基金“擁擠交易”對A股股價泡沫的影響研究

基金“擁擠交易”對A股股價泡沫的影響研究

賈麗娜，扈文秀，章偉果

(西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院,陜西西安710054)

摘要：隨著基金數(shù)量的不斷增加，多家基金重倉一只股票所呈現(xiàn)的“擁擠交易”現(xiàn)象日漸明顯。本文運用面板數(shù)據(jù)模型，對基金“擁擠交易”與A股股價泡沫之間的關(guān)系進(jìn)行考察。結(jié)果表明，當(dāng)公司超過6只基金重倉持股時，基金擁擠交易會對股價泡沫形成促進(jìn)作用；當(dāng)小于6只基金重倉持股時，這一關(guān)系則不顯著。即：基金擁擠交易需要在“擁擠”到一定程度后才會促進(jìn)股價泡沫膨脹。因此，管理層應(yīng)高度重視6家以上基金重倉持股的股票，這類股票往往會形成較大的泡沫，同時也存在較大的崩潰風(fēng)險。另外，管理層還應(yīng)審慎研究政策出臺時可能帶來的預(yù)期，最大限度的避免基金經(jīng)理產(chǎn)生一致的信念和一致行動，降低基金擁擠交易現(xiàn)象的發(fā)生。

關(guān)鍵詞：證券投資基金；擁擠交易；股價泡沫

收稿日期：2014-10-29

基金項目：國家自然科學(xué)基金(71373204)不同標(biāo)的資產(chǎn)價格泡沫生成演化的共性機(jī)理研究；陜西省教育廳哲學(xué)社會科學(xué)重點研究基地科學(xué)研究計劃項目(13JZ036)；陜西省普通高校重點學(xué)科專項資金建設(shè)項目(107-5X1302)

作者簡介：賈麗娜(1985-)，女，山西陽泉人，博士生，研究方向：投資管理與資本運作;扈文秀(1964-)，男，河南新鄉(xiāng)人，博士生導(dǎo)師，研究方向：投資管理與資本運作;章偉果(1984-)，男，浙江永康人，講師，研究方向：投資管理與資本運作。

中圖分類號：F830.591文章標(biāo)識碼：A

Study on the Influence of the Crowding Trade of Securities

Investment Funds on Stock Bubble

JIA Li-na, HU Wen-xiu, ZHANG Wei-guo

(Xi’anUniversityoftechnology,SchoolofBusinessAdministration,Xi’an, 710054)

Abstract:With the number of Securities Investment Funds increasing, the phenomenon of crowding trade that many funds heavily hold the same stocks at the same time is obvious. This paper collects the panel data to analyse the relationship between the crowding trade of funds and stock bubble. The result shows that when more than six funds hold the stock, the crowding trade will promote bubble formation. On the contrary, when the stock hold by less than six funds, the relationships between the above mentioned is not obvious. This means that the relationship needs to meet the certain conditions. Therefore, management should pay great attention to the stock held by more than six funds, for such stocks tend to form larger bubbles, and at the same time there is a greater risk of collapse. In addition, management should also be careful about the market expectations by the policy before it is approved so as to prevent fund managers from having the same belief and actions whenever possible, in order to reduce the fund crowded trade phenomenon.

