李新 梁偉 周率

(首都經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100070)

一、引言

資產(chǎn)定價(jià)是投資界及學(xué)術(shù)界探討的熱門話題，各類投資者期望通過(guò)持有股票資產(chǎn)來(lái)獲取超額收益，而學(xué)術(shù)界一直致力于發(fā)現(xiàn)新的股票資產(chǎn)定價(jià)因子。Sharpe(1964)等學(xué)者提出了資本資產(chǎn)定價(jià)模型(CAPM)，該模型認(rèn)為股票資產(chǎn)的風(fēng)險(xiǎn)溢價(jià)來(lái)源于單一的風(fēng)險(xiǎn)因素，即由所有股票組成的市場(chǎng)組合的收益率。如果放松CAPM模型的假定，就可以得到資產(chǎn)風(fēng)險(xiǎn)溢價(jià)受多種因素影響的結(jié)論。Ross(1976)提出了多因素套利定價(jià)理論(APT)，該模型成為了多因素資產(chǎn)定價(jià)模型的理論基礎(chǔ)。Fama and French(1993)提出了三因子模型，開(kāi)創(chuàng)了實(shí)證資產(chǎn)定價(jià)的新范式。FF三因子模型在CAPM模型的基礎(chǔ)上進(jìn)一步考慮了公司規(guī)模及賬面市值比這兩個(gè)因子，可以更好地解釋資產(chǎn)組合的橫截面收益。Fama and French(2015)基于紅利貼現(xiàn)模型進(jìn)一步提出了五因子模型，該模型在三因子模型的基礎(chǔ)上加入盈利能力和投資風(fēng)格因子，以更好地描述橫截面上股票組合的期望收益率。到目前為止，已有超過(guò)447個(gè)潛在因子被學(xué)者們發(fā)現(xiàn)，越來(lái)越多的投資者開(kāi)始將多因子模型作為資產(chǎn)配置策略(Hou et al.，2018)。

目前中國(guó)處于從高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展的階段，這種經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變需要資本市場(chǎng)的支持。A股已經(jīng)形成了包括滬深主板、創(chuàng)業(yè)板、科創(chuàng)板及北交所在內(nèi)的多層次資本市場(chǎng)，通過(guò)融資及定價(jià)等功能服務(wù)于中國(guó)的實(shí)體經(jīng)濟(jì)。不同市場(chǎng)參與的投資者群體是不一樣的，這種投資者結(jié)構(gòu)差異直接影響了市場(chǎng)的功能，其中就包括資產(chǎn)定價(jià)功能。從國(guó)際資本市場(chǎng)的角度看，王朝陽(yáng)和王振霞(2017)研究發(fā)現(xiàn)，相較于中國(guó)臺(tái)灣市場(chǎng)、中國(guó)香港市場(chǎng)與美國(guó)市場(chǎng)，滬深股票市場(chǎng)個(gè)人投資者占比較高而機(jī)構(gòu)投資者占比較低，影響了滬深股票市場(chǎng)的股價(jià)波動(dòng)率，即滬深股票市場(chǎng)的定價(jià)功能可能不同于成熟的國(guó)際資本市場(chǎng)。從資產(chǎn)收益的角度看，何誠(chéng)穎等(2021)研究發(fā)現(xiàn)，在不同的機(jī)構(gòu)投資者持股比例下，投資組合的風(fēng)險(xiǎn)溢價(jià)是不同的?？傊?，機(jī)構(gòu)投資者的持股比例會(huì)影響股票的預(yù)期收益，投資者結(jié)構(gòu)可能是影響A股資產(chǎn)定價(jià)的一個(gè)重要因子。

本文參考Fama and French(2015)的因子構(gòu)建方法構(gòu)建投資者結(jié)構(gòu)因子，并將該因子加入Carhart四因子模型中構(gòu)建五因子模型，以探究如下問(wèn)題：(1)投資者結(jié)構(gòu)是不是A股市場(chǎng)的定價(jià)因子；(2)不同上市板塊中，投資者結(jié)構(gòu)因子溢價(jià)是否相同；(3)疫情沖擊是否影響了投資者結(jié)構(gòu)因子溢價(jià)。經(jīng)過(guò)理論與實(shí)證分析，本文得出相關(guān)結(jié)論：(1)Carhart四因子模型適用于滬深股票市場(chǎng)，滬深股票市場(chǎng)存在顯著的季頻動(dòng)量效應(yīng)；(2)投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子，經(jīng)Carhart四因子模型調(diào)整后的投資者結(jié)構(gòu)因子仍然顯著；(3)相對(duì)于滬深主板市場(chǎng)，創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)更高；(4)新冠疫情提高了滬深股票市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)。

本文的邊際貢獻(xiàn)在于：(1)發(fā)現(xiàn)投資者結(jié)構(gòu)是A股市場(chǎng)的定價(jià)因子，補(bǔ)充了實(shí)證資產(chǎn)定價(jià)領(lǐng)域的已有研究；(2)研究了上市板塊差異與疫情沖擊對(duì)投資者結(jié)構(gòu)因子溢價(jià)的影響，揭示了投資者結(jié)構(gòu)因子在不同上市板塊及疫情沖擊下的不同表現(xiàn)，是對(duì)實(shí)證資產(chǎn)定價(jià)研究的進(jìn)一步拓展，并且補(bǔ)充了多層次資本市場(chǎng)及新冠疫情方面的相關(guān)研究；(3)基于長(zhǎng)期價(jià)值投資理念，利用季度頻率數(shù)據(jù)進(jìn)行了實(shí)證資產(chǎn)定價(jià)研究，更好地反映了中長(zhǎng)期周期下機(jī)構(gòu)投資者的交易行為及市場(chǎng)的運(yùn)行規(guī)律，彌補(bǔ)了只進(jìn)行日內(nèi)、日度、周度及月度頻率研究的文獻(xiàn)的不足。本文為A股市場(chǎng)投資端改革提供了經(jīng)驗(yàn)證據(jù)，有助于證券監(jiān)管部門進(jìn)一步完善A股市場(chǎng)的投資者結(jié)構(gòu)與監(jiān)管體系。

