陳 燦

（上海交通大學(xué)上海高級(jí)金融學(xué)院，上海200030）

機(jī)構(gòu)投資者增加了個(gè)股的短期風(fēng)險(xiǎn)嗎？

陳 燦

（上海交通大學(xué)上海高級(jí)金融學(xué)院，上海200030）

文章基于2010-2015年的資金流量周度數(shù)據(jù)，構(gòu)建時(shí)變系數(shù)向量自回歸（TVP-VAR）模型對(duì)機(jī)構(gòu)投資者短期交易行為進(jìn)行分析。實(shí)證結(jié)果表明，機(jī)構(gòu)投資者在市場(chǎng)穩(wěn)定時(shí)期更傾向于規(guī)避風(fēng)險(xiǎn)，在牛市階段更傾向于追求風(fēng)險(xiǎn)。機(jī)構(gòu)大量買入后，個(gè)股的異質(zhì)波動(dòng)率和換手率顯著提高，這一現(xiàn)象在牛市期間更為顯著。機(jī)構(gòu)投資者在個(gè)股層面并沒(méi)有起到穩(wěn)定器的作用，而是增加了個(gè)股的風(fēng)險(xiǎn)。

機(jī)構(gòu)投資者；波動(dòng)性；TVP-VAR

一、引言

近年來(lái)，機(jī)構(gòu)投資者在市場(chǎng)中所占比例不斷提高，他們的行為也受到越來(lái)越多的關(guān)注。傳統(tǒng)觀點(diǎn)認(rèn)為，機(jī)構(gòu)投資者是理性的價(jià)值投資者，能夠起到市場(chǎng)穩(wěn)定器的作用。然而國(guó)內(nèi)外不斷有研究發(fā)現(xiàn)，機(jī)構(gòu)投資者也存在放大風(fēng)險(xiǎn)、降低市場(chǎng)穩(wěn)定性的另一面。在投機(jī)性更強(qiáng)的A股市場(chǎng)中，機(jī)構(gòu)投資者會(huì)有怎樣的交易行為呢？機(jī)構(gòu)投資者的交易行為又將對(duì)市場(chǎng)產(chǎn)生怎樣的影響呢？

本文基于周度的資金流量數(shù)據(jù)，通過(guò)TVP-VAR模型分析了A股市場(chǎng)上機(jī)構(gòu)投資者的交易行為。實(shí)證結(jié)果證明，機(jī)構(gòu)投資者在市場(chǎng)較為穩(wěn)定的時(shí)候傾向于規(guī)避風(fēng)險(xiǎn)，在牛市階段傾向于追求風(fēng)險(xiǎn)。在機(jī)構(gòu)投資者大量買入之后，個(gè)股具有更活躍的交易和更高的異質(zhì)波動(dòng)率，機(jī)構(gòu)投資者增加了個(gè)股風(fēng)險(xiǎn)，這一現(xiàn)象在牛市階段更加明顯。

本文創(chuàng)新之處主要有兩點(diǎn)：①本文使用周度資金流量數(shù)據(jù)來(lái)衡量機(jī)構(gòu)投資者的交易行為，相比季度和半年度的機(jī)構(gòu)持倉(cāng)數(shù)據(jù)，周度數(shù)據(jù)能夠更好地分析機(jī)構(gòu)投資者交易的短期特征。②本文使用時(shí)變參數(shù)向量自回歸（TVP-VAR）模型來(lái)刻畫機(jī)構(gòu)投資者交易行為與個(gè)股風(fēng)險(xiǎn)之間的關(guān)系，考慮了市場(chǎng)狀態(tài)對(duì)機(jī)構(gòu)投資者行為的影響。

二、文獻(xiàn)綜述

（一）短期風(fēng)險(xiǎn)的衡量

在對(duì)股票短期風(fēng)險(xiǎn)的研究中，異質(zhì)波動(dòng)率風(fēng)險(xiǎn)和換手率風(fēng)險(xiǎn)是被廣泛關(guān)注的兩類短期風(fēng)險(xiǎn)，在A股市場(chǎng)也有非常穩(wěn)健的結(jié)果，本文著重對(duì)這兩種風(fēng)險(xiǎn)進(jìn)行研究。

異質(zhì)波動(dòng)率在Ang等人（2006）［1］中被定義為股票收益中不能被解釋部分的波動(dòng)，Ang等人（2006）［1］把股票收益中不能被解釋的部分定義為Fama-French三因子模型的殘差。Chen和Petkova（2012）［2］認(rèn)為異質(zhì)波動(dòng)率更高的股票具有更大的風(fēng)險(xiǎn)。異質(zhì)波動(dòng)率與個(gè)股收益具有緊密聯(lián)系。Ang等人（2006）［1］發(fā)現(xiàn)，異質(zhì)波動(dòng)率較高的股票未來(lái)具有較低的收益，該現(xiàn)象非常穩(wěn)健，不受股票本身大小、成長(zhǎng)性、歷史表現(xiàn)和流動(dòng)性等特征的影響。McLean（2010）［3］認(rèn)為

異質(zhì)收益率對(duì)股票未來(lái)收益有顯著影響，實(shí)證結(jié)果表明只有在高異質(zhì)波動(dòng)率的股票中才存在反轉(zhuǎn)效應(yīng)；當(dāng)異質(zhì)波動(dòng)率較低時(shí)，美國(guó)股票市場(chǎng)上的反轉(zhuǎn)效應(yīng)消失。中國(guó)A股市場(chǎng)的實(shí)證結(jié)果也同樣表明，異質(zhì)波動(dòng)率風(fēng)險(xiǎn)影響了股票的預(yù)期收益。左浩苗等人（2011）［4］證實(shí)了異質(zhì)波動(dòng)率風(fēng)險(xiǎn)在中國(guó)A股市場(chǎng)的存在，他們認(rèn)為這一結(jié)果是由異質(zhì)信念導(dǎo)致的。楊華蔚等人（2007）［5］證明，特質(zhì)波動(dòng)率和個(gè)股換手率之間具有高度正相關(guān)性，高特質(zhì)波動(dòng)率和高換手率都預(yù)示著較低的未來(lái)收益。