Key words:securities investment funds; crowding trade; stock bubble

0引言

資產(chǎn)價格泡沫現(xiàn)象由來已久，從早期的郁金香泡沫到近期的美國次貸危機(jī)，它仿佛已成為當(dāng)代經(jīng)濟(jì)一個無法根治的頑疾。我國長期以散戶投資者為主的市場格局，正是學(xué)術(shù)界公認(rèn)的我國股價泡沫頻繁發(fā)生的根源之一。鑒于此，從2001年起，機(jī)構(gòu)投資者迅速發(fā)展成為我國股市中最重要的投資主體。而基金作為主要的機(jī)構(gòu)投資者，十余年間，也得到了迅猛發(fā)展。然而，問題隨之而來：隨著基金數(shù)量的不斷增加，多家基金重倉一只股票，使該股票呈現(xiàn)“擁擠交易”的現(xiàn)象也日漸明顯，且在2007年股市膨脹期這一現(xiàn)象尤為顯著。據(jù)樣本統(tǒng)計，自2006年三季度起，有5只以上基金重倉持股的個股比例占到了50%以上，且該比例在2007年三季度達(dá)到了65%。與此同時，我國上證綜指從2006年初的1180點一路攀升到2007年10月16日的6092點，隨后開始下跌，到2008年底股市又重新跌回到不足2000點。我們不得不承認(rèn)基金在管理和運作過程中存在的某些同質(zhì)化問題，尤其是在品種選擇、操作習(xí)慣等方面，更是存在趨同的現(xiàn)象。但是，這種現(xiàn)象的存在是否真正將個股拉回到基礎(chǔ)價值呢？2007年爆發(fā)的整個市場的泡沫與“擁擠交易”這一現(xiàn)象有無關(guān)系呢？因此，厘清基金擁擠交易與股價泡沫間的關(guān)系，不僅有利于市場參與者的投資和風(fēng)險管理決策，而且對我國政府部門加強(qiáng)對證券投資基金的審慎監(jiān)管，維持金融市場和宏觀經(jīng)濟(jì)的穩(wěn)定具有重要的參考價值。

1文獻(xiàn)回顧與研究假設(shè)

目前，學(xué)術(shù)界關(guān)于基金與股價泡沫間的研究主要有兩個角度。一個是研究基金羊群行為與股價泡沫間的關(guān)系。Dass和Massa等[1]對2000年前后基金羊群行為與經(jīng)理獎金激勵的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)基金經(jīng)理的獎金激勵越高,其投資科技股的羊群行為程度就越低，并且配置在這些股票的比例就越低，而配置在傳統(tǒng)產(chǎn)業(yè)的股票比例則越高。也就是說獎勵較低的基金經(jīng)理部分推動了NASDAQ科技股泡沫。Davis[2]和Dasgupta、Prat and Verardo[3]等學(xué)者的研究也指出，基金的羊群行為會加劇市場的波動性，甚至催生股價泡沫。蔡慶豐[4]認(rèn)為證券分析師和基金羊群行為的疊加會加劇市場波動性，容易引發(fā)市場信息阻塞、定價效率低下甚至引發(fā)資產(chǎn)價格泡沫。Griffin，Harris和Topaloglu[5]發(fā)現(xiàn)基金存在觀察和追隨其它基金的投資行為，且這種追隨行為是促使泡沫形成的重要力量；由于作者使用精確的機(jī)構(gòu)日持股數(shù)據(jù)，因此結(jié)論具有較強(qiáng)的說服力。潘越、戴亦一[6]從基金經(jīng)理的投資經(jīng)驗視角檢驗了基金在股市泡沫周期中扮演的角色，認(rèn)為年輕的基金經(jīng)理容易跟隨其他基金采取行動，因此對股市泡沫的形成起到了推波助瀾的作用。

另一個則是研究基金的騎乘泡沫行為與股價泡沫的關(guān)系。Temin和Voth[7]通過案例分析英國南海泡沫事件中Hoare’s Bank這家共同基金的投資交易行為，發(fā)現(xiàn)基金能夠推動泡沫的持續(xù)膨脹；分析認(rèn)為當(dāng)資產(chǎn)價格存在泡沫時，基金既沒有離場也沒有反向做空，而是繼續(xù)增加投資，并在推動泡沫過程中獲利。Brunnermeier和Nagel[8]分析了對沖基金1998～2000年的股票持有數(shù)據(jù)，發(fā)現(xiàn)對沖基金大量持有高估的高科技股票，他們騎在泡沫上卻并不立即減倉，而是在價格崩潰之前，才逐漸減少持倉。但由于對沖基金的比例太小，影響市場的力度比較弱，尚不能說明對沖基金交易能夠?qū)е屡菽?。Easterwood和Kumar[9]發(fā)現(xiàn)基金積極追逐泡沫，但卻無法確定價格在什么時候能達(dá)到最高點。陳國進(jìn)[10]通過對比面臨泡沫時投資者采取拋售、旁觀和騎乘三種投資行為的超額收益和崩潰風(fēng)險，發(fā)現(xiàn)投資者面臨具有極端收益的泡沫時，其理性行為是騎乘泡沫。

