梅立興 閆偉 方進

(1.廣發(fā)證券股份有限公司，廣東 廣州 510627；2.華南理工大學，廣東 廣州 510641；3.中信證券股份有限公司，北京 100125)

一、引言

不同于尋找具有超額收益證券的傳統(tǒng)投資方法，基于投資績效“選人”的新型投資方法逐漸在投資實務中得到重視。該方法通過尋找具有超額收益能力的“人”并追隨這類人的投資來獲取超額收益，這類特殊群體即為“聰明投資者”(sophisticated investors)。目前，對“聰明投資者”并沒有一致定義。本杰明·格雷厄姆在《聰明的投資者》一書中首先明確了“投資”與“投機”的區(qū)別，指出聰明的投資者當如何確定預期收益。Feng et al.(2014)[3]認為“聰明投資者”具有更好的專業(yè)知識來有效獲取和處理信息，且Keswani and Stolin(2008)[9]認為機構投資者比個人投資者更聰明。Kalay(2015)[8]認為不能直接將機構投資者歸類為“聰明投資者”，并從信息獲取和處理能力角度發(fā)現(xiàn)投資者是否“聰明”與機構投資者持倉之間的相關性較弱。近年來，大部分學者主要從“聰明錢效應”(smart money effect)和投資績效角度間接界定“聰明投資者”，并對其交易特征進行了相關研究。

關于“聰明投資者”的專門研究在學術界較少?！奥斆魍顿Y者”主要表現(xiàn)在投資者的投資績效，常常出現(xiàn)在“聰明錢效應”研究中。比如，Gruber(1996)[6]以美國開放式基金為樣本，發(fā)現(xiàn)有資金凈流入的共同基金在未來業(yè)績表現(xiàn)更好，從而發(fā)現(xiàn)了“聰明錢”的存在，認為這類投資者具有一定的基金選擇能力，將他們稱為“聰明投資者”。Zheng(1999)[12]利用更大的美國開放式基金樣本發(fā)現(xiàn)，規(guī)模較小且有凈資金流入的基金在未來能夠獲得顯著超額收益，并正式提出了“聰明錢效應”這一名詞。Sapp and Tiwari(2004)[10]認為Zheng(1999)[12]所發(fā)現(xiàn)的“聰明錢效應”歸功于動量效應，投資者不是挑選出優(yōu)秀基金，而是采取了動量策略來投資共同基金。然而，Gharghori et al.(2007)[5]在控制了動量因子后，發(fā)現(xiàn)澳大利亞基金市場依然存在“聰明錢效應”。進一步，Keswani and Stolin(2008)[9]研究發(fā)現(xiàn)英國共同基金市場的機構投資者和個人投資者均存在“聰明錢效應”。在國內，相關研究起步較晚，莫泰山和朱啟兵(2013)[14]首次將投資者的擇時能力納入“聰明錢”效應，發(fā)現(xiàn)我國個人和機構投資者均不具有基金品種選擇能力和時機選擇能力。但是，F(xiàn)eng et al.(2014)[3]發(fā)現(xiàn)我國機構投資者表現(xiàn)出一定的“聰明錢效應”，而個人投資者表現(xiàn)出“愚蠢錢效應”(dumb money effect)1，他們認為“聰明投資者”具有更好的專業(yè)知識來有效地獲取和處理信息。此外，林煜恩等(2014)[13]則發(fā)現(xiàn)我國共同基金具有績效持續(xù)性，顯示我國共同基金經(jīng)理人具有選股能力，并且共同基金的“聰明錢效應”主要由個別投資者的流量所驅動。目前，學術界關于“聰明投資者”的研究主要出現(xiàn)在基金市場的研究中，通過“聰明錢效應”間接證明“聰明投資者”的存在。

回顧文獻發(fā)現(xiàn)，國內對“聰明投資者”的研究僅兩三篇文獻，而且缺乏對股票市場“聰明投資者”的探索，僅徐龍炳和張大方(2017)[16]利用市場公開數(shù)據(jù)首次直接考察了我國股票市場的“聰明投資者”行為，并從投資策略角度對“聰明投資者”進行了界定，發(fā)現(xiàn)市場存在“聰明投資者”。與之不同，本文將直接利用投資者的全賬戶交易信息來研究我國股票市場“聰明投資者”的存在性。具體而言：首先，根據(jù)投資者實際的投資收益檢驗我國股票市場是否存在“聰明投資者”，可否獲得超過滬深300指數(shù)的超額收益；其次，自上而下地從宏觀到微觀角度對“聰明投資者”投資績效進行分解，即從倉位管理、市場風格適應能力及選股能力三個方面對不同歷史投資績效的客戶進行差異分析，探索“聰明投資者”的交易行為特征，并對其獲得超額收益的原因進行剖析或者說對其投資績效進行歸因。

