， ， ，

(1.西安交通大學(xué) 管理學(xué)院,陜西 西安 710049; 2.深圳證券交易所 衍生品業(yè)務(wù)部,廣東 深圳 518010)

1 引言

對比1995～2015年我國A股市場與美國市場的月度波動(dòng)率，發(fā)現(xiàn)上證指數(shù)為1.604%，美國道瓊斯指數(shù)為0.995%，我國A股市場波動(dòng)率幾乎是美國的1.6倍，而深證的1.756%也高出同期月度波動(dòng)率為1.376%的納斯達(dá)克30%，說明較之成熟市場，我國金融市場波動(dòng)風(fēng)險(xiǎn)一直過高。特別地，繼1995年“327國債事件”為我國金融市場帶來的災(zāi)難性創(chuàng)傷后，2015年6月，上證指數(shù)連續(xù)17天暴跌32.11%引發(fā)的“股災(zāi)”，再一次創(chuàng)造了我國金融市場價(jià)格異常波動(dòng)的新紀(jì)錄。在金融市場高桿杠和“順周期”特性助推下，價(jià)格異常波動(dòng)可能促發(fā)配資機(jī)構(gòu)的強(qiáng)行平倉行為，并引發(fā)出新一輪的市場“踩踏”和連鎖反應(yīng)，使中小投資者承擔(dān)遠(yuǎn)超其承受能力，加劇市場恐慌，危害市場穩(wěn)定、健康。因此，“防范市場過度波動(dòng)”始終是我國金融市場監(jiān)管當(dāng)局的重要目標(biāo)。

不同類型投資者在資金實(shí)力、認(rèn)知能力、理性程度以及投資目的上存在很大差異，其交易行為對市場影響效果往往也不同。個(gè)人投資者因資金實(shí)力、認(rèn)知能力較弱，非理性程度較高被認(rèn)定為市場“噪音”，噪音交易行為與過度投機(jī)行為都會(huì)加劇市場價(jià)格波動(dòng)。根據(jù)《中國金融期貨交易所交易規(guī)則》，個(gè)人或法人屬性投資者應(yīng)據(jù)其交易需求申報(bào)投資賬戶，即投機(jī)、套利和套期保值。因此，投資者將同時(shí)擁有兩種身份屬性?？紤]到機(jī)構(gòu)和個(gè)人，套保、投機(jī)和套利的交易行為對市場波動(dòng)潛在影響不同，但以往學(xué)者僅從機(jī)構(gòu)和個(gè)人、或投機(jī)和套保的分類方式出發(fā)，并未將兩種分類方式統(tǒng)一整合，忽略了這兩種分類方式的重疊性與矛盾性；此外，以往的研究大多利用數(shù)學(xué)模型和思辨討論的方法，鮮少有利用市場數(shù)據(jù)，尤其在不同市場態(tài)勢下，對不同類型投資者如何影響我國金融期貨市場穩(wěn)定性做出實(shí)證性檢驗(yàn)。

本文的創(chuàng)新之處在于，結(jié)合投資者的雙重身份對其進(jìn)行重新分類，并在不同勢態(tài)下進(jìn)行研究。結(jié)果發(fā)現(xiàn)不同類型投資者非預(yù)期凈持倉量變動(dòng)對市場波動(dòng)的影響不同。本文結(jié)論為我國股指期貨市場的差異化監(jiān)管機(jī)制設(shè)計(jì)提供了實(shí)證解釋和參考，并拓展了金融衍生品投資者行為策略經(jīng)濟(jì)后果的研究領(lǐng)域，對金融市場監(jiān)管層、交易者都具有一定的參考價(jià)值。

2 文獻(xiàn)綜述

金融市場波動(dòng)率與投資者的交易行為顯著相關(guān)[1,2]。Wang[3]在此基礎(chǔ)上將時(shí)間維度引入“信息量”的概念中，其在6國外匯期貨市場的實(shí)證研究表明不同類型投資者因臨時(shí)信息引發(fā)的異質(zhì)性信念對市場波動(dòng)產(chǎn)生的沖擊效果不同。不同投資者對市場波動(dòng)的影響存在爭議。

