基金经理对货币政策反应的异质性分析

王军 宋秀娜

内容提要：有限注意力的客观存在，要求投资者在决策时需要对注意力进行合理配置。本文在理性疏忽的框架下，将投资者的注意力配置细化成获取信息和处理信息两个阶段，通过在财富约束中加入了注意力二次惩罚约束，构建了两阶段理性疏忽注意力配置模型;并基于上交所和深交所发行的开放式股票型基金数据，从择时和选股两个方面研究我国基金经理在不同货币政策下的注意力配置和收益问题。研究发现：在货币政策宽松时，宏观信息波动更大，而货币政策紧缩时，微观信息波动更大;进一步，在宽松货币政策背景下，关注宏观信息波动的基金经理择时能力显著，在紧缩货币政策背景下，关注微观信息波动的基金经理选股能力显著。上述结论的政策启示在于，提升货币政策的有效性需考虑投资者的注意力分配决策，同时，确保资本市场信息披露及时、真实准确、渠道畅通，是引导投资人注意力正确配置、减少资本市场非理性波动、实现市场有效监管的基础。

关键词：理性疏忽;信息波动;注意力配置;货币政策

中图分类号： F016  文献标识码：A  文章编号：1001-148X（2021）03-0083-10

收稿日期：2020-10-18

作者简介：王军（1970-），男，太原人，首都经济贸易大学经济学院教授，博士生导师，经济学博士，研究方向：理性疏忽理论、经济增长理论; 宋秀娜（1989-），女，山东潍坊人，首都经济贸易大学经济学院博士研究生，研究方向：理性疏忽理论、行为金融。

一 、引言

自Jensen（1968）[1]提出基金平均业绩不会跑赢大盘后，关于基金经理到底是否可以给委托人带来超额收益，以及什么样的投资策略能够获得超额收益等问题的讨论热度一直颇高。该类问题受关注的原因有二：一是对投资者而言，将资产委托于投资机构管理的个人占比一直在上升，基金经理的业绩与投资者的资产收益密切相关;二是从政府的角度来说，这能真实反映一国资本市场的效率，为政府的宏观决策提供有效参考。传统定价理论和投资组合选择理论都假定所有投资者可以无成本的获取到任何与决策相关的信息。但实际上，行为人的注意力是有限的，面对不断更新的信息，行为人不可能对所有信息都完全吸收、内化后再做出决策。信息的获取和处理都需要花费大量的精力，人们在利用信息的同时，信息也在消耗人们的注意力，所以行为人都是在有限注意力的客观条件下做出决策的。正如Simon（1996）[2]曾言，“信息爆炸的时代，处理信息的注意力变得稀缺。大量的信息导致了注意力的匮乏，所以我们需要理性配置注意力，对信息做出合理的选择”。

大量文献研究表明，资本市场对货币政策变化的反应显著。Fleming和Remolona（1997）[3]发现联邦目标利率的公布会使美国国债市场出现大幅度的价格波动。Bernanke和Kuttner（2005）[4]通过实证研究发现，联邦利率每下降25个bp，股指平均会上升一个百分点。Hausman和Wongswan（2011）[5]发现美联储的货币政策不仅对本国经济产生影响，还会对其他国家产生政策溢出效应。姜富伟（2019）[6]用事件分析法证实了我国资本市场回报率的确会受到美联储货币政策的影响，当美联储实施宽松货币政策时，我国资本回报率会相应提高。以上文献均表明，货币政策变量是研究注意力分配的重要观测变量之一。

有限的信息处理能力、不同货币政策对资本市场的不同影响程度等问题客观存在的情况下，如何配置其有限的注意力以达到投资效用最大化的目标，是所有投资者需要解决的问题。本文尝试研究货币政策对投资者注意力配置的影响。首先，从理性疏忽的角度出发，构建了投资者两阶段注意力配置模型。然后，根据2001-2019年间在上交所和深交所发行开放式股票基金的历史投资业绩数据，从信息波动角度，讨论不同货币政策背景下投资者注意力配置问题。