本文以國內某大型券商融資融券客戶為樣本，選取2014年6月30日至2017年12月31日為研究區(qū)間，主要發(fā)現(xiàn)有：(1)我國股票市場存在“聰明投資者”，在牛熊市中均可獲得顯著的超額收益；(2)歷史投資虧損較高的客戶的風險偏好較高，“聰明投資者”風險偏好相對較低但能夠獲得超額收益，即不是因為他們高杠桿融資或配置更多風險資產(chǎn)承擔風險而獲得風險溢價，而是個人投資能力的體現(xiàn)；(3)通過對“聰明投資者”獲利來源的挖掘，發(fā)現(xiàn)這類投資者具有更好的倉位管理能力、市場風格適應能力及顯著的選股能力。

本文可能的貢獻有：第一，首次利用客戶全賬戶的交易明細信息，直接探索我國股票市場是否存在“聰明投資者”及其行為特征，為研究我國這一部分特殊群體投資者行為奠定了基礎；第二，發(fā)現(xiàn)“聰明投資者”與其他投資者在獲取收益上存在顯著差異，主要由倉位管理能力、市場風格適應能力和選股能力等造成，這為從“選人”角度制定有效可行的投資策略提供了新的研究思路。

二、研究設計

(一)樣本選取

本文選取我國某大型券商的融資融券客戶為研究對象?？紤]到數(shù)據(jù)的完整性和完備性，選取2014年6月30日至2017年12月31日為研究區(qū)間，具體信息主要包括：(1)融資融券客戶開戶信息，主要包括性別、年齡、開戶時間、學歷、職業(yè)、所在城市等。(2)融資融券客戶交易信息，具體包括賬戶代碼、市場類型、股票代碼、成交價格、成交數(shù)據(jù)以及每天閉市后各賬戶所持有的投資產(chǎn)品(股票、基金及衍生品等)及現(xiàn)金等。(3)我國滬深兩市A股融資融券標的股票的交易數(shù)據(jù)，交易衍生數(shù)據(jù)(如流通市值、市盈率、市凈率等)，滬深300市場指數(shù)及上證綜合指數(shù)等，這一部分數(shù)據(jù)均來自萬得(Wind)數(shù)據(jù)庫。

由于有些客戶(如大小非、大股東、董監(jiān)高、托管戶等)長期不交易，無法分析其交易行為，也不具有分析價值，因此，本文需要從融資融券客戶中篩選出交易活躍的交易型客戶，以便分析其交易特征。具體篩選條件如下：(1)刪除半年日均凈資產(chǎn)小于5萬元的客戶(t天前半年均值)。(2)刪除半年股基日均成交金額/半年日均凈資產(chǎn)小于10%客戶(t天前半年均值)。(3)由于融資融券客戶的原始數(shù)據(jù)中出現(xiàn)了部分收入不知來源或不知去向，造成NAV(單位資產(chǎn)凈值，具體定義見下文)過大或過小，因此需要根據(jù)NAV進一步篩選樣本客戶；此外，在2015年11月23日，融資保證金比例由至少50%提高到至少100%(該券商由至少70%提高到至少100%)，因此，本文刪除下期NAV相比本期增減超過30%的客戶。

圖1反映了按照一定條件篩選后在研究區(qū)間內的融資融券客戶人數(shù)變化趨勢，從中可以看出，篩選后融資融券客戶人數(shù)呈現(xiàn)先上升后下降的趨勢，于2015年9月7日達到最大值110133，較之后處于下降通道并在最近一年處于平穩(wěn)狀態(tài)，人數(shù)維持在42000左右。

(二)主要變量

1.收益率和單位資產(chǎn)凈值計算

先計算融資融券投資者每天的收益率，再計算每個融資融券投資者的單位資產(chǎn)凈值(NAV, Net Asset Value)(以2014年6月30日為基期，NAV=1)。投資者i在時間t+1的資產(chǎn)收益率(Return)和單位資產(chǎn)凈值(NAV)的計算公式如下：

圖1 篩選后融資融券客戶人數(shù)

式中，Net_asseti,t-1和Net_asseti,t分別為投資者在t+1期和t期的凈資產(chǎn)；Cash_in和Cash_out分別現(xiàn)金轉入和現(xiàn)金轉出，Before_Close_Cash_in和Before_Open_Cash_out分別為收市之前(15:00之前)的現(xiàn)金轉入和開市之前(9:30之前)的現(xiàn)金轉出；Securities_transfer為證券轉托管的市值。

