沙 楠

(清華大學 五道口金融學院, 北京 100094)

股票市場上存在很多衡量流動性的指標,如亞米哈(Amihud)[1]提出的非流動性指標、帕斯特(Pastor)等[2]構(gòu)造的流動性因子、內(nèi)格爾(Nagel)[3]測度流動性供應的收益率序列等。在眾多流動性指標中,內(nèi)格爾(Nagel)[3]提出的流動性供給因子具有較強的代表性,其將短期反轉(zhuǎn)策略的收益率作為流動性供給收益率的代理變量,并將日度收益率序列按照三個月的時間窗口移動平均化,研究發(fā)現(xiàn)其與恐慌指數(shù)(Volatility Index,VIX)具有很強的相關(guān)關(guān)系。

刻畫股票市場投資者情緒的變量也有不少,如貝克(Baker)等[4-5]構(gòu)造的BW因子和正交后的BW因子,黃(Huang)等[6]利用偏最小二乘回歸方法(Partial Least Squares,PLS)構(gòu)造的PLS因子及正交后的PLS因子等。除此之外,在股票期權(quán)交投日益活躍后,期權(quán)市場上也出現(xiàn)了反映投資者恐慌情緒的恐慌指數(shù),據(jù)此計算得出的方差風險溢價因子也反映了投資者的風險厭惡程度。在期限上,方差風險溢價(Variance Risk Premium,VRP)及恐慌指數(shù)(VIX)反映了短期的投資者情緒,而BW因子和PLS因子則反映了中長期的投資者情緒。除上述因子外,曼訥拉(Manela)等[7]利用《華爾街日報》頭版文章的歷史數(shù)據(jù)構(gòu)造了新聞中隱含波動率指數(shù)(News Implied Volatility,NVIX)。貝克(Baker)等[8]根據(jù)報紙報道的頻率構(gòu)建了經(jīng)濟政策不確定性指數(shù)(Economic Policy Uncertainty,EPU)。

在金融危機爆發(fā)時,流動性沖擊往往影響著波動率、信用風險等變量,那么它與情緒因子的關(guān)系如何是本文考慮的第一個問題。已有研究表明,無論是短期的投資者情緒指標(VRP)還是中長期的投資者情緒指標(BW因子、PLS因子等)均能顯著地預測股票市場超額收益率或現(xiàn)金流增長率。在加入流動性供給因子后,其預測能力是否發(fā)生變化是本文考慮的第二個問題。

本文的結(jié)構(gòu)安排如下:第一部分對已有研究進行梳理和回顧;第二部分計算出相應的流動性指標;第三部分為實證分析,重點檢驗情緒因子對超額收益率及現(xiàn)金流增長率的預測能力、流動性供給因子對情緒因子的預測狀況及引入流動性供給因子后情緒因子對現(xiàn)金流增長率的預測能力是否發(fā)生變化等;第四部分為結(jié)論。

一、文獻綜述

(一)美股市場流動性因子及情緒因子分析

國外學者從不同角度構(gòu)造了股票市場的流動性因子,其中較為常用的有三種,分別由亞米哈(Amihud)等提出。亞米哈(Amihud)[1]利用股票的收益率和交易量來衡量股票市場的非流動性,反映了日交易金額對收益率的影響,該指標越大,則流動性越差。帕斯特(Pastor)等[2]利用1966—1999年個股日度數(shù)據(jù)構(gòu)造出市場的流動性因子,研究發(fā)現(xiàn)對該因子敏感的股票的平均收益要高于那些不敏感的股票。內(nèi)格爾(Nagel)[3]在短期反轉(zhuǎn)策略的基礎(chǔ)上,計算出提供流動性所獲得的收益率序列,研究發(fā)現(xiàn)其與VIX的走勢聯(lián)系緊密。