當(dāng)然，關(guān)于基金擁擠交易與泡沫間的研究目前學(xué)術(shù)界也稍有涉及。Stein[11]在基金規(guī)模迅速擴(kuò)張，基金已具備較強(qiáng)的市場定價能力的背景下，認(rèn)為基金并不能判定市場上有多少套利者像他一樣使用相同的策略或采取相同的行動，并提出“擁擠交易”效應(yīng)會導(dǎo)致股價泡沫的觀點。陳國進(jìn)[12]通過經(jīng)驗證據(jù)表明，機(jī)構(gòu)投資者的擁擠交易是藍(lán)籌股泡沫產(chǎn)生的重要原因?？梢钥闯?，國內(nèi)外關(guān)于基金擁擠交易的理論研究已有關(guān)注，且認(rèn)為基金的擁擠交易會導(dǎo)致股價泡沫，但對基金擁擠交易與股價泡沫關(guān)系的實證研究十分有限。據(jù)此，本文提出假設(shè)：基金的擁擠交易與股價泡沫正相關(guān)，并以2002～2010年間存在股價泡沫的A股股票為樣本，研究基金擁擠交易對A股股價泡沫的影響，以此考察基金在股價泡沫中所起的作用。

本文以下行文安排如下：首先進(jìn)行研究設(shè)計，其次進(jìn)行實證分析與結(jié)果分析，然后是穩(wěn)健性檢驗，最后是本文的研究結(jié)論。

2研究設(shè)計

2.1樣本選取與數(shù)據(jù)來源

根據(jù)銳思數(shù)據(jù)庫和國泰安數(shù)據(jù)庫顯示，上市公司從2002年開始才公布一、三季報，且股票基礎(chǔ)價值的確定需要未來2年的數(shù)據(jù)，因此將樣本區(qū)間確定為2002年1月到2010年12月。在此基礎(chǔ)上，進(jìn)一步考慮到實施季報的當(dāng)年可能存在各種誤差和不當(dāng)?shù)那闆r，因此將上市公司樣本定在2001年及之前上市的公司，共計1100家。為了排除資產(chǎn)重組，經(jīng)營不善等對股票基礎(chǔ)價值帶來的巨大改變這一情況，剔除了截至到2012年曾發(fā)生過退市、ST的公司，共刪掉358家，得到743家。最后剔除掉金融行業(yè)以及“400”開頭的股票、數(shù)據(jù)不全的樣本，最后得到384家公司。由于本文研究公司泡沫與基金交易之間的關(guān)系，因此還要考慮基金持股數(shù)據(jù)的完整性，以及股價是否存在泡沫，通過整理并剔除零泡沫、負(fù)泡沫的股票，本文最終獲得90家上市公司35個季度的面板數(shù)據(jù)，共3150個樣本。本文所有數(shù)據(jù)均來自于銳思和國泰安數(shù)據(jù)庫。

2.2相關(guān)變量說明

(1)關(guān)于股票泡沫度(Bubble)，本文采用直接法對泡沫進(jìn)行測度，借鑒Frankel and lee[13]基本面盈余預(yù)測模型，并結(jié)合剩余收益模型對上市公司的基礎(chǔ)價值進(jìn)行估值。剩余收益模型是在股利折現(xiàn)模型基礎(chǔ)上發(fā)展而來的，一般形式為：

(1)

其中，bt為賬面價值，xt為公司盈余；xt+τ-r*br+τ-1是公司的剩余收益。

Frankel and lee運用未來三期剩余收益模型進(jìn)行預(yù)測，并且他們假設(shè)未來第三年的盈余能夠持續(xù)，故將剩余收益預(yù)測模型改寫為

(2)