相比傳統(tǒng)收益率的計算方法(即式(1))，本文改進后的客戶賬戶資產(chǎn)收益率和單位資產(chǎn)凈值的計算方法(即式(2)和(3))主要優(yōu)勢在于：第一，式(2)考慮到了現(xiàn)金轉入或轉出的時間對資產(chǎn)收益率的影響，提高了計算投資者資產(chǎn)收益率的準確性。如某投資者在t期的總資產(chǎn)為100萬，無負債，僅投資股票資產(chǎn)。應用場景1：在t+1期，交易過程中轉入1000萬，購買某股票后當日收盤漲幅為8%，則t+1期的總資產(chǎn)為100+1000+1000×8%=1180萬，式(1)計算的收益率為(1180-100-1000)/100=80%，式(2)計算的收益率為(1180-100-1000)/(100+1000)=7.27%，后者計算的收益率明顯更加合理；應用場景2：在t+1期，開盤前轉出現(xiàn)金50萬，購買某股票后當日收盤漲幅為8%，則t+1期的總資產(chǎn)為50+50+50×8%=104萬，式(1)計算的收益率為(104-100)/100=4%，式(2)計算的收益率為(104-100)/(100-50)=8%，后者計算的收益率也明顯更加合理。第二，從NAV可以直接判斷投資者的長期盈利情況。對于2014年6月30日以后開始交易的融資融券新客戶，以其第一個交易日為基期，當期單位資產(chǎn)凈值為1。

2.基于投資績效的客戶分組

根據(jù)客戶歷史投資績效對其進行分組。具體步驟：(1)根據(jù)每個月月末的NAV計算客戶前半年的收益率，即客戶i在t月的前半年投資收益率為其中NAVi,t為客戶i在t月月末的單位資產(chǎn)凈值，其基期為2014年6月30日或者融資融券交易的第一天；(2)根據(jù)客戶前半年的收益率情況將客戶均分成10組，分別為High、2、3、4、5、6、7、8、9和Low組，如t月(從2015年1月開始)是根據(jù)t月前半年(即t-5月至t月)的收益率對客戶進行分類；(3)如果某客戶i連續(xù)六個月均在High組中，如t到t+5月均為High，則稱為六個月均為High組客戶；如果某客戶i連續(xù)六個月均在Low組中，如t到t+5月均為Low，則稱為六個月均為Low組客戶。

3.聰明投資者

參考徐龍炳和張大方(2017)[16]，采用超額收益率來定義“聰明投資者”，即相對于同期滬深300指數(shù)的超額收益率，相當于控制了系統(tǒng)性風險。如果我國股票市場存在可以持續(xù)獲得超額收益的投資者，表現(xiàn)出“聰明錢效應”，那么這類特殊群體投資者被定義為“聰明投資者”。

(三)模型

本文先檢驗我國股票市場是否存在“聰明投資者”，然后探討“聰明投資者”的超額收益是否來自風險溢價，最后自上而下從宏觀到微觀角度對“聰明投資者”的投資績效進行歸因分析，即從倉位管理能力、市場風格適應能力及選股能力三個方面對不同歷史投資績效客戶進行差異分析。具體研究設計如下：

1.檢驗我國股票市場是否存在“聰明投資者”

首先，在每個月月末滾動計算客戶歷史6個月的投資收益，并對其進行分組；然后，計算各組客戶在未來1、2、3、4、5和6個月的超額收益(相對于滬深300指數(shù))。如果股票市場存在可以持續(xù)獲得超額收益的投資者，表現(xiàn)出“聰明錢效應”，那么這類特殊群體投資者被定義為“聰明投資者”，說明我國股票市場存在“聰明投資者”。

2.倉位管理能力

運用Pearson相關性分析方法，從股基占比與滬深300指數(shù)收盤價和收益率在歷史六個月和未來一個月的相關性角度對“聰明投資者”的倉位管理能力進行挖掘。倉位管理能力即中長線擇時，其目的是預判大盤趨勢，在上漲時調高倉位，在下跌時降低倉位。股基占比的變化在一定程度上反映了投資者對于風險資產(chǎn)的調整，即投資者擇時的思路，因此，如果某類投資者具有更強的倉位管理能力，那么該類投資者的股基占比與大盤指數(shù)相關性更大。

3.市場風格適應能力

對不同歷史投資績效客戶的投資風格能力進行評估，判斷客戶對市場風格輪動的適應能力，檢驗“聰明投資者”的市場風格適應能力是否優(yōu)于其他投資者。本文采用基于收益率的時間序列回歸法(Returns-based approach，簡稱RBA)的方法對客戶的投資風格進行分析。運用RBA方法時，其隱含假設是投資組合相對于一系列指數(shù)的暴露程度在一定時間內是保持不變的，本文基于該假設，以客戶2017年的業(yè)績?yōu)槔?，將運用客戶NAV計算的周度收益率與六個巨潮風格指數(shù)進行回歸，對客戶的投資風格進行分析。具體地：