情緒因子的重要性體現(xiàn)在,從時間序列和橫截面兩個維度對期望收益率產(chǎn)生影響,其構(gòu)成方法多為主成分分析法。代表性的情緒因子主要有三種:第一種為布朗(Brown)等[9]使用主成分分析方法定義的情緒指數(shù)。其中第一個主成分因子僅為幾個變量的線性組合,且歷史市場收益率為情緒因子重要的組成部分。研究表明,情緒因子對近期股權(quán)溢價幾乎沒有預測作用。第二種為貝克(Baker)[4]同樣使用主成分分析方法構(gòu)造出的情緒因子。區(qū)別于布朗的構(gòu)造方法,該因子中還包含了三個變量的一階滯后項。研究發(fā)現(xiàn),情緒因子顯著影響股票的預期收益率。在此基礎(chǔ)上,余(Yu)等[10]研究了BW因子對市場均值方差關(guān)系的影響。研究發(fā)現(xiàn),在低情緒時,預期超額收益率與條件方差正相關(guān),在高情緒時,兩者相關(guān)性不顯著。在與同期波動率沖擊項的關(guān)系中,當?shù)颓榫w時,收益率和同期沖擊項的負向關(guān)系更強。第三種為黃(Huang)等[6]改進后的情緒因子PLS因子,是在BW因子的基礎(chǔ)上產(chǎn)生的。研究發(fā)現(xiàn),該情緒因子對股權(quán)溢價具有顯著的預測能力。

以上均為對主成分綜合因子的分析,而對各個子因子的研究才是情緒指標產(chǎn)生的重要基礎(chǔ)。構(gòu)成情緒指標的重要因子有以下幾個:第一個為封閉式基金折價率。李(Lee)等[11-12]對封閉式基金的折價率與投資者情緒的關(guān)系進行了分析。研究發(fā)現(xiàn),折價程度直接反映了投資者的情緒,而情緒因子和封閉式基金價格的波動率也緊密相關(guān)。第二個為股票換手率。貝克(Baker)等[13]對股票的換手率與投資者情緒的關(guān)系進行了分析。第三個為首次公開發(fā)行(Initial Public Offerings,IPO)首日的收益率。里特(Ritter)[14]研究了IPO首日的收益率與投資者情緒的關(guān)系,認為IPO首日收益率的高低直接反映出投資者的情緒水平。

(二)A股市場流動性及情緒因子分析

國內(nèi)學者分別從股票的換手率、買賣價差、非流動性指標等角度分析了A股市場的流動性風險溢價,結(jié)論均表明個股承擔的流動性風險越大,其預期收益也越高。黃峰等[15]研究發(fā)現(xiàn),我國股票預期回報率中包含顯著的非流動性補償和流動性風險溢價,這在流動性較差或價格沖擊彈性較高的股票上體現(xiàn)得更為明顯。鹿坪等[16]研究發(fā)現(xiàn),我國的機構(gòu)投資者并非理性交易者,其投資行為受情緒的影響顯著,股市總體情緒仍被個人投資者情緒所主導。根據(jù)構(gòu)造方法的不同情緒指標可大致分為以下三種:(1)主成分分析方法及因子分析法。常見的子指標有IPO首日收益率、換手率、新增開戶數(shù)等。馬若微等[17]利用月度IPO首日平均收益、IPO總量、總市值加權(quán)的換手率和上證A股每月新增開戶數(shù)作為衡量投資者情緒的代理變量,原理類似于BW因子的構(gòu)造方法。(2)詞頻統(tǒng)計方法。該方法類似于文本挖掘,對熱門網(wǎng)站上的高頻詞匯進行統(tǒng)計,進而構(gòu)造出投資者情緒指標。易洪波等[18]利用詞頻統(tǒng)計方法對網(wǎng)絡論壇發(fā)帖的主題內(nèi)容進行詞頻統(tǒng)計,構(gòu)建出衡量網(wǎng)絡論壇投資者情緒的多方、空方情緒關(guān)鍵詞詞典,并利用該詞典研究了網(wǎng)絡論壇投資者情緒與市場成交量和收益率的關(guān)系。結(jié)果表明,多方情緒對收益率的影響更加顯著,空方情緒對市場成交量的影響更加顯著,在非交易時段里,多方情緒對市場未來收益率存在顯著的影響。(3)實際賬戶交易數(shù)據(jù)及其他方法。有學者從投資者賬戶的實際交易數(shù)據(jù)出發(fā),研究其情緒變化。如俞紅海等[19]從二級市場個體投資者情緒與意見分歧相結(jié)合的角度,利用賬戶交易數(shù)據(jù)中的投資者IPO首日凈買入構(gòu)造出情緒指標,并對IPO首日回報高但長期回報低的現(xiàn)象進行了研究。結(jié)果表明,首日投資者情緒和意見分歧均對首日回報具有顯著為正的解釋力,首日投資者情緒對長期超額回報具有顯著為負的影響,而意見分歧則對長期超額回報沒有影響。利用其他方法得出的研究結(jié)果表明,分解后的高頻部分反映了窗口期投資者對增發(fā)的情緒變化,而低頻部分則反映了投資者對股市的長期預期。