按客戶屬性分類可將投資者分成個(gè)人或機(jī)構(gòu)。Barber和Odean[4,5]認(rèn)為個(gè)人投資者非理性程度高，他們是加劇市場波動(dòng)的“噪音”；Bohl等[6]發(fā)現(xiàn)個(gè)人投資者的非知情特性使其對價(jià)格的影響力降低、波動(dòng)增加，隨著機(jī)構(gòu)交易比例增加，期、現(xiàn)市場間的信息流動(dòng)性提升；Basak和Pavlova[7]發(fā)現(xiàn)機(jī)構(gòu)交易包含的信息量更高，對期貨市場穩(wěn)定作用更強(qiáng)；余佩琨和鐘瑞軍[8]通過數(shù)理模型證明出機(jī)構(gòu)的交易行為更理性；王鄖和華仁海[9]研究了投資者的交易策略，發(fā)現(xiàn)個(gè)人投資者采取慣性投資策略而機(jī)構(gòu)投資者采取反轉(zhuǎn)交易策略，故個(gè)人加劇市場波動(dòng)、機(jī)構(gòu)緩解市場波動(dòng)；黃運(yùn)成等[10]發(fā)現(xiàn)機(jī)構(gòu)促進(jìn)期貨市場市場價(jià)格發(fā)現(xiàn)，并建議我國金融期貨市場逐步且有序引入各類機(jī)構(gòu)投資者；姚興濤[11]通過研究國外成熟期貨市場的投資者發(fā)展歷程，建議將QFII引入我國期貨市場。

按交易目的劃分可將投資者分為投機(jī)和套保兩類。Chang等[12,13]研究表明投機(jī)交易量與市場波動(dòng)正相關(guān)，進(jìn)一步他們發(fā)現(xiàn)投機(jī)持倉量與非預(yù)期波動(dòng)弱相關(guān)，而套保者在非預(yù)期波動(dòng)的作用下將提高對預(yù)期波動(dòng)的估計(jì)，進(jìn)而增持并加劇波動(dòng)；Adrangi和Chatruth[14]發(fā)現(xiàn)大型投機(jī)者增加市場波動(dòng)；Wang等[15]發(fā)現(xiàn)HSI市場的投機(jī)行為異?；钴S，且加劇市場波動(dòng)；而Miffre和Brooks[16]卻認(rèn)為大型的投機(jī)交易者不能引發(fā)市場過度波動(dòng)；劉慶富等[17]發(fā)現(xiàn)空盤持倉量變動(dòng)對市場波動(dòng)率的影響更大；楊陽和萬迪昉[18]發(fā)現(xiàn)中國股指期貨市場的套期保值交易和做空機(jī)制能有效緩解市場波動(dòng)。

3 數(shù)據(jù)來源、變量與研究設(shè)計(jì)

3.1 數(shù)據(jù)來源

本文所用獨(dú)特?cái)?shù)據(jù)為2010年10月11日至2013年8月29日在中國金融期貨交易所上市的滬深300股指期貨合約中，賬戶類型級別的日頻度交易數(shù)據(jù)，其中包括賬戶交易時(shí)間、賬戶客戶屬性、賬戶交易類型、各個(gè)賬戶的日成交量、多頭和空頭持倉量。其他數(shù)據(jù)還包括滬深300股指期貨市場中主力合約的日開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)、結(jié)算價(jià)，間隔為10分鐘的收盤價(jià)、市場單邊交易量和持倉量。本文研究的所有數(shù)據(jù)均來源于中國金融期貨交易所。

3.2 變量

3.2.1 投資者類型

中金所依據(jù)客戶屬性，將投資者分為機(jī)構(gòu)投資者和個(gè)人投資者，再根據(jù)其交易目的，將其歸屬到投機(jī)賬戶、套期保值賬戶和套利賬戶中。借鑒CFTC的持倉報(bào)告，綜合投資者的雙重身份屬性，本研究進(jìn)一步將投資者分為套期保值賬戶的機(jī)構(gòu)投資者、投機(jī)套利賬戶的機(jī)構(gòu)投資者和個(gè)人投資者。

3.2.2 市場波動(dòng)率

波動(dòng)率是市場穩(wěn)定性的反向代理變量。該值越小，表示市場穩(wěn)定性越高。為保證結(jié)果的穩(wěn)健性，本研究采用兩種方法計(jì)算我國滬深300股指期貨市場的日內(nèi)波動(dòng)率。

第一，根據(jù)Garman-Klass[19]的研究，以開盤價(jià)、收盤價(jià)、最高價(jià)和最低價(jià)計(jì)算價(jià)格的日內(nèi)波動(dòng)率

(1)

第二，借鑒Andersen和Bollerslev[20]的估算辦法，利用日內(nèi)較短時(shí)間間隔的收盤價(jià)計(jì)算所得回報(bào)率的離散程度來描述已實(shí)現(xiàn)的日內(nèi)波動(dòng)率

(2)

