投资者结构是中国股票市场定价因子吗？

李新 梁伟 周率

(首都经济贸易大学金融学院，北京 100070)

一、引言

资产定价是投资界及学术界探讨的热门话题，各类投资者期望通过持有股票资产来获取超额收益，而学术界一直致力于发现新的股票资产定价因子。Sharpe(1964)等学者提出了资本资产定价模型(CAPM)，该模型认为股票资产的风险溢价来源于单一的风险因素，即由所有股票组成的市场组合的收益率。如果放松CAPM模型的假定，就可以得到资产风险溢价受多种因素影响的结论。Ross(1976)提出了多因素套利定价理论(APT)，该模型成为了多因素资产定价模型的理论基础。Fama and French(1993)提出了三因子模型，开创了实证资产定价的新范式。FF三因子模型在CAPM模型的基础上进一步考虑了公司规模及账面市值比这两个因子，可以更好地解释资产组合的横截面收益。Fama and French(2015)基于红利贴现模型进一步提出了五因子模型，该模型在三因子模型的基础上加入盈利能力和投资风格因子，以更好地描述横截面上股票组合的期望收益率。到目前为止，已有超过447个潜在因子被学者们发现，越来越多的投资者开始将多因子模型作为资产配置策略(Hou et al.，2018)。

目前中国处于从高速增长转向高质量发展的阶段，这种经济发展方式的转变需要资本市场的支持。A股已经形成了包括沪深主板、创业板、科创板及北交所在内的多层次资本市场，通过融资及定价等功能服务于中国的实体经济。不同市场参与的投资者群体是不一样的，这种投资者结构差异直接影响了市场的功能，其中就包括资产定价功能。从国际资本市场的角度看，王朝阳和王振霞(2017)研究发现，相较于中国台湾市场、中国香港市场与美国市场，沪深股票市场个人投资者占比较高而机构投资者占比较低，影响了沪深股票市场的股价波动率，即沪深股票市场的定价功能可能不同于成熟的国际资本市场。从资产收益的角度看，何诚颖等(2021)研究发现，在不同的机构投资者持股比例下，投资组合的风险溢价是不同的。总之，机构投资者的持股比例会影响股票的预期收益，投资者结构可能是影响A股资产定价的一个重要因子。

本文参考Fama and French(2015)的因子构建方法构建投资者结构因子，并将该因子加入Carhart四因子模型中构建五因子模型，以探究如下问题：(1)投资者结构是不是A股市场的定价因子；(2)不同上市板块中，投资者结构因子溢价是否相同；(3)疫情冲击是否影响了投资者结构因子溢价。经过理论与实证分析，本文得出相关结论：(1)Carhart四因子模型适用于沪深股票市场，沪深股票市场存在显著的季频动量效应；(2)投资者结构是沪深股票市场的定价因子，经Carhart四因子模型调整后的投资者结构因子仍然显著；(3)相对于沪深主板市场，创业板与科创板市场的投资者结构因子溢价更高；(4)新冠疫情提高了沪深股票市场的投资者结构因子溢价。

本文的边际贡献在于：(1)发现投资者结构是A股市场的定价因子，补充了实证资产定价领域的已有研究；(2)研究了上市板块差异与疫情冲击对投资者结构因子溢价的影响，揭示了投资者结构因子在不同上市板块及疫情冲击下的不同表现，是对实证资产定价研究的进一步拓展，并且补充了多层次资本市场及新冠疫情方面的相关研究；(3)基于长期价值投资理念，利用季度频率数据进行了实证资产定价研究，更好地反映了中长期周期下机构投资者的交易行为及市场的运行规律，弥补了只进行日内、日度、周度及月度频率研究的文献的不足。本文为A股市场投资端改革提供了经验证据，有助于证券监管部门进一步完善A股市场的投资者结构与监管体系。

