檢驗(yàn)的結(jié)果。由表1可知，在常數(shù)項(xiàng)和常數(shù)項(xiàng)+趨勢項(xiàng)的兩種檢驗(yàn)形式下，投資者情緒和股市特質(zhì)風(fēng)險(xiǎn)因子的水平值均在5%的顯著性水平下顯著拒絕存在單位根的原假設(shè)；在常數(shù)項(xiàng)+趨勢項(xiàng)的檢驗(yàn)形式下，Amihud非流動性的水平值不能拒絕存在單位根的原假設(shè)，而當(dāng)對它的一階差分(即ΔAmihud)進(jìn)行檢驗(yàn)時(shí)，檢驗(yàn)結(jié)果均在1%的顯著性水平下顯著拒絕存在單位根的原假設(shè)，表明該序列為非平穩(wěn)的I(1)過程。因此，在下文的分析中采用股市特質(zhì)風(fēng)險(xiǎn)因子和投資者情緒的水平值、Amihud非流動性指標(biāo)的一階差分值。

表1 ADF單位根檢驗(yàn)Tabel 1 ADF Unit Root Test

注：***為在1%的顯著性水平下拒絕存在單位根的原假設(shè)，**為在5%的顯著性水平下拒絕存在單位根的原假設(shè)，*為在10%的顯著性水平下拒絕存在單位根的原假設(shè)。

5 實(shí)證設(shè)計(jì)和結(jié)果分析

5.1 實(shí)證方法

已有研究大都采用Granger因果檢驗(yàn)和預(yù)測誤差方差分解分析變量相互間的動態(tài)關(guān)系，Granger因果檢驗(yàn)既沒有考慮變量間的同期因果關(guān)系，又忽略了經(jīng)濟(jì)變量的因果關(guān)系在經(jīng)濟(jì)意義上的顯著性；預(yù)測誤差方差分解雖然可以反映變量間關(guān)系在經(jīng)濟(jì)意義上的顯著性，但已有研究對影響方差分解結(jié)果的關(guān)鍵因素(擾動項(xiàng)之間同期因果關(guān)系)的設(shè)定大都采用Choleski分解或借助先驗(yàn)信息和相關(guān)理論，缺乏客觀性。有向無環(huán)圖(DAG)方法考慮了變量間的同期因果關(guān)系，而且該方法基于擾動項(xiàng)之間的條件相關(guān)系數(shù)，而非借助先驗(yàn)信息，更加具有客觀性。本研究先分析變量擾動項(xiàng)之間的條件相關(guān)系數(shù)，采用有向無環(huán)圖的分析方法，在正確識別出擾動項(xiàng)之間的同期因果關(guān)系的基礎(chǔ)上，對VAR擾動項(xiàng)進(jìn)行結(jié)構(gòu)性分解(即識別SVAR)，以考察中國股票市場上股市特質(zhì)風(fēng)險(xiǎn)因子、投資者情緒與股市流動性相互間的動態(tài)關(guān)系。

首先，對(14)式中的VAR模型進(jìn)行正確估計(jì)，得到變量之間的擾動相關(guān)系數(shù)矩陣。

(14)

其中，Xt為含各平穩(wěn)變量的3×1向量，Γ0為截距項(xiàng)向量，Γd為一個(gè)3×3的系數(shù)矩陣，ξt為誤差項(xiàng)向量，l為滯后階數(shù)。