換手率也是我國(guó)A股市場(chǎng)重要的風(fēng)險(xiǎn)因子。對(duì)于換手率風(fēng)險(xiǎn)，我國(guó)A股市場(chǎng)和發(fā)達(dá)市場(chǎng)結(jié)果差異較大。發(fā)達(dá)市場(chǎng)換手率高的股票未來(lái)具有顯著的正超額收益。Keniel（2012）［6］研究了41個(gè)國(guó)家的換手率效應(yīng)，發(fā)現(xiàn)高換手率的股票未來(lái)具有高溢價(jià)。而在我國(guó)市場(chǎng)，高換手率往往預(yù)示著顯著的負(fù)超額收益，高換手率的股票預(yù)期收益更低。田利輝和王冠英（2014）［7］通過(guò)檢驗(yàn)1995-2012年的周數(shù)據(jù)發(fā)現(xiàn)，A股市場(chǎng)上換手率與股票的預(yù)期收益呈顯著負(fù)相關(guān)，換手率是中國(guó)股市的重要定價(jià)風(fēng)險(xiǎn)因子。蘇冬蔚和麥元?jiǎng)祝?004）［8］、張崢和劉力（2006）［9］也都得出了類似的結(jié)論，驗(yàn)證了換手率與預(yù)期收益的負(fù)相關(guān)關(guān)系。

（二）機(jī)構(gòu)投資者與個(gè)股風(fēng)險(xiǎn)的關(guān)系

機(jī)構(gòu)投資者的加入能否降低個(gè)股風(fēng)險(xiǎn)一直是學(xué)術(shù)界所關(guān)注的問(wèn)題。傳統(tǒng)觀點(diǎn)認(rèn)為，理性的機(jī)構(gòu)投資者更偏好于長(zhǎng)期投資和價(jià)值投資，有助于發(fā)現(xiàn)股票真實(shí)的內(nèi)在價(jià)值，從而降低市場(chǎng)和個(gè)股的波動(dòng)。De Bondt and Thaker（1985）［10］、Chorpra et.al（1992）［11］、Hirshleifer等（1994）［12］、Lipson and Puckett（2007）［13］都持這種觀點(diǎn)。

然而，越來(lái)越多的研究者開(kāi)始關(guān)注機(jī)構(gòu)投資者增加波動(dòng)與風(fēng)險(xiǎn)的可能性。Delong等（1990）［14］認(rèn)為機(jī)構(gòu)投資者很可能利用自身信息優(yōu)勢(shì)和個(gè)人投資者的正反饋交易傾向，對(duì)個(gè)股進(jìn)行投機(jī)性交易，這種行為會(huì)讓股價(jià)更多地偏離自身價(jià)值。Shiller和Pound（1989）［15］、Froot等（1992）［16］和Scharfstein和Stein（1990）［17］從不同角度解釋了羊群效應(yīng)，機(jī)構(gòu)投資者的羊群效應(yīng)會(huì)加劇市場(chǎng)與個(gè)股的風(fēng)險(xiǎn)。機(jī)構(gòu)投資者的業(yè)績(jī)壓力是波動(dòng)增加的原因之一，Dannis和Strickland（2002）［18］發(fā)現(xiàn)，機(jī)構(gòu)投資者出于業(yè)績(jī)壓力會(huì)選擇慣性交易策略，加劇了股價(jià)對(duì)內(nèi)在價(jià)值的背離。機(jī)構(gòu)投資者的大單交易也會(huì)增加波動(dòng)性，Gabaix等（2006）［19］發(fā)現(xiàn)機(jī)構(gòu)的大額交易會(huì)造成較大的異常收益和成交量，導(dǎo)致波動(dòng)性的升高。

我國(guó)學(xué)者對(duì)于機(jī)構(gòu)投資者與風(fēng)險(xiǎn)之間相互關(guān)系的認(rèn)知并不一致。2008年之前，A股市場(chǎng)機(jī)構(gòu)投資者占比較少，很多學(xué)者認(rèn)為機(jī)構(gòu)投資者在市場(chǎng)中發(fā)揮了穩(wěn)定器作用。胡大春和金賽男（2005）［20］、姚姬和劉志遠(yuǎn)（2005）［21］都發(fā)現(xiàn)，基金持股比例更高時(shí)，股票的波動(dòng)性更低。祁斌等人（2006）［22］發(fā)現(xiàn)控制公司規(guī)模之后，機(jī)構(gòu)持股比例與股票波動(dòng)呈顯著的負(fù)相關(guān)關(guān)系。2008之后，機(jī)構(gòu)投資者比例大大提高，越來(lái)越多的研究者發(fā)現(xiàn)機(jī)構(gòu)投資者并不一定能夠平穩(wěn)市場(chǎng)。姚姬和劉志遠(yuǎn)（2008）［23］發(fā)現(xiàn)，基金投資雖然減弱了日內(nèi)震蕩，卻強(qiáng)化了市場(chǎng)的蕭條和繁榮周期。陳國(guó)進(jìn)等人（2010）［24］分析2007-2008年的數(shù)據(jù)發(fā)現(xiàn)，由于基金持有人不斷申購(gòu)贖回疊加機(jī)構(gòu)投資者利用市場(chǎng)投資者行為偏差的雙重因素，機(jī)構(gòu)投資者對(duì)市場(chǎng)的暴漲暴跌有助推器作用。蔡慶豐和宋友勇（2010）［25］認(rèn)為我國(guó)基金業(yè)的跨越式發(fā)展實(shí)際上增加了機(jī)構(gòu)重倉(cāng)股的波動(dòng)。陳瑩等人（2010）［26］運(yùn)用計(jì)算實(shí)驗(yàn)金融方法，驗(yàn)證了當(dāng)羊群效應(yīng)更強(qiáng)時(shí)市場(chǎng)波動(dòng)更高。胡金焱和亓彬（2012）［27］認(rèn)為機(jī)構(gòu)在大盤收益為正的時(shí)候能夠起到穩(wěn)定作用，在大盤收益為負(fù)的時(shí)候反而會(huì)加劇波動(dòng)。史永東和王謹(jǐn)樂(lè)（2014）［28］用得分匹配模型檢驗(yàn)了機(jī)構(gòu)投資者是否能夠穩(wěn)定市場(chǎng)，結(jié)果表明在市場(chǎng)上升階段機(jī)構(gòu)投資者提高了波動(dòng)性，而市場(chǎng)下降階段機(jī)構(gòu)雖然沒(méi)有提高波動(dòng)性，但也無(wú)法阻止股價(jià)下行。