式中，Ret為證券客戶的周度收益率，β1，β2，…β6為證券客戶在指數(shù)Index1，Index2，…Index6的暴露程度，Index1，Index2，…Index6分別表示巨潮風格指數(shù)，包括小盤價值、小盤成長、中盤價值、中盤成長、大盤價值和大盤成長。

模型(4)的最小二乘法回歸系數(shù)可能是正數(shù)或負數(shù)，在顯著性相同的情況下無法根據(jù)系數(shù)大小來判斷客戶在不同風格指數(shù)上的暴露程度，因此需將該問題轉化為帶有約束條件的線性規(guī)劃問題，進一步檢驗不同歷史投資績效客戶在不同風格指數(shù)上的暴露程度，以判斷其風格適應能力。具體模型如下：

式中各變量含義見模型(4)，RetIndex,m分別為六個風格指數(shù)的收益率。

4.選股擇時能力

從選股和擇時兩個微觀維度對不同歷史投資績效客戶的選股擇時能力進行評估，檢驗“聰明投資者”是否具有更好的選股擇時能力，其中，這里的擇時能力反映客戶短期(如周度頻率)擇時能力。Treynor and Mazuy(1966)[11]最早提出一個二項式的模型來研究基金的擇時和選股能力，發(fā)現(xiàn)基金經(jīng)理的擇時能力普遍很弱。后來Henriksson and Merton(1981)[7]提出一個帶有虛擬變量的模型來檢驗基金經(jīng)理的選股能力和擇時能力，發(fā)現(xiàn)基金經(jīng)理呈現(xiàn)正的選股能力和負的擇時能力。本文將分別采用T-M和H-M模型檢驗客戶的選股擇時能力，具體模型如下：

(1)T-M模型

式中，rP為客戶的周度收益率；rf為無風險收益率；rM為市場收益率；模型中αp用來描述客戶的選股能力，αp＞0表示客戶具有正向選股能力，αp＜0表示客戶具有負向選股能力；β1表示客戶投資組合對市場收益的敏感性，即客戶所承擔的系統(tǒng)性風險；β2表示擇時能力，如果β2＞0，表明客戶具有一定的擇時能力。如果市場為多頭走勢，即rM-rf＞0，由于(rM-rf)2恒為非負數(shù)，所以客戶的風險報酬(rP-rf)會大于市場投資組合的風險報酬(rM-rf)；反之，市場呈現(xiàn)空頭走勢，rM-rf＜0時，客戶風險報酬的下降幅度小于市場風險報酬的下降幅度。因此，β2可用于判斷客戶的擇時能力。

(2)H-M模型

Henriksson和Merton(1981)[7]認為，基金投資組合的β系數(shù)取決于市場行情，當市場處于牛市時β系數(shù)取較大值，當市場處于熊市時取較小值；如果基金經(jīng)理具有擇時能力，那么基金投資組合在牛市中的β值將高于熊市。具體模型如下：

式中，rp為客戶的周度收益率；rf為無風險收益率；rM為市場收益率；Dummy為虛擬變量；模型中αp用來描述客戶的選股能力，αp＞0表示客戶具有正向選股能力，αp＜0表示客戶具有負向選股能力；當rM-rf＞0時，Dummy=1；當rM-rf＜0時，Dummy=0；β2表示擇時能力，如果β2＞0，表明客戶具有一定的擇時能力。

三、實證結果與分析

(一)我國股票市場是否存在“聰明投資者”？

本文比較不同歷史投資績效客戶的未來收益是否存在差異，并檢驗“聰明投資者”是否具有超額收益，具體步驟如下：(1)研究區(qū)間內，在每個月最后一個交易日結束后，根據(jù)歷史半年的投資收益將所有客戶均分成十組；(2)計算每組客戶(包括六個月均為High或Low組客戶)在未來1、2、3、4、5和6個月的超額收益(相對于滬深300指數(shù))；(3)統(tǒng)計High-Low以及六個月均為High-Low的均值之差及其顯著性。表1統(tǒng)計了不同類型客戶在未來1～6個月的累計超額收益。

表1顯示了不同歷史投資績效客戶相對于滬深300指數(shù)的累計超額收益。根據(jù)表中結果，從客戶均分十組來看，僅有歷史投資績效最高組(High)客戶在未來1～6個月的累計收益率均超過滬深300指數(shù)，其他組客戶并沒有獲得超過滬深300指數(shù)的超額收益；歷史投資績效High組客戶和Low組客戶在1～6個月的累計超額收益之差分別為3.78%、7.25%、10.94%、14.52%、17.74%和21%，且均在1%水平下顯著，說明歷史投資績效前10%客戶相比后10%客戶可以獲得顯著超額收益。