然后，通過擾動相關(guān)系數(shù)矩陣對變量之間的同期因果關(guān)系進(jìn)行有向無環(huán)圖分析。本研究以各個(gè)變量間均有無方向連線的“無向完全圖”為出發(fā)點(diǎn)(即各變量之間可能存在的同期因果關(guān)系)，利用PC算法得出各變量間同期因果關(guān)系的依賴性和因果關(guān)系的指向性。PC算法首先分析變量間的無條件(0階)相關(guān)系數(shù)，當(dāng)相關(guān)系數(shù)為0，則將表示因果關(guān)系的連線移去；然后分析1階偏相關(guān)系數(shù)，有向圖理論認(rèn)為相關(guān)系數(shù)矩陣的逆矩陣非對角線上元素是對應(yīng)變量偏相關(guān)系數(shù)的相反數(shù)，因此通過從原相關(guān)矩陣中提取相關(guān)元素，構(gòu)成一個(gè)3×3矩陣，便可得相應(yīng)的1階偏相關(guān)系數(shù)，移去變量間的偏相關(guān)系數(shù)為0的連線。若模型含有M個(gè)變量，這一算法將持續(xù)分析到(M-2)階的偏相關(guān)系數(shù)。在計(jì)算過程中，采用Fisher′s z檢驗(yàn)統(tǒng)計(jì)量檢驗(yàn)偏相關(guān)系數(shù)是否為0，即

ln{[|1+ρ(e,f|g)|]·

[|1-ρ(e,f|g)|]-1}

(15)

其中，ρ(e,f|g)為以g個(gè)變量為條件變量、變量e和f的偏相關(guān)系數(shù)，h為估計(jì)相關(guān)系數(shù)矩陣的樣本數(shù)，|g|為條件變量的樣本數(shù)。若r(e,f|g)為樣本偏相關(guān)系數(shù)，變量e、f和g滿足正態(tài)分布，則z[ρ(e,f|g)h]-z[r(e,f|g)h]遵從標(biāo)準(zhǔn)正態(tài)分布。

假定存在任意的3個(gè)變量X、Y和Z。在完全圖中，若X與Y有邊相連，則稱X與Y是相鄰的。X與Y的隔離集K是使X與Y的偏相關(guān)系數(shù)為0的條件變量的集合。當(dāng)X與Y相鄰，Y與Z相鄰，而X與Z不相鄰時(shí)(X-Y-Z)，若已知Y不屬于X與Z的隔離集，即X與Z的無條件相關(guān)系數(shù)為0，而當(dāng)以Y為條件變量時(shí)，X與Z的偏相關(guān)系數(shù)不為0，則可由此推斷X和Z都是引發(fā)Y的原因，三者的同期因果關(guān)系應(yīng)為X→Y←Z。

5.2 實(shí)證結(jié)果和分析

采用似然比檢驗(yàn)、AIC和SBC信息準(zhǔn)則確定(14)式中的滯后階數(shù)，以上結(jié)果均顯示最優(yōu)滯后階數(shù)為1，因此本研究選用的是含有3個(gè)變量、滯后階數(shù)為1的VAR模型。在正確估計(jì)(14)式中的向量自回歸模型基礎(chǔ)上，得到變量間的擾動相關(guān)系數(shù)矩陣，即

IVFISAmihudcorr=1.0000.3161.000-0.627-0.0751.000é?êêêù?úúú

運(yùn)用統(tǒng)計(jì)軟件TETRAD‖，以各變量之間的擾動相關(guān)系數(shù)矩陣為基礎(chǔ)，分析它們之間的無條件相關(guān)系數(shù)和偏相關(guān)系數(shù)。對有向無環(huán)圖方法小樣本性質(zhì)的研究表明，當(dāng)數(shù)據(jù)樣本較小時(shí)(如樣本量小于100時(shí))，為了識別模型中各變量間的同期因果關(guān)系，可以使用較高的顯著水平系數(shù)(如20%)。本研究實(shí)際分析中應(yīng)用的樣本為63個(gè)觀測值，與楊子暉[35]的研究類似，因此取20%的顯著性水平。圖2給出20%的顯著性水平下，各變量之間的同期因果關(guān)系。

圖2 20%顯著性水平下的有向無環(huán)圖Figure 2 Directed Acyclic Graph at the 20% Significance Level

