毛羽丰+门明
内容摘要:本文以2005-2013年的上证综指和十个上证行业指数为研究对象,采用行为资本资产定价模型(BCAPM)为分析框架,并基于EGARCH(1,1)-GED设定实证模型,进行实证分析,最后得出相关结论。
关键词:反馈交易 股票市场 自相关性 行为资本资产定价模型
引言
传统金融学理论假设投资者是“理性的”,其投资决策有赖于对市场基本面的分析,实践中投资者却存在大量非理性行为,给证券价格形成过程带来“噪音”。反馈交易者便是较典型的一类噪音制造者,他们不以基本面信息作为投资决策的准绳,而是从证券价格的历史变动中寻找某种趋势,并预期这种趋势将会持续,进而选择买入卖出的时机来获利。
2013年诺贝尔经济学奖得主Shiller(1984;1990)最先从理论上证明了反馈交易者的存在,此后,关于反馈交易的理论研究不断发展,而国内外学者也在实证研究中找到了大量证明反馈交易者存在性的经验证据。一方面,发达国家股票市场和新兴股票市场均显著存在不同程度的反馈交易行为,但在新兴股票市场上,反馈交易者的作用和影响更加显著,尤其是市场下跌时(Sentana & Wadhwani,1992;Koutmos,1997;Watanabe,2002;Koutmos & Saidi,2001)。不过,在金融危机期间,情况有所不同,发达国家股票市场受到反馈交易的影响更显著(Bohl & Siklos,2008)。另一方面,我国股市也存在显著的正反馈交易行为,并且投资者的正反馈交易行为具有不对称性,在市场下降时比市场上升时更加显著(李少平、顾广彩,2007;汪孟海、周爱民,2009)。但有的学者认为,我国股市的反馈交易行为比发达国家更加显著(何剑、姚益清,2009),有的学者却认为我国股市投资者的反馈交易行为影响较发达国家更小(唐、曾勇、唐小我,2002)。
国内外学者对反馈交易者行为的讨论均是基于总体市场层面的。他们在实证研究中使用的市场指数反映市场的总体走势,代表的是投资者行为的一般或平均水平,过滤掉了许多个体非理性行为,呈现的是群体非理性行为。而各类股票投资者的反馈交易行为是否存在差异却无从得知。本文选取上证行业股指为研究对象进行实证研究,将对中国股票市场反馈交易者行为的分析延伸至更加微观的行业层面。
BCAPM和实证模型设定
(一)行为资本资产定价模型(BCAPM)
Sentana & Wadhwani(1992)在CAPM分析框架下考虑了反馈交易者非理性行为的影响,提出了行为资本资产定价模型(BCAPM)。该模型包含两类投资者。第一类投资者为信息交易者,其投资决策遵循CAPM理论,如果以It表示t时间其需求证券占市场总需求的份额,则其需求方程为:
(1)
其中:rt 为t 期的事后收益率;Et-1(·) 给定t-1期信息的条件期望;α 表示该类投资者对证券需求为0时的收益率(即无风险收益率);μt 为t期投资者意愿持有该证券要求的风险溢价。传统的CAPM模型假设μt 是条件方差σ2t的函数,即:
(2)
且由于理性投资者都是风险厌恶的,风险越大,要求的风险补偿越大,由此可知μ`(σ2t) >0 。考虑一个最简化的情形,假设投资者要求的风险补偿与条件波动率呈线性关系,即:
(3)
其中θ>0 。
市场上的第二类投资者依据过去的价格信息来进行投资决策。如果投资者在证券价格上涨时买入,在证券价格下跌时卖出,那么称其为正反馈交易者;反之,如果投资者在证券价格上涨时卖出,在证券价格下跌时买入,那么称其为负反馈交易者。反馈交易者的需求函数可以表示为:
Ft=γ·rt-1 (4)
对正反馈交易者而言,γ>0 ;对负反馈交易者来说,γ<0 。市场出清时,信息交易者和反馈交易者持有的证券的总份额为1,即:
It+Ft=1 (5)
因此,由(1)-(5)式可得:
(6)
这就是行为资本资产定价模型(BCAPM),其贡献在于将非理性投资者行为对资产价格变化的影响纳入了传统的CAPM分析框架。当市场上追涨杀跌的行为即正反馈交易者占据主导时,γ>0,市场收益率呈负的自相关关系;当市场上追跌杀涨的行为占据主导时,γ<0,市场呈现正的自相关关系。