3.2.3 凈持倉量

本文以各類型投資者當(dāng)日持有的多頭持倉量減去空頭持倉量得到的凈值衡量凈持倉量

(3)

進(jìn)一步，參考Wang[3]的研究，利用ARIMA(p,k,q)模型將投資者的凈持倉量序列分解成預(yù)期和非預(yù)期兩個(gè)組成部分。預(yù)期部分為ARIMA(p,k,q)模型的擬合值，非預(yù)期部分為真實(shí)值與其對應(yīng)的預(yù)期值之差，即ARIMA(p,k,q)模型的殘差。ARIMA(p,k,q)模型的滯后階數(shù)由AIC和SC準(zhǔn)則確定。

3.2.4 市場總體交易行為

已有文獻(xiàn)表明市場交易行為與市場波動(dòng)顯著相關(guān)。本文涉及的市場總體交易行為包括市場交易量和市場持倉量。為了保持一致，仍然利用ARIMA(p,k,q)模型將其分解為預(yù)期和非預(yù)期兩個(gè)部分。

本文涉及的變量名稱、標(biāo)識(shí)及含義，如表1所示。

表1 本文涉及變量、符號(hào)及含義

注：j=TV,OI分別代表市場交易量和持倉量，k=SA,H,R分別代表投機(jī)套利的機(jī)構(gòu)投資者、套保的機(jī)構(gòu)投資者和個(gè)人投資者。

本文涉及的研究變量均為時(shí)間序列，經(jīng)ADF檢驗(yàn)，G-K波動(dòng)率，A-B已實(shí)現(xiàn)波動(dòng)率和市場交易量為平穩(wěn)序列，市場持倉量和三類投資者凈持倉量的一階差分序列為平穩(wěn)序列。依據(jù)單位根檢驗(yàn)的結(jié)果，本文利用ARIMA(p,k,q)模型將市場交易量、持倉量以及三類投資者凈持倉量分解為預(yù)期和非預(yù)期兩個(gè)部分。從研究變量的相關(guān)性看，分解后的凈持倉量變動(dòng)在投機(jī)套利的機(jī)構(gòu)和套保機(jī)構(gòu)之間同期正相關(guān)，在散戶與任何一類機(jī)構(gòu)之間同期負(fù)相關(guān)，暗示出機(jī)構(gòu)與個(gè)人投資者的行為差異。但分解后的市場總體交易行為之間、及其與不同類型投資者凈持倉量之間的同期相關(guān)性較低，反映出將市場總體交易行為作為控制變量的可行性與對不同投資者進(jìn)行單獨(dú)回歸的必要性。

3.3 研究設(shè)計(jì)

為了檢驗(yàn)不同類型投資者凈持倉量對市場波動(dòng)的影響，我們在市場波動(dòng)和滯后期波動(dòng)、分解的總體交易行為、各類投資者分解的凈持倉量之間建立回歸模型

β2UAOI,t+γkENk,t+ρkUNk,t+θkDk×UNk,t+εt

(4)

其中Dk為虛擬變量，當(dāng)UNk,t>0，即k類投資者的非預(yù)期凈持倉量對市場產(chǎn)生正沖擊時(shí)，Dk=1；否則，Dk=0，因此，UNk,t的系數(shù)ρk和UNk,t與Dk×UNk,t的系數(shù)之和(ρk+θk)分別表示k類投資者非預(yù)期凈持倉量變動(dòng)的負(fù)沖擊與正沖擊對市場波動(dòng)的影響。

4 實(shí)證結(jié)果與分析

4.1 不同類型投資者凈持倉量對市場日內(nèi)波動(dòng)的影響

利用ARIMA(p,1,q)模型，本文將投資者凈持倉量變動(dòng)分解成預(yù)期和非預(yù)期兩個(gè)部分。試圖在方程(4)表示的OLS回歸模型中，研究不同類型投資者分解后的凈持倉變動(dòng)對市場日內(nèi)波動(dòng)率的影響。

青島中山路歷史街區(qū)(以下簡稱中山路街區(qū))位于青島市南區(qū)中西部，西鄰青島火車站，南接棧橋公園.創(chuàng)始于1897年的德國占領(lǐng)時(shí)期，在改革開放以后逐漸蕭條[1].天主教堂位于中山路的東側(cè)山坡臺(tái)地之上，塔身高56 m，是整個(gè)中山路街區(qū)的重要節(jié)點(diǎn)，構(gòu)成中山路歷史街區(qū)輪廓線的控制高度[2] (圖1).