在識別SVAR前，采用似然比方法對模型進(jìn)行過度識別檢驗(yàn)，以檢驗(yàn)有向無環(huán)圖的分析結(jié)論是否有效、可靠。檢驗(yàn)結(jié)果表明，當(dāng)假定存在如圖2所示的同期因果關(guān)系時(shí)，LR統(tǒng)計(jì)量在1%的顯著性水平下無法拒絕過度約束為真的原假設(shè)，即圖2所示的有向無環(huán)圖分析結(jié)果是合理的、有效的。以有向無環(huán)圖分析的結(jié)果為基礎(chǔ)，對VAR擾動項(xiàng)進(jìn)行結(jié)構(gòu)性分解，并通過預(yù)測誤差方差分解和脈沖響應(yīng)分析對股市特質(zhì)風(fēng)險(xiǎn)因子、投資者情緒與股市流動性相互之間的關(guān)系做進(jìn)一步分析。表2給出有向無環(huán)圖的預(yù)測方差分解結(jié)果。

從表2方差分解分析的結(jié)果可知，從第1個(gè)月開始，股市特質(zhì)風(fēng)險(xiǎn)因子的波動有近11.278%是由投資者情緒的沖擊引起的，而股市非流動性對股市特質(zhì)風(fēng)險(xiǎn)因子的解釋程度也近28%，表明中國股票市場上高特質(zhì)波動股票與低特質(zhì)波動股票收益率之間的差異與股票市場上投資者情緒和股市流動性有關(guān)。隨著時(shí)間的推移，投資者情緒對股市特質(zhì)風(fēng)險(xiǎn)因子波動的解釋程度逐漸增大，而股市非流動性對股市特質(zhì)風(fēng)險(xiǎn)因子波動的解釋程度略有下降。從長期看(2年)，投資者情緒和股市非流動性對股市特質(zhì)風(fēng)險(xiǎn)因子的解釋程度分別為20.328%和27.460%。投資者情緒和Amihud非流動性的波動由其自身的擾動來解釋，其比例分別為92.170%～83.649%和95.732%～95.356%。

由于預(yù)測方差分解分析給出了每個(gè)信息對模型內(nèi)生變量變化的相對重要性，并沒有給出影響的方向。圖3給出投資者情緒和Amihud非流動性對股市特質(zhì)風(fēng)險(xiǎn)因子的脈沖響應(yīng)分析。圖中實(shí)線為脈沖響應(yīng)，兩條虛線間為95%置信區(qū)間，縱軸分別表示投資者情緒和Amihud非流動性沖擊的隨機(jī)擾動項(xiàng)一個(gè)標(biāo)準(zhǔn)差沖擊對VAR模型中股市特質(zhì)風(fēng)險(xiǎn)因子當(dāng)前值和未來值(至24個(gè)月)取值的影響。

表2 基于有向無環(huán)圖的預(yù)測方差分解Table 2 Forecast Variance Decomposition Based on the Directed Acyclic Graph

從投資者情緒沖擊看，投資者情緒隨機(jī)擾動項(xiàng)1個(gè)標(biāo)準(zhǔn)差的沖擊能導(dǎo)致股市特質(zhì)風(fēng)險(xiǎn)因子短期內(nèi)增加，即上漲的投資者情緒能夠促進(jìn)股市特質(zhì)風(fēng)險(xiǎn)因子的上升。這與模型的估計(jì)結(jié)果一致，即投資者對股票市場未來走勢越樂觀，不知情投資者中的噪聲投資者比例越大，股票特質(zhì)波動率對股票價(jià)格的邊際影響越大，高特質(zhì)波動股票與低特質(zhì)波動股票之前的收益差越大。從Amihud非流動性沖擊看，Amihud非流動性沖擊隨機(jī)擾動項(xiàng)1個(gè)標(biāo)準(zhǔn)差的正沖擊能導(dǎo)致股市特質(zhì)風(fēng)險(xiǎn)因子短期內(nèi)降低。由于對Amihud非流動指標(biāo)的負(fù)向沖擊代表股市流動性的增加，所以上漲的股市流動性能夠促進(jìn)股市特質(zhì)風(fēng)險(xiǎn)因子的上升。市場上流動性增加，投資者在較短時(shí)間內(nèi)以較低成本交易股票的能力增加，噪聲投資者對股票的需求增加，因而進(jìn)一步增加了高特質(zhì)波動股票收益與低特質(zhì)波動股票收益之間的差異。投資者情緒沖擊和股市流動性沖擊對股市特質(zhì)風(fēng)險(xiǎn)因子的影響主要表現(xiàn)在短期(6個(gè)月內(nèi))，從中長期看對股市特質(zhì)風(fēng)險(xiǎn)因子無明顯影響，這可能與中國股票市場上特質(zhì)波動率由非理性投資者的噪聲交易驅(qū)動而噪聲投資者具有短視性和不穩(wěn)定性有關(guān)。