表1進一步統(tǒng)計了連續(xù)六個月均為High組客戶和連續(xù)六個月均為Low組客戶在未來六個月的超額收益。六個月均為High組客戶未來1～6個月累計收益分別為0.93%、1.79%、2.54%、3.24%、4.02%和4.13%，均高于High組客戶，六個月均為Low組客戶未來1～6個月累計收益分別為-7.06%、-13.50%、-19.33%、-24.69%、-29.87%和-34.97%，均低于Low組客戶，兩者六個月累計超額收益之差高達39.10%，且在1%水平下顯著。

以上分析顯示，六個月均為High組客戶的未來投資績效顯著高于其他客戶，尤其是Low組客戶和連續(xù)六個月均為Low組客戶，表明六個月均為High組客戶表現(xiàn)出“聰明錢效應”，該組客戶的投資能力明顯優(yōu)于其他組客戶。因此，本文將六個月均為High組客戶這一特殊群體定義為“聰明投資者”。

不同特征的投資者在不同的股票市場走勢中會有不同的投資表現(xiàn)。在牛市中，投資者情緒高漲，常常表現(xiàn)出非理性行為；在熊市中，投資者有時間思考研究，其投資者行為也更加理性。2014年7月開始，我國股票市場開始了一年左右的大牛市，并最終于2015年6月12日結束(吳曉求，2016)[15]。根據(jù)張澤等(2017)[17]的研究，本文選取2014年7月15日至2015年6月15日為牛市環(huán)境，其余時間段為熊市環(huán)境，進一步分析不同歷史投資績效客戶未來投資表現(xiàn)，并檢驗“聰明投資者”在不同市場環(huán)境中是否均可獲得超額收益。

表2展示了在不同市場行情下的不同歷史投資績效客戶相對于滬深300指數(shù)的累計超額收益。Panel A結果顯示，在牛市階段，客戶均獲得了超過滬深300指數(shù)的超額收益，且High組客戶超額收益明顯高于其他客戶；Panel B結果顯示，在熊市階段，僅有High組客戶中的“聰明投資者”(六個月均為High組客戶)獲得了超過滬深300指數(shù)的超額收益，其他客戶均未跑贏滬深300指數(shù)。

表1和表2的結果說明我國股票市場存在“聰明投資者”，在牛熊市中都可以獲得明顯超過滬深300指數(shù)的超額收益。這類特殊群體客戶占比較少，約為0.95%，即市場上99%客戶沒能獲得超過滬深300指數(shù)的超額收益。此外，過去虧損較多客戶在未來會繼續(xù)虧損，且隨著時間越長，未來虧損越多。

表2 不同歷史投資績效客戶相對于滬深300指數(shù)的累計超額收益

下面將進一步自上而下的從客戶倉位管理能力、市場風格適應能力和選股能力三個維度探索“聰明投資者”獲得超額收益的原因。倉位管理是基于投資者在宏觀層面對市場宏觀環(huán)境的判斷，市場風格是基于投資者對不同市場風格表現(xiàn)的判斷，選股是基于投資者在微觀層面對個股基本面的判斷。

(二)不同歷史投資績效客戶的倉位管理能力差異

這一部分從股基占比與滬深300指數(shù)收盤價和收益率在歷史六個月和未來一個月的相關性角度對“聰明投資者”的倉位管理能力進行分析，檢驗其在宏觀層面對市場宏觀環(huán)境的判斷能力。首先，統(tǒng)計不同類型客戶在歷史六個月和未來一個月資產(chǎn)配置情況，通過分析客戶股基配置特征及負債水平，探索不同歷史投資績效客戶的風險偏好是否存在差異，并進一步探索“聰明投資者”的倉位管理能力。具體步驟如下：(1)在研究區(qū)間內，計算每期不同類型客戶的各指標，如總資產(chǎn)、總負債、負債比例、股基資產(chǎn)比例及現(xiàn)金比例等；(2)對時間序列各指標進行平均，并計算歷史六個月和未來一個月的High-Low以及六個月均為High-Low的顯著性水平。具體結果如表3。

表3 不同歷史投資績效客戶的資產(chǎn)配置差異

表3的Panel A顯示了不同歷史投資績效客戶的歷史六個月資產(chǎn)配置特征，主要分析客戶的風險資產(chǎn)投資比例。從總資產(chǎn)和總負債指標來看，客戶投資績效越好，其總資產(chǎn)和總負債越多，其中投資績效最高組(High)與最低組(Low)的總資產(chǎn)和總負債之差分別為90.57萬和18.56萬，且均在1%水平下顯著。從配置股票和基金等風險資產(chǎn)角度來看，投資收益較高客戶配置股票和基金等風險資產(chǎn)的比例明顯低于投資績效較差的客戶，其中High-Low的股票資產(chǎn)比例和股基資產(chǎn)比例之差分別為-9.05%(t值為-6.40)和-8.96%(t值為-6.61)，且均在1%水平下顯著，說明投資收益較高的客戶能更好地控制風險，而投資虧損較多的客戶配置了更多的風險資產(chǎn)，但并沒有獲得超額收益。該特征在“聰明投資者”與六個月均為Low組客戶之間更加明顯，表3顯示兩者在股基占比之差和現(xiàn)金比例之差分別為-14.44%(t值為-11.75)和11.32%(t值為10.88)，這在一定程度上說明“聰明投資者”可以獲得超額收益不是因為他們配置更多風險資產(chǎn)而承擔了風險，而是個人投資能力的體現(xiàn)。