其中，bt為賬面價值，x()t是投資者預(yù)測的公司未來盈余。r為折現(xiàn)率。

本文采用式(2)這一改寫后的模型來確定公司基礎(chǔ)價值。可以看出，這里需要確定的指標(biāo)包括公司賬面價值，公司凈利潤x()t，以及折現(xiàn)率r。同時，本文在Frankel and lee思想的基礎(chǔ)上，認(rèn)為公司的基礎(chǔ)價值在短期內(nèi)(一年)應(yīng)該保持不變，且投資者能對未來2期內(nèi)的公司情況有較好的把握，能夠進(jìn)行比較準(zhǔn)確的預(yù)測，而在2期以后的預(yù)測能力減弱，只能結(jié)合前兩年的預(yù)測情況進(jìn)行預(yù)測，并且假設(shè)未來第3期的預(yù)測情況能夠持續(xù)。因此，本文采用t+1期和t+2期的真實數(shù)據(jù)來替代投資者對公司未來2期的預(yù)測值，包括預(yù)測的賬面價值和公司凈利潤，采用t、t+1、t+2三期真實數(shù)據(jù)的均值來替代后續(xù)的預(yù)測值。對于折現(xiàn)率r，本文運用CAPM計算行業(yè)資本成本，以行業(yè)資本成本作為折現(xiàn)率。

(2)關(guān)于基金擁擠交易的“擁擠”程度(crowdedness)，本文采用上市公司披露的主要股東名單中的基金數(shù)量作為基金擁擠程度的替代變量。也就是說，公司股東數(shù)據(jù)中基金持股的家數(shù)越多，表明基金的擁擠程度越大。

(3)關(guān)于控制變量的選擇與衡量

為使本文研究結(jié)論更加全面、可靠，筆者根據(jù)現(xiàn)有研究引入了影響股價泡沫的其他變量作為控制變量。關(guān)于股價泡沫的影響研究，Gompers和Metriek[14]對美國1980～1996年機(jī)構(gòu)投資者持股情況的研究得出，機(jī)構(gòu)投資者持股比例是股票價格上漲、股價泡沫出現(xiàn)的重要原因之一。張維和張永杰[15]在考察投資者信念形成的基礎(chǔ)上，提出投資者異質(zhì)信念假設(shè)，并據(jù)此推導(dǎo)出了一個基于異質(zhì)信念的風(fēng)險資產(chǎn)價格均衡模型，認(rèn)為投資者的異質(zhì)信念會導(dǎo)致股價泡沫。吳衛(wèi)星等[16]認(rèn)為A股市場的股價泡沫受投資者過度自信的影響。古志輝等[17]認(rèn)為損失厭惡投資者會推高股票價格，影響股價泡沫，這與Gomes等[18]的模型和研究結(jié)果相吻合。此外，以Gennotte 和 Leland[19]為代表的泡沫模型證明,信息不對稱是導(dǎo)致金融市場狂熱與崩潰的主要原因。張艷等[20]首次從信息博弈角度對我國證券市場信息運行循環(huán)過程中泡沫形成、膨脹和破裂過程進(jìn)行了分析。由此可見，基金持股比例、投資者異質(zhì)信念、過度自信、損失厭惡以及信息不對稱對股價泡沫有影響。因此，本文將這五個因素作為控制變量代入模型中。

關(guān)于控制變量的衡量，本文參考現(xiàn)有學(xué)者的方法進(jìn)行度量?；鸪止杀壤没鸪止傻目偣蓴?shù)與公司總股數(shù)的比值進(jìn)行衡量(潘越, 戴亦一[6]，何佳、何基報等[21])。對于異質(zhì)信念的衡量，Barron，Hong等國外學(xué)者將交易量看作是異質(zhì)信念的代理變量，并發(fā)現(xiàn)異質(zhì)信念是交易量存在的重要原因[22～24]?；诖耍疚牟捎霉善睋Q手率作為替代變量；對于過度自信，本文參考Odean[25]的研究，將日交易量的一階差分作為替代變量；對于損失厭惡，本文借鑒古志輝等[17]的方法，以股票上漲和股票下跌期間的換手率均值之差作為替代變量；對于信息不對稱，本文借鑒Goetzmann[26]的方法，將上市公司前十大股東持股比例之和作為替代變量。