二、文献综述

注意力是一种稀缺资源，并且短期内不能再生[7]。Sims（2003，2006）[8-9]将行为人的有限注意力和与经典经济学的优化模型相结合，得出了一个新的普适性理论——理性疏忽理论。理性疏忽的落脚点是“理性”，理性疏忽框架下，行人为的信息获取过程、信息处理以及决策过程都是理性的，所以理性疏忽理论并非是对“理性人”分析框架的挑战，而是对理性人理论的进一步扩展：行为人如何在非完全信息条件下做出理性决策。理性疏忽理论提出后，对金融市场中的很多问题提供了新的解释视角。

理性疏忽理理论为资本品价格联动效应提供了新的解释思路[10]。理性疏忽为投资者提供了能够长期重复性使用的策略，对于投资者而言，该策略就是关注大盘指数或者同一类别下的资产，而不是对每个资产都投入注意力。特别是对于散户投资者，由于专业技能的匮乏和投资经验的缺失，要想降低某资产的收益风险，就需要对其投入大量的注意力才能达到目标，其最优的投资策略是关注同一类别的产品，从而造成这一类产品价格之间出现联动。Hellwig和Veldkamp（2009）[11]讨论了投资者在私人信号和公共信息之间选择的问题，认为如果投资者都将注意力配置给公共信息，那么彼此的投资选择就会出现一定的类似性，投资者的理性疏忽会加剧投资过程中的羊群效应。Luo（2010）[12]研究了消费者的储蓄和投资行为，发现理性疏忽能够解释总消费和股票收益之间的联动效应。

投资者注意力配置是理性疏忽研究框架的核心问题之一。Liu（2007）[13]认为信息获取成本过高，风险厌恶程度较高或投资期限较长的投资者，会更加关注频率较低但更准确的定期新闻更新。Kacperczky等（2016）[14]研究了在經济周期不同阶段投资者的注意力配置问题，认为在经济衰退期应选择与市场相关度更高的股票，而在经济繁荣期，则选择企业基本面表现更好的股票会提高投资收益。

从以上文献看出，目前鲜有从货币政策角度分析投资者注意力配置的研究;在构建注意力配置模型时，几乎都没有讨论信息收集的注意力配置问题;而且在讨论投资者注意力配置时，大多以股票市场为例，以基金市场为研究对象的较少。本文从以上三方面出发，讨论考虑信息收集成本的情况时，不同货币政策背景下基金经理的注意力分配问题。

三、理性疏忽投资者注意力配置理论模型

（一）模型构建

参照Mondria（2010）[15]的方法，本文将风险资产分为其收益同时受宏观冲击因子、异质性冲击因子影响和其收益仅受宏观冲击因子影响两类，具体表示为：

f為表示风险资产的未来收益n×1阶随机向量，zn～N（0，σi）表示冲击因子，其中，zi，i∈{1，2，…n-1}表示异质性冲击因子，zn表示宏观冲击因子。bi为各异质性冲击因子的载荷。因为风险资产是冲击因子的载体，所以可将研究对象转换为冲击因子，用f～表示冲击因子的收益，且定义：

冲击因子zi的供给公式为+xi，xi～N（0，σi），所以风险资产的供给为（Γ′）-1（+xi），市场出清时冲击因子供求相等，结果表示为：

式（4）左侧为风险因子的需求方，而右侧则是风险因子的供给方。同时，本文假定宽松货币政策背景下宏观信息波动更显著，而紧缩货币政策背景下，微观信息波动更显著。

冲击因子的分布z～N（0，∑）是公共信息。投资者根据以往的投资经验或专业技能，从海量信息中抽取认为有用的私人信号sj和价格信号sp，这两类信号均为冲击因子的无偏信号，其中私人信号sj=z+εj，εj～N（0，∑sj）为信号噪声，表示不同投资者对信息处理结果的差异。价格信号是sp=z+εp，εp～N（0，∑p），资本市场为卖方市场，投资者行为对冲击因子的价格不构成影响，个人对价格信息的处理也不能达到对价格信号降噪的作用，所以价格为外生变量。