表2 不同類型投資者凈持倉量對市場波動(dòng)的影響：G-K波動(dòng)率

注：為清晰起見，已將除截距項(xiàng)和滯后期波動(dòng)項(xiàng)外的其他變量系數(shù)擴(kuò)大了106倍；*p<0.1,**p<0.05,***p<0.01。下同。

Bessembinder和Seguin[2]通過研究市場交易行為和波動(dòng)率之間的關(guān)系，發(fā)現(xiàn)波動(dòng)率與交易量正相關(guān)，與持倉量負(fù)相關(guān)，且非預(yù)期交易量對波動(dòng)的作用是預(yù)期的數(shù)倍。本文在我國股指期貨市場中檢驗(yàn)總體交易行為與波動(dòng)之間關(guān)系的結(jié)論與前人基本一致，如表2中模型1。

控制了市場總體交易行為后，模型2～4分別刻畫了投機(jī)套利機(jī)構(gòu)投資者、套保機(jī)構(gòu)投資者和個(gè)人投資者預(yù)期和非預(yù)期的凈持倉量變動(dòng)對日內(nèi)波動(dòng)率的影響?？梢钥闯觯侯A(yù)期和非預(yù)期交易量均與市場日內(nèi)波動(dòng)率顯著正相關(guān)，非預(yù)期持倉量與日內(nèi)波動(dòng)率顯著負(fù)相關(guān)。與模型1相比，模型2～4的調(diào)整R2均顯著提高。說明加入投資者預(yù)期和非預(yù)期凈持倉量變動(dòng)這兩個(gè)關(guān)鍵變量后，方程對市場日內(nèi)波動(dòng)率的解釋能力更強(qiáng)，模型的擬合效果更優(yōu)。

本文的回歸結(jié)果顯示：所有投資者非預(yù)期凈持倉量變動(dòng)項(xiàng)UN和交乘項(xiàng)D×UN的系數(shù)均與日內(nèi)波動(dòng)率顯著相關(guān)，說明對任何一類投資者來說，其非預(yù)期凈持倉量變動(dòng)的沖擊都是不對稱的，且不同類型投資者凈持倉量變動(dòng)沖擊的非對稱效應(yīng)不同。具體地，套保機(jī)構(gòu)的非預(yù)期凈持倉量變動(dòng)項(xiàng)系數(shù)為-0.068，非預(yù)期凈持倉量變動(dòng)與代表市場沖擊方向的虛擬變量構(gòu)成的交乘項(xiàng)系數(shù)為0.013，但兩者系數(shù)之和為-0.055，表明非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊對市場日內(nèi)波動(dòng)率的作用均顯著為負(fù)，且負(fù)沖擊對市場波動(dòng)的抑制作用更強(qiáng)，即該類投資者非預(yù)期的持倉量變動(dòng)能夠穩(wěn)定市場，且利空消息下套保機(jī)構(gòu)非預(yù)期多頭減持或空頭增持穩(wěn)定市場效果更強(qiáng)。個(gè)人的非預(yù)期凈持倉量變動(dòng)項(xiàng)系數(shù)和交乘項(xiàng)系數(shù)分別為0.416和0.493，均在1%統(tǒng)計(jì)水平上顯著為正，這兩項(xiàng)系數(shù)之和為0.909，說明個(gè)人非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊對市場波動(dòng)作用顯著為正，且正沖擊對市場波動(dòng)的影響效果更強(qiáng)。也就是說，該類投資者非預(yù)期的凈持倉量變動(dòng)會(huì)加劇市場波動(dòng)，且利好消息下，非預(yù)期的多頭增持或空頭減持對市場波動(dòng)加劇的幅度更大。然而，有趣的是，本文發(fā)現(xiàn)，投機(jī)套利機(jī)構(gòu)的非預(yù)期凈持倉量變動(dòng)項(xiàng)系數(shù)為-0.042，交乘項(xiàng)系數(shù)為0.130，兩者之和為0.088，表明該類投資者非預(yù)期凈持倉量變動(dòng)的負(fù)沖擊對市場波動(dòng)率的作用為負(fù)，正沖擊對市場波動(dòng)率的作用為正，即利空消息下的空頭增持或多頭減持抑制市場波動(dòng)，而利好消息下的多頭增持或空頭減持加劇市場波動(dòng)。