引入投資者情緒后,各種變量之間的相關(guān)關(guān)系是否會發(fā)生變化也是學者們關(guān)注的重點內(nèi)容。(1)有學者利用投資者情緒研究了股市平均相關(guān)性與收益之間的關(guān)系。研究發(fā)現(xiàn),與波動性指標相比,平均相關(guān)性對股市預期收益的解釋能力更強。在低情緒期,平均相關(guān)性與收益之間的關(guān)系不顯著,但在高情緒期,平均相關(guān)性與收益之間的關(guān)系為顯著的負相關(guān)關(guān)系,表明高情緒會削弱總體風險與收益的關(guān)系[20]。(2)有學者利用投資者情緒研究了其與波動率風險價格之間的關(guān)系。引入投資者情緒后,波動率風險價格會發(fā)生顯著變化。當情緒偏悲觀時,波動率的風險價格是負數(shù),當情緒偏樂觀時,風險價格則為正數(shù)[21]。(3)有學者從個股層面和市場層面研究了投資者情緒對證券市場股價聯(lián)動現(xiàn)象的影響。結(jié)果表明,投資者情緒對此現(xiàn)象具有顯著為負的影響,且對不同行業(yè)股價聯(lián)動的影響存在明顯差異[22]。投資者情緒既然能顯著地影響諸多變量之間的相關(guān)關(guān)系,那么其應該是資產(chǎn)定價的系統(tǒng)性因子。

從上述文獻梳理可看出,以往研究多側(cè)重情緒指標對收益率或波動率的影響,而較少關(guān)注情緒指標與流動性因子的相關(guān)關(guān)系,故本文創(chuàng)新之處有以下兩點:(1)將情緒指標分為短期和中長期,分別選用VRP和BW因子作為代理變量,并在此基礎(chǔ)上進一步研究兩種不同期限的情緒指標對多期收益率和現(xiàn)金流增長率的預測能力;(2)分析流動性供給因子與短期情緒指標VRP及中長期情緒指標BW因子之間的相關(guān)關(guān)系。

二、指標構(gòu)建與數(shù)據(jù)來源

(一)流動性供給因子和情緒因子的構(gòu)建

1.流動性供給因子

本文采用內(nèi)格爾(Nagel)[3]的計算方法。首先,根據(jù)短期反轉(zhuǎn)策略計算出個股在時間t初的權(quán)重值,其中市場收益等于個股收益的算術(shù)平均。

(1)

(2)

圖1 短期反轉(zhuǎn)策略收益

其次,將反轉(zhuǎn)策略收益率平滑處理。以上反轉(zhuǎn)策略權(quán)重值是根據(jù)t-1時期計算得出的,類比于式(1),以t-2、t-3、t-4及t-5時期風險調(diào)整后的收益率為標準可得出其余4個反轉(zhuǎn)策略的權(quán)重值及收益率,將其平均化。由于每期投資額為1美元,平均化后5個反轉(zhuǎn)策略投資額仍為1美元。

最后,將反轉(zhuǎn)策略日度收益率以3個月的時間窗口為標準進行移動平均處理。以上述序列在自然月內(nèi)的均值作為流動性因子的月度序列,如圖2所示。從中可以看出,在金融危機時期提供流動性可以獲得較好的收益。