二、文献综述

CAPM模型首次清晰地描述了资产收益率与风险之间的关系，为后续大量线性多因子定价模型的研究奠定了基础(Sharpe，1964)。当投资机会不断发生变化时，仅考虑市场风险的CAPM模型就不再成立了。Merton(1973)考虑多期消费和投资，构建了跨期资本资产定价模型(ICAPM)，该模型在CAPM模型的基础上，进一步考虑了投资机会集合恶化所带来的风险溢价。Waggle and Agrrawal(2015)在美国股票市场上发现了投资者情绪异象，投资者的情绪越积极，美股在未来3～6个月的收益率越低；市场情绪越消极，股票短期收益率越高。李双琦等(2021)研究了消费与投资者情绪因子在资产定价中的有效性，他们利用消费和投资者情绪因子对CAPM、FF三因子和FF五因子模型进行了拓展，拓展后的模型定价效率都显著提高。Brogaard and Detzel(2015)基于ICAPM模型研究发现，美国经济政策不确定性指数是重要的资产定价因子。林建浩等(2021)基于ICAPM理论研究发现，货币政策不确定性(MPU)是A股市场的重要定价因子，最高MPU因子暴露投资组合的风险溢价要比最低MPU因子暴露投资组合的风险溢价平均每年高出1.428%。

Fama and French(1993)在CAPM模型的基础上，考虑了公司规模及账面市值比这两个定价影响因素，构建了三因子模型，该模型可以更好地解释投资组合在持有期的风险溢价。

到目前为止，FF三因子模型已经是实证资产定价研究的首选。Carhart(1997)在FF三因子模型的基础上新增了动量因子，即历史收益率较高投资组合与历史收益率较低投资组合的收益率差值，研究发现动量因子并没有解释共同基金所获得的超额收益。Fama and French(2015)在三因子模型的基础上加入盈利能力和投资风格因子，构建了五因子模型，以更好地描述横截面上股票组合的期望收益率。为了测试美国股票市场是否存在动量效应，Fama and French(2016)在FF五因子模型中加入了动量因子，研究发现美国股市的动量效应不显著。Guo et al.(2017)研究发现，规模、价值和盈利能力因子对股票未来收益具有较强的解释能力，但投资风格因子冗余。在A股市场的资产定价研究方面，Liu et al.(2019)将FF三因子模型中的账面市值比因子替换为利润市值比因子，改进后的模型对投资者组合风险溢价的解释能力增强了，并且解释了沪深股票市场上的盈利能力及波动性异象。随着被挖掘出来的因子逐渐增多，难免存在一部分因子包含着相同的股价信息。陆蓉等(2021)研究发现，非彩票型股票存在显著的月度动量效应，动量策略对冲组合能够获得0.76%的平均月度收益和0.81%的三因子月度超额收益。同时，股票市场交易及流通等制度也会影响资产定价。在市场做空机制方面，何诚颖等(2021)研究发现，在做空受限的投资组合中，投资者情绪与股票未来收益负相关的现象更为明显。在股票流通制度方面，李志冰等(2017)研究发现，在A股市场股权分置改革前，市场因子收益率较为显著，而股改后的盈利能力、投资风格及动量因子的风险溢价更加显著。

对于投资者结构的学术研究也较为丰富。Stambaugh et al.(2015)用机构投资者持股衡量有限套利。但是，机构投资者持股不仅仅是衡量了股票套利的难易程度。Edmans(2009)研究发现，在中国香港等成熟的国际资本市场中，持有长期价值投资理念的机构投资者占比较高，其对企业的估值更加合理，该类机构投资者进入沪深股票市场，有利于提高沪深股票市场的定价能力。连立帅等(2019)研究发现，机构投资者占比提高，即投资者结构进一步优化，有助于资本市场实现合理定价与资源的有效配置。Carpenter et al.(2021)研究发现，通过QFII(合格境外机构投资者)制度进入A股市场的境外机构投资者的持仓行为提高了沪深股票市场的定价能力。同时，何诚颖等(2021)研究发现，A股市场个人投资者占比较高，个人投资者容易情绪化，主要进行非理性交易，表现为追涨杀跌，导致A股市场存在显著的反转效应。陆蓉等(2021)得出了与之相似的结论，A股市场的个人投资者仅仅持有23.7%的股票市值，却贡献了85.6%的成交额，这种投资者结构不完善的市场状况是A股市场动量效应不显著的主要原因。

投资者结构方面的研究表明，机构投资者持股对A股市场的定价功能产生了较大的影响，即投资者结构是个股或者股票组合未来收益的重要影响因素。但是，以往实证资产定价方面的研究忽略了投资者结构对股票横截面收益的影响，所以本文试图研究投资者结构是否是A股市场的定价因子。