基于上述分析，本文構(gòu)建模型1來檢驗基金擁擠交易與股價泡沫間關(guān)系。如下所示：

Bubblei,t=β0+β1Crowdednessi,t+β2Ratioi,t+β3Beliefi,t+β4overconfidencei,t+β5Aversioni,t+β6Asymmetryi,t+εi,t

其中，Bubblei,t表示股票i在t期的泡沫度；Crowdednessi,t表示股票i在第t期的基金擁擠交易程度；Ratioi,t表示基金持股比例；Beliefi,t表示投資者的異質(zhì)信念程度；overconfidencei,t表示投資者的過度自信程度；Aversioni,t表示投資者的損失厭惡程度；Asymmetryi,t表示投資者的信息不對稱程度。

基于本文之前提出的假設(shè)，既然基金擁擠交易會促使泡沫生成，那么基金擁擠交易的程度越大，泡沫則越大，因此我們預(yù)期β1>0。

3實證分析與結(jié)果

3.1描述性統(tǒng)計結(jié)果

表1統(tǒng)計了各變量的最小值、最大值、均值以及標(biāo)準(zhǔn)差，并對各變量的衡量進(jìn)行了釋義。統(tǒng)計結(jié)果如下所示。對于計算Bubblei,t中提到的平均收盤價，本文根據(jù)股票的每日收盤價，使用簡單算術(shù)平均計算季度平均收盤價。對于股票基礎(chǔ)價值，本文根據(jù)改進(jìn)后的模型式(2)計算公司基礎(chǔ)價值。其它市場數(shù)據(jù)如換手率均值、換手率的一階差分的均值也按照數(shù)據(jù)庫公布的日數(shù)據(jù)計算季度平均值。

表1　描述性統(tǒng)計

從表1的統(tǒng)計結(jié)果可知，本文所選樣本中股價泡沫度皆在0.3357以上，最大泡沫度可達(dá)417.5961，泡沫度均值為4.7085?？梢钥闯觯疚乃x樣本均存在不同程度的泡沫，排除了負(fù)泡沫與零泡沫的個股數(shù)據(jù)對本文研究的影響。對基金擁擠交易的“擁擠”程度這一變量的統(tǒng)計結(jié)果顯示，最少有一家基金重倉持股，最多的可達(dá)13家，這一數(shù)據(jù)的統(tǒng)計由銳思數(shù)據(jù)庫中的主要股東名單整理而成?？梢钥闯?，該變量的均值為5，即樣本中的股票平均都有5只基金在重倉持股。對于基金持股比例，從統(tǒng)計結(jié)果中了解到基金的持股比例均值在0.05，最大值高達(dá)0.27，最小值只有0.003，但其標(biāo)準(zhǔn)差為0.04，可以看出基金的持股比例在不同股票間表現(xiàn)出較大的差異性。關(guān)于投資者的異質(zhì)信念，從表2可以發(fā)現(xiàn)，t時刻的異質(zhì)信念與t-1時刻并無顯著差異，這表明股市中投資者的意見分歧并不隨時間而改變。而投資者的過度自信均值顯著大于0，這說明在我國股市中投資者普遍存在著過度自信。其損失厭惡均值也顯著大于0，這說明股價上漲時投資者的參與程度顯著高于下降時的參與程度，說明在這些樣本股票中存在著損失厭惡型投資者。此外，從信息不對稱的統(tǒng)計結(jié)果顯示，其均值為0.533，最大值為0.91，說明樣本股票中的股權(quán)較集中在前十大股東手中，信息不對稱情況嚴(yán)重。