圖2 提供流動性所獲得的收益走勢

2.情緒因子

情緒因子包括方差風險溢價因子(VRP)、BW因子、正交化的BW因子、PLS因子及正交化的PLS因子。其中方差風險溢價在數(shù)值上等于隱含方差(Implied Variance,IV)與已實現(xiàn)方差(Realized Variance,RV)的期望值之差,度量了方差在兩種概率測度下的溢價水平。其中隱含方差是利用大量到期期限在1個月左右的虛值歐式看漲看跌期權(quán)通過無模型方法計算出來的,是關(guān)于未來1個月方差的預期指標,已實現(xiàn)方差則是運用5分鐘高頻數(shù)據(jù)加總計算出來的指標。

已實現(xiàn)方差(Realized Variance,RV):對條件方差的計算之前多采用去掉均值后的收益率平方加總而得到,在高頻數(shù)據(jù)可得后,采用5分鐘對數(shù)收益率平方加總計算出的方差值更為準確,且已實現(xiàn)方差是條件方差的無偏估計。

(3)

式中,rt+j/n為5分鐘對數(shù)收益率,n為每個交易日對數(shù)收益率的個數(shù)。

隱含方差(Implied Variance,IV):對隱含波動率的計算之前多采用Black-Scholes公式倒推出來,但是由于存在模型設(shè)定誤差,這種方法計算出的隱含波動率并不準確。布里頓(Britten)等[23]通過引入無模型方法避免了上述模型的缺陷,其中VIX便是根據(jù)此方法計算得出的。在一般擴散過程的假設(shè)下,推導出資產(chǎn)在未來一段時間方差的期望(風險中性測度下)等于一系列看漲期權(quán)價格的函數(shù)。

(4)

式中,Ct(T,K)為t時刻到期日為T、執(zhí)行價格為K的歐式看漲期權(quán)價格,B(t,T)為t時刻到期日為T的零息債券價格。

假設(shè)已實現(xiàn)方差服從隨機游走過程,據(jù)此可計算出方差風險溢價VRP=IV-E(RV),如圖3所示。

圖3 短期情緒指標VRP與中長期情緒指標BW

3.現(xiàn)金流增長率

股利價格比率(Dividend-Price Ratio)為12個月股利的移動平均與價格之比:

(5)

股利增長率為12個月移動平均的對數(shù)增長率:

(6)

由此,市場的對數(shù)收益率定義為

(7)

圖4表示股利價格比率與股利增長率的變化趨勢。

圖4 股利價格比率與股利增長率

(三)數(shù)據(jù)來源

標普500指數(shù)取樣區(qū)間為1990年1月至2014年12月,時間為9∶30—16∶00,每天共78個5分鐘對數(shù)收益率,低于60個的樣本刪除掉,數(shù)據(jù)來源為交易和報價高頻數(shù)據(jù)庫(TAQ),VIX每天的交易數(shù)據(jù)取自沃頓金融數(shù)據(jù)庫(WRDS)。BW因子、正交化的BW因子、PLS因子及正交化的PLS因子取自周(Zhou)的個人網(wǎng)站。股利及無風險收益率取自戈楊(Goyal)的個人網(wǎng)站,無風險利率使用3個月的國庫券收益率來代替。NVIX取自曼訥拉(Manela)的個人網(wǎng)站,EPU指數(shù)取自布魯姆(Bloom)的個人網(wǎng)站。

三、實證分析

首先,分析各情緒指標與流動性因子的相關(guān)系數(shù),可以看出,除NVIX和EPU因子外,其余變量與流動性因子的相關(guān)系數(shù)均保持一定的顯著性,且相關(guān)系數(shù)為正值,其中NVIX和EPU兩者的相關(guān)系數(shù)較高,而短期情緒指標VRP與其他情緒指標的相關(guān)系數(shù)均不顯著。

其次,在分析情緒指標、流動性因子與市場超額收益率的關(guān)系之前,引入其他常見的控制變量,如股利價格比率(DP)、違約風險溢價(DEF)、期限風險溢價(TERM)及隨機去趨勢的無風險利率(RREL)等。本文選取一個短期的情緒指標VRP和一個中長期的情緒指標BW作為代表進行研究,得到各變量的統(tǒng)計特征如表1所示。