三、理论分析与研究假设

(一)投资者结构与横截面收益

首先，根据积极的监督者假说，在生产经营方面，机构投资者更有动力和能力关注上市公司的长期发展，他们对企业管理层进行监督(Lee and Masulis，2011)，有利于改善企业的创新投入水平及经营业绩，从而提高了股价，因此，机构投资者持股有利于提高股票投资收益率。在信息披露方面，机构投资者持股会改善上市公司的信息披露质量，因此投资者结构就会包含更多的股价信息(李春涛等，2018)。其次，沪深股票市场主要以个人投资者为主，个人投资者缺乏正确的投资理念，其非理性的交易行为容易使股票定价过高或者过低(何诚颖等，2014)。而机构投资者遵循价值投资理念(Carpenter et al.，2021)，当股价被低估时，机构选择买进股票；当股价存在估值泡沫时，机构就会卖出股票。因此，较高的机构投资者持股比例代表股票的价值被低估，股价大概率会上涨；而较低的机构投资者持股比例代表股票的估值偏高，股价可能会下跌。最后，机构投资者可以对分析师发布的评级信息作出正确的判断，在交易中个人投资者起到为机构投资者提供流动性的作用(孔东民，2019)，即当机构投资者买卖股票时，个人投资者会充当其交易对手方。综上所述，由于机构投资者可以更加准确地判断股票的价值，并且机构投资者的持股行为有利于股价上涨，所以本文提出如下假设：

H1：机构投资者持股比例越高，股票的超额收益率越高，即投资者结构是沪深股票市场的定价因子。

(二)上市板块与投资者结构

首先，相对于沪深主板市场，创业板与科创板对投资者设置了较高的准入条件，机构投资者占比更高。以机构投资者的重要成员之一公募基金在2021年末的持股为例，沪深主板的公募基金持股市值占板块总市值的比例为6.23%，而创业板与科创板的公募基金持股比例分别为9.24%和7.93%。因此，机构投资者可以对创业板与科创板上市公司形成更有效的监督，有利于提高上市公司的每股收益(Lee and Masulis，2011)及信息披露质量(李春涛等，2018)，机构投资者持股对创业板与科创板股票的未来收益影响更大。其次，相对于沪深主板市场，创业板与科创板以处于初创期的企业为主，科技型企业占比高，未来盈利和增长前景不确定性强，股价波动性高(王荣欣等，2018)，导致投资者对股票进行合理估值的难度相对较大。而机构投资者专业能力强，可以对股票进行合理定价，相对于沪深主板市场，机构投资者在创业板与科创板上的专业优势更加明显。因此，相对于沪深主板市场，机构投资者持股比例较高的创业板与科创板股票组合的超额收益更高，投资者结构因子溢价更高。最后，个人投资者在创业板市场上的非理性交易程度高于主板市场(熊艳等，2014)，在创业板与科创板市场上，进行非理性交易的个人投资者可以更好地充当机构投资者的交易对手方。综上所述，由于在创业板与科创板市场上机构投资者持股对股价未来波动的影响更大，所以本文在假设1的基础上提出如下假设：

H2：相对于沪深主板市场，创业板与科创板市场的投资者结构因子溢价更高。

(三)疫情冲击与投资者结构

首先，新冠疫情导致上市公司生产经营受限及投资者情绪恶化，进而导致A股下跌。机构投资者为了获利，倾向于与其他机构投资者保持一致的交易行为，进而形成了机构投资者的抱团行为。公募基金等机构投资者的持仓数量及持仓规模均增加，在2021年3季度末，主动型股票基金的规模同比增加了44.95%，其股票仓位为88.51%，均高于疫情前的水平。同时，境外机构投资者开始增持A股。在2021年2季度末，外资通过陆股通持有医药企业市值为3183亿元，环比1季度增加了425亿元，总体保持低速增加的态势。在2020年初至2022年初的疫情期间，早期机构抱团股都实现了大幅上涨，之后机构开始高位减仓，之前的机构抱团股开始回调。因此，疫情冲击导致机构投资者持股比例与股票未来收益率的正相关关系更加强烈。已有研究发现，疫情冲击确实影响了A股市场的个股收益率(陈赟等，2020)。其次，疫情导致线上经济快速发展，A股市场上与上市公司、行业及宏观经济相关的信息发布数量大幅增加，信息不对称水平下降，机构投资者可以获取更多信息，从而对股票价值作出更加准确的判断，以至于机构投资者持股比例包含更多的股价信息。最后，由于疫情期间机构投资者抱团行为更加明显及市场信息不对称水平下降，机构投资者可以对上市公司进行更加有效的监督(Lee and Masulis，2011)，有利于改善企业经营业绩及提高股价。综上所述，由于疫情期间机构抱团加强与信息不对称水平下降，所以本文在假设1的基础上提出如下假设：