投资者的注意力分配主要用信号的精度来表示，在私人信号噪声的方差K-1ij中，投入注意力越多，K-1ij的值就越小。投资者通过注意力的分配，降低其投资组合的收益风险，达到第一阶段效用U1j最大化，因为模型采用倒推法求解，所以也就是达到了整体效用的最大化。

第一步，当投资者在完成了信息的收集和处理，可以计算出投资者的当下的财富函数：

其中，ρ为投资者的风险偏好系数，p是n×1阶矩阵，表示风险资产的价格，qj为投资者达到效用最大化时的最优证券投资组合，Wj为投资者财富函数，其中，W0为初始财富值，r为无风险收益率，q′jf-pr为投资者进行证券投资后所获超额收益，（θ′q′j+ρ2q′jDqj）为该决策及投资过程中投资者的为信息处理消耗的注意力成本，D为n×n阶矩阵，考虑信息的获取难度随着剩余的信息越来越稀疏，获取信息消耗的注意力越多，所以投资者信息收集的注意力边际递增，即信息收集的注意力消耗函数为凸函数。

根据前文定义，这里可将p≡Γ-1p表示信息波动信息波动因子的价格，q≡Γ-1q表示信息波动因子的投资数量，那么财富函数可以表示为：

第二步，当完成注意力配置之后，投资者可以计算一段时间后的效用，参考Markowitz-Tobin均值方差效用函数，得到投资者效用水平为：

Ej和Vj分别表示投资者在信息处理后，得到后验信息的条件期望和条件方差，投资者总是希望其预期收益越高越好而收益波动越小越好，所以效用与投资回报期望成正比而与投资回报方差成反比。

第三步，投资者通过求期望的方法，得到最终的期望效用函数：

效用最大化受有限信息处理能力的约束，因本文重点在于研究投资者的注意力配置，所以假定所有投资者的注意力总量都是一样的，另外，处理信息所耗费的精力不能因该信息没被利用而被回收以处理其他信息：

（二）模型求解

下面将对理论模型的目标函数进行化简处理。结合EjWj=rW0+q′jEf-pr-θ′qj-ρ22q′jDqj，VjWj=q′jDqj，将式（8）带入到式（6）中得到：

其中，Ef=Γ-1μ+∑︿j（∑-1sjsj+∑-1psp）。根据拉氏定理，公式（10）对qj进行一阶求导即可得到风险资产的最优投资数量：

由信息波动因子市场出清条件式（4），可得到信息波动因子的均衡价格，参考Adamti（1985）[16]，将价格函数进行化简，得到：

将最优资产投资组合数量qj带入到第一阶段效用函数中，可得：

其中， λi=σi1-bii2+σxc2ii+ρσi-γi-γ-i-diiσi-x-2。得到最终效用函数表达式后，即可对函数进行求解。

综上，我们得到理性疏忽理论模型带约束的目标函数：

目标函数是第j个投资者关于n个风险因子的注意力配置效用最大化问题，其中外部参数包括σ-1i、σ-1p、d，以及基金的个数m，风险因子的个数n。根据前文理论模型的推导，模型内生的参数关系有：

因此，本文将在给定其余外部参数条件下，重点分析参数σ-1i和d的有效取值范围。

1.参数校正。本节在给定先验参数的情况下，讨论参数dii的有效范围;然后在给定其余参数的情况下，讨论最优解Kij与波动率σi和dii之间的函数关系。为方便求解，本文假定所有投资者的信息处理注意力成本一样，即dii=d。

第一种情况，当d为0时，目标函数将退化为Kacpercayk等（2016）[14]的线性形式，要达到投资效用最大化，需要将所有注意力配置到系数λi最大的风险因子上，其余风险信息波动得到的注意力为0。

第二种情况，當d大于0时，由于 λi=σi1-bii2+σxc2ii+ρσi-γi-γ-i-diiσi-x-20必然成立，目标函数是关于Kij的凹函数，Kij的最优配置取决于可行域的范围。当极大值点在可行域范围内，可通过凸优化的方法实现注意力的最优配置，若不在可行域内，将在边界处取的极大值。

