信息不对称视角下的知情交易与动量效应

潘炳红，王春峰，房振明

(天津大学管理与经济学部，天津 300072)

关于动量效应，目前主要有两种观点:其一是基于行为金融学理论，认为动量效应来自于投资者对信息的反应不足、反应过度或羊群效应等非理性行为;其二是基于有效市场理论，认为时变的横截面方差、数据挖掘和行业因素导致了动量效应的出现。WANG［1］提出了以异质信念和非对称信息为基础的价格发现模型，认为资产收益的持续性特征与信息不对称程度密切相关，从而开创了用知情交易解释动量效应的先河。HONG等［2］指出，知情交易活跃时容易引发动量效应，因为广泛存在的反应不足致使新信息对于资产价格的调整过程比较缓慢。O'HARA［3］再次强调，动量效应等市场异象的大量涌现意味着有必要把知情交易行为纳入资产定价过程。

其后的研究则主要集中于对知情交易与动量效应之间关系的实证检验。SADKA［4］发现知情交易者与噪音交易者的数量之比及知情交易者所掌握的信息质量能够比较充分地解释动量效应。HAMEED等［5］认为知情交易行为是资产收益持续性变动的决定因素之一，并在横截面研究中发现知情交易概率(probability of informed trading，PIN)高的股票拥有更显著的动量效应。BLOOMFIELD等［6］在模拟实验中也证明了只有知情交易活跃的市场才会出现短期的动量效应。CHEN和ZHAO［7］利用构造投资组合的方法确定了知情交易对动量效应的影响。

而国内关于这方面的研究相对较少，因为我国市场上动量效应的存在与否曾饱受争议。不过最近的一系列实证研究均肯定了动量效应的存在，并指出其期限明显短于西方国家，主要集中在短期(4 周以内)［8－11］，因此，有必要进一步探讨动量效应是否与知情交易有关。笔者从交易活跃性的视角构建了一个时变PIN模型，根据Fama-French四因素定价理论利用面板回归分析考察了A股市场上知情交易行为对价格动量效应的影响，进而证实了非对称信息与资产收益持续性特征之间的作用关系。

1 理论框架与模型构建

1．1 知情交易影响动量效应的理论分析

信息分布的不对称性导致投资者在处理信息的过程中形成了不同的价值判断，采取了不同的交易策略，他们的交易行为会引起流动性与波动性的改变，进而渗透到均衡价格的形成过程并影响资产的价格走势，更可能会导致一些市场异象的出现。

资产交易过程实际上也是私有信息在投资者之间逐步扩散的过程。伴随着交易量、换手率等指标的变化，基于私有信息的知情交易行为(主要为内幕交易)得以暴露。同时，非知情交易者会通过观察和学习来探测可能存在的私有信息并改进交易策略。这类行为往往会导致资产收益发生同方向变动，出现动量效应。当信息完全被市场所消化之后，动量效应随即消失，但前期的过度反应也可能诱发反转现象。知情交易比例的增加意味着有新的私有信息流露出来，与此相应的交易行为会加剧资产价格的持续性变动，信息扩散的速度也会影响动量效应的存在周期。

1．2 时变PIN模型

1．2．1 基本假设与交易活跃性

假设市场上只存在知情交易者和非知情交易者两类交易者，他们在连续的交易日内进行资产与现金交易，t∈［1，T］，风险中性，且期望利润为零。在每个交易日开始前，有关资产真实价值的消息事件发生与否完全取决于自然因素，不妨设有消息发生的概率为α。消息事件按属性可划分为坏消息和好消息，相应的概率分别为δ和1－δ。知情交易者与非知情交易者的到达服从独立的泊松过程。其中，知情交易者只根据消息属性进行单向交易，即在获知好消息时买入资产，在获知坏消息时卖出资产，到达率为μt;而非知情交易者买进或卖出资产则与消息事件无关，其交易是双向的，买单和卖单的到达率分别为

交易活跃性是指投资者交易意愿的强烈程度，它直接影响交易的到达情况。可以将其简单分为高、低两类水平，那么交易的到达就相应地表现为高、低两种状态。

1．2．2 交易到达与状态转移

关于非知情交易，假设其在每个交易日的到达率均服从一个包含高、低两类水平的Markov状态转移过程［12］，那么时变的状态转移概率可以用κt表示:

而关于知情交易，尽管其买卖方向已由消息属性决定，但交易活跃程度的不同也会导致订单到达表现出两种状态。为了在模型中简单有效地反映知情交易的到达与状态转换，引入反应匹配度的概念。反应匹配度ρ是指在知情交易者与非知情交易者活跃程度相同时的概率。0＜ρ＜1，若ρ=1，则说明知情交易者与非知情交易者的到达状态完全一致。它实际上反映了知情交易行为被非知情交易者模仿的程度。因此，有必要强调两点基础假设:①知情交易状态不受前一天其自身水平的影响;②反应匹配度在一定时期内保持不变。

这样，每个交易日都可能会出现以下4种交易状态:①知情交易到达率高，非知情交易到达率高;②知情交易到达率低，非知情交易到达率高;③知情交易到达率高，非知情交易到达率低;④知情交易到达率低，非知情交易到达率低。图1显示了一个交易日内完整的交易过程。

图1 第t个交易日的交易过程图

在这4种状态中，状态①和状态④符合交易活跃性一致的要求，故有:

由此可推导出每种交易状态的转移概率为:

因此，每个交易日的Markov状态转移矩阵可表示为:

式中，矩阵中的列为交易日t的交易情况，行为交易日t－1的交易情况。

1．2．3 TPIN 测度与估计

基于上述讨论，可以得到一个能够反映时变知情交易情况的日度PIN测度指标:

1．3 资产定价模型中的动量因素

动量效应是指资产价格在一定时间内表现出变动的持续性。虽然这一现象在实际交易中普遍存在，但它无法被传统的资产定价模型所解释。CARHART［13］在Fama-French三因素模型的基础上增加了动量因素，构建了由市场因素、规模因素、价值因素和动量因素组成的四因素均衡定价模型，从而凸显了资产价格中的动量效应。该模型的表达式为:

式中:Ri为个股收益率;Rf为无风险收益率;Rm为市场收益率;SMB为公司市值;HML为公司账面市值比;UMD为动量效应。

为了考察知情交易对动量效应的影响，笔者使用知情交易概率与个股收益率的乘积(TPINi·Ri)作为动量因素的代理变量。

2 实证设计与分析

2．1 样本与数据

选取上证50指数成分股作为研究对象，数据来源于国泰君安分笔高频数据库，观测期为2009年全年244个交易日，去除当年未上市或ST处理的股票后，共有42个样本。

2．2 时变PIN模型估计结果

时变PIN模型的参数估计值由最大似然估计法得到，而该最大化问题没有解析解，目前只能采用数值最大化技术近似求解。利用混沌算法估计出上述42只股票的参数情况，统计结果如表1所示。不难看出，样本股票的消息事件发生概率差别不大，但知情交易到达率和反应匹配度等方面却差异明显，这说明不同股票的知情交易在数量和行为特征方面存在明显不同。显然，观测期内各只股票的TPIN均值水平也有所不同，其中最低为 0．080(601898)，最高为0．170(600048)。

表1 时变PIN模型主要参数估计值的统计结果

2．3 知情交易行为对价格动量效应的影响

基于Fama-French四因素定价原理，以知情交易概率与收益率的乘积作为动量因素的代理变量，通过对观测期内的样本股进行面板回归分析来考察知情交易行为对动量效应的影响情况。另外，为了反映动量效应的周期特点，在回归方程中同时 引 入 TPINi，t－1· ri，t－1、TPINi，t－5· ri，t－5和TPINi，t－20·ri，t－20来分别表示期限为 1 天、1 周和1个月的动量效应，基本形式如式(11)所示:

式中:r为日收益率;rm为市场平均日收益率;smb为每日市值;hml为每日账面市值比;TPIN为每日知情交易概率;δ为相应股票的虚拟变量。

2．3．1 不同周期下的知情交易与动量效应

在考虑了周期因素后，可由式(11)延伸出5个子模型，分别做变截距面板回归估计，其结果如表2所示。由此可知，在A股市场上，知情交易行为会引起短暂的价格动量效应以及后期的收益反转效应。当知情交易概率提高时，资产收益在下一个交易日呈现出更强的持续性，但1周后会出现反转。具体来说，若收益率为正，TPIN每增加0．01，第二日的收益率大约提高0．17%，而1周之后的收益率大约下降0．26%，但对于1个月之后的收益情况没有显著影响。这是因为在知情交易者依据私有信息采取行动后，洞察到这一现象的非知情交易者会盲目地模仿进而推动资产价格的趋势变动，导致其偏离真实价值。随着消息事件的明朗化，有关价格的错误预期逐渐被市场所纠正，收益率再次回归到真实水平附近。