二、文獻(xiàn)綜述

CAPM模型首次清晰地描述了資產(chǎn)收益率與風(fēng)險(xiǎn)之間的關(guān)系，為后續(xù)大量線性多因子定價(jià)模型的研究奠定了基礎(chǔ)(Sharpe，1964)。當(dāng)投資機(jī)會(huì)不斷發(fā)生變化時(shí)，僅考慮市場(chǎng)風(fēng)險(xiǎn)的CAPM模型就不再成立了。Merton(1973)考慮多期消費(fèi)和投資，構(gòu)建了跨期資本資產(chǎn)定價(jià)模型(ICAPM)，該模型在CAPM模型的基礎(chǔ)上，進(jìn)一步考慮了投資機(jī)會(huì)集合惡化所帶來(lái)的風(fēng)險(xiǎn)溢價(jià)。Waggle and Agrrawal(2015)在美國(guó)股票市場(chǎng)上發(fā)現(xiàn)了投資者情緒異象，投資者的情緒越積極，美股在未來(lái)3～6個(gè)月的收益率越低；市場(chǎng)情緒越消極，股票短期收益率越高。李雙琦等(2021)研究了消費(fèi)與投資者情緒因子在資產(chǎn)定價(jià)中的有效性，他們利用消費(fèi)和投資者情緒因子對(duì)CAPM、FF三因子和FF五因子模型進(jìn)行了拓展，拓展后的模型定價(jià)效率都顯著提高。Brogaard and Detzel(2015)基于ICAPM模型研究發(fā)現(xiàn)，美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)是重要的資產(chǎn)定價(jià)因子。林建浩等(2021)基于ICAPM理論研究發(fā)現(xiàn)，貨幣政策不確定性(MPU)是A股市場(chǎng)的重要定價(jià)因子，最高M(jìn)PU因子暴露投資組合的風(fēng)險(xiǎn)溢價(jià)要比最低MPU因子暴露投資組合的風(fēng)險(xiǎn)溢價(jià)平均每年高出1.428%。

Fama and French(1993)在CAPM模型的基礎(chǔ)上，考慮了公司規(guī)模及賬面市值比這兩個(gè)定價(jià)影響因素，構(gòu)建了三因子模型，該模型可以更好地解釋投資組合在持有期的風(fēng)險(xiǎn)溢價(jià)。

到目前為止，F(xiàn)F三因子模型已經(jīng)是實(shí)證資產(chǎn)定價(jià)研究的首選。Carhart(1997)在FF三因子模型的基礎(chǔ)上新增了動(dòng)量因子，即歷史收益率較高投資組合與歷史收益率較低投資組合的收益率差值，研究發(fā)現(xiàn)動(dòng)量因子并沒(méi)有解釋共同基金所獲得的超額收益。Fama and French(2015)在三因子模型的基礎(chǔ)上加入盈利能力和投資風(fēng)格因子，構(gòu)建了五因子模型，以更好地描述橫截面上股票組合的期望收益率。為了測(cè)試美國(guó)股票市場(chǎng)是否存在動(dòng)量效應(yīng)，F(xiàn)ama and French(2016)在FF五因子模型中加入了動(dòng)量因子，研究發(fā)現(xiàn)美國(guó)股市的動(dòng)量效應(yīng)不顯著。Guo et al.(2017)研究發(fā)現(xiàn)，規(guī)模、價(jià)值和盈利能力因子對(duì)股票未來(lái)收益具有較強(qiáng)的解釋能力，但投資風(fēng)格因子冗余。在A股市場(chǎng)的資產(chǎn)定價(jià)研究方面，Liu et al.(2019)將FF三因子模型中的賬面市值比因子替換為利潤(rùn)市值比因子，改進(jìn)后的模型對(duì)投資者組合風(fēng)險(xiǎn)溢價(jià)的解釋能力增強(qiáng)了，并且解釋了滬深股票市場(chǎng)上的盈利能力及波動(dòng)性異象。隨著被挖掘出來(lái)的因子逐漸增多，難免存在一部分因子包含著相同的股價(jià)信息。陸蓉等(2021)研究發(fā)現(xiàn)，非彩票型股票存在顯著的月度動(dòng)量效應(yīng)，動(dòng)量策略對(duì)沖組合能夠獲得0.76%的平均月度收益和0.81%的三因子月度超額收益。同時(shí)，股票市場(chǎng)交易及流通等制度也會(huì)影響資產(chǎn)定價(jià)。在市場(chǎng)做空機(jī)制方面，何誠(chéng)穎等(2021)研究發(fā)現(xiàn)，在做空受限的投資組合中，投資者情緒與股票未來(lái)收益負(fù)相關(guān)的現(xiàn)象更為明顯。在股票流通制度方面，李志冰等(2017)研究發(fā)現(xiàn)，在A股市場(chǎng)股權(quán)分置改革前，市場(chǎng)因子收益率較為顯著，而股改后的盈利能力、投資風(fēng)格及動(dòng)量因子的風(fēng)險(xiǎn)溢價(jià)更加顯著。

對(duì)于投資者結(jié)構(gòu)的學(xué)術(shù)研究也較為豐富。Stambaugh et al.(2015)用機(jī)構(gòu)投資者持股衡量有限套利。但是，機(jī)構(gòu)投資者持股不僅僅是衡量了股票套利的難易程度。Edmans(2009)研究發(fā)現(xiàn)，在中國(guó)香港等成熟的國(guó)際資本市場(chǎng)中，持有長(zhǎng)期價(jià)值投資理念的機(jī)構(gòu)投資者占比較高，其對(duì)企業(yè)的估值更加合理，該類機(jī)構(gòu)投資者進(jìn)入滬深股票市場(chǎng)，有利于提高滬深股票市場(chǎng)的定價(jià)能力。連立帥等(2019)研究發(fā)現(xiàn)，機(jī)構(gòu)投資者占比提高，即投資者結(jié)構(gòu)進(jìn)一步優(yōu)化，有助于資本市場(chǎng)實(shí)現(xiàn)合理定價(jià)與資源的有效配置。Carpenter et al.(2021)研究發(fā)現(xiàn)，通過(guò)QFII(合格境外機(jī)構(gòu)投資者)制度進(jìn)入A股市場(chǎng)的境外機(jī)構(gòu)投資者的持倉(cāng)行為提高了滬深股票市場(chǎng)的定價(jià)能力。同時(shí)，何誠(chéng)穎等(2021)研究發(fā)現(xiàn)，A股市場(chǎng)個(gè)人投資者占比較高，個(gè)人投資者容易情緒化，主要進(jìn)行非理性交易，表現(xiàn)為追漲殺跌，導(dǎo)致A股市場(chǎng)存在顯著的反轉(zhuǎn)效應(yīng)。陸蓉等(2021)得出了與之相似的結(jié)論，A股市場(chǎng)的個(gè)人投資者僅僅持有23.7%的股票市值，卻貢獻(xiàn)了85.6%的成交額，這種投資者結(jié)構(gòu)不完善的市場(chǎng)狀況是A股市場(chǎng)動(dòng)量效應(yīng)不顯著的主要原因。

投資者結(jié)構(gòu)方面的研究表明，機(jī)構(gòu)投資者持股對(duì)A股市場(chǎng)的定價(jià)功能產(chǎn)生了較大的影響，即投資者結(jié)構(gòu)是個(gè)股或者股票組合未來(lái)收益的重要影響因素。但是，以往實(shí)證資產(chǎn)定價(jià)方面的研究忽略了投資者結(jié)構(gòu)對(duì)股票橫截面收益的影響，所以本文試圖研究投資者結(jié)構(gòu)是否是A股市場(chǎng)的定價(jià)因子。