(a)股市特質(zhì)風(fēng)險(xiǎn)因子對投資者情緒沖擊的脈沖響應(yīng)(b)股市特質(zhì)風(fēng)險(xiǎn)因子對Amihud非流動性沖擊的脈沖響應(yīng)

圖3脈沖響應(yīng)分析
Figure3ImpulseResponseFunctionAnalysis

6 結(jié)論

本研究首先拓展了Merton[1]非完全信息下的均衡資產(chǎn)定價(jià)模型，將不知情投資者進(jìn)一步分為噪聲投資者和保守投資者。然后基于有向無環(huán)圖技術(shù)識別出的股市特質(zhì)風(fēng)險(xiǎn)因子、投資者情緒與股市流動性之間的同期因果關(guān)系，對VAR的擾動項(xiàng)進(jìn)行結(jié)構(gòu)性分解。研究結(jié)果表明，股票特質(zhì)波動率與股票收益率成正比，股票特質(zhì)波動率對股票收益率的邊際影響隨投資者情緒的增加和噪聲投資者比例的提高而增加。預(yù)測方差分解研究表明，投資者情緒和股市流動性是影響中國股票市場高特質(zhì)波動股票與低特質(zhì)波動股票截面收益差異大小的重要原因。脈沖響應(yīng)分析表明，投資者越樂觀，市場上流動性越強(qiáng)，股票收益相對公司基本面特質(zhì)波動的彈性越大，高特質(zhì)波動股票與低特質(zhì)波動股票截面收益之間的差異越大。中國資本市場信息透明度較低，投資者缺乏低成本獲取公司信息的渠道，很難對未來不確定性做出合理預(yù)期，因此更傾向于模仿他們自認(rèn)為有信息優(yōu)勢的其他投資者。這一部分缺乏信息和判斷力的噪聲投資者，更容易受市場上投資者情緒的影響，形成趨同性的羊群效應(yīng)。當(dāng)大盤上漲時(shí)，迅速集聚；而大盤跳水時(shí)，恐慌出逃。隨投資者情緒變動而不斷進(jìn)出市場的噪聲投資者影響了中國股市的股票特質(zhì)波動率和股票收益。

國內(nèi)外學(xué)者對股票特質(zhì)波動率隨時(shí)間變動的原因以及股票特質(zhì)波動率與股票收益之間的相關(guān)關(guān)系進(jìn)行了廣泛討論，但尚未達(dá)成一致意見?；诓煌募僭O(shè)條件，將導(dǎo)致不同的分析結(jié)果。各個(gè)市場在信息環(huán)境、市場發(fā)展程度和投資者認(rèn)知水平等方面的差異，為檢驗(yàn)不同的理論提供了實(shí)證樣本。本研究以中國特殊的制度背景和市場特征為基礎(chǔ)，從投資者情緒角度考慮股票特質(zhì)波動率和股票收益率，不僅可以豐富國內(nèi)外已有研究成果，也可以為中國股票市場的投資者分散投資風(fēng)險(xiǎn)、實(shí)行有效的投資策略和風(fēng)險(xiǎn)管理提供參考。但本研究主要從市場層面構(gòu)造投資者情緒和股市流動性，缺乏個(gè)股層面的實(shí)證檢驗(yàn)。作為下一步的研究方向，將從個(gè)股層面進(jìn)一步研究微觀主體的行為金融決策對股價(jià)變動的影響。

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

[2]Ang A,Hodrick R J,Xing Y,Zhang X.The cross-section of volatility and expected returns[J].The Journal of Finance,2006,61(1):259-299.