在没有约束条件的情况，目标函数在关于Kij的一阶导数为零的点取得最大值，有一阶条件：

可得注意力分配最优解为：

其中λi是关于参数d和风险因子先验标准差σi等参数的函数。当投资者的注意力上限K较大时，取足够小的d，可以很容易满足约束条件，使得带约束的优化问题退化成无约束优化问题。若要无约束条件的解落在可行域内，需满足：Kij0， KijK两个条件。

据此我们可得到该约束条件的必要条件：

上式给出了参数d和σi的有效组合取值范围。显然若公式（22）右端不等式成立，d应有下界d0>0，所以d的取值可以从一个较小的值d0>0开始逐渐增加，分析信息收集阶段的注意力成本与其他因子的关系。

2.数值模拟。下面利用参数模拟的方法，进一步分析最优解Kij与波动率σi和信息收集注意力成本d之间的函数关系。首先设定市场上存在n=100个风险变量，m=100个机构投资者，其中专业机构投资者的比例χ为20%，每个专业投资者的注意力上限为50个单位，风险偏好系数为05，风险供给为100单位，风险供给标准差0.01，σp=05 选定后验信号的平均精度K-i=mKn。在满足不等式（9）的条件下，通过数值模拟可确定参数的可行范围为σi∈05，5，d∈01，04。其中，信息波动的参数范围，参照了后面实证部分的信息波动真实取值范围，机构投资者的占比与中国A股的实际情况基本一致，风险偏好设置为中性。如图1所示。

由图1所示，在注意力成本不变的情况下，投资者对信息波动因子的关注度随其波动率的增大而增加。在风险因子波动率不变的情况下，投资者对信息波动因子的关注度随其信息处理注意力成本增加而减少。此外，若同时考虑信息收集和信息处理的注意力配置，注意力整体配置依然与信息波动成正比。

（三）模型结论

理论模型的结论较为简洁，即注意力配置在信息波动较高的信息上，可获得较高的效用。由于模型中包含n个信息，即1个宏观信息和n-1个微观信息，需要对此理论结果进行进一步阐述。因此，我们得到结论：

投资者的注意力配置盈应与信息波动成正比，在宽松货币政策时应更加关注宏观冲击因子，在紧缩货币政策时应更加关注异质性冲击因子。

四、数据分析与实证结果

（一）研究设计

1. 数据来源。于我国证券投资法自2004年开始实施，且2004年之前基金样本量较少，所以本文从RESSET金融研究数据库选取2004—2018 期间在上海证券交易主板上市基金，剔除股票持仓信息缺失的7只基金，如鹏华港中小企基金等，最终确定基金总数量为174只。根据基金每半年披露的持仓市值信息，计算持仓股票的权重。基准投资组合选择覆盖面较广的上证综指，根据成分股自由流通市值占比得到成分股权重。在判断我国不同货币政策阶段时，使用了样本期间季度GDP，数据来源于国家统计局官网，季度调整的M2数据来自Wind 宏观数据库，银行同业间拆借平均利率和无风险收益率来自RESSET金融研究数据库。

2.变量说明。

（1）宏观信息波动（AS）：是指与企业无关而与宏观经济环境相关的信息波动，当其宏观信息波动增加时，宏观信息对资本产品的影响范围较微观信息范围更大、程度更深。在计算代理变量时，每只股票i，在每个月t，根据往前12个月窗口滚动日度收益数据做CAPM回归，即可得到βi，t，同时得到CAPM模型的残差标准差σiεt，那么个股面临的宏观信息波动为βi，tσmt，σmt为基于股票市场日收益率计算出日收益率波动率。对于整个市场来说，宏观信息波动则为所有股票的加权平均值1/N∑Ni=1βi，tσmt。

（2）微观信息波动（IS）：是指仅与企业相关而与宏观环境无关的信息波动，如企业的利润变化、技术进步等，其影响范围可能仅为某只或具体某行业股票的收益情况。同样根据股票日收益率十二个月窗口滚动的CAPM模型，取其残差标准差σiεt作为个股微观信息波动的代理变量。市场微观信息波动则为1/N∑Ni=1σiεt。