三、理論分析與研究假設(shè)

(一)投資者結(jié)構(gòu)與橫截面收益

首先，根據(jù)積極的監(jiān)督者假說(shuō)，在生產(chǎn)經(jīng)營(yíng)方面，機(jī)構(gòu)投資者更有動(dòng)力和能力關(guān)注上市公司的長(zhǎng)期發(fā)展，他們對(duì)企業(yè)管理層進(jìn)行監(jiān)督(Lee and Masulis，2011)，有利于改善企業(yè)的創(chuàng)新投入水平及經(jīng)營(yíng)業(yè)績(jī)，從而提高了股價(jià)，因此，機(jī)構(gòu)投資者持股有利于提高股票投資收益率。在信息披露方面，機(jī)構(gòu)投資者持股會(huì)改善上市公司的信息披露質(zhì)量，因此投資者結(jié)構(gòu)就會(huì)包含更多的股價(jià)信息(李春濤等，2018)。其次，滬深股票市場(chǎng)主要以個(gè)人投資者為主，個(gè)人投資者缺乏正確的投資理念，其非理性的交易行為容易使股票定價(jià)過(guò)高或者過(guò)低(何誠(chéng)穎等，2014)。而機(jī)構(gòu)投資者遵循價(jià)值投資理念(Carpenter et al.，2021)，當(dāng)股價(jià)被低估時(shí)，機(jī)構(gòu)選擇買進(jìn)股票；當(dāng)股價(jià)存在估值泡沫時(shí)，機(jī)構(gòu)就會(huì)賣出股票。因此，較高的機(jī)構(gòu)投資者持股比例代表股票的價(jià)值被低估，股價(jià)大概率會(huì)上漲；而較低的機(jī)構(gòu)投資者持股比例代表股票的估值偏高，股價(jià)可能會(huì)下跌。最后，機(jī)構(gòu)投資者可以對(duì)分析師發(fā)布的評(píng)級(jí)信息作出正確的判斷，在交易中個(gè)人投資者起到為機(jī)構(gòu)投資者提供流動(dòng)性的作用(孔東民，2019)，即當(dāng)機(jī)構(gòu)投資者買賣股票時(shí)，個(gè)人投資者會(huì)充當(dāng)其交易對(duì)手方。綜上所述，由于機(jī)構(gòu)投資者可以更加準(zhǔn)確地判斷股票的價(jià)值，并且機(jī)構(gòu)投資者的持股行為有利于股價(jià)上漲，所以本文提出如下假設(shè)：

H1：機(jī)構(gòu)投資者持股比例越高，股票的超額收益率越高，即投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子。

(二)上市板塊與投資者結(jié)構(gòu)

首先，相對(duì)于滬深主板市場(chǎng)，創(chuàng)業(yè)板與科創(chuàng)板對(duì)投資者設(shè)置了較高的準(zhǔn)入條件，機(jī)構(gòu)投資者占比更高。以機(jī)構(gòu)投資者的重要成員之一公募基金在2021年末的持股為例，滬深主板的公募基金持股市值占板塊總市值的比例為6.23%，而創(chuàng)業(yè)板與科創(chuàng)板的公募基金持股比例分別為9.24%和7.93%。因此，機(jī)構(gòu)投資者可以對(duì)創(chuàng)業(yè)板與科創(chuàng)板上市公司形成更有效的監(jiān)督，有利于提高上市公司的每股收益(Lee and Masulis，2011)及信息披露質(zhì)量(李春濤等，2018)，機(jī)構(gòu)投資者持股對(duì)創(chuàng)業(yè)板與科創(chuàng)板股票的未來(lái)收益影響更大。其次，相對(duì)于滬深主板市場(chǎng)，創(chuàng)業(yè)板與科創(chuàng)板以處于初創(chuàng)期的企業(yè)為主，科技型企業(yè)占比高，未來(lái)盈利和增長(zhǎng)前景不確定性強(qiáng)，股價(jià)波動(dòng)性高(王榮欣等，2018)，導(dǎo)致投資者對(duì)股票進(jìn)行合理估值的難度相對(duì)較大。而機(jī)構(gòu)投資者專業(yè)能力強(qiáng)，可以對(duì)股票進(jìn)行合理定價(jià)，相對(duì)于滬深主板市場(chǎng)，機(jī)構(gòu)投資者在創(chuàng)業(yè)板與科創(chuàng)板上的專業(yè)優(yōu)勢(shì)更加明顯。因此，相對(duì)于滬深主板市場(chǎng)，機(jī)構(gòu)投資者持股比例較高的創(chuàng)業(yè)板與科創(chuàng)板股票組合的超額收益更高，投資者結(jié)構(gòu)因子溢價(jià)更高。最后，個(gè)人投資者在創(chuàng)業(yè)板市場(chǎng)上的非理性交易程度高于主板市場(chǎng)(熊艷等，2014)，在創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)上，進(jìn)行非理性交易的個(gè)人投資者可以更好地充當(dāng)機(jī)構(gòu)投資者的交易對(duì)手方。綜上所述，由于在創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)上機(jī)構(gòu)投資者持股對(duì)股價(jià)未來(lái)波動(dòng)的影響更大，所以本文在假設(shè)1的基礎(chǔ)上提出如下假設(shè)：

H2：相對(duì)于滬深主板市場(chǎng)，創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)更高。

(三)疫情沖擊與投資者結(jié)構(gòu)

首先，新冠疫情導(dǎo)致上市公司生產(chǎn)經(jīng)營(yíng)受限及投資者情緒惡化，進(jìn)而導(dǎo)致A股下跌。機(jī)構(gòu)投資者為了獲利，傾向于與其他機(jī)構(gòu)投資者保持一致的交易行為，進(jìn)而形成了機(jī)構(gòu)投資者的抱團(tuán)行為。公募基金等機(jī)構(gòu)投資者的持倉(cāng)數(shù)量及持倉(cāng)規(guī)模均增加，在2021年3季度末，主動(dòng)型股票基金的規(guī)模同比增加了44.95%，其股票倉(cāng)位為88.51%，均高于疫情前的水平。同時(shí)，境外機(jī)構(gòu)投資者開(kāi)始增持A股。在2021年2季度末，外資通過(guò)陸股通持有醫(yī)藥企業(yè)市值為3183億元，環(huán)比1季度增加了425億元，總體保持低速增加的態(tài)勢(shì)。在2020年初至2022年初的疫情期間，早期機(jī)構(gòu)抱團(tuán)股都實(shí)現(xiàn)了大幅上漲，之后機(jī)構(gòu)開(kāi)始高位減倉(cāng)，之前的機(jī)構(gòu)抱團(tuán)股開(kāi)始回調(diào)。因此，疫情沖擊導(dǎo)致機(jī)構(gòu)投資者持股比例與股票未來(lái)收益率的正相關(guān)關(guān)系更加強(qiáng)烈。已有研究發(fā)現(xiàn)，疫情沖擊確實(shí)影響了A股市場(chǎng)的個(gè)股收益率(陳赟等，2020)。其次，疫情導(dǎo)致線上經(jīng)濟(jì)快速發(fā)展，A股市場(chǎng)上與上市公司、行業(yè)及宏觀經(jīng)濟(jì)相關(guān)的信息發(fā)布數(shù)量大幅增加，信息不對(duì)稱水平下降，機(jī)構(gòu)投資者可以獲取更多信息，從而對(duì)股票價(jià)值作出更加準(zhǔn)確的判斷，以至于機(jī)構(gòu)投資者持股比例包含更多的股價(jià)信息。最后，由于疫情期間機(jī)構(gòu)投資者抱團(tuán)行為更加明顯及市場(chǎng)信息不對(duì)稱水平下降，機(jī)構(gòu)投資者可以對(duì)上市公司進(jìn)行更加有效的監(jiān)督(Lee and Masulis，2011)，有利于改善企業(yè)經(jīng)營(yíng)業(yè)績(jī)及提高股價(jià)。綜上所述，由于疫情期間機(jī)構(gòu)抱團(tuán)加強(qiáng)與信息不對(duì)稱水平下降，所以本文在假設(shè)1的基礎(chǔ)上提出如下假設(shè)：