(二)实证模型
由于收益率的自相关性还可能是由非同步交易等因素导致,尤其对于高频时间序列数据更是如此。因此,Sentana & Wadhwani(1992)使用了如下模型作为研究反馈交易效应的实证模型:
(7)
其中,1表示与条件波动率无关的那部分反馈交易效应;同时,如果非同步交易存在,1也包含非同步交易所引起的收益率序列相关,通常非同步交易会导致1显著为正。而2反映了反馈交易行为关于波动率的时变性,当2显著不为0时,我们认为反馈交易存在。
为进一步考察反馈交易行为是否具有非对称性,即市场下行期间的反馈交易效应是否比市场上涨期间更剧烈,本文沿用Watanabe(2002)的分析方法,以(8)式作为实证模型的均值方程:
(8)
在条件方差方程方面,为更好地拟合波动率的聚类性和不对称性,本文借鉴Nelson(1991)提出的EGARCH模型,设定条件方差服从EGARCH(1,1)过程;尾部分布采用GED分布,从而更好地描述金融时间收益序列尖峰厚尾的特性。条件方差方程如下式:
(9)
本文使用WinRATS Pro 7.0进行编程处理,采用极大似然估计法对式(8)-(9)进行估计,收敛方法选用BHHH算法。
数据说明及描述性统计分析endprint
本文采用上证综指和上证行业指数系列从2005年1月4日至2013年10月31日共2139个交易日的收盘价,数据来源为DataStream Professional,计算日对数收益率如下:
(10)
对上证综指和十个行业指数日收益率序列分别进行单位根检验,ADF检验结果显示,这些变量均为平稳过程。表1给出了上证综指和十个行业指数日收益率序列的描述性统计结果,不难看出,各股指收益率序列相对正态分布呈尖峰厚尾的特征,且具有显著的自相关性和Arch效应。
实证分析
(一)模型主要参数释义
表2给出了根据实证模型(8)-(9)得出的各参数的极大似然估计值。由于本文的研究重点是反馈交易行为,因此主要关注模型均值方程的参数。
λ1 和λ2 代表市场中按CAPM规则决策的理性交易者的行为,除材料和医药行业外,其余股指收益率序列对应的λ1 和λ2 系数均不显著,说明无论从整体市场层面,还是从分行业板块看,理性投资者对中国股票市场价格形成过程的作用并不显著,其在股市中并不占主导地位。
再看1,上证综指对应的该系数不显著,而在行业层面,除金融和公用行业,其余各行业股指对应的1均显著为正,说明行业股指相对市场总体股指的收益率具有更显著的一阶正自相关性,说明大部分行业股指收益率序列具有陈旧价格效应,这在一定程度上是非同步交易所导致,但一般可看作是负反馈交易者主导市场定价的证据,这部分反馈交易效应与波动率的大小无关。
2是分析反馈交易效应存在性和作用特征的一个重要参数,仅有能源、消费、医药和电信4个行业指数收益率序列对应的 2显著为负,说明市场波动率增加,收益率序列相关程度降低,当市场波动率足够高时,收益率呈负自相关,此时正反馈交易者将会在市场上占据主导地位。其余6个行业股指对应的2并不显著,表明这6个行业股票投资者的反馈交易行为并不具有显著的关于波动率的时变性特征。上证综指对应的2不显著,说明从市场层面而言,沪市并不存在明显的因波动率而变化的反馈交易证据。从行业层面看,各行业股指对应2的显著性差异说明,投资能源、消费、医药和电信4个行业的中国股市投资者在市场处于高波动性期间容易出现追涨杀跌的正反馈交易行为,或者说,正反馈交易者在这些行业板块股票的定价过程中占主导地位,相对其余行业和市场总体水平来说,这4个行业股票投资者的行为体现出较强的投机性。