Panel B顯示了不同歷史投資績效客戶的未來一個月資產(chǎn)配置特征，進一步探索客戶風險資產(chǎn)投資比例。從總資產(chǎn)和總負債指標來看，與表3Panel A結果一致，投資績效較高客戶(如High組客戶)的總資產(chǎn)和總負債均高于投資績效較低客戶(如Low組客戶)。從配置股票和基金等風險資產(chǎn)角度來看，投資績效較高客戶配置股票和基金等風險資產(chǎn)比例明顯低于投資績效較差的客戶，其中High-Low的股票資產(chǎn)比例和股基資產(chǎn)比例之差分別為-7.52%(t值為-5.87)和-7.51%(t值為-6.05)，此外，“聰明投資者”與六個月均為Low組客戶的股基占比之差和現(xiàn)金比例之差分別為-10.93%(t值為-10.20)和6.96%(t值為8.73)，進一步檢驗了表3 Panel A的結論，即相比歷史投資虧損較高的客戶，投資收益較高的客戶能更好地控制風險。

此外，本文還從時間序列角度，以“聰明投資者”和六個月均為Low組客戶為例，分析不同類型客戶在歷史六個月和未來一個月股基資產(chǎn)占比和負債比例的時間變化趨勢，進一步探索不同歷史投資績效客戶的風險偏好，結果發(fā)現(xiàn)，“聰明投資者”配置股票和基金等風險資產(chǎn)的比例、及負債比例均小于投資績效最差組客戶(六個月均為Low)，進一步說明投資較差的客戶更偏好高風險資產(chǎn)，具有高風險偏好，但并沒有獲得更高的收益，這與表3的結果是一致的。

以上分析顯示，歷史投資虧損較高的客戶的風險偏好更高，主要表現(xiàn)在更高的負債比例以及配置更高的股基等風險資產(chǎn)；而“聰明投資者”的風險偏好更低2，表明這類特殊群體獲得超額收益不是因為他們配置更多風險資產(chǎn)承擔風險而獲得風險溢價，而是個人投資能力的體現(xiàn)。

下面，運用Pearson相關性分析方法，從股基占比與滬深300指數(shù)收盤價和收益率在歷史六個月和未來一個月的相關性角度對“聰明投資者”的倉位管理能力進行挖掘。

表4清晰地顯示了“聰明投資者”在歷史六個月和未來一個月的股基等風險資產(chǎn)占比與滬深300指數(shù)相關性更大。歷史六個月的結果顯示，“聰明投資者”和六個月均為Low組客戶在歷史六個月的股基占比與滬深300指數(shù)收盤價的Pearson相關系數(shù)分別為0.7111(t值為7.37)和0.2732(t值為1.78)，這在一定程度上可以說明“聰明投資者”比其他虧損客戶的倉位管理能力更強。未來一個月的結果顯示，“聰明投資者”和六個月均為Low組客戶在未來一個月股基占比與滬深300指數(shù)收盤價的Pearson相關系數(shù)分別為0.4357(t值為3.23)和0.1054(t值為0.32)，與滬深300指數(shù)收益率的Pearson相關系數(shù)分別0.3382(t值為2.31)和0.2647(t值為1.72)，即“聰明投資者”在未來一個月的股基等風險資產(chǎn)占比與滬深300指數(shù)相關性更大，進一步說明了“聰明投資者”比其他虧損客戶的倉位管理能力更強。

表4 不同歷史投資績效客戶股基占比與滬深300指數(shù)的相關性

進一步，利用Pearson相關性分析法，從客戶負債比例與滬深300指數(shù)收盤價和收益率在歷史六個月和未來一個月的相關性角度對“聰明投資者”的杠桿配置能力進行分析。杠桿配置能力反映了客戶對市場波動的適應性，當市場上漲時調高杠桿，增加負債，當市場下跌時降低杠桿，減少負債。