（3）货币政策变量（ME）：本文参考战明华（2019）[17]的方法，将货币政策识别变量用lnM2=a+b1lnGDP+b2r+μ的回归残差表示，在模型中引入季节调整后的GDP和银行间7天同业拆借利率作为解释变量。mp>0时表示扩张的货币政策，ME取1，mp<0时表示紧缩的货币政策，此时ME取0。

（4）注意力变量：参考Kacpercayk等（2016）[14]，本文选择基金持仓作为注意力代理变量。

（5）波动择时能力（Stiming）：从信息波动角度衡量的择时能力，反映了基金经理注意力配置结果与宏观信息之间的关系，计算公式如下：

其中，Nj表示基金总数量， ωjit表示基金j在第t期开始时股票i的持仓比例，ωmit则表示股票i在t时资本市场中的市值占比。参照宏观信息波动的定义，将市场日收益率波动率σmt作为此处市场信息波动zn（t+1）的代理变量。

（6）波动选股能力（Spicking）：与波动择时能力相对应，描述基金经理的注意力配置结果中与微观信息相关而与宏观信息无关的部分。计算公式如下：

其中，zi（t+1）表示个股微观信息波动，取其残差的标准差σiεt作为个股微观信息波动的代理变量。

（7）择时收益能力（Etiming）：以市场收益为关注对象的择时能力，反映了基金所获收益与市场收益之间的关系。择时收益能力强意味着当市场收益高时，所持投资组合与市场收益的相关系数高，而当市场收益低时，所持有的投资组合与市场收益的相关系数高低甚至负相关，其计算公式为：

其中，βi，t为股票i的收益Ri与市场收益Rm协方差和市场收益方差之比。择时收益能力强意味着在市场收益升高之前，基金通过提高

值高的股票持仓占比提高收益。

（8）选股收益能力（Epicking）：从市场收益角度出发的选股能力，主要描述投资者的收益中与市场收益无关仅与所持股票自身特质相关的部分，即对低估或者过誉股票的识别能力。此时选股关注的对象是收益而非信息波动，其公式为：

Epickingjt=∑Nji=1（ωji，t-ωmi，t）（Rmt+1-βi，tRmt+1） （25）

其中，Rit+1表示股票i在t时期内的收益率，Rit+1-βi，tRmt+1表示股票i在t时期内收益率中只与自身特质相关而与市场无关的部分。

（9）信息不透明度（Opaque）：根据Hutton等（2009）[18]的计算方法，用上市公司过去三年操控性应计项目绝对值累计之和表示公司信息透明度Opaque，其计算公式如下：

Opaque=DisAcct-1+DisAcct-2+DisAcct-3（26）

其中，操控性应计项目之和根据Dechow等（1995）[19]修正过的Jones模型计算得出：

TAi，tAsseti，t-1=α11Asseti，t-1+α2ΔREVi，tAsseti，t-1+α3PPEi，tAsseti，t-1+εi，t（27）

DisAcci，t=TAi，tAsseti，t-1-

11Asseti，t-1+2ΔREVi，t-ΔRECi，tAsseti，t-1+3PPEi，tAsseti，t-1 （28）

公式中TA表示总应计项目，Asset表示资产总额，ΔREV表示销售收入增加额，ΔREC表示应收账款增加额，PPE为固定资产原价。上市公司会计信息不透明度可在某种程度上衡量信息收集的注意力成本，Opaque值越小，说明该企业的信息透明度越高，其信息收集所需的注意力越低。

（二）实证检验与结果讨论

1.不同货币政策下宏观信息与微观信息的波动性差异。根据理论模型结果，投资者的注意力配置与风险成正比，为验证我国机构投资者的注意力是否会在不同的货币政策背景下进行优化配置，首先需要探究宏观信息与微观信息在不同货币政策下信息波动是否有显著差异，此处构建实证模型如下：