3考察反馈交易行为的不对称性,上证综指和大部分行业股指收益率序列所对应的3均显著为正,表明收益率为正时,各股指收益率序列的一阶正相关程度增加,收益率为负时,个股指收益率序列的一阶正相关程度减少或一阶负相关程度增加。即在市场处于多头期时,负反馈交易者容易居主导地位,而市场处于空头期时,正反馈交易者容易居主导地位。能源、消费行业对应的3显著,说明这两个行业股票投资者的反馈交易行为具有不对称性,且3为正,说明市场下跌会增加收益率的负自相关程度,正反馈交易者在市场下跌时比市场上涨时的主导作用更加显著。而医药、电信行业对应的3不显著,说明此二行业股票投资者的反馈交易行为不具有显著的不对称性。
对模型残差进行检验,其5阶和10阶的Ljung-Box统计量几乎均不显著,说明模型设定基本合理。
(二)反馈交易时变性分析
对于1、2、3显著的股指收益率序列,投资者的反馈交易行为具有时变性和不对称性的特征,其方向和强弱可以由一阶序列相关的系数来衡量,表达式如下:
(11)
对于1、2显著但对于3不显著的股指收益率序列,投资者的反馈交易行为只具有时变性而不具有不对称性,描述其反馈交易行为的时变特征的表达式为1+2*σ2t 。由于2<0,因此,当市场条件波动率σ2t 越高,式(11)所示的一阶自相关系数越小,正反馈交易行为主导市场的可能性越大。在波动率低于某个临界值时,一阶序列相关为正,负反馈交易者在市场上居于主导地位;当波动率足够高时,一阶序列相关为负,此时,正反馈交易者在市场上占据主导地位。表3给出了能源、消费、医药和电信4个行业股指对应的判断正负反馈交易者孰占主导的波动率临界值。
对于能源行业,该板块处于上升通道且波动率大于3.4565,或者其处于下降通道且波动率大于0.6016,则该板块呈现出显著的正反馈交易效应,此时正反馈交易者居于主导地位;否则,负反馈交易者将主导定价。若不考虑市场涨跌对反馈交易行为的影响,则在波动率大于2.0290时,能源板块表现出显著的正反馈交易效应,正反馈交易者主导该行业板块的定价。可见,如果不考虑市场涨跌对反馈交易的影响,那么在市场上涨期间,正反馈交易效应会被高估,而市场下跌期间,正反馈交易效应会被低估。
对于消费行业,若该板块上涨且波动率高于4.1261,或其下跌且波动率高于1.0666,则相应的行业股指表现出显著的正反馈交易效应,正反馈交易者在该行业板块占据主导地位,否则,负反馈交易者将起主导作用。相应地,若不考虑板块涨跌的影响,当波动率大于2.62时,消费板块即会表现出显著的正反馈交易效应。
医药和电信两个行业的反馈交易效应受到市场涨跌因素的影响并不显著。当医药板块的波动率大于2.9051时,正反馈交易者对该行业股票的定价起主导作用。对于电信行业,对应的波动率临界值相对更低,为1.2980。相应地,这两个行业股指在样本期内的无条件波动率分别为0.7596和0.9603(由表1数据计算得出),可见,医药行业的波动率平均水平远低于显著的正反馈交易效应出现所要求的临界值,而电信行业的波动水平却相对接近正反馈交易效应所要求的临界值。
图1至图4为能源、消费、医药和电信4个行业股票投资者的反馈交易行为时变性图。从图1、图2与图3、图4的对比可以看出,能源、消费行业对应的一阶自相关系数相比医药、电信行业具有更大、更密集的波动。这是因为能源和消费行业的3系数显著,其股票投资者的反馈交易行为具有不对称性,不仅取决于波动率的高低,还取决于板块的涨跌。板块下跌比板块上涨时的正反馈交易行为更加显著。而医药和电信行业的3系数不显著,其股票投资者的反馈交易行为仅取决于市场波动性,而在板块涨跌时并无显著不同。还可以看到,一阶自相关系数小于0的时期集中出现与在2006下半年至2009年末期间,在这段时期内,这4个行业股指体现出显著的正反馈交易效应,而从2010年开始,一阶自相关系数在大多数时候均大于0,正反馈交易效应对市场的主导作用不再显著。
结论