表5顯示，相比六個月均為Low組客戶，“聰明投資者”在歷史六個月和未來一個月的負債比例與滬深300指數(shù)相關性更大。具體來看，歷史六個月的結果顯示，“聰明投資者”和六個月均為Low組客戶在歷史六個月的負債比例與滬深300指數(shù)收盤價的Pearson相關系數(shù)分別為0.6891(t值為6.88)和0.1791(t值為1.10)，但是與滬深300指數(shù)收益率無明顯關系，這在一定程度上可以說明“聰明投資者”比其他虧損客戶的杠桿配置能力更強。未來一個月的結果顯示，“聰明投資者”和六個月均為Low組客戶在未來一個月股基占比與滬深300指數(shù)收盤價的Pearson相關系數(shù)分別為0.5072(t值為4.04)和0.1881(t值為1.16)，與滬深300指數(shù)收益率的Pearson相關系數(shù)分別為-0.0469(t值為-0.26)和0.1172(t值為0.69)，但是High組客戶(包含“聰明投資者”)負債比例與滬深300指數(shù)未來一個月收益率的相關性為0.1741(t值為1.13)，大于Low組客戶(相關系數(shù)為0.0820，t值為0.51)，總體來說，“聰明投資者”在未來一個月的負債比例與滬深300指數(shù)相關性更大，進一步說明了“聰明投資者”比其他虧損客戶在杠桿配置方面對市場的適應能力更強。

表5 不同歷史投資績效客戶負債比例與滬深300指數(shù)的相關性

表6 不同歷史投資績效客戶的風格能力差異

(三)不同歷史投資績效客戶的市場風格適應能力差異

本部分對不同歷史投資績效客戶的投資風格適應能力進行評估，以檢驗客戶對市場風格輪動的適應能力，即從投資者對不同市場風格表現(xiàn)判斷的角度檢驗“聰明投資者”的市場風格適應能力是否優(yōu)于其他投資者。

表6是利用RBA方法檢驗不同歷史投資績效客戶的風格適應能力的回歸結果，從中可以看出，僅六個月均為High組客戶，即“聰明投資者”的系數(shù)β2、β3、β4和β5具有一定的顯著性，說明僅有“聰明投資者”具有一定的風格能力。具體來看，系數(shù)β2、β3、β4和β5分別為0.9567(t值為2.12)、1.0891(t值為2.54)、-0.6622(t值為-2.77)和0.6848(t值為1.73)，表明六個月均為High組客戶在不同風格指數(shù)(即小盤成長、中盤價值、中盤成長、大盤價值)上具有不同的暴露程度，其中大盤價值指數(shù)顯著為正，而2017年大盤價值指數(shù)上漲29.25%，在一定程度上表明“聰明投資者”抓住了這一市場趨勢。因此，我國股票市場的“聰明投資者”具有一定的風格適應能力。

根據(jù)上文模型(5)，進一步對“聰明投資者”和六個月均為Low組客戶在不同風格指數(shù)上的暴露程度進行量化分析，結果如表7。根據(jù)表中結果，“聰明投資者”和六個月均為Low組客戶的目標函數(shù)值均接近于0，說明整體擬合效果較好。從客戶在不同風格指數(shù)上的暴露程度來看，“聰明投資者”主要暴露在大盤價值、中盤成長和大盤成長上，而六個月均為Low組客戶主要暴露在小盤成長，對比2017年不同風格指數(shù)表現(xiàn)，發(fā)現(xiàn)“聰明投資者”確實具有一定的市場風格適應能力。

(四)不同歷史投資績效客戶的選股能力差異

本部分利用T-M和H-M模型，從選股和擇時兩個微觀維度對不同歷史投資績效客戶的選股擇時能力進行評估，即基于投資者在微觀層面對個股基本面判斷的角度檢驗“聰明投資者”是否具有更好的選股擇時能力。

表8 Panel A顯示了不同歷史投資績效客戶的T-M模型回歸結果，可以看出，僅六個月均為High組客戶和High組客戶的αp大于0且具有顯著性，分別為0.0160(t值為4.06)和0.0060(t值為1.88)，說明High客戶具有一定的選股能力，且“聰明投資者”的選股能力更強。從β2系數(shù)來看，各組客戶的β2系數(shù)均為負數(shù)且不具有顯著性，表明各組客戶均沒有擇時能力。由于該部分數(shù)據(jù)頻率為周度，所以上述結果表明，客戶并不具有市場短期擇時能力，僅High客戶具有一定的選股能力，其中“聰明投資者”的選股能力更加顯著。

Panel B顯示了不同歷史投資績效客戶的H-M模型回歸結果，與Panel A的T-M模型回歸結果一致。具體來看，僅六個月均為High組客戶的αp大于0且在1%水平下顯著，說明六個月均為High組客戶具有一定的選股能力，即“聰明投資者”具有選股能力。從β2系數(shù)來看，各組客戶的β2系數(shù)為正或負數(shù)，但不具有顯著性，表明各組客戶均沒有擇時能力。因此，通過T-M和T-M模型均發(fā)現(xiàn)，High組客戶中的“聰明投資者”具有一定的選股能力；但是，我國投資者并不具有顯著的短期擇時能力。