表2　均值比較結(jié)果

3.2面板單位根檢驗

如果數(shù)據(jù)不平穩(wěn)，會使回歸分析中存在偽回歸。因此有必要對數(shù)據(jù)平穩(wěn)性進(jìn)行單位根檢驗。目前常用的單位根檢驗法包括LLC檢驗、IPS 檢驗和Fisher-ADF檢驗等。其中，LLC檢驗是同質(zhì)單位根檢驗， IPS和Fisher-ADF檢驗是異質(zhì)單位根檢驗。為避免單一檢驗方法的檢驗誤差，本文分別用這三種方法對各個變量進(jìn)行單位根檢驗，檢驗結(jié)果如表3所示。結(jié)果顯示各變量單位根檢驗的p值均小于0.01，即表明本文檢驗的全部變量在1%顯著性水平下拒絕存在單位根的原假設(shè)，可以認(rèn)為本文采用的面板數(shù)據(jù)皆為平穩(wěn)序列。

表3　面板數(shù)據(jù)單位根檢驗

注：括號內(nèi)是統(tǒng)計量的P值。滯后階數(shù)根據(jù)SIC信息準(zhǔn)則自動判斷，窗寬由Newey-WEST方法自行選擇。

***表示在1%顯著性水平下拒絕原假設(shè)，**表示在5%顯著性水平下拒絕原假設(shè)，*表示在10%顯著性水平下拒絕原假設(shè)，下同。

3.3協(xié)整檢驗

雖然本文變量皆為平穩(wěn)序列，但出于穩(wěn)健性考慮，進(jìn)一步通過協(xié)整檢驗來降低回歸模型偽回歸出現(xiàn)的概率。其協(xié)整檢驗結(jié)果如表4所示：

表4　面板數(shù)據(jù)協(xié)整檢驗結(jié)果

檢驗結(jié)果表明，三種協(xié)整檢驗方法都接受存在協(xié)整關(guān)系的假設(shè)，表明本文構(gòu)建的模型存在著長期的均衡關(guān)系，進(jìn)一步降低了偽回歸出現(xiàn)的概率。因此，進(jìn)一步建立面板數(shù)據(jù)的回歸模型。

3.4模型選擇

在確定面板數(shù)據(jù)回歸模型之前，需要對面板數(shù)據(jù)模型的形式進(jìn)行檢驗，檢驗?zāi)Ｐ蛻?yīng)該采用不變系數(shù)、變截距還是變系數(shù)模型，進(jìn)而避免模型設(shè)定的偏差?；诖?，本文首先利用協(xié)方差分析進(jìn)行檢驗。然后在此基礎(chǔ)上，利用Hausman檢驗來確定本文究竟采用固定效應(yīng)還是隨機(jī)效應(yīng)，從而確定本文的模型形式，確保參數(shù)估計的有效性。

關(guān)于協(xié)方差分析檢驗法，需要構(gòu)造兩個統(tǒng)計量F2和F1，用來檢驗假設(shè)H1和H2。如果統(tǒng)計量F2結(jié)果接受假設(shè)H2，則認(rèn)為模型應(yīng)采用不變系數(shù)模型，檢驗結(jié)束。若拒絕假設(shè)H2，則需繼續(xù)檢驗假設(shè)H1。若統(tǒng)計量F1接受假設(shè)H1，則模型應(yīng)采用變截距系數(shù)，反之應(yīng)該采用變系數(shù)模型。

(3)

(4)

其中，S1為變系數(shù)模型計算的殘差平方和；S2為變截距模型計算的殘差平方和；S3為不變系數(shù)模型計算的殘差平方和。N為截面成員個數(shù)，T表示每個截面成員的觀測時期數(shù)，k為解釋變量的個數(shù)。

通過手動記錄不同模型的殘差平方和，得到S1=230962.8，S2=256412.6，S3=435564.9。N=90，T=35，k=6。檢驗結(jié)果如表5所示。