第一,从市场总体看,沪市在样本期内并不存在显著的正反馈交易证据。第二,从行业板块层面看,沪市不同行业股票投资者的反馈交易行为具有显著的差异性。其中,能源、医药、消费和电信行业存在因波动率而变化的反馈交易行为。在板块波动率较高时,其定价由正反馈交易者主导;波动率较低时,可能由负反馈交易者主导。其余六个行业板块不存在显著的时变性反馈交易行为。第三,在存在时变性反馈交易行为的四个行业中,能源和医药行业股票投资者的反馈交易行为具有显著的不对称性,在板块下跌期间,正反馈交易效应强于板块上涨期间。而消费和电信行业的反馈交易行为不具有显著的不对称性。第四,对于存在时变性反馈交易行为的四个行业,正反馈交易者主导市场的现象一致的出现于2006-2009年。其余时期正反馈交易者对市场的主导作用并不显著。
参考文献:
1.何剑,姚益清.基于反馈交易理论的中美股市比较研究[J].财会通讯,2009(2)
2.李少平,顾广彩.中国证券市场正反馈交易的实证研究[J].系统工程,2007(25)
3.唐,曾勇,唐小我.反馈交易规则与股指收益自相关:对上证综指的实证研究[J].管理工程学报,2002(4)
4.汪孟海,周爱民.中国股市自相关性与反馈交易行为实证研究[J].南开经济研究,2009(3)endprint
本文采用上证综指和上证行业指数系列从2005年1月4日至2013年10月31日共2139个交易日的收盘价,数据来源为DataStream Professional,计算日对数收益率如下:
(10)
对上证综指和十个行业指数日收益率序列分别进行单位根检验,ADF检验结果显示,这些变量均为平稳过程。表1给出了上证综指和十个行业指数日收益率序列的描述性统计结果,不难看出,各股指收益率序列相对正态分布呈尖峰厚尾的特征,且具有显著的自相关性和Arch效应。
实证分析
(一)模型主要参数释义
表2给出了根据实证模型(8)-(9)得出的各参数的极大似然估计值。由于本文的研究重点是反馈交易行为,因此主要关注模型均值方程的参数。
λ1 和λ2 代表市场中按CAPM规则决策的理性交易者的行为,除材料和医药行业外,其余股指收益率序列对应的λ1 和λ2 系数均不显著,说明无论从整体市场层面,还是从分行业板块看,理性投资者对中国股票市场价格形成过程的作用并不显著,其在股市中并不占主导地位。
再看1,上证综指对应的该系数不显著,而在行业层面,除金融和公用行业,其余各行业股指对应的1均显著为正,说明行业股指相对市场总体股指的收益率具有更显著的一阶正自相关性,说明大部分行业股指收益率序列具有陈旧价格效应,这在一定程度上是非同步交易所导致,但一般可看作是负反馈交易者主导市场定价的证据,这部分反馈交易效应与波动率的大小无关。
2是分析反馈交易效应存在性和作用特征的一个重要参数,仅有能源、消费、医药和电信4个行业指数收益率序列对应的 2显著为负,说明市场波动率增加,收益率序列相关程度降低,当市场波动率足够高时,收益率呈负自相关,此时正反馈交易者将会在市场上占据主导地位。其余6个行业股指对应的2并不显著,表明这6个行业股票投资者的反馈交易行为并不具有显著的关于波动率的时变性特征。上证综指对应的2不显著,说明从市场层面而言,沪市并不存在明显的因波动率而变化的反馈交易证据。从行业层面看,各行业股指对应2的显著性差异说明,投资能源、消费、医药和电信4个行业的中国股市投资者在市场处于高波动性期间容易出现追涨杀跌的正反馈交易行为,或者说,正反馈交易者在这些行业板块股票的定价过程中占主导地位,相对其余行业和市场总体水平来说,这4个行业股票投资者的行为体现出较强的投机性。
3考察反馈交易行为的不对称性,上证综指和大部分行业股指收益率序列所对应的3均显著为正,表明收益率为正时,各股指收益率序列的一阶正相关程度增加,收益率为负时,个股指收益率序列的一阶正相关程度减少或一阶负相关程度增加。即在市场处于多头期时,负反馈交易者容易居主导地位,而市场处于空头期时,正反馈交易者容易居主导地位。能源、消费行业对应的3显著,说明这两个行业股票投资者的反馈交易行为具有不对称性,且3为正,说明市场下跌会增加收益率的负自相关程度,正反馈交易者在市场下跌时比市场上涨时的主导作用更加显著。而医药、电信行业对应的3不显著,说明此二行业股票投资者的反馈交易行为不具有显著的不对称性。
对模型残差进行检验,其5阶和10阶的Ljung-Box统计量几乎均不显著,说明模型设定基本合理。