[3]De Long J B,Shleifer A,Summers L H,Waldmann R J.The survival of noise traders in financial markets[J].The Journal of Business,1991,64(1):1-19.

[4]Lee D W,Liu M H.Does more information in stock price lead to greater or smaller idiosyncratic return volatility?[J].Journal of Banking & Finance,2011,35(6):1563-1580.

[5]陳浪南,熊偉.公司特質(zhì)波動決定因素研究:信息效率還是噪音交易?[J].中國會計(jì)評論,2014,12(1):1-16.

Chen Langnan,Xiong Wei.The determinants of idiosyncratic volatility:Firm-specific information or occasional frenzy?[J].China Accounting Review,2014,12(1):1-16.(in Chinese)

[6]Brown G W,Cliff M T.Investor sentiment and the near-term stock market[J].Journal of Empirical Finance,2004,11(1):1-27.

[7]Fu F.Idiosyncratic risk and the cross-section of expected stock returns[J].Journal of Financial Economics,2009,91(1):24-37.

[8]Chua C T,Goh J,Zhang Z.Expected volatility,unexpected volatility,and the cross-section of stock returns[J].Journal of Financial Research,2010,33(2):103-123.

[9]Bali T G,Cakici N.Idiosyncratic volatility and the cross section of expected returns[J].Journal of Financial and Quantitative Analysis,2008,3(1):29-58.

[10] Han Y,Lesmond D.Liquidity biases and the pricing of cross-sectional idiosyncratic volatility[J].The Review of Financial Studies,2011,24(5):1590-1629.

[11] Cao J,Han B.Cross section of option returns and idiosyncratic stock volatility[J].Journal of Financial Economics,2013,108(1):231-249.

[12] Berrada T,Hugonnier J.Incomplete information,idiosyncratic volatility and stock returns[J].Journal of Banking & Finance,2013,37(2):448-462.

[13] 徐小君.公司特質(zhì)風(fēng)險(xiǎn)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.

Xu Xiaojun.Idiosyncratic risk and stock returns:A study of speculation behavior in China stock market[J].Economic Management Journal,2010,32(12):127-136.(in Chinese)

[14] 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),2011,34(5):117-135.

Zuo Haomiao,Zheng Ming,Zhang Yi.Idosyncratic volatility and cross sectional expected return:An investigation of “idiosyncratic volatility puzzle” in China stock market[J].The Journal of World Economy,2011,34(5):117-135.(in Chinese)

[15] 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):60-67,75.

Deng Xuechun,Zheng Zhenlong.Is there an idiosyncratic volatility puzzle in China′s equity market?[J].Journal of Business Economics,2011(1):60-67,75.(in Chinese)

[16] 田益祥,劉鵬.機(jī)構(gòu)持股、特質(zhì)風(fēng)險(xiǎn)與股票收益的實(shí)證研究[J].投資研究,2011,30(8):79-88.

Tian Yixiang,Liu Peng.An empirical study on institutional ownership,idiosyncratic risk and stock returns[J].Review of Investment Studies,2011,30(8):79-88.(in Chinese)

[17] 羅登躍.特質(zhì)波動率與橫截面收益:基于Fama-French股票組合的檢驗(yàn)[J].統(tǒng)計(jì)與決策,2013(4):167-169.

Luo Dengyue.Idiosyncratic volatility and cross-sectional returns:Test on Fama-French portfolios[J].Statistics & Decision,2013(4):167-169.(in Chinese)

[18] 楊華蔚,韓立巖.外部風(fēng)險(xiǎn)、異質(zhì)信念與特質(zhì)波動率風(fēng)險(xiǎn)溢價(jià)[J].管理科學(xué)學(xué)報(bào),2011,14(11):71-80.