H3：疫情沖擊提高了滬深股票市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)。

四、研究設(shè)計(jì)

(一)數(shù)據(jù)選取

鑒于A股市場(chǎng)在2005年開(kāi)始全面進(jìn)行股權(quán)分置改革，本文選取數(shù)據(jù)的時(shí)間起始于2006年1季度；同時(shí)，鑒于中國(guó)的新冠疫情主要發(fā)生于2020年初到2022年初，為了研究疫情沖擊，本文選取數(shù)據(jù)的時(shí)間截至2021年4季度。本文參考Liu et al.(2019)等人處理樣本數(shù)據(jù)的方法，剔除了上市時(shí)間在一年以下的股票，其中包括北交所的所有股票，因此本文最終只選取了滬深兩市的股票作為研究樣本。因?yàn)闄C(jī)構(gòu)投資者持股數(shù)據(jù)按季度公布，所以本文使用季度數(shù)據(jù)進(jìn)行實(shí)證分析，最終選取64個(gè)季度的滬深股票市場(chǎng)數(shù)據(jù)開(kāi)展研究。本文使用的所有數(shù)據(jù)均來(lái)源于Choice、CSMAR及Wind數(shù)據(jù)庫(kù)，其中的上市公司財(cái)務(wù)數(shù)據(jù)采用合并財(cái)務(wù)報(bào)表數(shù)據(jù)。

參考Liu et al.(2019)的研究方法，本文對(duì)樣本數(shù)據(jù)進(jìn)行如下處理：(1)剔除上市時(shí)間短于1年的股票，同時(shí)剔除股票上市后最初250個(gè)交易日的數(shù)據(jù)；(2)剔除長(zhǎng)期停牌股票，同時(shí)剔除最近1年少于120個(gè)交易日的股票；(3)剔除期末總市值最小的30%的股票；(4)剔除ST等被特殊處理的股票和已經(jīng)退市的股票；(5)剔除數(shù)據(jù)有缺失的股票，同時(shí)剔除資產(chǎn)為負(fù)或0的股票。

(二)變量定義

已有研究通常利用機(jī)構(gòu)投資者持股比例(institutional investor shareholding ratio)來(lái)衡量個(gè)股或者整個(gè)資本市場(chǎng)的投資者結(jié)構(gòu)(Stambaugh et al.，2015；連立帥等，2019)，并且證券監(jiān)管部門及交易所也采用該指標(biāo)來(lái)分析投資者群體。本文中機(jī)構(gòu)投資者持股比例的定義為機(jī)構(gòu)投資者持有流通股的市值與個(gè)股全流通市值之比，剔除了限售股，因?yàn)橄奘酃煞从巢怀鰴C(jī)構(gòu)對(duì)個(gè)股的估值判斷。Fama and French(2016)在構(gòu)建動(dòng)量因子時(shí)，以股票從第t-12個(gè)月至t-2個(gè)月的累計(jì)歷史收益率(Prior2～12)來(lái)進(jìn)行分組，本文參考這一做法，將Prior定義為股票t-4季度到t-2季度的累計(jì)歷史收益率(Prior2～4)。具體變量定義見(jiàn)表1。

表1 變量定義

(三)因子構(gòu)建

參考Fama and French(2015)分組及因子構(gòu)建方法，本文在第t年2季度末根據(jù)各指標(biāo)的分位點(diǎn)來(lái)分組，用于確定t年3季度至t+1年2季度的各股票組合。本文按照2×3方法進(jìn)行分組、構(gòu)造因子：(1)按股票市值(Size)的中位數(shù)把全體股票分成小市值(S)和大市值(B)兩組，按賬面市值比(Bm)的30%和70%分位點(diǎn)把全體股票分成賬面市值比高(H)、中(N)、低(L)三組，將市值和賬面市值比兩個(gè)指標(biāo)交叉，把全體股票分成SH、SN、SL、BH、BN、BL六個(gè)組合；(2)按歷史收益率(Prior)的30%和70%分位點(diǎn)把全體股票分成歷史收益率高(R)、中(N)、低(W)三組，將市值和歷史收益率兩個(gè)指標(biāo)交叉，把全體股票分成SR、SN、SW、BR、BN、BW六個(gè)組合；(3)按機(jī)構(gòu)投資者持股比例(Isr)的30%和70%分位點(diǎn)把全體股票分成機(jī)構(gòu)投資者持股比例高(I)、中(N)、低(P)三組，將市值和機(jī)構(gòu)投資者持股比例兩個(gè)指標(biāo)交叉，把全體股票分成SI、SN、SP、BI、BN、BP六個(gè)組合；(4)計(jì)算上述各組合每一期的流通市值加權(quán)平均收益率，利用不同組合收益率之差構(gòu)造規(guī)模因子(SMB)、價(jià)值因子(HML)、動(dòng)量因子(MOM)及投資者結(jié)構(gòu)因子(IMP)，具體因子構(gòu)造過(guò)程見(jiàn)表2。投資者結(jié)構(gòu)因子是本文研究的重點(diǎn)，首先計(jì)算SI、BI、SP、BP這四個(gè)組合每一期的流通市值加權(quán)平均收益率，然后利用前兩個(gè)和后兩個(gè)組合收益率之差構(gòu)造投資者結(jié)構(gòu)因子，即投資者結(jié)構(gòu)因子是按機(jī)構(gòu)投資者持股比例構(gòu)造多空對(duì)沖組合的收益率。