資金流向數(shù)據(jù)能夠很好地揭示機(jī)構(gòu)投資者的投資行為。Barber等人（2009）［29］把單筆交易量在5萬(wàn)美元以上的交易定義為機(jī)構(gòu)投資者交易，研究了個(gè)人投資者和機(jī)構(gòu)投資者的交易行為對(duì)股價(jià)長(zhǎng)期和短期的影響。Shanthikumar（2003）［30］、Hvidkjaer（2006）［31］、Malmendier和Shanthikumar（2007）［32］都使用了類似的方式，通過(guò)資金流向數(shù)據(jù)研究投資者行為特征。

三、研究設(shè)計(jì)

（一）變量的定義與計(jì)算方法

1.投資者凈流入（NIF）的計(jì)算

本文使用Wind數(shù)據(jù)庫(kù)的資金流量周度數(shù)據(jù)來(lái)計(jì)算投資者凈流入。Wind數(shù)據(jù)庫(kù)分別統(tǒng)計(jì)了機(jī)構(gòu)投資者和散戶每周買入賣出的資金總量，本文把每周機(jī)構(gòu)投資者的總買入金額（InflowInstitutioni,t）和總賣出金額（OutflowInstitutioni,t）之差定義為機(jī)構(gòu)投資者凈流入金額（Ins_NIFi,t）。為了不同交易量的個(gè)股相互可比，需要對(duì)凈流入金額進(jìn)行標(biāo)準(zhǔn)化，本文根據(jù)Keniel等人（2008）［33］的方法，用之前8周的平均交易金額（AveVolumei,t）作為調(diào)整系數(shù)，調(diào)整后機(jī)構(gòu)凈流入金額計(jì)算公式為：

為了保證結(jié)果的穩(wěn)健性，本文還使用了流通市值作為調(diào)整系數(shù)，對(duì)主要結(jié)論并無(wú)顯著影響。

2.異質(zhì)波動(dòng)率（IVOL）的計(jì)算

異質(zhì)波動(dòng)率衡量了股票收益不被解釋部分的波動(dòng)，本文使用Ang et.al（2006）［1］的方法計(jì)算異質(zhì)波動(dòng)率（IVOL）：

其中，?i,t是Fama-French三因子模型中的殘差項(xiàng)。

3.換手率（Turnover）的計(jì)算

換手率定義為t周的交易金額與t周的平均流通市值之比：

4.超額收益率（AR）的計(jì)算

為了計(jì)算個(gè)股i在t周的超額收益率ARi,t，本文首先根據(jù)Fama-French三因子模型用t周首日上溯一年（52周）的周觀測(cè)估計(jì)出（4）式中的系數(shù)，得出：

其中Ri,t是個(gè)股i在t周的收益率，RM,t是市場(chǎng)收益率，本文采用全A股市場(chǎng)的流通市值加權(quán)收益率作為RM,t；Rf,t是周度化的一年期定期存款利率；SMBt和HMLt分別代表Fama-French市值因子和賬面市值比因子，按照Fama and French（1992）、Fama and French（1993）［34-35］所描述的方法計(jì)算得出。

個(gè)股i在t周上的超額收益計(jì)算如（6）式：

使用Fama-French三因子模型計(jì)算調(diào)整得出的超額收益率AR，本身已經(jīng)剔除了市值大小和成長(zhǎng)性的影響。

（二）模型設(shè)定

分析現(xiàn)有文獻(xiàn)可知，個(gè)股的收益、風(fēng)險(xiǎn)特征會(huì)對(duì)投資者的交易行為產(chǎn)生影響；反之，投資者的交易行為也會(huì)影響到后續(xù)的個(gè)股風(fēng)險(xiǎn)。這樣一來(lái)，投資者交易行為和股票收益風(fēng)險(xiǎn)特征之間相互影響，如果采取普通的OLS模型，就會(huì)面臨變量?jī)?nèi)生性的問(wèn)題。

本文采用時(shí)變系數(shù)向量自回歸模型（TVP-VAR模型）來(lái)解決可能的內(nèi)生性問(wèn)題。與普通VAR模型相比，TVP-VAR把參數(shù)的時(shí)變特征納入了考慮范圍，能夠更好地把握經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)特征。類似的實(shí)證方法常用于短期和日內(nèi)的股票收益風(fēng)險(xiǎn)特征研究，Griffin等人（2003）［36］構(gòu)造了收益率和機(jī)構(gòu)投資者凈流入的2變量VAR模型，揭示了納斯達(dá)克市場(chǎng)機(jī)構(gòu)投資者行為與股票收益之間的關(guān)系。從文獻(xiàn)中可知，A股市場(chǎng)上投資者行為、異質(zhì)波動(dòng)率、換手率和股票的超額收益率密切相關(guān)，為了構(gòu)建一個(gè)完整的短期的投資者行為—股票風(fēng)險(xiǎn)收益特征系統(tǒng)，本文在Griffin等人（2003）［36］模型的基礎(chǔ)上增加異質(zhì)波動(dòng)率和換手率兩個(gè)變量，基于周數(shù)據(jù)構(gòu)造了一個(gè)4變量TVP-VAR模型。模型具體設(shè)定遵循Nakajima（2011）［37］的假設(shè)：