根據(jù)Black[21]異質(zhì)性信念模型和De Long等[22]噪音交易理論的解釋，不同類型投資者凈持倉變動(dòng)的正、負(fù)沖擊對市場波動(dòng)影響的大小和符號(hào)均不同，原因在于不同類型投資者持有的信息量不同。一方面，個(gè)人投資者自身知識(shí)、能力受限，非理性程度較高，被視為“噪音交易者”，他們認(rèn)為所有的價(jià)格變化或交易量變動(dòng)均反映了市場的內(nèi)部信息，據(jù)此相應(yīng)地調(diào)整交易行為，其追漲殺跌的交易理念觸發(fā)了該類投資者的高買低賣效應(yīng)，逐步增大期貨價(jià)格的偏離程度，故其凈持倉量變動(dòng)的正、負(fù)沖擊都加劇了市場波動(dòng)。受價(jià)格壓力效應(yīng)的影響，與情緒低落時(shí)相比，該類投資者在情緒樂觀時(shí)，傾向增持資產(chǎn)，進(jìn)一步加劇市場波動(dòng)。蔣玉梅和王明照[23]研究了投資者情緒下盈余公告對市場的沖擊，發(fā)現(xiàn)投資者情緒系統(tǒng)性地影響市場盈余公告效應(yīng)，說明市場對消息的反應(yīng)由投資者情緒驅(qū)動(dòng)產(chǎn)生，且情緒導(dǎo)致投資者對意外盈余公告的反應(yīng)不對稱；進(jìn)一步，王磊和孔東民[24]在此問題的研究中發(fā)現(xiàn)，個(gè)人投資者傾向于關(guān)注好消息。與以上研究相一致，本文也發(fā)現(xiàn)個(gè)人投資者對利好消息的敏感性更強(qiáng)。另一方面，機(jī)構(gòu)理性程度較高，他們持有私人信息，更靈敏地洞悉市場走向、辨別消息真?zhèn)危瑢Y產(chǎn)的基本面價(jià)值判定更精準(zhǔn)，因而其在一定程度上幫助穩(wěn)定市場。然而，具體到交易目的不同的機(jī)構(gòu)中時(shí)，其交易策略又存在明顯差異。根據(jù)套期保值壓力假說，當(dāng)資產(chǎn)價(jià)格偏離真實(shí)價(jià)值時(shí)，套保交易者進(jìn)行反向操作，以鎖定市場價(jià)格，回避現(xiàn)貨價(jià)格風(fēng)險(xiǎn)。因此，無論消息利好還是利空，該類投資者的交易行為都能使期貨價(jià)格回穩(wěn)，即其非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊均抑制了市場波動(dòng)。而對投機(jī)和套利交易者來說，他們分別通過抓住市場機(jī)會(huì)賺取風(fēng)險(xiǎn)利潤和通過“低買高賣”獲得穩(wěn)定價(jià)差來獲利。當(dāng)市場價(jià)格較低時(shí)，他們利用利好消息低價(jià)做多，這種機(jī)構(gòu)樂觀買入的行為可能引發(fā)同樣對利好消息敏感的散戶持續(xù)大量買入的羊群行為發(fā)生，致使期貨價(jià)格進(jìn)一步抬高而加劇市場波動(dòng)；當(dāng)期貨的瞬時(shí)價(jià)格被噪音交易者哄抬超過其基本面價(jià)值過高時(shí)，噪音交易者仍然盲目樂觀做多，但相對理性的投機(jī)套利交易者采取做空策略打壓價(jià)格，其與個(gè)人之間的反向操作實(shí)現(xiàn)了期貨價(jià)格單向大幅變化，降低了市場日內(nèi)波動(dòng)率。這也解釋了投機(jī)套利機(jī)構(gòu)面對不同的即時(shí)市場消息時(shí)，其交易行為對市場日內(nèi)波動(dòng)率所產(chǎn)生的不對稱效果，即該類投資者非預(yù)期凈持倉量變動(dòng)的負(fù)沖擊抑制市場波動(dòng)，正沖擊加劇市場波動(dòng)。以上結(jié)論暗示了我國滬深300股指期貨市場中，個(gè)人非預(yù)期多頭增持對市場日內(nèi)波動(dòng)的沖擊高于其空頭增持對波動(dòng)的沖擊。最可能的解釋是個(gè)人投資者對利好消息過度反應(yīng)；相應(yīng)地，面對利空消息時(shí)，機(jī)構(gòu)的交易行為可以穩(wěn)定市場，表明當(dāng)期貨價(jià)格過高時(shí)，機(jī)構(gòu)投資者對私有信息的利用更加自信。