(四)模型構(gòu)建

本文通過(guò)GRS檢驗(yàn)最終選擇在Carhart四因子定價(jià)模型的基礎(chǔ)上增加IMP因子，構(gòu)建五因子模型：

其中，RP,t為t時(shí)期組合P的收益率；RF,t為t時(shí)期的無(wú)風(fēng)險(xiǎn)收益率；αP表示組合P產(chǎn)生的超額收益率；βM,P、βSMB,P、βHML,P、βMOM,P、βIMP,P分別表示組合P的風(fēng)險(xiǎn)收益率對(duì)相應(yīng)風(fēng)險(xiǎn)因子的敏感系數(shù)；(RM,t-RF,t)為市場(chǎng)因素在t時(shí)期的風(fēng)險(xiǎn)溢價(jià)；SMBt(small minus big)為規(guī)模因素在t時(shí)期的風(fēng)險(xiǎn)溢價(jià)；HMLt(high minus low)為賬面市值比因素在t時(shí)期的風(fēng)險(xiǎn)溢價(jià)；MOMt(momentum)為動(dòng)量因素在t時(shí)期的風(fēng)險(xiǎn)溢價(jià)；IMPt(investor minus private)為投資者結(jié)構(gòu)因素在t時(shí)期的風(fēng)險(xiǎn)溢價(jià)；εP,t為誤差項(xiàng)，服從正態(tài)分布。

五、實(shí)證結(jié)果與分析

為檢驗(yàn)投資者結(jié)構(gòu)是否是A股市場(chǎng)的定價(jià)因子，本文首先進(jìn)行了描述性統(tǒng)計(jì)、相關(guān)性分析及有效性檢驗(yàn)，其次對(duì)Carhart四因子模型及加入IMP因子的五因子模型進(jìn)行實(shí)證回歸，最后分析了投資者結(jié)構(gòu)因子在不同上市板塊及新冠疫情前后的不同表現(xiàn)。

(一)描述性統(tǒng)計(jì)與相關(guān)性分析

1.描述性統(tǒng)計(jì)

如表3所示，SMB、HML、MOM及IMP因子的均值分別為0.073、0.036、0.013及0.026，皆顯著不為零，表明滬深股票市場(chǎng)可能存在規(guī)模效應(yīng)、價(jià)值效應(yīng)、動(dòng)量效應(yīng)及投資者結(jié)構(gòu)因子。而市場(chǎng)因子的均值為-0.041，表明在樣本研究期間內(nèi)，整個(gè)市場(chǎng)是在下跌的。描述性統(tǒng)計(jì)并不足以判斷滬深股票市場(chǎng)不存在市場(chǎng)效應(yīng)而存在其他效應(yīng)，需要進(jìn)一步實(shí)證分析(李志冰等，2017)。

2.相關(guān)性分析

如表4所示，IMP與HML因子的相關(guān)系數(shù)為0.319，兩者顯著正相關(guān)，這可能是因?yàn)闄C(jī)構(gòu)投資者主要投資于價(jià)值型股票；IMP與MOM因子的相關(guān)系數(shù)為-0.556，兩者顯著負(fù)相關(guān)，這可能是因?yàn)楫?dāng)股價(jià)經(jīng)過(guò)大幅上漲后，機(jī)構(gòu)投資者開(kāi)始賣出該類股票(Carpenter et al.，2021)。

表4 因子相關(guān)性分析

(二)有效性檢驗(yàn)

1.市場(chǎng)風(fēng)格效應(yīng)檢驗(yàn)及冗余檢驗(yàn)

市場(chǎng)風(fēng)格效應(yīng)檢驗(yàn)可以檢驗(yàn)因子在風(fēng)險(xiǎn)調(diào)整后是否還具有顯著的風(fēng)險(xiǎn)溢價(jià)，通常用FF三因子模型作為風(fēng)險(xiǎn)調(diào)整的基準(zhǔn)模型。本文將MOM及IMP因子分別對(duì)FF三因子模型進(jìn)行回歸，回歸截距項(xiàng)(α)代表該因子經(jīng)FF三因子模型調(diào)整后的風(fēng)險(xiǎn)溢價(jià)。如表5的市場(chǎng)風(fēng)格效應(yīng)檢驗(yàn)結(jié)果所示，MOM和IMP因子風(fēng)險(xiǎn)調(diào)整后的溢價(jià)分別為0.018和0.014，仍顯著大于零，表明滬深股票市場(chǎng)存在經(jīng)FF三因子模型調(diào)整后仍然顯著的動(dòng)量效應(yīng)和投資者結(jié)構(gòu)因子。對(duì)于動(dòng)量效應(yīng)，李志冰等(2017)研究發(fā)現(xiàn)，滬深股票市場(chǎng)不存在月頻動(dòng)量效應(yīng)，而陸蓉等(2021)研究發(fā)現(xiàn)，非彩票型股票存在顯著的月頻動(dòng)量效應(yīng)。本文之所以得出不同結(jié)論，可能是因?yàn)閯?dòng)量效應(yīng)在季度頻率上表現(xiàn)得更加顯著，季頻收益率可以更好地描述機(jī)構(gòu)投資者的交易行為。對(duì)于投資者結(jié)構(gòu)因子，很少有國(guó)內(nèi)文獻(xiàn)進(jìn)行直接檢驗(yàn)，市場(chǎng)風(fēng)格效應(yīng)檢驗(yàn)結(jié)果初步證明了投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子。

表5 市場(chǎng)風(fēng)格效應(yīng)檢驗(yàn)及冗余檢驗(yàn)

五因子模型冗余檢驗(yàn)是用其中一個(gè)因子對(duì)其他四個(gè)因子進(jìn)行回歸，回歸截距項(xiàng)(α)代表經(jīng)其他四個(gè)因子調(diào)整后該因子的風(fēng)險(xiǎn)溢價(jià)。本文對(duì)RM-RF、SMB、HML、MOM、IMP五個(gè)因子分別進(jìn)行冗余檢驗(yàn)，結(jié)果如表5所示。SMB、MOM、IMP因子經(jīng)其他四個(gè)因子調(diào)整后的風(fēng)險(xiǎn)溢價(jià)皆顯著為正，表明滬深股票市場(chǎng)存在顯著的規(guī)模效應(yīng)、動(dòng)量效應(yīng)及投資者結(jié)構(gòu)因子。RM-RF和HML因子經(jīng)其他四個(gè)因子調(diào)整后的風(fēng)險(xiǎn)溢價(jià)不顯著，表明市場(chǎng)因子與價(jià)值因子在五因子模型中是冗余的。市場(chǎng)因子冗余可能是因?yàn)楣善睗q跌分化嚴(yán)重，個(gè)股收益受市場(chǎng)的影響越來(lái)越小，股價(jià)中的特質(zhì)信息含量越來(lái)越高，包含的市場(chǎng)信息越來(lái)越少(Carpenter et al.，2021)。吳世農(nóng)和許年行(2004)采用早期滬深股票市場(chǎng)數(shù)據(jù)研究發(fā)現(xiàn)，滬深股票市場(chǎng)不存在市場(chǎng)效應(yīng)。價(jià)值效應(yīng)冗余這一結(jié)果與田利輝等(2014)的研究相同，滬深股票市場(chǎng)不存在價(jià)值效應(yīng)。這可能是因?yàn)?，投資者結(jié)構(gòu)因子包含了價(jià)值因子的相關(guān)信息，價(jià)值因子能夠被投資者結(jié)構(gòu)因子解釋，機(jī)構(gòu)投資者主要投資于價(jià)值型股票(孫立和林麗，2006)，表4的相關(guān)性分析也證實(shí)了這一點(diǎn)。