H3：疫情冲击提高了沪深股票市场的投资者结构因子溢价。

四、研究设计

(一)数据选取

鉴于A股市场在2005年开始全面进行股权分置改革，本文选取数据的时间起始于2006年1季度；同时，鉴于中国的新冠疫情主要发生于2020年初到2022年初，为了研究疫情冲击，本文选取数据的时间截至2021年4季度。本文参考Liu et al.(2019)等人处理样本数据的方法，剔除了上市时间在一年以下的股票，其中包括北交所的所有股票，因此本文最终只选取了沪深两市的股票作为研究样本。因为机构投资者持股数据按季度公布，所以本文使用季度数据进行实证分析，最终选取64个季度的沪深股票市场数据开展研究。本文使用的所有数据均来源于Choice、CSMAR及Wind数据库，其中的上市公司财务数据采用合并财务报表数据。

参考Liu et al.(2019)的研究方法，本文对样本数据进行如下处理：(1)剔除上市时间短于1年的股票，同时剔除股票上市后最初250个交易日的数据；(2)剔除长期停牌股票，同时剔除最近1年少于120个交易日的股票；(3)剔除期末总市值最小的30%的股票；(4)剔除ST等被特殊处理的股票和已经退市的股票；(5)剔除数据有缺失的股票，同时剔除资产为负或0的股票。

(二)变量定义

已有研究通常利用机构投资者持股比例(institutional investor shareholding ratio)来衡量个股或者整个资本市场的投资者结构(Stambaugh et al.，2015；连立帅等，2019)，并且证券监管部门及交易所也采用该指标来分析投资者群体。本文中机构投资者持股比例的定义为机构投资者持有流通股的市值与个股全流通市值之比，剔除了限售股，因为限售股反映不出机构对个股的估值判断。Fama and French(2016)在构建动量因子时，以股票从第t-12个月至t-2个月的累计历史收益率(Prior2～12)来进行分组，本文参考这一做法，将Prior定义为股票t-4季度到t-2季度的累计历史收益率(Prior2～4)。具体变量定义见表1。

表1 变量定义

(三)因子构建

参考Fama and French(2015)分组及因子构建方法，本文在第t年2季度末根据各指标的分位点来分组，用于确定t年3季度至t+1年2季度的各股票组合。本文按照2×3方法进行分组、构造因子：(1)按股票市值(Size)的中位数把全体股票分成小市值(S)和大市值(B)两组，按账面市值比(Bm)的30%和70%分位点把全体股票分成账面市值比高(H)、中(N)、低(L)三组，将市值和账面市值比两个指标交叉，把全体股票分成SH、SN、SL、BH、BN、BL六个组合；(2)按历史收益率(Prior)的30%和70%分位点把全体股票分成历史收益率高(R)、中(N)、低(W)三组，将市值和历史收益率两个指标交叉，把全体股票分成SR、SN、SW、BR、BN、BW六个组合；(3)按机构投资者持股比例(Isr)的30%和70%分位点把全体股票分成机构投资者持股比例高(I)、中(N)、低(P)三组，将市值和机构投资者持股比例两个指标交叉，把全体股票分成SI、SN、SP、BI、BN、BP六个组合；(4)计算上述各组合每一期的流通市值加权平均收益率，利用不同组合收益率之差构造规模因子(SMB)、价值因子(HML)、动量因子(MOM)及投资者结构因子(IMP)，具体因子构造过程见表2。投资者结构因子是本文研究的重点，首先计算SI、BI、SP、BP这四个组合每一期的流通市值加权平均收益率，然后利用前两个和后两个组合收益率之差构造投资者结构因子，即投资者结构因子是按机构投资者持股比例构造多空对冲组合的收益率。