其中，ASt表示宏观信息波动，ISt表示微观信息波动，SRt表示宏观信息波动与微观信息波动之比。Xtj为控制变量，该实证模型分别使用时间序列回归和混合回归两种方法，在这两种回归方法中，Xtj具体表示的控制变量有所差异，具体见实证结果表1。

宏观信息波动、微观信息波动、宏观与微观的信息波动之比与货币政策關系的实证结果如表1所示，其中表1（A）为时间序列回归结果，表1（B）为混合回归结果。在时间序列回归中，Xtj采用Fama-French月度三因子作为控制变量。在混合回归中，Xtj采用股票异质性特征变量，包括企业市值指标变量（Size），账面市值比指标变量（B/M）和个股过去一年累计收益率（Rt12）。本文对特征变量采取分组赋值法进行预处理，参见Daniel（1997）[20]。实证结果如表1所示。

表1（A）和表1（B）中，第（1）、（3）、（5）列为基础回归，第（2）、（4）、（6）列为加入控制变量后的回归结果。从表中数据可以看出，宏观信息波动和微观信息波动都是在货币宽松期更显著，但二者的变动幅度不同。时间序列回归结果中，货币政策扩张期的宏观信息波动显著高于货币政策紧缩期，是紧缩期的两倍。货币政策扩张期的微观信息波动同样显著高于货币政策紧缩期，但二者差距较小，涨幅仅为1790%。在基础回归结果中（第5列结果所示），宽松货币政策背景下，宏观信息波动与微观信息波动之比为152，而在紧缩的货币政策背景下，宏观信息波动与微观信息波动之比小于1。表1（B）为混合回归结果，结果与时间序列结果一致，即宏观信息波动在宽松货币政策背景下更显著，微观信息波动在紧缩货币政策背景下更显著的现象，结果具有一定的稳定性。

表1结果表明，虽然宏观信息波动和微观信息波动均在货币政策扩张时显著高于货币政策紧缩期，但宏观信息波动与微观信息波动之比在不同货币政策背景下有显著差异，且宽松的货币政策与较高的宏观信息波动在时间上存在一致性，即在货币政策宽松时宏观信息波动更大，而微观信息波动在紧缩货币政策背景下更大。

2.不同货币政策下投资者对宏微观信息的注意力配置。从信息波动角度衡量基金“波动择时能力”和“波动选股能力”，以此判断我国基金的注意力配置是否会随货币政策的变化而变化。构建以下实证模型，验证基金的波动择时能力和波动选股能力与货币政策之间是否相关：

其中，SDifferencejt表示波动择时与波动选股之差，Xjt表示基金基本信息和企业层面的异质性控制变量，基金层面信息变量包括基金成立年限（Age）、基金资产净值（TNA）、费用支出率（Expense）和资金流转波动量（Flow），其中，TNA用资产总值与负债和费用之差表示，Flow则参考Sirri和Tufano（1998）方法，用TNAit/TNAit-1-1+Rit表示，Rit为基金收益率，其中变量age和TNA需要取对数。股票层面异质性控制变量与前文一致，为Size，Rt12和B/M，这里的股票控制变量为原值，无须对其分组赋值。

本部分的实证结果主要目的在于验证从宏观信息波动和微观信息波动角度出发衡量的择时和选股能力在货币政策不同阶段是否有不同表现。结果如表2所示。

表2中第（1）、（3）、（5）列分为波动择时、波动选股以及二者之差与货币政策变量的一元线性回归结果，为了实证结果的稳健性，第（2）、（4）、（6）列为加入基金层面特征变量和个股异质性特征变量后的实证结果。从表2结果中可以看出，Stiming、Spicking的ME系数均为正，表示基金的波动择时能力和波动选股能力都是在宽松的货币政策背景下更加显著。此外，Stiming在货币政策扩张期是货币政策紧缩期的297倍，而Spicking在货币政策扩张期仅高于货币政策紧缩期22%，说明在货币政策宽松期，投资者的波动择时能力表现相对较好。该结果也与表1结果相呼应，在我国的资本市场上，货币政策宽松时，异质性风险的波动率相对货币政策紧缩时较高，二者的相对值更具有解释意义。因此，本文进一步研究了投资Stiming与Spicking之差与货币政策之间的关系。表2的第5列和第6列为波动择时能力和波动选股能力之差与货币政策以及加入控制变量前后的实证结果，从数据中可以看出，在货币政策宽松时，二者之差显著为正，表明投资者的波动择时能力高于波动选股能力，反之，在货币政策紧缩时，二者之差显著为负，表明投资者的波动选股能力高于波动择时能力。此结果说明我国基金的注意力在不同货币政策下配置结果不同，在宽松货币政策时更加关注宏观信息波动，而在货币政策宽松时更加关注微观信息波动。