（7）式中，y=（AR，Ins_NIF，Turnover，Ivol），B1t…Bst是時(shí)變系數(shù)矩陣，Ωt是時(shí)變協(xié)方差矩陣，，其中At是一個(gè)對(duì)角線元素為1的下三角矩陣，Σt=diag(δ1t,…δkt)。定義βt為組成B1t…Bst的向量，αt為組成At的向量，ht=(h1t,…,h4t)，其中，時(shí)變系數(shù)服從（8）式的隨機(jī)游走過(guò)程：

Nakajima（2011）［37］運(yùn)用了貝葉斯方法來(lái)估計(jì)（7）、（8）式中的眾多參數(shù)。首先假設(shè)時(shí)變參數(shù)的先驗(yàn)概率密度，給定Y的數(shù)值可以求出參數(shù)的后驗(yàn)分布，然后采用馬爾可夫鏈蒙特卡羅模擬（MCMC）的方式進(jìn)行迭代，從而得到對(duì)時(shí)變參數(shù)的估計(jì)值。本文使用了Griffin等人（2003）［36］對(duì)個(gè)股進(jìn)行向量自回歸的方法，首先對(duì)每只個(gè)股進(jìn)行TVP-VAR參數(shù)的計(jì)算。然后求取橫截面上各參數(shù)的平均值。

（三）研究假設(shè)

機(jī)構(gòu)投資者的交易行為與市場(chǎng)狀況密切相關(guān)。市場(chǎng)較為平靜時(shí)，機(jī)構(gòu)投資者的風(fēng)險(xiǎn)偏好較為保守。Barber和Odean（2011）［38］指出，機(jī)構(gòu)投資者對(duì)于風(fēng)險(xiǎn)更為敏感，傾向于風(fēng)險(xiǎn)較低的股票。而當(dāng)市場(chǎng)處于牛市時(shí)，機(jī)構(gòu)投資者往往呈現(xiàn)出激進(jìn)的風(fēng)險(xiǎn)偏好，此時(shí)機(jī)構(gòu)投資者更傾向于投資風(fēng)險(xiǎn)較高的股票。

從2010年到2015年，A股市場(chǎng)大致可以分為平穩(wěn)期和牛市兩個(gè)階段。如圖1所示，A股市場(chǎng)在2010年至2014上半年上漲幅度較小，市場(chǎng)較為穩(wěn)定；而2014年下半年到2015年上半年，A股劇烈上漲，該階段內(nèi)市場(chǎng)平均月收益率達(dá)到3.94%。機(jī)構(gòu)投資者在這兩個(gè)不同的階段應(yīng)當(dāng)具有不同的行為特征，由此

得到假設(shè)1。

H1：當(dāng)市場(chǎng)處于平靜時(shí)期，機(jī)構(gòu)投資者傾向于投資風(fēng)險(xiǎn)較低的股票，這些股票具有較低的歷史異質(zhì)波動(dòng)率、較低的歷史超額收益和較低的歷史換手率；而當(dāng)市場(chǎng)處于牛市，機(jī)構(gòu)投資者傾向于投資風(fēng)險(xiǎn)較高的股票，這些股票具有較高的歷史異質(zhì)波動(dòng)率、較高的歷史超額收益和較高的歷史換手率。

圖1 累積的A股市場(chǎng)加權(quán)收益率

Guo和Ouyang（2015）［39］通過(guò)模型證明，如果機(jī)構(gòu)投資者的投資決策并不是根據(jù)股票的基本面信息做出，機(jī)構(gòu)投資者的交易行為很可能會(huì)令股票價(jià)格更加不穩(wěn)定。A股市場(chǎng)機(jī)構(gòu)投資者相較于發(fā)達(dá)國(guó)家資本市場(chǎng)具有更強(qiáng)的投機(jī)性，也更缺乏理性。從我國(guó)2008年后的實(shí)證結(jié)果也能看出，機(jī)構(gòu)投資者在A股市場(chǎng)的交易行為并沒(méi)有起到穩(wěn)定市場(chǎng)的作用，而是加劇了市場(chǎng)的風(fēng)險(xiǎn)與波動(dòng)。由假設(shè)1可知機(jī)構(gòu)投資者在牛市中傾向于投資風(fēng)險(xiǎn)更高的股票，也因此加劇了市場(chǎng)的投機(jī)性，進(jìn)一步造成了市場(chǎng)的不穩(wěn)定。由此得到假設(shè)2。

H2：機(jī)構(gòu)投資者加劇了個(gè)股的風(fēng)險(xiǎn)，機(jī)構(gòu)投資者進(jìn)入個(gè)股會(huì)導(dǎo)致個(gè)股未來(lái)具有更高的異質(zhì)波動(dòng)率和換手率；在牛市中這一現(xiàn)象更加明顯。

（四）滯后階數(shù)的確定

為了選擇最優(yōu)的滯后階數(shù)，本文使用了AIC、SC和HQ三種信息準(zhǔn)則進(jìn)行判定。結(jié)果顯示，當(dāng)滯后階數(shù)為4階時(shí)，模型在三種信息準(zhǔn)則下均小于其他滯后階數(shù)（見(jiàn)表1），這說(shuō)明滯后四階是本文模型的最優(yōu)滯后階數(shù)選擇。