2.GRS檢驗(yàn)

參考李志冰等(2017)的研究方法，本文利用G R S統(tǒng)計(jì)量檢驗(yàn)資產(chǎn)定價(jià)模型的有效性。如果定價(jià)模型可以很好地解釋股票的收益波動(dòng)，則GRS統(tǒng)計(jì)量就會(huì)很小，且原假設(shè)更不容易被拒絕。本文分別按Size-Bm、Size-Prior、Size-Isr進(jìn)行5×5分組，然后分別對(duì)FF三因子模型、Carhart四因子模型及新構(gòu)建的五因子模型進(jìn)行GRS檢驗(yàn)。

在表6的GRS檢驗(yàn)結(jié)果中，相較于FF三因子模型，不同分組下的Carhart四因子模型的GRS統(tǒng)計(jì)量更小，表明滬深股票市場(chǎng)確實(shí)存在顯著的季頻動(dòng)量效應(yīng)，增加MOM因子有助于提高模型的解釋能力。同時(shí)，加入IMP因子的五因子模型，在不同分組下的GRS統(tǒng)計(jì)量大幅減小，并且在1%水平下顯著，說(shuō)明投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子，相較于FF三因子模型和Carhart四因子模型，本文所構(gòu)建的五因子模型對(duì)投資組合的風(fēng)險(xiǎn)溢價(jià)有更好的解釋能力。

表6 GRS檢驗(yàn)結(jié)果

(三)模型回歸結(jié)果

1.Carhart四因子模型：動(dòng)量效應(yīng)

學(xué)者對(duì)動(dòng)量因子進(jìn)行了大量研究，同時(shí)動(dòng)量因子也是應(yīng)用最為廣泛的因子之一。動(dòng)量效應(yīng)由Jegadeesh and Titman(1993)提出，他們發(fā)現(xiàn)在美國(guó)股票市場(chǎng)上過(guò)去3～12個(gè)月收益較高的股票在未來(lái)3～12個(gè)月也會(huì)取得較高的收益。Carhart(1997)將動(dòng)量因子放入FF三因子模型中，證明了美國(guó)股票市場(chǎng)確實(shí)存在顯著的動(dòng)量效應(yīng)。Fama and French(2016)發(fā)現(xiàn)美國(guó)股市不存在經(jīng)FF五因子模型調(diào)整后的動(dòng)量效應(yīng)。A股市場(chǎng)是否存在動(dòng)量效應(yīng)仍有爭(zhēng)議。魯臻和鄒恒甫(2007)研究發(fā)現(xiàn)，滬深股票市場(chǎng)的噪聲交易太多，存在顯著的反轉(zhuǎn)效應(yīng)。高秋明等(2014)研究發(fā)現(xiàn)，滬深股票市場(chǎng)存在周度頻率的動(dòng)量效應(yīng)。白顥睿等(2020)研究發(fā)現(xiàn)，滬深股票市場(chǎng)存在日內(nèi)動(dòng)量效應(yīng)及隔夜動(dòng)量效應(yīng)，而不存在月頻動(dòng)量效應(yīng)。

本文分別按Size-Prior、Bm-Prior進(jìn)行5×5分組，SmallSize、Bigsize分別代表小市值和大市值股票組合，LowBm、HighBm分別代表賬面市值比低和高的股票組合，WeakPrior、RobustPrior分別代表歷史收益率低和高的股票組合。利用前文構(gòu)造的因子對(duì)Carhart四因子模型進(jìn)行回歸，并且主要對(duì)動(dòng)量因子的回歸系數(shù)進(jìn)行分析，結(jié)果如表7所示。在t-4至t-2季度累計(jì)收益率較高的組合中，MOM因子的系數(shù)顯著為正；而在歷史收益率較低的投資組合中，MOM因子的系數(shù)顯著為負(fù)，表明滬深股票市場(chǎng)存在顯著的季頻動(dòng)量效應(yīng)，這可能是因?yàn)閯?dòng)量效應(yīng)在季度頻率上表現(xiàn)得更加顯著，季頻收益率可以更好地描述機(jī)構(gòu)投資者的交易行為。在股價(jià)波動(dòng)中，機(jī)構(gòu)投資者扮演著主要角色，而個(gè)人投資者很大程度上是在充當(dāng)機(jī)構(gòu)投資者的交易對(duì)手方，為市場(chǎng)提供流動(dòng)性(孔東民等，2019)。本文與已有研究發(fā)現(xiàn)一致，滬深股票市場(chǎng)存在顯著的日內(nèi)、日頻(白顥睿等，2020)、周頻(高秋明等，2014)及季頻動(dòng)量效應(yīng)，而不存在月頻動(dòng)量效應(yīng)(魯臻和鄒恒甫，2007)。

2.加入投資者結(jié)構(gòu)因子的五因子模型

盡管學(xué)術(shù)界比較關(guān)注資產(chǎn)定價(jià)問(wèn)題，但并未從理論及實(shí)證方面研究投資者結(jié)構(gòu)對(duì)股票橫截面收益的影響，本文通過(guò)理論分析提出投資者結(jié)構(gòu)是A股市場(chǎng)定價(jià)因子的假設(shè)，并且對(duì)該假設(shè)進(jìn)行實(shí)證檢驗(yàn)。本文分別按Size-Isr、Bm-Isr、Prior-Isr進(jìn)行5×5分組，PrivateIsr、InvestorIsr分別代表機(jī)構(gòu)投資者持股比例低和高的股票組合，對(duì)本文構(gòu)建的五因子模型進(jìn)行時(shí)間序列回歸，檢驗(yàn)投資者結(jié)構(gòu)是否是滬深股票市場(chǎng)的定價(jià)因子。

如表8的回歸結(jié)果所示，在機(jī)構(gòu)投資者持股比例高的投資組合中，IMP因子的系數(shù)顯著為正；而在機(jī)構(gòu)投資者持股比例較低的組合中，IMP因子的系數(shù)顯著為負(fù)，表明持有機(jī)構(gòu)投資者持股比例高的資產(chǎn)組合可以獲取較高的預(yù)期收益，投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子，證實(shí)了假設(shè)H1。