表1 各變量的統(tǒng)計特征

最后,利用上述變量分析其對收益率與股利增長率的預測效果,并檢驗流動性因子對情緒指標是否具有預測能力。

(一)對收益率的預測

被解釋變量為未來多期平均的對數(shù)超額收益率,解釋變量為VRP、BW及常見的控制變量Xt,回歸方程為:

(8)

表2對超額收益率的預測結(jié)果表明,短期情緒指標VRP和中長期情緒指標BW均能顯著地預測未來多期超額收益率,在加入控制變量后,兩者的貝塔系數(shù)仍能保持顯著。其中,VRP的t值高一些,BW的t值低一些,且兩者的系數(shù)符號相反,VRP的貝塔系數(shù)為正值,BW的貝塔系數(shù)為負值,原因在于兩者的經(jīng)濟意義相反。VRP代表了投資者的風險厭惡程度,其值高時,當期價格下跌,未來收益率較高。BW則代表了投資者的情緒高低,其值較高時,當期價格上升,未來收益率較低。短期內(nèi)(6個月),DEF和TERM均不顯著。

RREL變量的顯著性較好,

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,括號內(nèi)為對應的t值。

(二)現(xiàn)金流渠道的分析

被解釋變量為未來多期平均的股利增長率,解釋變量為VRP、BW、DP及股利增長率的滯后項,回歸方程為:

(9)

表3對現(xiàn)金流的預測結(jié)果表明,DP和BW均能顯著地預測未來多期的現(xiàn)金流增長率,VRP則不顯著。其中BW和DP的貝塔系數(shù)均為負值,表明當期投資者情緒越高,未來現(xiàn)金流增長率越低。調(diào)整后的R2呈遞減趨勢,表明短期的預測效果較為理想。

(三)流動性因子對情緒指標的預測

首先,分析單變量預測效果。被解釋變量為VRP和BW,解釋變量為流動性供給因子,標準差使用Newey-West方法進行調(diào)整,滯后期取3個月,回歸結(jié)果見表4。結(jié)果表明,流動性供給因子可以顯著地預測未來1個月的VRP和BW,其中對BW預測的R2較高。兩者的貝塔系數(shù)均為正值,這與前面對收益率預測的結(jié)果產(chǎn)生了沖突。從經(jīng)濟意義上分析,流動性供給因子越高,提供流動性獲得的收益率越高,此時流動性較為緊張,因此投資者情緒應較低。BW的系數(shù)符號與經(jīng)濟意義不一致,因此引入因子的一階滯后項來進一步分析。

其次,分析多變量預測效果,引入一階滯后項,結(jié)果見表5。加入滯后項后,流動性供給因子對BW不再具有顯著的預測能力,而依然能夠顯著地預測VRP,表明流動性沖擊能夠顯著影響短期內(nèi)的投資者情緒,對中長期投資者情緒的影響不太明顯。

最后,既然流動性因子能夠影響短期內(nèi)的投資者情緒,進一步將VRP拆分為RV和IV,分別觀察流動性因子對這兩者的預測能力。結(jié)果見表6,流動性因子對未來一個月的RV具有顯著的預測力,對IV的預測則不顯著。

表3 對現(xiàn)金流的預測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,括號內(nèi)為對應的t值。

表4 對情緒指標的預測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號內(nèi)為對應的t值。

表5 引入一階滯后項后對情緒指標的預測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號內(nèi)為對應的t值。

為檢驗流動性供給因子對VRP預測的穩(wěn)健性,采用滾動回歸和遞歸回歸兩種方式來驗證貝塔系數(shù)的顯著性以及調(diào)整后的R2。首個樣本區(qū)間設(shè)為220個月,每次向后遞增一個月。由于數(shù)據(jù)樣本總數(shù)為300個,故滾動回歸和遞歸回歸分別有81個貝塔系數(shù)和R2值。

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號內(nèi)為對應的t值。

首先,分析遞歸回歸的結(jié)果,結(jié)果如圖5所示。根據(jù)Newey-West標準差計算出的t值始終在2以上,表明流動性供給因子的貝塔系數(shù)較為顯著,貝塔系數(shù)也均為正值。