表1 不同信息準(zhǔn)則下模型的滯后階數(shù)選擇

（五）平穩(wěn)性檢驗(yàn)與調(diào)整

為了保證VAR模型中各變量的平穩(wěn)性，本文對(duì)超額收益率（AR）、投資者凈流入（NIF）、換手率（Turnover）、異質(zhì)波動(dòng)率（IVOL）進(jìn)行了ADF檢驗(yàn)。如表1所示，除了超額收益率（AR）之外，其他三個(gè)變量都沒(méi)有拒絕存在單位根的原假設(shè)，也即變量不平穩(wěn)。為了調(diào)整各變量的平穩(wěn)性，本文參考了Keniel等人（2008）［33］的做法，對(duì)投資者凈流入、換手率和異質(zhì)波動(dòng)率進(jìn)行了去趨勢(shì)化（Detrend）處理，分別用這三個(gè)變量減去各自前5個(gè)月的平均值。由表2可知，經(jīng)過(guò)去趨勢(shì)化處理之后，調(diào)整后的三個(gè)變量均拒絕了存在單位根的原假設(shè)，這意味著它們都是平穩(wěn)的，能夠進(jìn)入VAR模型，下文的結(jié)果均基于調(diào)整后的變量，由于去趨勢(shì)化處理的存在，本文的樣本期要去除前5個(gè)月。

表2 變量的平穩(wěn)性檢驗(yàn)：ADF統(tǒng)計(jì)量

四、實(shí)證檢驗(yàn)與結(jié)果分析

（一）描述性統(tǒng)計(jì)

表3所列為樣本期內(nèi)機(jī)構(gòu)投資者和個(gè)人投資者交易行為的描述性統(tǒng)計(jì)。表2的結(jié)果表明，A股市場(chǎng)在2010-2015期間機(jī)構(gòu)買入交易占平均交易量的比例為30.94%，賣出交易比例為33.28%，樣本期間機(jī)構(gòu)賣出交易略大于買入交易。機(jī)構(gòu)買入和賣出交易的標(biāo)準(zhǔn)差在90%左右，這說(shuō)明不同股票、不同時(shí)間下機(jī)構(gòu)投資者買入賣出行為差異極大，機(jī)構(gòu)投資者存在集中投資某些特定股票的現(xiàn)象，從側(cè)面驗(yàn)證了我國(guó)機(jī)構(gòu)投資者的羊群效應(yīng)。機(jī)構(gòu)投資者的凈流入機(jī)構(gòu)量平均值為-2.45%，最小值為-25.04%，最大值為19.68%。

表3 投資者買入賣出占前8周平均交易量比例的描述性統(tǒng)計(jì)%

從現(xiàn)有文獻(xiàn)中能夠得知，機(jī)構(gòu)投資者會(huì)受到個(gè)股風(fēng)險(xiǎn)程度的影響，而投資者的交易行為又會(huì)對(duì)個(gè)股的收益水平、交易量水平和波動(dòng)水平產(chǎn)生作用。為了解A股市場(chǎng)上機(jī)構(gòu)投資者和個(gè)股風(fēng)險(xiǎn)之間的關(guān)系，本文對(duì)機(jī)構(gòu)投資者大量買入或賣出的股票進(jìn)行了檢驗(yàn)。表4統(tǒng)計(jì)了在week=0期被機(jī)構(gòu)投資者大量買入或賣出的股票在前后4周的風(fēng)險(xiǎn)特征。把所有股票按照week=0期機(jī)構(gòu)投資者凈流入量的大小分成

平均的三組，機(jī)構(gòu)投資者凈流入最小的一組就是機(jī)構(gòu)投資者大量賣出的股票，最大的一組則是機(jī)構(gòu)投資者大量買入的股票。

表4的結(jié)果表明，在第0周被機(jī)構(gòu)大量賣出的股票在之前4周都具有顯著的超額收益率，反之，在第0周被機(jī)構(gòu)大量買入的股票在前4周的收益都顯著為負(fù)，這說(shuō)明機(jī)構(gòu)傾向于賣高買低，賣出之前超額收益較高的股票，而買入之前超額收益較低的股票。相比被機(jī)構(gòu)大量買入的股票，機(jī)構(gòu)大量賣出的股票在之前四周的換手率相對(duì)較高，之后4周換手率相對(duì)較低。前后換手率的對(duì)比表明，機(jī)構(gòu)傾向于買入那些交易量相對(duì)較小的股票，而當(dāng)機(jī)構(gòu)大量買入之后，這些股票的交易量會(huì)顯著提高，機(jī)構(gòu)的大量買入提高了股票的交易熱度，增加了股票的投機(jī)性。表4還統(tǒng)計(jì)了機(jī)構(gòu)交易行為與個(gè)股異質(zhì)波動(dòng)率的關(guān)系。機(jī)構(gòu)大量買入的股票在前4周的異質(zhì)波動(dòng)率都在1.85%以下，明顯低于被機(jī)構(gòu)大量賣出的股票。而在機(jī)構(gòu)大量買入之后，個(gè)股的異質(zhì)波動(dòng)率顯著上升，達(dá)到1.9%以上。這說(shuō)明機(jī)構(gòu)選擇投資目標(biāo)時(shí)傾向于選擇那些波動(dòng)相對(duì)較低的股票，而當(dāng)機(jī)構(gòu)大量買入后，個(gè)股的風(fēng)險(xiǎn)程度反而變高了。

表4 機(jī)構(gòu)投資者大量買入、賣出前后4周各變量的描述性統(tǒng)計(jì)%

（二）實(shí)證結(jié)果分析——基于時(shí)變參數(shù)向量自回歸模型（TVP-VAR）

從描述性統(tǒng)計(jì)的結(jié)果可以看出，機(jī)構(gòu)投資者的交易行為既受到過(guò)去股票風(fēng)險(xiǎn)特征的影響，又會(huì)對(duì)未來(lái)的股票風(fēng)險(xiǎn)特征產(chǎn)生作用。表4的描述性統(tǒng)計(jì)包含了全樣本區(qū)間的觀測(cè)，而在現(xiàn)實(shí)中市場(chǎng)狀態(tài)很可能會(huì)影響到變量間的關(guān)系，為了把不同市場(chǎng)狀態(tài)的影響納入考慮范圍，本文采用（7）式中的TVP-VAR模型對(duì)H1和H2進(jìn)行檢驗(yàn)。