這可能是因?yàn)?，首先，機(jī)構(gòu)投資者屬于積極的監(jiān)督者，機(jī)構(gòu)投資者持股有利于改善上市公司的經(jīng)營(yíng)業(yè)績(jī)(Lee and Masulis，2011)及提高上市公司的信息披露質(zhì)量(李春濤，2018)。其次，機(jī)構(gòu)投資者遵循價(jià)值投資理念(Carpenter et al.，2021)，較高的機(jī)構(gòu)投資者持股比例代表股票的價(jià)值被低估，股價(jià)可能會(huì)上漲；而較低的機(jī)構(gòu)投資者持股比例代表股票的估值偏高，股價(jià)可能會(huì)下跌。最后，在交易中個(gè)人投資者起到為機(jī)構(gòu)投資者提供流動(dòng)性的作用(孔東民等，2019)，即當(dāng)機(jī)構(gòu)投資者買賣股票時(shí)，個(gè)人投資者會(huì)充當(dāng)其交易對(duì)手方。

(四)進(jìn)一步分析

1.上市板塊與投資者結(jié)構(gòu)

在滬深股票市場(chǎng)上，主板、創(chuàng)業(yè)板與科創(chuàng)板在服務(wù)上市公司及投資者方面的功能定位是不同的，在上市制度、投資者準(zhǔn)入制度及交易制度等方面是有差異的。因此，本文將上海證券交易所主板與深圳證券交易所主板作為一個(gè)子樣本，同時(shí)將創(chuàng)業(yè)板與科創(chuàng)板作為一個(gè)子樣本，檢驗(yàn)IMP因子溢價(jià)在這兩個(gè)不同的子樣本中是否有差異。本文分別按Size-Isr、Bm-Isr、Prior-Isr進(jìn)行5×5分組，對(duì)本文構(gòu)建的五因子模型進(jìn)行實(shí)證回歸，檢驗(yàn)不同上市板塊下IMP因子的不同表現(xiàn)。

如表9的回歸結(jié)果所示，在創(chuàng)業(yè)板與科創(chuàng)板投資組合的回歸中，IMP因子的系數(shù)明顯大于主板，在投資者持股比例最高的組合中，各個(gè)上市板塊的IMP因子系數(shù)基本上都顯著為正，并且創(chuàng)業(yè)板與科創(chuàng)板的系數(shù)明顯大于滬深主板，證實(shí)了假設(shè)H2，創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)高于滬深主板。

表9 不同上市板塊下的投資者結(jié)構(gòu)因子

這可能是因?yàn)?，首先，相?duì)于滬深主板市場(chǎng)，創(chuàng)業(yè)板與科創(chuàng)板的機(jī)構(gòu)投資者占比更高，機(jī)構(gòu)投資者可以對(duì)創(chuàng)業(yè)板與科創(chuàng)板上市公司形成更有效的監(jiān)督，有利于提高上市公司的每股收益(Lee and Masulis，2011)及信息披露質(zhì)量(李春濤等，2018)，機(jī)構(gòu)投資者持股比例對(duì)創(chuàng)業(yè)板與科創(chuàng)板股票的未來(lái)收益影響更大。其次，相對(duì)于滬深主板市場(chǎng)，投資者對(duì)創(chuàng)業(yè)板及科創(chuàng)板股票進(jìn)行合理估值的難度更大，機(jī)構(gòu)投資者在創(chuàng)業(yè)板與科創(chuàng)板上的專業(yè)優(yōu)勢(shì)更加明顯，持有高機(jī)構(gòu)投資者持股比例的創(chuàng)業(yè)板與科創(chuàng)板投資組合的超額收益更高。最后，熊艷等(2014)研究發(fā)現(xiàn)，個(gè)人投資者在創(chuàng)業(yè)板市場(chǎng)上的非理性交易程度高于主板市場(chǎng)，在創(chuàng)業(yè)板與科創(chuàng)板市場(chǎng)上，進(jìn)行非理性交易的個(gè)人投資者可以更好地充當(dāng)機(jī)構(gòu)投資者的交易對(duì)手方。

2.疫情沖擊下的資產(chǎn)定價(jià)

2020年初爆發(fā)的新冠疫情對(duì)上市公司及資本市場(chǎng)皆造成了一定的影響，已有文獻(xiàn)并未分析疫情沖擊下的資產(chǎn)定價(jià)異象，本文以2019年4季度末為時(shí)間分界點(diǎn)，將全樣本劃分為疫情前后兩個(gè)子樣本，以此來(lái)檢驗(yàn)疫情沖擊是否導(dǎo)致投資者結(jié)構(gòu)因子產(chǎn)生了不同的表現(xiàn)。本文分別按Size-Isr、Bm-Isr、Prior-Isr進(jìn)行5×5分組，對(duì)本文構(gòu)建的五因子模型進(jìn)行實(shí)證回歸，檢驗(yàn)疫情發(fā)生前后投資者結(jié)構(gòu)因子的不同表現(xiàn)。

如表10的回歸結(jié)果所示，在疫情后的投資組合中，IMP因子系數(shù)明顯大于疫情前，在持股比例高的那一組中，疫情前及疫情后的IMP因子系數(shù)基本上都顯著為正，同時(shí)疫情后的系數(shù)大于疫情前，因此疫情后A股市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)更高，證實(shí)了假設(shè)H3。

表10 疫情沖擊下的投資者結(jié)構(gòu)因子

這可能是因?yàn)?，首先，新冠疫情?dǎo)致機(jī)構(gòu)投資者的抱團(tuán)行為更加明顯。在2020年初至2022年初的疫情期間，早期機(jī)構(gòu)抱團(tuán)股都實(shí)現(xiàn)了大幅上漲，之后機(jī)構(gòu)開(kāi)始高位減倉(cāng)，之前的機(jī)構(gòu)抱團(tuán)股開(kāi)始回調(diào)，因此疫情沖擊導(dǎo)致機(jī)構(gòu)投資者持股比例與股票未來(lái)收益率的正相關(guān)關(guān)系更加強(qiáng)烈。陳赟等(2020)研究發(fā)現(xiàn)，疫情沖擊確實(shí)影響了滬深股票市場(chǎng)的個(gè)股收益率。其次，疫情沖擊導(dǎo)致線上經(jīng)濟(jì)快速發(fā)展，資本市場(chǎng)上的信息不對(duì)稱水平下降，機(jī)構(gòu)投資者可以獲取更多的信息，從而對(duì)股票價(jià)值作出更加準(zhǔn)確的判斷，以至于機(jī)構(gòu)投資者持股比例包含更多的股價(jià)信息。最后，由于疫情期間機(jī)構(gòu)投資者抱團(tuán)行為更加明顯及市場(chǎng)信息不對(duì)稱水平下降，導(dǎo)致機(jī)構(gòu)投資者可以對(duì)上市公司進(jìn)行更加有效的監(jiān)督(Lee and Masulis，2011)，有利于改善企業(yè)經(jīng)營(yíng)業(yè)績(jī)及提高股價(jià)。

六、穩(wěn)健性檢驗(yàn)