4.2 分樣本回歸

已有文獻(xiàn)表明，不同市場態(tài)勢下的收益波動(dòng)存在異化現(xiàn)象[18]。因此，本文進(jìn)一步探究不同市態(tài)下各類投資者對市場波動(dòng)的作用。參考滬深300指數(shù)的60日K線圖，依據(jù)該指數(shù)的漲跌態(tài)勢，本文將上文研究的全樣本分為四個(gè)子樣本區(qū)間，并利用方程(4)對投資者分解的凈持倉量進(jìn)行分樣本回歸。

四個(gè)子樣本區(qū)間段分別為：①2010/10/11～2011/4/15；②2011/4/18～2012/12/31；③2013/1/4～2013/5/31；④2013/6/3～2013/8/29。其中子樣本①和③為漲勢，日均漲幅分別為0.055%和0.021%，②和④為跌勢，日均跌幅分別為0.080%和0.217%。不同類型投資者分解的凈持倉量變動(dòng)對市場日內(nèi)波動(dòng)影響的分樣本回歸結(jié)果如表3所示。

表3 不同態(tài)勢下各類投資者分解的市場凈持倉量對市場波動(dòng)的影響

注：受限于篇幅，只匯報(bào)了變量EN、UN和D×UN的系數(shù)。

第一，子樣本①區(qū)間內(nèi)，投機(jī)套利機(jī)構(gòu)凈持倉量變動(dòng)的正、負(fù)沖擊對市場波動(dòng)的影響系數(shù)分別為1.240和-1.380，子樣本③區(qū)間內(nèi)，該影響系數(shù)分別為0.059和-0.028，表明當(dāng)市場表現(xiàn)出增長態(tài)勢時(shí)，該類投資者凈持倉量變動(dòng)的正沖擊加劇市場波動(dòng)，負(fù)沖擊抑制市場波動(dòng)，與全樣本研究結(jié)果一致。但在子樣本②和④區(qū)間內(nèi)，即市場下跌時(shí)，該影響作用不顯著。

第二，子樣本②區(qū)間內(nèi)，套保機(jī)構(gòu)凈持倉量變動(dòng)的正、負(fù)沖擊對市場波動(dòng)的影響系數(shù)分別為-0.072和-0.077，該影響系數(shù)在子樣本④區(qū)間內(nèi)分別為-0.125和-0.240，表明市場下跌時(shí)，該類投資者凈持倉量的正、負(fù)沖擊均抑制市場波動(dòng)，且從絕對值看，該系數(shù)在下跌的樣本區(qū)間值高于全樣本區(qū)間，表明市場下跌時(shí)，套保機(jī)構(gòu)對市場波動(dòng)的抑制作用更強(qiáng)，且市場下跌程度越高，其對市場的穩(wěn)定能力越強(qiáng)。在子樣本①區(qū)間內(nèi)，該類投資者對市場波動(dòng)的穩(wěn)定程度較小。而在子樣本③區(qū)間內(nèi)，這種影響關(guān)系不成立。

第三，個(gè)人非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊增加市場波動(dòng)的結(jié)論在子樣本①、②和③區(qū)間內(nèi)均成立。從絕對值看，影響效果最強(qiáng)的是子樣本①區(qū)間，正、負(fù)沖擊分別為1.041和0.595，其次為子樣本③區(qū)間的1.000和0.583，最后是子樣本②區(qū)間的0.876和0.415。與全樣本的0.909和0.416相比，該類投資者在市場上漲時(shí)加劇市場波動(dòng)的效果更強(qiáng)，在市場下跌時(shí)加劇市場波動(dòng)的程度較弱，且市場漲勢越強(qiáng)，該類投資者加劇市場波動(dòng)的程度越高。