從表5可以看出，F(xiàn)2統(tǒng)計量在5%顯著性水平下拒絕假設(shè)H2，即樣本數(shù)據(jù)不符合不變系數(shù)模型(混合模型)。進(jìn)一步計算F1統(tǒng)計量發(fā)現(xiàn)，在5%的顯著性水平下接受H1假設(shè)，即樣本數(shù)據(jù)符合變截距的模型。因此，本文應(yīng)采取變截距的模型。然而，變截距模型又分為固定效應(yīng)變截距和隨機(jī)效應(yīng)變截距模型，本文進(jìn)一步采用Hausman檢驗來判定采用隨機(jī)效應(yīng)還是固定效應(yīng)，結(jié)果見表5的Hausman檢驗。結(jié)果顯示，在5%顯著性水平下拒絕隨機(jī)效應(yīng)的原假設(shè)，因此本文的模型形式應(yīng)為固定的變截距模型。同時考慮本文的截面數(shù)據(jù)較多，而時間數(shù)據(jù)相對較短，且結(jié)合本文研究的實際情況，基金作為相對理性的投資者，通常會更加關(guān)注公司層面的因素(橫截面維度)，時間維度對基金擁擠交易與資產(chǎn)價格泡沫的影響較弱。因此，最終選擇個體的固定效應(yīng)模型進(jìn)行面板數(shù)據(jù)回歸。

此外，在確定模型形式之后，本部分運用Wooldridge檢驗來檢驗序列的相關(guān)性，并用Wald檢驗來檢驗截面的異方差性，檢驗結(jié)果如表6所示。

表5　模型形式設(shè)定檢驗結(jié)果

注：F2和F1分別由公式(3)和(4)計算得到。括號內(nèi)數(shù)值是5%顯著性水平下F統(tǒng)計量的臨界值。

表6　序列自相關(guān)及異方差檢驗結(jié)果

注：括號內(nèi)是統(tǒng)計量的P值

結(jié)果表明，在1%的顯著性水平上拒絕了不存在序列相關(guān)的原假設(shè)和不存在異方差的原假設(shè)，因此本文數(shù)據(jù)存在顯著的序列相關(guān)和異方差性。

3.5參數(shù)估計

由于存在序列自相關(guān)以及異方差，本文將通過廣義最小二乘法(GLS)來對模型1進(jìn)行檢驗。模型結(jié)果如表7第2列所示：結(jié)果顯示，crowdedness的系數(shù)β1為負(fù)，且不顯著，這一結(jié)論幾乎推翻了現(xiàn)有研究基金擁擠交易與泡沫的理論結(jié)論，難道基金擁擠交易與股價泡沫真的無關(guān)嗎？接下來，本文進(jìn)一步研究兩者之間是否存在正U或倒U的非線性關(guān)系。其模型2如下所示：

Bubblei,t=γ0+γ1Crowdednessi,t+γ2Crowdednesssqurei,t+γ3Ratioi,t+γ4Beliefi,t+

γ5overconfidencei,t+γ6Aversioni,t+γ7Asymmetryi,t+εi,t

可以看出，模型2是檢驗基金擁擠交易與股票泡沫之間的正U或倒U型非線性關(guān)系。也就是說，本文認(rèn)為只有當(dāng)基金擁擠交易積累到一定水平C*以后，才會起到促進(jìn)泡沫的作用。在小于C*時，反而會抑制泡沫的形成。因此，本文預(yù)期γ2>0 。

同理，通過對模型2的模型設(shè)定、自相關(guān)檢驗以及異方差檢驗后，同樣采用廣義最小二乘法(GLS)對模型2的參數(shù)進(jìn)行估計。檢驗結(jié)果如表7第3列所示。從回歸結(jié)果可以看出，在控制了基金持股比例、投資者異質(zhì)信念、過度自信、損失厭惡以及信息不對稱的情況下，γ2仍顯著大于0，即基金擁擠交易與股票泡沫間呈現(xiàn)正U型的非線性關(guān)系。這表明，基金擁擠交易與股價泡沫之間的關(guān)系是隨著基金擁擠交易程度的增強(qiáng)，泡沫先減小后增大。同時結(jié)合回歸系數(shù)γ1和γ2可以得出，在基金共同持股的家數(shù)大于6家時，基金的擁擠交易就會促進(jìn)泡沫的形成；當(dāng)小于6家時，基金的擁擠交易反而會抑制泡沫的形成。