前文將IMP因子加入到Carhart四因子模型中構(gòu)建五因子模型，證明了投資者結(jié)構(gòu)是滬深兩市的定價(jià)因子。為了保證實(shí)證結(jié)果的穩(wěn)健性，本文進(jìn)一步將IMP因子分別加入到FF三因子模型、替換因子的Carhart四因子模型及FF五因子模型中。之所以選擇這三個(gè)模型進(jìn)行穩(wěn)健性檢驗(yàn)，是因?yàn)檫@三個(gè)模型在A股市場(chǎng)上具有較強(qiáng)的適用性，有助于證明本文對(duì)投資者結(jié)構(gòu)因子的實(shí)證分析結(jié)果是穩(wěn)健的。

(一)FF三因子模型加投資者結(jié)構(gòu)因子

本文將IMP因子加入到FF三因子模型中構(gòu)建四因子模型，檢驗(yàn)IMP因子經(jīng)FF三因子模型調(diào)整后是否仍然顯著。本文分別按照Size-Isr、Bm-Isr進(jìn)行5×5分組，然后進(jìn)行實(shí)證回歸。如表11的回歸結(jié)果所示，機(jī)構(gòu)投資者持股比例較高的組合存在較高的因子溢價(jià)，與基準(zhǔn)回歸結(jié)果相同。

(二)替換因子的Carhart四因子模型加投資者結(jié)構(gòu)因子

本文參考Liu et al.(2019)的研究，將Carhart四因子模型中的HML因子替換為利潤(rùn)市值比因子(VMG)，檢驗(yàn)經(jīng)替換因子后的Carhart四因子模型調(diào)整后IMP因子是否仍然顯著。VMG因子構(gòu)造方法與HML因子相同，只是將賬面市值比(Bm)替換為利潤(rùn)市值比(Ep)，利潤(rùn)市值比為每股收益與股價(jià)之比。本文分別按Size-Isr、Ep-Isr、Prior-Isr進(jìn)行5×5分組，LowEp、HighEp分別代表利潤(rùn)市值比低和高的股票組合。對(duì)此處新構(gòu)建的五因子模型進(jìn)行實(shí)證回歸，表12顯示的回歸結(jié)果與基準(zhǔn)回歸相同，機(jī)構(gòu)投資者持股比例較高的組合存在較高的因子溢價(jià)。

表12 穩(wěn)健性檢驗(yàn)：替換因子的Carhart四因子模型加IMP因子

(三)FF五因子模型加投資者結(jié)構(gòu)因子

本文將IMP因子加入到FF五因子模型中構(gòu)建六因子模型，檢驗(yàn)IMP因子經(jīng)FF五因子模型調(diào)整后是否仍然顯著。仍然采用2×3的分組及因子構(gòu)造方法，盈利能力因子(RMW)基于營(yíng)運(yùn)利潤(rùn)率(Op)構(gòu)造，投資風(fēng)格因子(CMA)基于總資產(chǎn)變動(dòng)率(Inv)構(gòu)造。本文分別按照Size-Isr、Bm-Isr、Op-Isr、Inv-Isr進(jìn)行5×5分組，WeakOp、RobustOp分別代表盈利能力弱和強(qiáng)的股票組合，ConservInv、AggressInv分別代表投資風(fēng)格保守和激進(jìn)的股票組合。對(duì)新構(gòu)建的六因子模型進(jìn)行實(shí)證回歸，如表13的回歸結(jié)果所示，機(jī)構(gòu)投資者持股比例較高的組合存在較高的因子溢價(jià)，與基準(zhǔn)回歸結(jié)果相同，表明本文的實(shí)證結(jié)果是穩(wěn)健的。

表13 穩(wěn)健性檢驗(yàn)：FF五因子模型加IMP因子

七、結(jié)論與啟示

為檢驗(yàn)投資者結(jié)構(gòu)是否是中國(guó)股票市場(chǎng)的定價(jià)因子，本文利用滬深股票市場(chǎng)2006―2021年的上市公司季度數(shù)據(jù)構(gòu)建投資者結(jié)構(gòu)因子，并且將該因子加入Carhart四因子模型中，構(gòu)建了五因子模型。本文研究發(fā)現(xiàn)：第一，Carhart四因子模型適用于滬深股票市場(chǎng)，滬深股票市場(chǎng)存在顯著的季頻動(dòng)量效應(yīng)。第二，投資者結(jié)構(gòu)是滬深股票市場(chǎng)的定價(jià)因子，經(jīng)Carhart 四因子模型調(diào)整后，該因子仍然顯著。第三，相對(duì)于滬深主板，創(chuàng)業(yè)板與科創(chuàng)板的投資者結(jié)構(gòu)因子溢價(jià)更高，這可能是因?yàn)閯?chuàng)業(yè)板與科創(chuàng)板的投資者結(jié)構(gòu)相對(duì)成熟。第四，新冠疫情提高了滬深股票市場(chǎng)的投資者結(jié)構(gòu)因子溢價(jià)，這可能是因?yàn)橐咔閺?qiáng)化了機(jī)構(gòu)投資者的抱團(tuán)行為，并且降低了A股市場(chǎng)上的信息不對(duì)稱水平。

本文結(jié)論具有一定的政策啟示：第一，投資者結(jié)構(gòu)因子的存在說(shuō)明A股市場(chǎng)的投資者持倉(cāng)或者交易結(jié)構(gòu)仍然不成熟，證券監(jiān)管部門可以通過(guò)加強(qiáng)個(gè)人投資者教育及機(jī)構(gòu)投資者培育來(lái)解決該問(wèn)題。在加強(qiáng)個(gè)人投資者教育方面，監(jiān)管部門應(yīng)該向個(gè)人投資者普及證券投資知識(shí)，鼓勵(lì)個(gè)人投資者將股票投資轉(zhuǎn)化為基金投資或者相關(guān)理財(cái)產(chǎn)品；在加強(qiáng)機(jī)構(gòu)投資者培育方面，監(jiān)管部門應(yīng)該為公募基金、私募基金、保險(xiǎn)等機(jī)構(gòu)資金提供更好的制度環(huán)境。第二，投資者結(jié)構(gòu)因子的存在表明個(gè)人投資者可以通過(guò)追蹤機(jī)構(gòu)投資者持倉(cāng)來(lái)獲取超額收益，這種模仿交易行為會(huì)導(dǎo)致A股市場(chǎng)異常波動(dòng)及市場(chǎng)流動(dòng)性下降，監(jiān)管部門可以通過(guò)加強(qiáng)個(gè)人投資者教育來(lái)引導(dǎo)其交易行為。同時(shí)，監(jiān)管部門可以通過(guò)完善A股市場(chǎng)監(jiān)管體系，包括加強(qiáng)對(duì)上市公司信息披露的監(jiān)管以及嚴(yán)厲打擊內(nèi)幕交易等，為個(gè)人投資者的自主交易提供保障，以此降低個(gè)人投資者進(jìn)行模仿交易的動(dòng)機(jī)。 ■