Yang Huawei,Han Liyan.Extraneous risk,heterogeneous beliefs and idiosyncratic risk[J].Journal of Management Sciences in China,2011,14(11):71-80.(in Chinese)

[19] Brandt M W,Brav A,Graham J R,Kumar A.The idiosyncratic volatility puzzle:Time trend or speculative episodes?[J].The Review of Financial Studies,2010,23(2):863-899.

[20] Barberis N,Shleifer A,Vishny R.A model of investor sentiment[J].Journal of Financial Economics,1998,49(3):307-343.

[21] Lee W Y,Jiang C X,Indro D C.Stock market volatility,excess returns,and the role of investor sentiment[J].Journal of Banking & Finance,2002,26(12):2277-2299.

[22] 蔣玉梅,王明照.投資者情緒與股票收益:總體效應(yīng)與橫截面效應(yīng)的實(shí)證研究[J].南開管理評論,2010,13(3):150-160.

Jiang Yumei,Wang Mingzhao.Investor sentiment and stock returns:An empirical study on aggregate effects and cross-section effects[J].Naikai Business Review,2010,13(3):150-160.(in Chinese)

[23] 張宗新,王海亮.投資者情緒、主觀信念調(diào)整與市場波動[J].金融研究,2013(4):142-155.

Zhang Zongxin,Wang Hailiang.Investor sentiment,subjective belief adjustment and market fluctuations[J].Journal of Financial Research,2013(4):142-155.(in Chinese)

[24] Lee D W,Liu M H.Does more information in stock price lead to greater or smaller idiosyncratic return volatility?[J].Journal of Banking & Finance,2011,35(6):1563-1580.

[25] Kumar A,Lee C M C.Retail investor sentiment and return comovements[J].The Journal of Finance,2006,61(5):2451-2486.

[26] Kelly P J.Information efficiency and firm-specific return variation[J].The Quarterly Journal of Finance,2014,4(4):1450018-1-1450018-44.

[27] 許年行,洪濤,吳世農(nóng),徐信忠.信息傳遞模式、投資者心理偏差與股價(jià)“同漲同跌”現(xiàn)象[J].經(jīng)濟(jì)研究,2011,46(4):135-146.

Xu Nianhang,Hong Tao,Wu Shinong,Xu Xinzhong.Information flow model,investor psychological bias and stock price comovement[J].Economic Research Journal,2011,46(4):135-146.(in Chinese)

[28] Baker M,Stein J C.Market liquidity as a sentiment indicator[J].Journal of Financial Markets,2004,7(3):271-299.

[29] Chan K,Hameed A,Kang W.Stock price synchronicity and liquidity[J].Journal of Financial Markets,2013,16(3):414-438.

[30] 楊德明.信息披露、投資者行為與市場回報(bào):針對盈余慣性與價(jià)格慣性的研究[M].北京:經(jīng)濟(jì)科學(xué)出版社,2009:38.

Yang Deming.Information disclosure,investor behaviour and stock returns[M].Beijing:Economic Science Press,2009:38.(in Chinese)

[31] 王美今,孫建軍.中國股市收益、收益波動與投資者情緒[J].經(jīng)濟(jì)研究,2004,39(10):75-83.

Wang Meijin,Sun Jianjun.Stock market returns,volatility and the role of investor sentiment in China[J].Economic Research Journal,2004,39(10):75-83.(in Chinese)

[32] Xu Y,Malkiel B G.Investigating the behavior of idiosyncratic volatility[J].Journal of Business,2003,76(4):613-645.

[33] 張婷,于瑾,呂東鍇.新興市場投資者情緒與價(jià)值溢價(jià)異象:基于中國內(nèi)地、香港和臺灣地區(qū)的比較分析[J].國際金融研究,2013(1):87-95.

Zhang Ting,Yu Jin,Lyu Dongkai.Research on investor sentiment and value anomaly in emerging market:Based on evidence from the stock markets of China mainland,Hong Kong and Taiwan[J].Studies of International Finance,2013(1):87-95.(in Chinese)

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

[35] 楊子暉.財(cái)政政策與貨幣政策對私人投資的影響研究:基于有向無環(huán)圖的應(yīng)用分析[J].經(jīng)濟(jì)研究,2008,43(5):81-93.