3.不同货币政策下投资者的收益水平与信息波动的关系。回顾理论模型，本文在财富函数中加入了信息收集注意力消耗的惩罚项，此处为简单验证该做法的合理性，我们在实证模型中纳入变量信息不透明度Opaque，通过验证信息不透明度与最终收益之间是否存在负相关，为理论模型的构建提供一定支撑。本节构建如下实证模型，验证在不同货币政策下基金的择时能力和选股能力是否有显著差异：

其中Etimingjt表示第j个基金在第t期的择时收益能力，Epickingjt表示第j个基金在第期的选股收益能力，EDifferencejt表示收益择时与收益选股之差。信息不透明度Opaque的数据处理方法与其他变量一致。

表3表示了不同货币政策下择时收益能力和选股收益能力的时间序列回归结果。

从表3中数据可以看出，在收益择时和收益选股实证结果中，Opaque作为信息收集的注意力成本代理变量，其系数均显著为负，加入控制变量后，结果依然显著。结果表明，理论模型在信息收集阶段考虑加入注意力惩罚部分具有一定合理性。

表3中第（1）列和第（2）列分别为Etimingjt加入控制变量和信息不透明度前后的回归结果，ME系数显著为正，基金的半年期择时收益能力在货币宽松期比货币紧缩期高出59个bp。结合表2可知，基金经理在宽松货币政策时，会提高对宏观信息波动的关注度，表3结果证明了这种注意力配置的确能够给投资者带来更高的收益。表3中第3列和第4列为Epickingjt的回归结果，货币政策代理变量系数显著为正，这与表1中在货币政策扩张期也会有显著提高结论相符，所以需要进一步看择时能力和选股能力的收益差值在不同货币政策背景下的表现，结果如表3的第（5）列和第（6）列所示。結果显示，在货币政策扩张期时，择时收益能力比选股收益能力收益高1958个bp。反之，在货币政策紧缩期时，收选股能力比择时收益能力高出1352个bp。因此可知，在货币政策宽松期，投资者的择时收益能力收益更高，而在货币政策紧缩期，投资者的选股收益能力收益更高。

综上，我国基金经理在宽松货币政策背景下更加关注宏观信息波动，而在紧缩货币政策背景下更加关注微观信息波动，这样的注意力配置策略确实能够给投资者带来较高收益，

五、结论与政策建议

（一）结论

本文从理性疏忽的视角，建立了投资者注意力配置理论模型，并结合实际数据对模型结论进行验证，充分验证了模型结论的可靠性。

在理论部分，通过建立注意力与信息精度之间的关系，构建了理性疏忽两阶段注意力配置模型。研究了投资者在不同货币政策背景下，对宏观信息和微观信息的关注问题。研究发现：在我国资本市场上，宽松货币政策下的宏观信息波动显著高于货币紧缩期，而微观信息波动虽在不同货币政策下变化没有宏观信息波动显著，但宏观信息波动与微观信息波动之比在不同货币政策下存在显著差异。在宽松货币政策背景下，关注宏观信息波动的基金经理择时能力显著，在紧缩货币政策背景下，关注微观信息波动的基金经理选股能力显著。实证结论与理论结果高度一致。

（二）政策建议

根据本文的理论研究和实证研究结果，本文针对政策部门提供以下政策建议：

兼顾行为人理性预期，提高货币政策有效性。货币政策在制定和实施阶段，确保行为人对其给予充分关注，促使政策实施得到贯彻落实。货币政策应充分考虑投资者的注意力配置决策，避免引起资本市场上的非必要波动，保证货币政策精准实施。