1.投資者凈流入的影響因素

圖2和圖3的結(jié)果驗(yàn)證了H1的假設(shè)。圖1報(bào)告了TVP-VAR模型中各風(fēng)險(xiǎn)特征變量對(duì)機(jī)構(gòu)投資者凈流入在樣本期內(nèi)的沖擊，滯后期分別為1周和4周。從圖1的3個(gè)子圖中分別可以看出，從2010年到2014年上半年這一段市場(chǎng)比較平穩(wěn)的時(shí)期，正向的超額收益沖擊、換手率沖擊和異質(zhì)波動(dòng)率沖擊都會(huì)令后續(xù)的機(jī)構(gòu)投資者凈流入更低，這說(shuō)明在市場(chǎng)平穩(wěn)期機(jī)構(gòu)投資者傾向于投資歷史風(fēng)險(xiǎn)較低的股票。

圖2三個(gè)子圖中的曲線都在2014年下半年到2015年上半年出現(xiàn)了一個(gè)顯著的拱起。這主要是因?yàn)?014年下半年到2015年上半年A股市場(chǎng)處于牛市階段，在這種情況下，機(jī)構(gòu)投資者投機(jī)熱情高漲，在選擇股票的時(shí)候更加注重短期投機(jī)的機(jī)會(huì)而非股票自身的內(nèi)在價(jià)值。機(jī)構(gòu)投資者的投機(jī)性需求超過(guò)了規(guī)避風(fēng)險(xiǎn)的需求，他們會(huì)選擇投資過(guò)去超額收益更高、交易更加活躍、異質(zhì)波動(dòng)率更高的股票，股票的歷史風(fēng)險(xiǎn)越高越能吸引到機(jī)構(gòu)投資者。

圖2 風(fēng)險(xiǎn)特征變量對(duì)機(jī)構(gòu)投資者凈流入不同滯后期的沖擊函數(shù)

圖3 風(fēng)險(xiǎn)特征變量對(duì)機(jī)構(gòu)投資者凈流入不同時(shí)點(diǎn)的沖擊函數(shù)

圖3比較了市場(chǎng)平穩(wěn)階段（Steady）和牛市階段（Bull）內(nèi)風(fēng)險(xiǎn)特征變量對(duì)機(jī)構(gòu)投資者凈流入的沖擊。圖2選擇了處于市場(chǎng)平穩(wěn)期的2012年10月和牛市期間的2015年4月進(jìn)行對(duì)比，這兩個(gè)時(shí)點(diǎn)下的市

場(chǎng)月收益率分別是-0.9%和16.7%?？梢钥闯觯?012年10月，個(gè)股風(fēng)險(xiǎn)提高會(huì)導(dǎo)致機(jī)構(gòu)投資者凈流入的下降；而在2015年4月，個(gè)股風(fēng)險(xiǎn)的提高反而會(huì)吸引機(jī)構(gòu)投資者，使得后續(xù)的機(jī)構(gòu)投資者凈流入增加。實(shí)證結(jié)果證明，機(jī)構(gòu)投資者在市場(chǎng)處于牛市時(shí)行為更加激進(jìn)，從規(guī)避風(fēng)險(xiǎn)變成了追求風(fēng)險(xiǎn)，H1得到了證明。

2.投資者交易行為對(duì)個(gè)股風(fēng)險(xiǎn)特征的影響

圖4和圖5的結(jié)果驗(yàn)證了H2的假設(shè)。圖4報(bào)告了TVP-VAR模型中機(jī)構(gòu)投資者對(duì)超額收益率、換手率和異質(zhì)波動(dòng)率的沖擊，滯后期分別為1周和4周。圖4的第一個(gè)子圖顯示，在大多數(shù)時(shí)間里正向的機(jī)構(gòu)投資者凈流入沖擊會(huì)令未來(lái)1周和4周的超額收益率更低，這一趨勢(shì)在2015年上半年的牛市中更加明顯。Llorente等人（2002）［40］指出，如果本期價(jià)格中含有信息，則后續(xù)價(jià)格應(yīng)當(dāng)具有持續(xù)性，反之若本期價(jià)格中不含有信息，則后續(xù)股價(jià)會(huì)出現(xiàn)反轉(zhuǎn)。本文的結(jié)果說(shuō)明，大量機(jī)構(gòu)投資者的買入行為并不含有實(shí)質(zhì)性信息，因此在推高本期價(jià)格之后會(huì)出現(xiàn)反轉(zhuǎn)，也因此令個(gè)股價(jià)格更加不穩(wěn)定。

圖4的第二、三個(gè)子圖說(shuō)明從2010年到2014年上半年的市場(chǎng)穩(wěn)定期內(nèi)，機(jī)構(gòu)投資者凈流入對(duì)未來(lái)4周內(nèi)的換手率和異質(zhì)波動(dòng)率存在正向沖擊，但沖擊的幅度較小。而在2014年下半年到2015年上半年的牛市中，機(jī)構(gòu)投資者凈流入的提高會(huì)顯著增加未來(lái)4周內(nèi)的換手率和異質(zhì)波動(dòng)率。這是因?yàn)樵谂Ｊ须A段，市場(chǎng)投機(jī)情緒高漲，機(jī)構(gòu)投資者的行為助長(zhǎng)了投機(jī)，大幅增加了個(gè)股的交易熱度和異質(zhì)波動(dòng)，令個(gè)股的短期風(fēng)險(xiǎn)更高。