表7 不同歷史投資績效客戶在不同風格指數(shù)上的暴露程度

表8 不同歷史投資績效客戶的選股能力差異

(五)穩(wěn)健性檢驗

本部分對上文有關結論進行穩(wěn)健性檢驗，具體方式如下。

第一，在檢驗“聰明投資者”倉位管理能力時，進一步對比High組客戶和Low組客戶的股基等風險資產(chǎn)占比和負債比例與滬深300指數(shù)收盤價和收益率之間的關系，發(fā)現(xiàn)High組客戶(包含“聰明投資者”)具有更強的倉位管理能力，且在杠桿配置方面對市場的適應能力更強，具體結果見表9，這進一步驗證了上文表4和表5的結論。

第二，檢驗不同投資績效客戶在2015年和2016年的風格適應能力，發(fā)現(xiàn)“聰明投資者”主要暴露在大盤成長和大盤價值，分別與2015年和2016年不同風格指數(shù)表現(xiàn)對比，發(fā)現(xiàn)“聰明投資者”的風格適應能力也優(yōu)于其他投資者(見表10)，與上文表6和表7結論一致。

第三，進一步利用C-L模型(Chang and Lewellen，1984)[1]檢驗“聰明投資者”的選股能力，即在H-M模型基礎上將虛擬變量轉換成雙變量模型C-L模型，其特點是將市場區(qū)分為上升和下降市場，具體結果見表11，發(fā)現(xiàn)其結果與上文表8一致。

四、結論與展望

本文以我國某券商的融資融券客戶為研究對象，選取2014年6月30日至2017年12月31日為研究區(qū)間，參考徐龍炳和張大方(2017)[16]的研究，根據(jù)客戶歷史投資績效界定“聰明投資者”，探索我國股票市場是否存在“聰明投資者”，并對“聰明投資者”的投資績效進行歸因分析。主要結論如下：

表9 High與Low客戶股基占比等與滬深300指數(shù)的相關性

表10 投資者在2015年和2016年的風格適應能力檢驗

(1)在研究區(qū)間內，我國股票市場存在“聰明投資者”，能夠獲得顯著的超額收益，且不受市場行情的影響，即在牛市和熊市中均可獲得超過滬深300指數(shù)的超額收益。此外，過去投資績效較差客戶或虧損客戶在未來會繼續(xù)虧損，且隨著時間越長，損失越多。

(2)投資者的歷史投資績效越好，其風險偏好越低。歷史投資虧損較高的客戶的風險偏好更高，主要表現(xiàn)在更高的負債比例以及配置更高的股基等風險資產(chǎn)，而“聰明投資者”風險偏好相對較低，但能夠獲得超額收益，這不是因為他們配置更多風險資產(chǎn)承擔風險而獲得風險溢價，而是個人投資能力的體現(xiàn)。

表11 不同歷史投資績效客戶的選股能力檢驗(C-L模型)

(3)自上而下的從宏觀到微觀對“聰明投資者”獲利來源進行挖掘，結果發(fā)現(xiàn)“聰明投資者”能夠獲得超額收益的原因在于這類投資者具有更好的倉位管理能力、市場風格適應能力以及顯著的選股能力；此外，所有投資者均沒有表現(xiàn)出明顯的短期擇時能力。

本文首次利用投資者全賬戶交易明細信息，研究“聰明投資者”的存在性及投資績效歸因，既擴展了徐龍炳和張大方(2017)[16]關于“聰明投資者”這一特殊群體的研究，又為基于“選人”視角的投資策略構建提供了新的研究思路。不同于目前尋找具有超額收益“證券”的主流投資方法，尋找“聰明投資者”的交易策略在實務中開始得到重視，值得深入研究。在未來研究方面，還需要繼續(xù)探索這類特殊群體投資者的“非理性”交易行為以及持股特征等，從而有助于進一步認識“聰明投資者”的行為特征。

注釋

1.Frazzini and Lamont(2008)[4]、Chin et al.(2009)[2]等發(fā)現(xiàn)共同基金的“聰明錢效應”在長期會消失，或轉變?yōu)椤坝薮厘X效應”。

2.本文進一步分析了不同歷史投資績效客戶持有股票的貝塔(BETA)差異，結果發(fā)現(xiàn)歷史投資績效越好的投資者，其持股貝塔越小，其中，“聰明投資者”與六個月均為Low組客戶持股貝塔分別為0.9743和1.0566，兩者均值之差為-0.0823(t值為-17.97)，在1%水平下顯著，進一步說明了“聰明投資者”風險偏好更低。