(二)反馈交易时变性分析
对于1、2、3显著的股指收益率序列,投资者的反馈交易行为具有时变性和不对称性的特征,其方向和强弱可以由一阶序列相关的系数来衡量,表达式如下:
(11)
对于1、2显著但对于3不显著的股指收益率序列,投资者的反馈交易行为只具有时变性而不具有不对称性,描述其反馈交易行为的时变特征的表达式为1+2*σ2t 。由于2<0,因此,当市场条件波动率σ2t 越高,式(11)所示的一阶自相关系数越小,正反馈交易行为主导市场的可能性越大。在波动率低于某个临界值时,一阶序列相关为正,负反馈交易者在市场上居于主导地位;当波动率足够高时,一阶序列相关为负,此时,正反馈交易者在市场上占据主导地位。表3给出了能源、消费、医药和电信4个行业股指对应的判断正负反馈交易者孰占主导的波动率临界值。
对于能源行业,该板块处于上升通道且波动率大于3.4565,或者其处于下降通道且波动率大于0.6016,则该板块呈现出显著的正反馈交易效应,此时正反馈交易者居于主导地位;否则,负反馈交易者将主导定价。若不考虑市场涨跌对反馈交易行为的影响,则在波动率大于2.0290时,能源板块表现出显著的正反馈交易效应,正反馈交易者主导该行业板块的定价。可见,如果不考虑市场涨跌对反馈交易的影响,那么在市场上涨期间,正反馈交易效应会被高估,而市场下跌期间,正反馈交易效应会被低估。
对于消费行业,若该板块上涨且波动率高于4.1261,或其下跌且波动率高于1.0666,则相应的行业股指表现出显著的正反馈交易效应,正反馈交易者在该行业板块占据主导地位,否则,负反馈交易者将起主导作用。相应地,若不考虑板块涨跌的影响,当波动率大于2.62时,消费板块即会表现出显著的正反馈交易效应。
医药和电信两个行业的反馈交易效应受到市场涨跌因素的影响并不显著。当医药板块的波动率大于2.9051时,正反馈交易者对该行业股票的定价起主导作用。对于电信行业,对应的波动率临界值相对更低,为1.2980。相应地,这两个行业股指在样本期内的无条件波动率分别为0.7596和0.9603(由表1数据计算得出),可见,医药行业的波动率平均水平远低于显著的正反馈交易效应出现所要求的临界值,而电信行业的波动水平却相对接近正反馈交易效应所要求的临界值。
图1至图4为能源、消费、医药和电信4个行业股票投资者的反馈交易行为时变性图。从图1、图2与图3、图4的对比可以看出,能源、消费行业对应的一阶自相关系数相比医药、电信行业具有更大、更密集的波动。这是因为能源和消费行业的3系数显著,其股票投资者的反馈交易行为具有不对称性,不仅取决于波动率的高低,还取决于板块的涨跌。板块下跌比板块上涨时的正反馈交易行为更加显著。而医药和电信行业的3系数不显著,其股票投资者的反馈交易行为仅取决于市场波动性,而在板块涨跌时并无显著不同。还可以看到,一阶自相关系数小于0的时期集中出现与在2006下半年至2009年末期间,在这段时期内,这4个行业股指体现出显著的正反馈交易效应,而从2010年开始,一阶自相关系数在大多数时候均大于0,正反馈交易效应对市场的主导作用不再显著。
结论
第一,从市场总体看,沪市在样本期内并不存在显著的正反馈交易证据。第二,从行业板块层面看,沪市不同行业股票投资者的反馈交易行为具有显著的差异性。其中,能源、医药、消费和电信行业存在因波动率而变化的反馈交易行为。在板块波动率较高时,其定价由正反馈交易者主导;波动率较低时,可能由负反馈交易者主导。其余六个行业板块不存在显著的时变性反馈交易行为。第三,在存在时变性反馈交易行为的四个行业中,能源和医药行业股票投资者的反馈交易行为具有显著的不对称性,在板块下跌期间,正反馈交易效应强于板块上涨期间。而消费和电信行业的反馈交易行为不具有显著的不对称性。第四,对于存在时变性反馈交易行为的四个行业,正反馈交易者主导市场的现象一致的出现于2006-2009年。其余时期正反馈交易者对市场的主导作用并不显著。
参考文献:
1.何剑,姚益清.基于反馈交易理论的中美股市比较研究[J].财会通讯,2009(2)
2.李少平,顾广彩.中国证券市场正反馈交易的实证研究[J].系统工程,2007(25)
3.唐,曾勇,唐小我.反馈交易规则与股指收益自相关:对上证综指的实证研究[J].管理工程学报,2002(4)
4.汪孟海,周爱民.中国股市自相关性与反馈交易行为实证研究[J].南开经济研究,2009(3)endprint
本文采用上证综指和上证行业指数系列从2005年1月4日至2013年10月31日共2139个交易日的收盘价,数据来源为DataStream Professional,计算日对数收益率如下:
(10)
对上证综指和十个行业指数日收益率序列分别进行单位根检验,ADF检验结果显示,这些变量均为平稳过程。表1给出了上证综指和十个行业指数日收益率序列的描述性统计结果,不难看出,各股指收益率序列相对正态分布呈尖峰厚尾的特征,且具有显著的自相关性和Arch效应。
实证分析
(一)模型主要参数释义
表2给出了根据实证模型(8)-(9)得出的各参数的极大似然估计值。由于本文的研究重点是反馈交易行为,因此主要关注模型均值方程的参数。
λ1 和λ2 代表市场中按CAPM规则决策的理性交易者的行为,除材料和医药行业外,其余股指收益率序列对应的λ1 和λ2 系数均不显著,说明无论从整体市场层面,还是从分行业板块看,理性投资者对中国股票市场价格形成过程的作用并不显著,其在股市中并不占主导地位。
再看1,上证综指对应的该系数不显著,而在行业层面,除金融和公用行业,其余各行业股指对应的1均显著为正,说明行业股指相对市场总体股指的收益率具有更显著的一阶正自相关性,说明大部分行业股指收益率序列具有陈旧价格效应,这在一定程度上是非同步交易所导致,但一般可看作是负反馈交易者主导市场定价的证据,这部分反馈交易效应与波动率的大小无关。
2是分析反馈交易效应存在性和作用特征的一个重要参数,仅有能源、消费、医药和电信4个行业指数收益率序列对应的 2显著为负,说明市场波动率增加,收益率序列相关程度降低,当市场波动率足够高时,收益率呈负自相关,此时正反馈交易者将会在市场上占据主导地位。其余6个行业股指对应的2并不显著,表明这6个行业股票投资者的反馈交易行为并不具有显著的关于波动率的时变性特征。上证综指对应的2不显著,说明从市场层面而言,沪市并不存在明显的因波动率而变化的反馈交易证据。从行业层面看,各行业股指对应2的显著性差异说明,投资能源、消费、医药和电信4个行业的中国股市投资者在市场处于高波动性期间容易出现追涨杀跌的正反馈交易行为,或者说,正反馈交易者在这些行业板块股票的定价过程中占主导地位,相对其余行业和市场总体水平来说,这4个行业股票投资者的行为体现出较强的投机性。
3考察反馈交易行为的不对称性,上证综指和大部分行业股指收益率序列所对应的3均显著为正,表明收益率为正时,各股指收益率序列的一阶正相关程度增加,收益率为负时,个股指收益率序列的一阶正相关程度减少或一阶负相关程度增加。即在市场处于多头期时,负反馈交易者容易居主导地位,而市场处于空头期时,正反馈交易者容易居主导地位。能源、消费行业对应的3显著,说明这两个行业股票投资者的反馈交易行为具有不对称性,且3为正,说明市场下跌会增加收益率的负自相关程度,正反馈交易者在市场下跌时比市场上涨时的主导作用更加显著。而医药、电信行业对应的3不显著,说明此二行业股票投资者的反馈交易行为不具有显著的不对称性。
对模型残差进行检验,其5阶和10阶的Ljung-Box统计量几乎均不显著,说明模型设定基本合理。
(二)反馈交易时变性分析
对于1、2、3显著的股指收益率序列,投资者的反馈交易行为具有时变性和不对称性的特征,其方向和强弱可以由一阶序列相关的系数来衡量,表达式如下:
(11)