圖4 機(jī)構(gòu)投資者凈流入對(duì)風(fēng)險(xiǎn)特征變量不同滯后期的沖擊

圖5比較了市場(chǎng)穩(wěn)定期和牛市階段機(jī)構(gòu)投資者凈流入對(duì)風(fēng)險(xiǎn)特征變量在不同滯后期上的沖擊。圖5中3個(gè)子圖的結(jié)果顯示，與市場(chǎng)穩(wěn)定期相比，牛市階段的機(jī)構(gòu)投資者凈流入對(duì)滯后的超額收益、換手率和異質(zhì)波動(dòng)率都有著更大的影響，機(jī)構(gòu)投資者在牛市中起到了推波助瀾的作用，并沒(méi)有扮演市場(chǎng)穩(wěn)定器的角色，假設(shè)2得以證明。

圖5 機(jī)構(gòu)投資者凈流入對(duì)風(fēng)險(xiǎn)特征變量不同時(shí)點(diǎn)的沖擊

（三）穩(wěn)健性檢驗(yàn)

在穩(wěn)健性檢驗(yàn)中，本文調(diào)整了對(duì)投資者凈流入的定義。正文中投資者凈流入的調(diào)整系數(shù)為前8周的平均交易量，在穩(wěn)健性檢驗(yàn)中，對(duì)投資者凈流入使用股票流通市值進(jìn)行標(biāo)準(zhǔn)化，變量調(diào)整后實(shí)證結(jié)果并無(wú)顯著變化。

（四）小結(jié)

結(jié)合描述性統(tǒng)計(jì)和TVP-VAR模型的結(jié)果，本文發(fā)現(xiàn)機(jī)構(gòu)投資者在市場(chǎng)穩(wěn)定期傾向于買入歷史風(fēng)險(xiǎn)更低的股票，在牛市階段機(jī)構(gòu)投資者投資策略變得激進(jìn)，交易行為從規(guī)避風(fēng)險(xiǎn)轉(zhuǎn)化為追求風(fēng)險(xiǎn)。當(dāng)機(jī)構(gòu)投資者大量買入之后，個(gè)股的換手率和異質(zhì)波動(dòng)率將會(huì)顯著提高，這些股票被更活躍地交易，波動(dòng)率也明顯增加，個(gè)股的穩(wěn)定性下降而風(fēng)險(xiǎn)上升，這一現(xiàn)象在牛市中更加顯著。對(duì)比股票在機(jī)構(gòu)投資者買入前后的特征，可以得出結(jié)論：機(jī)構(gòu)投資者的行為增大了個(gè)股風(fēng)險(xiǎn)。

五、結(jié)論

本文利用周度資金流向數(shù)據(jù)分析了機(jī)構(gòu)投資者短期交易行為，主要回答了兩個(gè)問(wèn)題：第一，股票的風(fēng)險(xiǎn)特征是否會(huì)影響到機(jī)構(gòu)投資者的交易行為？第二，機(jī)構(gòu)投資者和個(gè)人投資者的交易行為是否會(huì)對(duì)個(gè)股風(fēng)險(xiǎn)產(chǎn)生影響？實(shí)證結(jié)果發(fā)現(xiàn)，機(jī)構(gòu)投資者在市場(chǎng)穩(wěn)定時(shí)更偏好于風(fēng)險(xiǎn)較低的股票，在牛市階段更愿意投資于風(fēng)險(xiǎn)較高的股票。被機(jī)構(gòu)投資者大量買入之后，股票的波動(dòng)顯著增強(qiáng)，風(fēng)險(xiǎn)也由低變高，機(jī)構(gòu)投資者的進(jìn)入增大了個(gè)股風(fēng)險(xiǎn)，這一現(xiàn)象在牛市階段更加顯著。

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

［2］Chen Z，Petkova R.Does idiosyncratic volatility proxy for risk exposure？［J］.Review of Financial Studies，2010，25（9）：2745-2787.

［3］Mclean R D.Idiosyncratic Risk，Long-Term Reversal，and Momentum［J］.Journal of Financial&Quantitative Analysis，2009，45（4）：883-906.

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

［5］楊華蔚，韓立巖.特質(zhì)波動(dòng)率、換手率與預(yù)期收益關(guān)系［J］.遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2007（S2）：225-227.

［6］Kaniel R，Ozoguz A，Starks L.The High Volume Return Premium：Cross-country Evidence［J］.Journal of Financial Economics，2012，103（2）：255-79.

［7］田利輝，王冠英.我國(guó)股票定價(jià)五因素模型：交易量如何影響股票收益率？［J］.南開(kāi)經(jīng)濟(jì)研究，2014（2）：54-57.

［8］蘇冬蔚，麥元?jiǎng)?流動(dòng)性與資產(chǎn)定價(jià)：基于我國(guó)股市資產(chǎn)換手率與預(yù)期收益的實(shí)證研究［J］.經(jīng)濟(jì)研究，2004（2）：95-105.

［9］張崢，劉力.換手率與股票收益：流動(dòng)性溢價(jià)還是投機(jī)性泡沫？［J］.經(jīng)濟(jì)學(xué)（季刊），2006（3）：871-892.

［10］Bondt W F M D，Thaler R.Does the Stock Market Overreact？［J］.Journal of Finance，1985，40（3）：793-805.

［11］Chopra N，Lakonishok J，Ritter J R.Measuring abnormal performance：Do stocks overreact？［J］.Journal of Financial Economics，1992，31（2）：235-268.

［12］Hirshleifer D，Subrahmanyam A，Titman S.Security Analysis and Trading Patterns When Some Investors Receive Information before Others［J］.Journal of Finance，1994，49（5）：1665-1698.

［13］Irvine P，Lipson M，Puckett A.Tipping［J］.Review of Financial Studies，2007，20（3）：741-768.

［14］De Long J B，Shleifer A，Summers L H，et al.Positive feedback investment strategies and destabilizing rational speculation［J］.the Journal of Finance，1990，45（2）：379-395.

［15］Shiller R J，Pound J.Survey evidence on diffusion of interest and information among investors［J］.Journal of Economic Behavior&Organization，1989，12（1）：47-66.