(四)模型构建

本文通过GRS检验最终选择在Carhart四因子定价模型的基础上增加IMP因子，构建五因子模型：

其中，RP,t为t时期组合P的收益率；RF,t为t时期的无风险收益率；αP表示组合P产生的超额收益率；βM,P、βSMB,P、βHML,P、βMOM,P、βIMP,P分别表示组合P的风险收益率对相应风险因子的敏感系数；(RM,t-RF,t)为市场因素在t时期的风险溢价；SMBt(small minus big)为规模因素在t时期的风险溢价；HMLt(high minus low)为账面市值比因素在t时期的风险溢价；MOMt(momentum)为动量因素在t时期的风险溢价；IMPt(investor minus private)为投资者结构因素在t时期的风险溢价；εP,t为误差项，服从正态分布。

五、实证结果与分析

为检验投资者结构是否是A股市场的定价因子，本文首先进行了描述性统计、相关性分析及有效性检验，其次对Carhart四因子模型及加入IMP因子的五因子模型进行实证回归，最后分析了投资者结构因子在不同上市板块及新冠疫情前后的不同表现。

(一)描述性统计与相关性分析

1.描述性统计

如表3所示，SMB、HML、MOM及IMP因子的均值分别为0.073、0.036、0.013及0.026，皆显著不为零，表明沪深股票市场可能存在规模效应、价值效应、动量效应及投资者结构因子。而市场因子的均值为-0.041，表明在样本研究期间内，整个市场是在下跌的。描述性统计并不足以判断沪深股票市场不存在市场效应而存在其他效应，需要进一步实证分析(李志冰等，2017)。

2.相关性分析

如表4所示，IMP与HML因子的相关系数为0.319，两者显著正相关，这可能是因为机构投资者主要投资于价值型股票；IMP与MOM因子的相关系数为-0.556，两者显著负相关，这可能是因为当股价经过大幅上涨后，机构投资者开始卖出该类股票(Carpenter et al.，2021)。

表4 因子相关性分析

(二)有效性检验

1.市场风格效应检验及冗余检验

市场风格效应检验可以检验因子在风险调整后是否还具有显著的风险溢价，通常用FF三因子模型作为风险调整的基准模型。本文将MOM及IMP因子分别对FF三因子模型进行回归，回归截距项(α)代表该因子经FF三因子模型调整后的风险溢价。如表5的市场风格效应检验结果所示，MOM和IMP因子风险调整后的溢价分别为0.018和0.014，仍显著大于零，表明沪深股票市场存在经FF三因子模型调整后仍然显著的动量效应和投资者结构因子。对于动量效应，李志冰等(2017)研究发现，沪深股票市场不存在月频动量效应，而陆蓉等(2021)研究发现，非彩票型股票存在显著的月频动量效应。本文之所以得出不同结论，可能是因为动量效应在季度频率上表现得更加显著，季频收益率可以更好地描述机构投资者的交易行为。对于投资者结构因子，很少有国内文献进行直接检验，市场风格效应检验结果初步证明了投资者结构是沪深股票市场的定价因子。

表5 市场风格效应检验及冗余检验

五因子模型冗余检验是用其中一个因子对其他四个因子进行回归，回归截距项(α)代表经其他四个因子调整后该因子的风险溢价。本文对RM-RF、SMB、HML、MOM、IMP五个因子分别进行冗余检验，结果如表5所示。SMB、MOM、IMP因子经其他四个因子调整后的风险溢价皆显著为正，表明沪深股票市场存在显著的规模效应、动量效应及投资者结构因子。RM-RF和HML因子经其他四个因子调整后的风险溢价不显著，表明市场因子与价值因子在五因子模型中是冗余的。市场因子冗余可能是因为股票涨跌分化严重，个股收益受市场的影响越来越小，股价中的特质信息含量越来越高，包含的市场信息越来越少(Carpenter et al.，2021)。吴世农和许年行(2004)采用早期沪深股票市场数据研究发现，沪深股票市场不存在市场效应。价值效应冗余这一结果与田利辉等(2014)的研究相同，沪深股票市场不存在价值效应。这可能是因为，投资者结构因子包含了价值因子的相关信息，价值因子能够被投资者结构因子解释，机构投资者主要投资于价值型股票(孙立和林丽，2006)，表4的相关性分析也证实了这一点。