圖5 流動性供給因子對VRP的遞歸預測

其次,分析滾動回歸的結(jié)果,結(jié)果如圖6所示。貝塔系數(shù)也較為顯著,與遞歸結(jié)果相比,滾動回歸的R2稍高一些,并大體上呈遞增趨勢。由t值可知,流動性供給因子也較為顯著。由以上回歸結(jié)果可知,流動性供給因子對短期情緒指標VRP具有一定的預測作用。

圖6 流動性供給因子對VRP的滾動預測

(四)引入流動性因子后對現(xiàn)金流的預測

下面分析引入流動性供給因子后,VRP和BW對現(xiàn)金流增長率的預測能力是否發(fā)生變化。被解釋變量為未來多期平均的股利增長率,解釋變量為VRP、BW、流動性因子及DP,回歸結(jié)果見表7。引入流動性因子后,DP不再顯著,VRP依然不顯著,而BW則繼續(xù)保持顯著性。流動性供給因子也較為顯著,其貝塔系數(shù)為負值,表明流動性緊張時,股利增長率降低。從調(diào)整后的R2來看,預測效果保持遞增趨勢。

(五)影響恐慌指數(shù)的宏觀因素

由前文可知,VIX是計算短期情緒指標VRP的關(guān)鍵,作為恐慌指數(shù),其數(shù)值在交易時間內(nèi)是可以實時觀測的,因此可借該指數(shù)直觀地觀察市場反應。當VIX升高時,市場恐慌程度加大,當VIX降低時,市場恐慌程度減弱。已有研究表明,投資者的資產(chǎn)配置行為與宏觀指標緊密相關(guān),宏觀經(jīng)濟指標通過影響交易者預期,對股票市場產(chǎn)生一定的影響。下面分析影響市場反應等指標的宏觀因素,選取6種常見的宏觀指標。(1)采購經(jīng)理指數(shù)(Purchasing Managers′ Index,PMI):對采購經(jīng)理的月度調(diào)查匯總出來的指數(shù),反映了經(jīng)濟的變化趨勢,其中50為榮枯分水線。該數(shù)據(jù)取自萬德(Wind)數(shù)據(jù)庫。(2)賣空比率(ShortInterest):反映賣空者情緒的指標。該數(shù)據(jù)取自周(Zhou)的個人網(wǎng)站。(3)金融壓力指數(shù)(FSI):圣路易斯聯(lián)儲編制的指標,用于監(jiān)測金融市場對美聯(lián)儲政策的反應,同時監(jiān)測金融市場的壓力會如何影響經(jīng)濟復蘇狀況。該數(shù)據(jù)取自圣路易斯聯(lián)儲網(wǎng)站。(4)歐洲美元(Eurodollar)3月期利率與美國國債(T-Bill)3月期利率的差值(TED):3月期LIBOR與3月期美國國債收益率之差。該數(shù)據(jù)取自圣路易斯聯(lián)儲網(wǎng)站。(5)違約風險溢價(DEF):AAA公司債與BAA公司債的利率之差。該數(shù)據(jù)取自沃頓金融數(shù)據(jù)庫。(6)跳躍風險(RJV):本文采用波勒斯勒夫(Bollerslev)等[24]提出的日內(nèi)跳躍檢驗方法來度量股市跳躍風險的大小。

表7 引入流動性供給因子后對股利增長率的預測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,括號內(nèi)為對應的t值。

TODM=

(10)

JVSt,i=

(11)

JVS_Pt,i=

(12)

JVS_Nt,i=

(13)

(14)

(15)

(16)

RJV_St=RJV_Nt-RJV_Pt

(17)

上述6個變量分別對未來1個月VIX進行單變量預測,標準差使用Newey-West方法調(diào)整,滯后階數(shù)取4?；貧w結(jié)果見表8,從t值來看,負跳躍風險(RJV_N)最為顯著。從調(diào)整后的R2來看,金融壓力指數(shù)(FSI)預測效果最優(yōu)。在單變量預測中,賣空比率(ShortInterest)的t值和調(diào)整后的R2均最低。從變量系數(shù)來看,只有采購經(jīng)理指數(shù)(PMI)系數(shù)為負值,其余系數(shù)均為正值。即采購經(jīng)理指數(shù)越高于榮枯線,市場反應越積極,恐慌指數(shù)降低;而違約風險、跳躍風險越大或流動性越緊張時,市場反應越消極,恐慌指數(shù)升高。