行為金融理論對上述結(jié)果的最可能解釋是：當(dāng)牛市出現(xiàn)時(shí)，投機(jī)機(jī)構(gòu)尋求風(fēng)險(xiǎn)收益和套利機(jī)構(gòu)獲得穩(wěn)定利差的做多行為將引發(fā)個(gè)人投資者的羊群做多，導(dǎo)致期貨價(jià)格持續(xù)上升，個(gè)人投資者敏感捕獲到的“好消息”激勵(lì)其通過積極做多追求風(fēng)險(xiǎn)收益。結(jié)合我國股指期貨市場個(gè)人投資者比例過高的現(xiàn)實(shí)背景，投機(jī)套利機(jī)構(gòu)以及個(gè)人投資者同向做多交易將使市場波動(dòng)增加，且市場越牛，其獲得的市場機(jī)會(huì)越大，市場波動(dòng)加劇程度越高；直至市場價(jià)格過高時(shí)，投機(jī)和套利機(jī)構(gòu)利用其機(jī)構(gòu)“專業(yè)性”獲得的私有信息，逐步開始做空，而個(gè)人作為“噪音”仍受非理性的過度自信情緒主導(dǎo)持續(xù)做多，在期貨緩速上升直至下跌出現(xiàn)的過程中，個(gè)人受其對“做多”偏好及非理性的過度樂觀情緒影響，以為下跌只是市場的正常震蕩，依舊做多或持觀望態(tài)度，直到機(jī)構(gòu)開始大量拋售，市場價(jià)格連續(xù)大幅“跳水”，熊市明顯出現(xiàn)，個(gè)人“跟空”的羊群行為才逐漸開始。此時(shí)，面對壞消息時(shí)，個(gè)人持續(xù)做空的交易行為與市場價(jià)格變化方向一致，將導(dǎo)致市場波動(dòng)進(jìn)一步加劇，然而他們面對好消息的利多交易卻更好地配合了其對手方——投機(jī)和套利機(jī)構(gòu)更自信的做空行為，從而導(dǎo)致價(jià)格進(jìn)一步下跌，市場波動(dòng)進(jìn)一步加強(qiáng)；而無論牛市還是熊市，套保機(jī)構(gòu)始終是穩(wěn)定市場的主要力量。

在未列示的表格中，本文借鑒Adndersen和Bollerslev[20]經(jīng)典已實(shí)現(xiàn)波動(dòng)率的度量方法，對方程(4)表示的OLS回歸進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果發(fā)現(xiàn)投機(jī)和套利機(jī)構(gòu)凈持倉量變動(dòng)的正沖擊加劇市場波動(dòng)，負(fù)沖擊抑制市場波動(dòng)；套保機(jī)構(gòu)凈持倉變動(dòng)的正、負(fù)沖擊均抑制市場波動(dòng)，且負(fù)沖擊對市場的影響強(qiáng)于正沖擊；個(gè)人投資者的正、負(fù)沖擊均加劇市場波動(dòng)，正沖擊對市場波動(dòng)的加劇效果大于等量負(fù)沖擊對市場的影響。前文結(jié)論再次得到印證。

5 結(jié)論與啟示

本文利用滬深300股指期貨分類賬戶日度交易數(shù)據(jù)和間隔10分鐘的價(jià)格分時(shí)數(shù)據(jù)，并依據(jù)滬深300指數(shù)的60日移動(dòng)平均線對樣本區(qū)間進(jìn)行分段，分別在全樣本與分段樣本區(qū)間上研究不同類型投資者凈持倉量變動(dòng)對市場日內(nèi)波動(dòng)率的影響。結(jié)果發(fā)現(xiàn)個(gè)人投資者非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊均增加了市場波動(dòng)，且利好消息比等量的利空消息對市場波動(dòng)的沖擊更大；套期保值機(jī)構(gòu)投資者非預(yù)期凈持倉量變動(dòng)的正、負(fù)沖擊均降低了市場波動(dòng)，且利空消息比等量的利好消息對市場波動(dòng)的抑制作用更強(qiáng)；而投機(jī)和套利機(jī)構(gòu)投資者在緩解市場日內(nèi)波動(dòng)上具有“選擇性”。市場上漲時(shí)，非預(yù)期凈持倉量變動(dòng)的正沖擊增加市場波動(dòng)，負(fù)沖擊降低市場波動(dòng)，市場下跌時(shí)以上關(guān)系不成立。

以上研究成果揭示了投資者結(jié)構(gòu)對我國滬深300股指期貨市場穩(wěn)定性的重要意義及不同類型投資者在該市場中所扮演的重要角色。本文結(jié)果表明投機(jī)和套利的機(jī)構(gòu)投資者可以在一定程度上緩解市場波動(dòng)，套期保值機(jī)構(gòu)投資者已成為維護(hù)我國滬深300股指期貨市場穩(wěn)定的重要力量。監(jiān)管當(dāng)局應(yīng)當(dāng)通過大力培育國內(nèi)機(jī)構(gòu)投資者和合理引入合格境外機(jī)構(gòu)投資者的方式吸引機(jī)構(gòu)參與我國股指期貨交易，并通過設(shè)置動(dòng)態(tài)差異化的交易機(jī)制鼓勵(lì)套期保值行為。但是，投機(jī)和套利的機(jī)構(gòu)投資者在牛市環(huán)境中，可能利用信息優(yōu)勢與大量場外配資“操縱”大盤，引發(fā)個(gè)人投資者羊群跟投，積聚股指價(jià)格泡沫，引發(fā)更大的指數(shù)波動(dòng)與新一輪的崩盤風(fēng)險(xiǎn)。因此，監(jiān)管當(dāng)局同時(shí)還應(yīng)當(dāng)設(shè)立實(shí)時(shí)監(jiān)控的“懲罰”機(jī)制，有效約束市場操縱行為。個(gè)人投資者對“好消息”過度反應(yīng)，有嚴(yán)重的過度投機(jī)與羊群行為，建議監(jiān)管當(dāng)局考慮在提高個(gè)人準(zhǔn)入門檻與交易限制的同時(shí)，加強(qiáng)信息披露，降低個(gè)人非理性程度的可能性以及非理性行為給市場造成的不良影響。