2.GRS检验

参考李志冰等(2017)的研究方法，本文利用G R S统计量检验资产定价模型的有效性。如果定价模型可以很好地解释股票的收益波动，则GRS统计量就会很小，且原假设更不容易被拒绝。本文分别按Size-Bm、Size-Prior、Size-Isr进行5×5分组，然后分别对FF三因子模型、Carhart四因子模型及新构建的五因子模型进行GRS检验。

在表6的GRS检验结果中，相较于FF三因子模型，不同分组下的Carhart四因子模型的GRS统计量更小，表明沪深股票市场确实存在显著的季频动量效应，增加MOM因子有助于提高模型的解释能力。同时，加入IMP因子的五因子模型，在不同分组下的GRS统计量大幅减小，并且在1%水平下显著，说明投资者结构是沪深股票市场的定价因子，相较于FF三因子模型和Carhart四因子模型，本文所构建的五因子模型对投资组合的风险溢价有更好的解释能力。

表6 GRS检验结果

(三)模型回归结果

1.Carhart四因子模型：动量效应

学者对动量因子进行了大量研究，同时动量因子也是应用最为广泛的因子之一。动量效应由Jegadeesh and Titman(1993)提出，他们发现在美国股票市场上过去3～12个月收益较高的股票在未来3～12个月也会取得较高的收益。Carhart(1997)将动量因子放入FF三因子模型中，证明了美国股票市场确实存在显著的动量效应。Fama and French(2016)发现美国股市不存在经FF五因子模型调整后的动量效应。A股市场是否存在动量效应仍有争议。鲁臻和邹恒甫(2007)研究发现，沪深股票市场的噪声交易太多，存在显著的反转效应。高秋明等(2014)研究发现，沪深股票市场存在周度频率的动量效应。白颢睿等(2020)研究发现，沪深股票市场存在日内动量效应及隔夜动量效应，而不存在月频动量效应。

本文分别按Size-Prior、Bm-Prior进行5×5分组，SmallSize、Bigsize分别代表小市值和大市值股票组合，LowBm、HighBm分别代表账面市值比低和高的股票组合，WeakPrior、RobustPrior分别代表历史收益率低和高的股票组合。利用前文构造的因子对Carhart四因子模型进行回归，并且主要对动量因子的回归系数进行分析，结果如表7所示。在t-4至t-2季度累计收益率较高的组合中，MOM因子的系数显著为正；而在历史收益率较低的投资组合中，MOM因子的系数显著为负，表明沪深股票市场存在显著的季频动量效应，这可能是因为动量效应在季度频率上表现得更加显著，季频收益率可以更好地描述机构投资者的交易行为。在股价波动中，机构投资者扮演着主要角色，而个人投资者很大程度上是在充当机构投资者的交易对手方，为市场提供流动性(孔东民等，2019)。本文与已有研究发现一致，沪深股票市场存在显著的日内、日频(白颢睿等，2020)、周频(高秋明等，2014)及季频动量效应，而不存在月频动量效应(鲁臻和邹恒甫，2007)。

2.加入投资者结构因子的五因子模型

尽管学术界比较关注资产定价问题，但并未从理论及实证方面研究投资者结构对股票横截面收益的影响，本文通过理论分析提出投资者结构是A股市场定价因子的假设，并且对该假设进行实证检验。本文分别按Size-Isr、Bm-Isr、Prior-Isr进行5×5分组，PrivateIsr、InvestorIsr分别代表机构投资者持股比例低和高的股票组合，对本文构建的五因子模型进行时间序列回归，检验投资者结构是否是沪深股票市场的定价因子。

如表8的回归结果所示，在机构投资者持股比例高的投资组合中，IMP因子的系数显著为正；而在机构投资者持股比例较低的组合中，IMP因子的系数显著为负，表明持有机构投资者持股比例高的资产组合可以获取较高的预期收益，投资者结构是沪深股票市场的定价因子，证实了假设H1。