表8 對未來1個月VIX的單變量預測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標準差使用Newey-West方法調(diào)整,括號內(nèi)為對應的t值。

四、結(jié)論

綜上所述,本文系統(tǒng)研究了流動性因子、短期情緒指標VRP及中長期情緒指標BW、股利增長率及超額收益率的相關(guān)關(guān)系。本文使用的流動性因子是根據(jù)短期反轉(zhuǎn)策略的收益率計算而得的,根據(jù)其構(gòu)造方式,當流動性較為緊張時,提供流動性(短期反轉(zhuǎn))往往能獲得較高的回報。進一步研究了流動性供給因子與VRP及BW因子的相關(guān)關(guān)系,并對其作用渠道進行分析,包括現(xiàn)金流渠道和收益率渠道。結(jié)果表明:在對收益率的預測中,VRP和BW均能顯著預測未來多期超額收益率,即使加入其他常見控制變量后,貝塔系數(shù)仍能保持顯著。在對股利增長率的預測中,BW的貝塔系數(shù)較為顯著,而VRP的預測效果較差。在對情緒指標的預測中,流動性沖擊能夠顯著影響未來短期內(nèi)的投資者情緒,而對中長期投資者情緒的影響不太顯著。引入流動性供給因子后,股利價格比率對現(xiàn)金流增長率的預測效果變差,流動性供給因子則保持較好的預測能力。

由前文分析可知,VIX的高低直接影響著投資者短期情緒指標VRP的高低,而VIX又和流動性供給因子緊密相關(guān),因此,VIX的重要性毋庸置疑。2008年金融危機爆發(fā)后,各國央行流動性的注入使得資產(chǎn)價格不斷上升,尤其2016年以來,標普500指數(shù)和納斯達克指數(shù)不斷攀升創(chuàng)下新高,很多新聞媒體上也紛紛出現(xiàn)了美股可能“估值過高”、資產(chǎn)可能“泡沫化”等關(guān)鍵詞。與此同時,反映投資者對未來市場波動預期的VIX)卻不斷下降,目前遠低于歷史均值18.87。2017年7月,VIX更是跌至9.51,創(chuàng)1993年12月23日以來最低收盤水平。央行在債券市場和股票市場中的持有比例日漸增高,各類資產(chǎn)價格的相關(guān)性也日益增強,有學者擔心央行加息或縮表的行為會給市場帶來很大的負面沖擊,甚至有可能引發(fā)新一輪的金融危機。此時研究對VIX有顯著影響的宏觀因子具有較強的現(xiàn)實意義。VIX在一定程度上是危機的預警變量,而顯著預測VIX的狀態(tài)變量又可成為更領(lǐng)先的預警指標,此時對狀態(tài)變量拐點的觀察或許對危機預防具有一定的積極作用。

最后一點思考,是關(guān)于VIX是否存在被惡意操縱的可能性。2015年9月21日,鳳凰國際iMarkets報道了美聯(lián)儲交易部門可能對算法驅(qū)動的VIX進行反射性的杠桿式控制,恐慌指數(shù)的交易所交易基金(VIX ETF)加劇了市場的波動,而VIX ETF與VIX期貨之間的聯(lián)系性質(zhì)帶來了提前交易,而提前交易又把市場上的趨勢鞏固到了收盤,從而達到對市場的操控。其中的原理在于,VIX ETF會追蹤波動率,并使用杠桿來擴大投資回報,或使用期貨合同來擴大投資者的回報,此時杠桿化VIX ETF的引入造成VIX作為金融市場壓力晴雨表的作用減弱,而VIX數(shù)值大小反映出的投資者恐慌程度也不再準確。若真的如此,市場在一定程度上已被中央銀行完全掌控,下一次金融危機何時爆發(fā)或許VIX并不能給出提示了。

[1] AMIHUD Y. Illiquidity and Stock Returns: Cross-Section and Time-Series Effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56.