［16］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.

［17］Scharfstein D S，Stein J C.Herd behavior and investment［J］. The American Economic Review，1990，80（3）：465-479.

［18］Dennis P J，Strickland D.Who blinks in volatile markets，individuals or institutions？［J］.The Journal of Finance，2002，57（5）：1923-1949.

［19］Gabaix X，Laibson D，Moloche G，et al.Costly information acquisition：Experimental analysis of a boundedly rational model［J］.The American Economic Review，2006，96（4）：1043-1068.

［20］胡大春，金賽男.基金持股比例與A股市場(chǎng)收益波動(dòng)率的實(shí)證分析［J］.金融研究，2007（4）：129-142.

［21］姚頤，劉志遠(yuǎn).基金投資行為的市場(chǎng)檢驗(yàn)［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2007，29（11）：109-113.

［22］祁斌，黃明，陳卓思.機(jī)構(gòu)投資者與股市波動(dòng)性［J］.金融研究，2006（9）：54-64.

［23］姚頤，劉志遠(yuǎn).震蕩市場(chǎng)、機(jī)構(gòu)投資者與市場(chǎng)穩(wěn)定［J］.管理世界，2008（8）：22-32.

［24］陳國(guó)進(jìn)，張貽軍，劉淳.機(jī)構(gòu)投資者是股市暴漲暴跌的助推器嗎？——來(lái)自上海A股市場(chǎng)的經(jīng)驗(yàn)證據(jù)［J］.金融研究，2010，55（11）：45-59.

［25］蔡慶豐，宋友勇.超常規(guī)發(fā)展的機(jī)構(gòu)投資者能穩(wěn)定市場(chǎng)嗎？——對(duì)我國(guó)基金業(yè)跨越式發(fā)展的反思［J］.經(jīng)濟(jì)研究，2010（1）：90-101.

［26］陳瑩，袁建輝，李心丹，等.基于計(jì)算實(shí)驗(yàn)的協(xié)同羊群行為與市場(chǎng)波動(dòng)研究［J］.管理科學(xué)學(xué)報(bào)，2010，13（9）：119-128.

［27］胡金焱，亓彬.機(jī)構(gòu)投資者與股市穩(wěn)定性關(guān)系的實(shí)證研究——基于修正的系統(tǒng)廣義矩估計(jì)分階段動(dòng)態(tài)面板數(shù)據(jù)分析［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2012（10）：82-86.

［28］史永東，王謹(jǐn)樂(lè).中國(guó)機(jī)構(gòu)投資者真的穩(wěn)定市場(chǎng)了嗎？［J］.經(jīng)濟(jì)研究，2014（12）：100-112.

［29］Barber B M，Odean T，Zhu I V.Do retail trades move markets？［J］.Review of Financial Studies，2009，22（1）：151-186.

［30］Shanthikumar D M.Small and Large Trades Around Earnings Announcements：Does Trading Behavior Explain Post Earnings Announcement Drift？［EB/OL］（2003-09-1）［2016-04-11］.http：//papers.ssrn.com/sol3/papers.cfm?abstract_id=44 9800.

［31］Hvidkjaer S.A Trade-Based Analysis of Momentum［J］. Review of Financial Studies，2006，19（2）：457-491.

［32］Malmendier U，Shanthikumar D M.Are Small InvestorsNaive about Incentives？［J］.Journal of Financial Economics，2007，85（2）：457-489.

［33］Kaniel R，Saar G，Titman S.Individual Investor Trading and Stock Returns［J］.Journal of Finance，2008，63（1）：273-310.

［34］Fama E F，F(xiàn)rench K R.The cross-section of expected stock returns［J］.the Journal of Finance，1992，47（2）：427-465.

［35］Fama E F，F(xiàn)rench K R.Common risk factors in the returns on stocks and bonds［J］.Journal of financial economics，1993，33（1）：3-56.

［36］Griffin J M，Harris J H，Topaloglu S.The Dynamics of Institutional and Individual Trading［J］.Journal of Finance，2003，58（6）：2285-2320.

［37］Nakajima J.Time-varying parameter VAR model with stochastic volatility：An overview of methodology and empirical applications［J］.Monetary and Economic Studies，2011，29（11）：107-142.

［38］Barber B M，Odean T.The behavior of individual investors［EB/ OL］.（2003-09-1）［2016-04-11］.http：//papers.ssrn.com/ sol3/papers.cfm?abstract_id=1872211.

［39］Guo M，Ouyang H.Feedback Trading between Fundamental and Nonfundamental Information［J］.Review of Financial Studies，2015，28（1）：247-296.

［40］Llorente G，Michaely R，Saar G，et al.Dynamic Volume-Return Relation of Individual Stocks［J］.Review of Financial Studies，2002，15（4）：1005-1047.

［責(zé)任編輯：歐世平］

Do Chinese Institutional Investors Make Stocks Riskier in Short-term Horizon？

CHEN Can
（Shanghai Advanced Institute of Finance，Shanghai Jiao Tong University，Shanghai 200030，China）

By using weekly money flow data in A-share market from 2010 to 2015，this paper investigates the short-term trading behaviors of institutional investors by TVP-VAR model.Empirical results indicate that institutional investors prefer less risky stocks in steady market and more risky stocks in bull market.After intensively bought by institutional investors，stocks become more risky with higher idiosyncratic volatility.This phenomenon is more significant in bull market.Rather than playing a positive role of stabilizing individual stocks，institutional investors create new risks.

institutional investors；volatility；TVP-VAR

F830.59

A

1007-5097（2016）09-0105-07

2016-05-16

陳燦（1988-），女，安徽合肥人，博士研究生，研究方向：機(jī)構(gòu)投資者，資產(chǎn)管理，量?jī)r(jià)分析。

10.3969/j.issn.1007-5097.2016.09.016