完善资本市场监管机制，保障资本市场稳健运行。加快完善信息披露机制，丰富投资者信息获取渠道，提升信息发布及时性，使得资本市场对信息的获取和吸收及时有效，长期确保资本市场的健康稳定运行。监管部门加强对市场信息传播的监控力度，避免虚假信息大面积传播，引导行为人注意力正确配置，减少市场非理性波动。

加强投资者教育保护，优化投资者投资结构。第一，加强全民金融普法教育，提高投资者对金融信息的处理能力，形成理性投资认知，降低资本市场上的投机心理。第二，针对我国散户投资者占比较高，相比机构投资者而言，在信息收集和处理方面差距较大，提高机构投资者占比，引导个人投资机构化。

参考文献：

[1] Jensen M C. The performance of mutual funds in the period 1945-1964[J]. Journal of Finance，1968，23（2）：389-416.

[2] Simon， H. A. Designing organizations for an information-rich world[J]. International Library of Critical Writings in Economics， 1996，70：187-202.

[3] Fleming M J， Remolona E M . What moves the bond market？[J].Economic Policy Review， 1997，3（4）：31-50.

[4] Bemanke B S， Kuttner K N. What explains the stock market′s reaction to Federal Reserve policy？[J]. The Journal of finance， 2005， 60（3）： 1221-1257.

[5] Hausman J K， Wongswan J. Global asset prices and FOMC announcements[J]. Journal of International Money and Finance， 2011， 30（3）： 547-571.

[6] 姜富偉，郭鹏，郭豫媚.美联储货币政策对我国资产价格的影响[J].金融研究，2019（5）： 37-55.

[7] Kahneman D.， Tversky A. Availability： A heuristic for judging frequency and probability[J]. Cognitive sychology， 1973， 5（2）： 207-232.

[8] Sims C A. Implications of rational inattention[J]. Journal of monetary Economics， 2003， 50（3）： 665-690.

[9] Sims C A. Rational inattention： beyond the linear-quadratic case[J]. American Economic Review， 2006， 96（2）：158-163.

[10]Peng L， Xiong W. Investor attention： overconfidence and category learning[J]. Journal of Financial Economics， 2006， 80（3）： 563-602.

[11]Hellwig， C.， Veldkamp， L. Knowing what others know： Coordination motives in information acquisition[J]. The Review of Economic Studies， 2009，76（1）： 223-251.

[12]Luo， Y. Rational inattention， long-run consumption risk， and portfolio choice[J]. Review of Economic Dynamics，2010.

[13]Liu H H . Rational Inattention and Portfolio Selection[J]. Journal of Finance， 2007， 62（4）：1999-2040.

[14]Kacperczyk M T， Van N S， Veldkamp L. A rational theory of mutual funds′ attention allocation[J]. Econometrica， 2016， 84（2）： 571-626.

[15]Mondria J. Portfolio choice， attention allocation， and price comovement[J]. Journal of Economic Theory， 2010，145（5）： 1837-1864.

[16]Admati A R. A noisy rational expectations equilibrium for multi-asset securities markets[J]. Econometrica： Journal of the Econometric Society， 1985， 53（3）： 629-657.

[17]戰明华，罗诚剑，李帅，等.货币政策冲击对传统行业融资约束产生强化效应吗？——以纺织业为例[J].财经研究，2019，45（7）： 125-139.

[18]Hutton A P， Marcus A J， Teheranian H. Opaque financial reports， R2， and crash risk[J]. Journal of Financial Economics， 2009， 94（1）： 67-86.

[19]Dechow， P. M.， Sloan， R. G.， Hutton， A. P . Detecting Earnings Management[J].Accounting Review， 1995， 70（2）：193-225.

[20]Daniel K， Grinblatt M， Titman S. Measuring mutual fund performance with characteristic-based benchmarks[J]. The Journal of finance， 1997， 52（3）： 1035-1058.

（责任编辑：赵春江）