[1] Karpoff J M. The relation between price changes and trading volume: a survey[J]. Journal of Financial and Quantitative Analysis, 1987, 22: 109-126.

[2] Bessembinder H, Seguin P J. Price volatility, trading volume, and market depth: evidence from futures markets[J]. Journal of Financial and Quantitative Analysis, 1993, 28: 21-39.

[3] Wang C Y. The effect of net positions by type of trader on volatility in foreign currency futures markets[J]. Journal of Futures Markets, 2002, 22(5): 427- 450.

[4] Barber B M, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors[J]. Review of Financial Studies, 2008, 21(2): 785- 818.

[5] Barber B M, Odean T. Handbook of the economics of finance: the behavior of individual investors[M]. Holland, Elsevier B.V., 2011. 1533-1570.

[6] Bohl M T, Salm C A, Schuppli M. Price discovery and investor structure in stock index futures[J]. Journal of Futures Markets, 2011, 31(3): 282-306.

[7] Basak S, Pavlova A. Asset prices and institutional investors[J]. The American Economic Review, 2013, 103(5): 1728-1758.

[8] 余佩琨,鐘瑞軍.個(gè)人投資者情緒能預(yù)測市場收益率嗎[J].南開管理評論，2009，12(1)：96-101.

[9] 王鄖,華仁海.投資者行為與期貨市場波動(dòng)：基于OLG模型和高頻數(shù)據(jù)的理論與實(shí)證[J].中國管理科學(xué)，2012，20(1)：91-101.

[10] 黃運(yùn)成,王愛華,鄒惠.國際期貨市場機(jī)構(gòu)投資者的發(fā)展及借鑒[J].證券市場導(dǎo)報(bào)，2007，(5)：72-77.

[11] 姚興濤.論中國股指期貨市場發(fā)展的主體[J].金融研究，2000，(5)：85- 89.

[12] Chang E C, Pinegar J M, Schachter B. Interday variations in volume, variance and participation of large speculators[J]. Journal of Banking & Finance, 1997, 21(6): 797- 810.

[13] Chang E, Chou R Y, Nelling E F. Market volatility and the demand for hedging in stock index futures[J]. Journal of Futures Markets, 2000, 20(2): 105-125.

[14] Adrangi B, Chatruth A. Futures commitments and exchange rate volatility[J]. Journal of Business Finance & Accounting, 1998, 25(3- 4): 501-520.

[15] Wang Y M, Li C A, Lin C F. The impact of investor sentiment on the futures market: evidence from the Taiwan futures exchange[J]. International Research Journal of Finance and Economics, 2009, 28: 134-151.

[16] Miffre J, Brooks C. Do long-short speculators destabilize commodity futures markets[J]. International Review of Financial Analysis, 2013, 30: 230-240.

[17] 劉慶富,仲偉俊,梅姝娥.空盤量變動(dòng)對我國期貨市場期貨價(jià)格收益波動(dòng)性的影響[J].系統(tǒng)管理學(xué)報(bào),2005,14(1):28-32.

[18] 楊陽,萬迪昉.股指期貨真的能穩(wěn)定市場嗎[J].金融研究,2010,(12):146-158.

[19] Garman M B, Klass M J. On the estimation of security price volatilities from historical data[J]. Journal of Business, 1980, 53(1): 67-78.

[20] Andersen T G, Bollerslev T. Answering the critics: yes, ARCH models do provide good volatility forecasts[R]. National Bureau of Economic Research, Nber Working Papers, 1997.

[21] Black F. Noise[J]. The Journal of Finance, 1986, 41(3): 528-543.

[22] De Long J B, Shleifer A, Summers L H, et al.. Noise trader risk in financial markets[J]. Journal of Political Economy, 1990, 98(4): 703-738.

[23] 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.

[24] 王磊,孔東民.盈余信息,個(gè)人投資者關(guān)注與股票價(jià)格[J].財(cái)經(jīng)研究，2014，40(11)：82-96.