这可能是因为，首先，机构投资者属于积极的监督者，机构投资者持股有利于改善上市公司的经营业绩(Lee and Masulis，2011)及提高上市公司的信息披露质量(李春涛，2018)。其次，机构投资者遵循价值投资理念(Carpenter et al.，2021)，较高的机构投资者持股比例代表股票的价值被低估，股价可能会上涨；而较低的机构投资者持股比例代表股票的估值偏高，股价可能会下跌。最后，在交易中个人投资者起到为机构投资者提供流动性的作用(孔东民等，2019)，即当机构投资者买卖股票时，个人投资者会充当其交易对手方。

(四)进一步分析

1.上市板块与投资者结构

在沪深股票市场上，主板、创业板与科创板在服务上市公司及投资者方面的功能定位是不同的，在上市制度、投资者准入制度及交易制度等方面是有差异的。因此，本文将上海证券交易所主板与深圳证券交易所主板作为一个子样本，同时将创业板与科创板作为一个子样本，检验IMP因子溢价在这两个不同的子样本中是否有差异。本文分别按Size-Isr、Bm-Isr、Prior-Isr进行5×5分组，对本文构建的五因子模型进行实证回归，检验不同上市板块下IMP因子的不同表现。

如表9的回归结果所示，在创业板与科创板投资组合的回归中，IMP因子的系数明显大于主板，在投资者持股比例最高的组合中，各个上市板块的IMP因子系数基本上都显著为正，并且创业板与科创板的系数明显大于沪深主板，证实了假设H2，创业板与科创板市场的投资者结构因子溢价高于沪深主板。

表9 不同上市板块下的投资者结构因子

这可能是因为，首先，相对于沪深主板市场，创业板与科创板的机构投资者占比更高，机构投资者可以对创业板与科创板上市公司形成更有效的监督，有利于提高上市公司的每股收益(Lee and Masulis，2011)及信息披露质量(李春涛等，2018)，机构投资者持股比例对创业板与科创板股票的未来收益影响更大。其次，相对于沪深主板市场，投资者对创业板及科创板股票进行合理估值的难度更大，机构投资者在创业板与科创板上的专业优势更加明显，持有高机构投资者持股比例的创业板与科创板投资组合的超额收益更高。最后，熊艳等(2014)研究发现，个人投资者在创业板市场上的非理性交易程度高于主板市场，在创业板与科创板市场上，进行非理性交易的个人投资者可以更好地充当机构投资者的交易对手方。

2.疫情冲击下的资产定价

2020年初爆发的新冠疫情对上市公司及资本市场皆造成了一定的影响，已有文献并未分析疫情冲击下的资产定价异象，本文以2019年4季度末为时间分界点，将全样本划分为疫情前后两个子样本，以此来检验疫情冲击是否导致投资者结构因子产生了不同的表现。本文分别按Size-Isr、Bm-Isr、Prior-Isr进行5×5分组，对本文构建的五因子模型进行实证回归，检验疫情发生前后投资者结构因子的不同表现。

如表10的回归结果所示，在疫情后的投资组合中，IMP因子系数明显大于疫情前，在持股比例高的那一组中，疫情前及疫情后的IMP因子系数基本上都显著为正，同时疫情后的系数大于疫情前，因此疫情后A股市场的投资者结构因子溢价更高，证实了假设H3。

表10 疫情冲击下的投资者结构因子

这可能是因为，首先，新冠疫情导致机构投资者的抱团行为更加明显。在2020年初至2022年初的疫情期间，早期机构抱团股都实现了大幅上涨，之后机构开始高位减仓，之前的机构抱团股开始回调，因此疫情冲击导致机构投资者持股比例与股票未来收益率的正相关关系更加强烈。陈赟等(2020)研究发现，疫情冲击确实影响了沪深股票市场的个股收益率。其次，疫情冲击导致线上经济快速发展，资本市场上的信息不对称水平下降，机构投资者可以获取更多的信息，从而对股票价值作出更加准确的判断，以至于机构投资者持股比例包含更多的股价信息。最后，由于疫情期间机构投资者抱团行为更加明显及市场信息不对称水平下降，导致机构投资者可以对上市公司进行更加有效的监督(Lee and Masulis，2011)，有利于改善企业经营业绩及提高股价。