对于1、2显著但对于3不显著的股指收益率序列,投资者的反馈交易行为只具有时变性而不具有不对称性,描述其反馈交易行为的时变特征的表达式为1+2*σ2t 。由于2<0,因此,当市场条件波动率σ2t 越高,式(11)所示的一阶自相关系数越小,正反馈交易行为主导市场的可能性越大。在波动率低于某个临界值时,一阶序列相关为正,负反馈交易者在市场上居于主导地位;当波动率足够高时,一阶序列相关为负,此时,正反馈交易者在市场上占据主导地位。表3给出了能源、消费、医药和电信4个行业股指对应的判断正负反馈交易者孰占主导的波动率临界值。
对于能源行业,该板块处于上升通道且波动率大于3.4565,或者其处于下降通道且波动率大于0.6016,则该板块呈现出显著的正反馈交易效应,此时正反馈交易者居于主导地位;否则,负反馈交易者将主导定价。若不考虑市场涨跌对反馈交易行为的影响,则在波动率大于2.0290时,能源板块表现出显著的正反馈交易效应,正反馈交易者主导该行业板块的定价。可见,如果不考虑市场涨跌对反馈交易的影响,那么在市场上涨期间,正反馈交易效应会被高估,而市场下跌期间,正反馈交易效应会被低估。
对于消费行业,若该板块上涨且波动率高于4.1261,或其下跌且波动率高于1.0666,则相应的行业股指表现出显著的正反馈交易效应,正反馈交易者在该行业板块占据主导地位,否则,负反馈交易者将起主导作用。相应地,若不考虑板块涨跌的影响,当波动率大于2.62时,消费板块即会表现出显著的正反馈交易效应。
医药和电信两个行业的反馈交易效应受到市场涨跌因素的影响并不显著。当医药板块的波动率大于2.9051时,正反馈交易者对该行业股票的定价起主导作用。对于电信行业,对应的波动率临界值相对更低,为1.2980。相应地,这两个行业股指在样本期内的无条件波动率分别为0.7596和0.9603(由表1数据计算得出),可见,医药行业的波动率平均水平远低于显著的正反馈交易效应出现所要求的临界值,而电信行业的波动水平却相对接近正反馈交易效应所要求的临界值。
图1至图4为能源、消费、医药和电信4个行业股票投资者的反馈交易行为时变性图。从图1、图2与图3、图4的对比可以看出,能源、消费行业对应的一阶自相关系数相比医药、电信行业具有更大、更密集的波动。这是因为能源和消费行业的3系数显著,其股票投资者的反馈交易行为具有不对称性,不仅取决于波动率的高低,还取决于板块的涨跌。板块下跌比板块上涨时的正反馈交易行为更加显著。而医药和电信行业的3系数不显著,其股票投资者的反馈交易行为仅取决于市场波动性,而在板块涨跌时并无显著不同。还可以看到,一阶自相关系数小于0的时期集中出现与在2006下半年至2009年末期间,在这段时期内,这4个行业股指体现出显著的正反馈交易效应,而从2010年开始,一阶自相关系数在大多数时候均大于0,正反馈交易效应对市场的主导作用不再显著。
结论
第一,从市场总体看,沪市在样本期内并不存在显著的正反馈交易证据。第二,从行业板块层面看,沪市不同行业股票投资者的反馈交易行为具有显著的差异性。其中,能源、医药、消费和电信行业存在因波动率而变化的反馈交易行为。在板块波动率较高时,其定价由正反馈交易者主导;波动率较低时,可能由负反馈交易者主导。其余六个行业板块不存在显著的时变性反馈交易行为。第三,在存在时变性反馈交易行为的四个行业中,能源和医药行业股票投资者的反馈交易行为具有显著的不对称性,在板块下跌期间,正反馈交易效应强于板块上涨期间。而消费和电信行业的反馈交易行为不具有显著的不对称性。第四,对于存在时变性反馈交易行为的四个行业,正反馈交易者主导市场的现象一致的出现于2006-2009年。其余时期正反馈交易者对市场的主导作用并不显著。
参考文献:
1.何剑,姚益清.基于反馈交易理论的中美股市比较研究[J].财会通讯,2009(2)
2.李少平,顾广彩.中国证券市场正反馈交易的实证研究[J].系统工程,2007(25)
3.唐,曾勇,唐小我.反馈交易规则与股指收益自相关:对上证综指的实证研究[J].管理工程学报,2002(4)
4.汪孟海,周爱民.中国股市自相关性与反馈交易行为实证研究[J].南开经济研究,2009(3)endprint