表2 知情交易与动量效应的面板回归结果

2．3．2 不同PIN水平下的知情交易与动量效应

知情交易概率本质上反映了信息分布的不对称程度。其不对称程度不同，知情交易对于动量效应的影响效果也可能有所不同，在42只样本股中选取TPIN平均值最高和最低的股票各10只，分别进行面板回归分析，其结果如表3所示。

由表3可知，若PIN总体水平较低，价格的动量效应显著且强烈，同时后期的收益反转效应也更加明显;若PIN总体水平较高，价格的动量效应并不显著，只表现出滞后1周的收益反转效应。这其中的差别应该与信息不对称的程度有关。对于信息不对称程度通常较低的股票而言，非知情交易者由于认知偏差或过度自信更加依赖自己的信息和判断，反应不足和反应过度都会致使信息扩散缓慢，从而突出了价格动量效应，之后的信息校正过程则会引发接下来的收益反转现象。不过对于那些信息不对称程度通常较高的股票而言，非知情交易者倾向于观察、学习进而探测可能发生的非公开信息，因此信息扩散速度较快，动量效应不显著。正如HONG和STEIN指出的，若有关某只股票的信息扩散越慢，该股票的价格动量效应越明显［14］，研究所得的实证结果与此相吻合。

表3 不同PIN水平下知情交易对动量效应的影响

3 结论

从交易活跃性的角度构建了一个基于Mark-ov状态转移的时变PIN模型，衡量出日度知情交易概率，在此基础上结合Fama-French四因素模型进一步考察了知情交易与动量效应之间的关系。在我国A股市场上，知情交易对动量效应有短暂的显著影响，而影响效果则取决于信息的不对称程度。一般情况下，当知情交易概率提高时，资产价格变动的持续性增强，但在一周后会出现收益反转现象。特别是对于信息不对称水平相对较低的股票而言，PIN的变化会引起比较强烈的动量效应，而信息不对称水平相对较高的股票对此并不敏感。因此，基于信息不对称的视角，可以把动量效应看作是私有信息传递过程中的一个附属产物，并且它很快会被市场纠正。实际上，这种现象只是反映了某一时期或某一阶段内市场效率的缺失，其本身并不足以否定市场有效性，也不意味着套利机会的长期存在。

［1］ WANG J．A model of competitive stock trading volume［J］．Journal of Political Economy，1994(102):127 －168．

［2］ HONG H，STEIN J C．A unified theory of under reaction，momentum trading and overreaction in asset markets［J］．Journal of Finance，1999(54):2143 －2184．

［3］ O'HARA M．Presidential address:liquidity and price discovery［J］．Journal of Finance，2003(58):1335 －1354．

［4］ SADKA R．Momentum and post-earnings-announcement drift anomalies:the role of liquidity risk［J］．Journal of Financial Economics，2006(80):309 －349．

［5］ HAMEED A，HONG D，WARACHKA J．Momentum and informed trading［DB/OL］．［2013-05-20］．http://papers．ssrn．com/sol3/papers．cfm?abstract_id=1013224，2008－03－17．

［6］ BLOOMFIELD R，TAYLER W，ZHOU F．Momentum，reversal，and uninformed traders in laboratory markets［J］．Journal of Finance，2009(64):2535 －2558．

［7］ CHEN Y，ZHAO H．Informed trading，information uncertainty，and price momentum［J］．Journal of Bank ＆Finance，2012(36):2095－2109．

［8］ 朱战宇，吴冲锋，王承炜．不同检验周期下中国股市价格动量的赢利性研究［J］．世界经济，2003(8):62－67．

［9］ 徐信忠，郑纯毅．中国股票市场动量效应成因分析［J］．经济科学，2006(1):85 －99．

［10］ 严太华，梁岚．上海股票市场动量效应研究:基于1995—2009年周收益率数据［J］．技术经济，2011，30(5):109－111．

［11］ 柯军，卢二坡．不同规模公司股票在不同市场状态下动量效应研究［J］．财经问题研究，2011，32(1):82－88．

［12］ LEI Q，WU G J．Time-varying informed and uninformed trading activities［J］．Journal of Financial Markets，2005(8):153 －181．

［13］ CARHART M．On persistence in mutual fund performance［J］．Journal of Finance，1997(52):57 －82．

［14］ EASLEY D，KIEFER N M，O'HARA M，et al．Liquidity，information，and infrequently traded stocks［J］．Journal of Finance，1996(51):1405－1436．