六、稳健性检验

前文将IMP因子加入到Carhart四因子模型中构建五因子模型，证明了投资者结构是沪深两市的定价因子。为了保证实证结果的稳健性，本文进一步将IMP因子分别加入到FF三因子模型、替换因子的Carhart四因子模型及FF五因子模型中。之所以选择这三个模型进行稳健性检验，是因为这三个模型在A股市场上具有较强的适用性，有助于证明本文对投资者结构因子的实证分析结果是稳健的。

(一)FF三因子模型加投资者结构因子

本文将IMP因子加入到FF三因子模型中构建四因子模型，检验IMP因子经FF三因子模型调整后是否仍然显著。本文分别按照Size-Isr、Bm-Isr进行5×5分组，然后进行实证回归。如表11的回归结果所示，机构投资者持股比例较高的组合存在较高的因子溢价，与基准回归结果相同。

(二)替换因子的Carhart四因子模型加投资者结构因子

本文参考Liu et al.(2019)的研究，将Carhart四因子模型中的HML因子替换为利润市值比因子(VMG)，检验经替换因子后的Carhart四因子模型调整后IMP因子是否仍然显著。VMG因子构造方法与HML因子相同，只是将账面市值比(Bm)替换为利润市值比(Ep)，利润市值比为每股收益与股价之比。本文分别按Size-Isr、Ep-Isr、Prior-Isr进行5×5分组，LowEp、HighEp分别代表利润市值比低和高的股票组合。对此处新构建的五因子模型进行实证回归，表12显示的回归结果与基准回归相同，机构投资者持股比例较高的组合存在较高的因子溢价。

表12 稳健性检验：替换因子的Carhart四因子模型加IMP因子

(三)FF五因子模型加投资者结构因子

本文将IMP因子加入到FF五因子模型中构建六因子模型，检验IMP因子经FF五因子模型调整后是否仍然显著。仍然采用2×3的分组及因子构造方法，盈利能力因子(RMW)基于营运利润率(Op)构造，投资风格因子(CMA)基于总资产变动率(Inv)构造。本文分别按照Size-Isr、Bm-Isr、Op-Isr、Inv-Isr进行5×5分组，WeakOp、RobustOp分别代表盈利能力弱和强的股票组合，ConservInv、AggressInv分别代表投资风格保守和激进的股票组合。对新构建的六因子模型进行实证回归，如表13的回归结果所示，机构投资者持股比例较高的组合存在较高的因子溢价，与基准回归结果相同，表明本文的实证结果是稳健的。

表13 稳健性检验：FF五因子模型加IMP因子

七、结论与启示

为检验投资者结构是否是中国股票市场的定价因子，本文利用沪深股票市场2006―2021年的上市公司季度数据构建投资者结构因子，并且将该因子加入Carhart四因子模型中，构建了五因子模型。本文研究发现：第一，Carhart四因子模型适用于沪深股票市场，沪深股票市场存在显著的季频动量效应。第二，投资者结构是沪深股票市场的定价因子，经Carhart 四因子模型调整后，该因子仍然显著。第三，相对于沪深主板，创业板与科创板的投资者结构因子溢价更高，这可能是因为创业板与科创板的投资者结构相对成熟。第四，新冠疫情提高了沪深股票市场的投资者结构因子溢价，这可能是因为疫情强化了机构投资者的抱团行为，并且降低了A股市场上的信息不对称水平。

本文结论具有一定的政策启示：第一，投资者结构因子的存在说明A股市场的投资者持仓或者交易结构仍然不成熟，证券监管部门可以通过加强个人投资者教育及机构投资者培育来解决该问题。在加强个人投资者教育方面，监管部门应该向个人投资者普及证券投资知识，鼓励个人投资者将股票投资转化为基金投资或者相关理财产品；在加强机构投资者培育方面，监管部门应该为公募基金、私募基金、保险等机构资金提供更好的制度环境。第二，投资者结构因子的存在表明个人投资者可以通过追踪机构投资者持仓来获取超额收益，这种模仿交易行为会导致A股市场异常波动及市场流动性下降，监管部门可以通过加强个人投资者教育来引导其交易行为。同时，监管部门可以通过完善A股市场监管体系，包括加强对上市公司信息披露的监管以及严厉打击内幕交易等，为个人投资者的自主交易提供保障，以此降低个人投资者进行模仿交易的动机。 ■