[2] PASTOR L, STAMBAUGH R F. Liquidity Risk and Expected Stock Returns[J]. The Journal of Political Economy, 2003, 111(3): 642-685.

[3] NAGEL S. Evaporating Liquidity[J]. Review of Financial Studies, 2012, 25: 2005-2039.

[4] BAKER M, WURGLER J. Investor Sentiment and the Cross-Section of Stock Returns[J]. Journal of Finance, 2006, LXI(4): 1645-1680.

[5] BAKER M, WURGLER J. Investor Sentiment in the Stock Market[J]. Journal of Economic Perspectives, 2007, 21(2): 129-151.

[6] HUANG D S, JIANG F W, TU J, et al. Investor Sentiment Aligned: A Powerful Predictor of Stock Returns[J]. Review of Financial Studies, 2015, 28: 791-837.

[7] MANELA A, MOREIRA A. News Implied Volatility and Disaster Concerns[R]. Washington University Working Paper, 2015.

[8] BAKER S R, BLOOM N, DAVIS S J. Measuring Economic Policy Uncertainty[R]. Northwestern University Working Paper, 2016.

[9] BROWN G W, CLIFF M T. Investor Sentiment and the Near-Term Stock Market[J]. Journal of Empirical Finance, 2004, 11: 1-27.

[10] YU J F, YU Y. Investor Sentiment and the Mean-Variance Relation[J]. Journal of Financial Economics, 2011, 100: 367-381.

[11] LEE C, SHLEIFER A, THALER R H. Investor Sentiment and the Closed-end Fund Puzzle[J]. Journal of Finance, 1991, 46: 75-109.

[12] NEAL R, WHEATLEY S M. Do Measures of Investor Sentiment Predict Returns[J]. Journal of Financial and Quantitative Analysis, 1998, 33(4): 523-547.

[13] BAKER M, STEIN J. Market Liquidity as a Sentiment Indicator[J]. Journal of Financial Markets, 2004, 7: 271-299.

[14] RITTER J. The Long-Run Performance of Initial Public Offerings[J]. Journal of Finance, 1991, 46: 3-27.

[15] 黃峰, 鄒小芃. 我國股票市場的流動性風險溢價研究[J]. 浙江大學學報(人文社會科學版), 2007(4): 191-200.

[16] 鹿坪, 田甜, 姚海鑫. 個人投資者情緒, 機構(gòu)投資者情緒與證券市場指數(shù)收益——基于VAR模型的實證分析[J]. 上海金融, 2015(1): 65-71.

[17] 馬若微, 張娜. 我國股票市場投資者情緒SENT指數(shù)的構(gòu)建——基于上證A股公司的面板數(shù)據(jù)[J]. 中央財經(jīng)大學學報, 2015(7): 42-50.

[18] 易洪波, 賴娟娟, 董大勇. 網(wǎng)絡論壇不同投資者情緒對交易市場的影響——基于VAR模型的實證分析[J]. 財經(jīng)論叢, 2015(1): 46-55.

[19] 俞紅海, 李心丹, 耿子揚. 投資者情緒, 意見分歧與中國股市IPO之謎[J]. 管理科學學報, 2015(3): 78-80.

[20] 高大良, 劉志峰, 楊曉光. 投資者情緒, 平均相關(guān)性與股市收益[J]. 中國管理科學, 2015(2): 10-21.

[21] 鄒亞生, 栗坤全. 投資者情緒與波動率風險價格的動態(tài)關(guān)系研究[J]. 統(tǒng)計與決策, 2013(17): 161-165.

[22] 余秋玲, 朱宏泉. 投資者情緒對股價聯(lián)動的影響——基于中國證券市場的實證研究[J]. 金融理論與實踐, 2015(4): 81-88.

[23] BRITTEN-JONES M, NEUBERGER A. Option Prices, Implied Price Processes, and Stochastic Volatility[J]. Journal of Finance, 2000, 55: 839-866.

[24] BOLLERSLEV T, TODOROV V, LI S. Jump Tails, Extreme Dependencies, and the Distribution of Stock Returns[J]. Journal of Econometrics, 2013, 172: 307-324.