Yang Zihui.The effects of fiscal and monetary policy on private investment:An application of directed acyclic graphs[J].Economic Research Journal,2008,43(5):81-93.(in Chinese)

IdiosyncraticVolatility,StockReturnandInvestorSentiment

Xiong Wei1，Chen Liangnan2

1 Research Institute, Shenzhen Stock Exchange, Shenzhen 518028, China2 Lingnan (University) College, Sun Yat-Sen University, Guangzhou 510275, China

Systematic risk is priced only in the cross-sectional stock returns based on the traditional asset pricing models. However, idiosyncratic risk may not be fully diversified as market is imperfect and idiosyncratic risk is positively related to stock returns (Merton, 1987). Ang, Hodrick, Xing and Zhang (2006, 2009) suggest a negative relationship between idiosyncratic risk and stock returns, which makes idiosyncratic volatility one of the most popular asset pricing puzzles, called the “idiosyncratic volatility puzzle”. Recent studies have re-examined the relationship between idiosyncratic volatility and stock returns, and reached contradictory conclusions. In emerging economies, like China, the capital markets are dominated by individual investors, where the stock prices are more likely to be affected by investor sentiment and noise trading. This paper investigates the dynamic relationship between the idiosyncratic volatility, the stock returns and the investor sentiment from both theoretical and empirical perspectives. First, this paper incorporates the noise traders affected by investor sentiment into the capital market equilibrium model with incomplete information of Merton (1987). The theoretical results indicate that the idiosyncratic volatility and the stock return are positively correlated, and the elasticity of expected excessive returns with respect to the idiosyncratic volatility is an increasing function of investor sentiment and noise traders. And then, we investigate the role of idiosyncratic risk as a systematic factor in the asset pricing process. Particularly, we present the idiosyncratic risk premium as a source of systematic risk factor capturing the returns of buying stocks with the highest idiosyncratic risk and selling stocks with the lowest idiosyncratic risk. The mid-term HaoDan Index, which is released by Stock Market Trend Analysis Weekly in China, is used as investor sentiment indicator. By employing the data from Shanghai Stock Exchange from 2007 to 2012 and utilizing the directed acyclic graphs (DAG) to identify the structural VAR model, we find that the investor sentiment and market liquidity play an important role in indicating the difference in returns between stocks with high idiosyncratic volatility and stocks with low idiosyncratic volatility. We find that the cross-sectional differences in returns between stocks with high idiosyncratic volatility and stocks with low idiosyncratic volatility (IVF) in China′s stock market will be higher when the investors are more optimistic and the market is more liquid. This study is of great help to a better understanding of investor behaviour and the relation between idiosyncratic volatility and stock return in China.

idiosyncratic volatility；stock return；investor sentiment；incomplete information；liquidity

Date:February 26th, 2015

DateAugust 21st, 2015

FundedProject:Supported by the National Social Science Foundation of China(14ZDA020), the Humanity and Social Sciences Research of Ministry of Education(14YJA7900) and the Soft Science Research Program of Guangdong(2013B070206025)

Biography:Xiong Wei (1989-, Native of Yiyang, Hunan), Doctor in Economics and is a Post-doctoral Fellow in the Research Institute at Shenzhen Stock Exchange. Her research interests include financial economics and capital market, etc. E-mail：panda19890919@126.com

F832.5

A

10.3969/j.issn.1672-0334.2015.05.009

1672-0334(2015)05-0106-10

2015-02-26修返日期2015-08-21

國家社會科學(xué)基金(14ZDA020)；教育部人文社會科學(xué)研究規(guī)劃項(xiàng)目(14YJA7900)；廣東軟科學(xué)研究計(jì)劃項(xiàng)目(2013B070206025)

熊偉(1989-)，女，湖南益陽人，經(jīng)濟(jì)學(xué)博士，深圳證券交易所綜合研究所博士后。研究方向：金融經(jīng)濟(jì)學(xué)和資本市場等。E-mail：panda19890919@126.com

□