表7　2002～2010基金擁擠交易與股市泡沫的模型參數(shù)估計

注：系數(shù)下面括號中報告了回歸系數(shù)所對應(yīng)的z統(tǒng)計量。

此外，在控制變量中，除過度自信這一變量外，其他變量也均對泡沫有顯著影響。其中，基金持股比例與股價泡沫呈正相關(guān)關(guān)系。該結(jié)果表明基金持股比例越大，并沒有使基金起到穩(wěn)定市場的作用，反而促進(jìn)了泡沫的形成。異質(zhì)信念與股價泡沫顯著正相關(guān)，表明異質(zhì)信念是我國股價泡沫形成的重要原因。投資者大多認(rèn)為股市不會下跌，因此隨著異質(zhì)信念越大，泡沫越大。而損失厭惡與股價泡沫顯著負(fù)相關(guān)。究其原因這與損失厭惡投資者的行為特征有關(guān)，該類型投資者在股價上漲時表現(xiàn)出積極出售股票的行為，使股價不至于持續(xù)上漲，形成泡沫，但在股價下降時卻表現(xiàn)出消極的行為，使股價維持在一個穩(wěn)定的水平。由此可以看出，這一行為不但可以抑制泡沫的產(chǎn)生，同時還能對市場起到穩(wěn)定作用。信息不對稱與股價泡沫顯著正相關(guān)。實證結(jié)果恰好符合現(xiàn)有研究結(jié)論。即信息越不對稱，越會促進(jìn)泡沫的形成。

4穩(wěn)健性檢驗

為了檢驗上述結(jié)果的穩(wěn)健性，本文按上證和深證兩個交易市場將樣本分為兩類，同理通過對模型的形式、自相關(guān)以及異方差進(jìn)行檢驗，最終采用個體固定變截距效應(yīng)模型，并利用廣義最小二乘法進(jìn)行估計?；貧w結(jié)果如表8所示，結(jié)果表明，兩個子樣本的γ2都顯著大于0，這表明兩者間的確存在著顯著的正U型關(guān)系，且基金共同持股的家數(shù)基本達(dá)到6家后會對股價泡沫起到促進(jìn)的作用。

表8　2002～2010基金擁擠效應(yīng)與股市泡沫的子樣本參數(shù)估計

注：系數(shù)下面括號中報告了回歸系數(shù)所對應(yīng)的z統(tǒng)計量。

此外，本文還將基金擁擠交易大于6家以上的股票和6家以下的股票作為樣本，對其數(shù)據(jù)進(jìn)行再檢驗。結(jié)果表明，在大于6家的子樣本中，基金擁擠交易與泡沫呈現(xiàn)顯著的正相關(guān)關(guān)系；在小于6家的子樣本中，兩者間的關(guān)系雖然為負(fù)相關(guān)，但不顯著。在此基礎(chǔ)上，又陸續(xù)研究了小于5家，小于4家的子樣本數(shù)據(jù)，發(fā)現(xiàn)均與股價泡沫不存在顯著的關(guān)系。因此，本文最終認(rèn)為基金的擁擠交易只有在6家及以上基金共同持股時，即擁擠到一定程度后才會對股價泡沫產(chǎn)生影響，且為正相關(guān)關(guān)系。本文最終結(jié)果部分證實了Stein[11]的結(jié)論。

5研究結(jié)論

本文以2002第二季度至2010第四季度90家上市公司的數(shù)據(jù)及基金持股信息構(gòu)建了一個面板數(shù)據(jù)，并對基金擁擠交易與A股股價泡沫間的關(guān)系進(jìn)行了考察。首先通過剩余收益模型計算出股票的基礎(chǔ)價值，進(jìn)而計算股票泡沫度，以此作為本文的解釋變量。然后，引入上市公司披露的股東數(shù)據(jù)中的基金數(shù)量作為基金擁擠交易程度的替代變量，作為本文的被解釋變量。再次，引入五個控制變量對基金擁擠交易程度與股價泡沫間的關(guān)系展開實證研究。

結(jié)果表明，在控制了基金持股比例，投資者異質(zhì)信念、過度自信、損失厭惡以及信息不對稱的情況下，基金擁擠交易與股價泡沫間的關(guān)系仍顯示出顯著的正U型關(guān)系。結(jié)合回歸系數(shù)分析發(fā)現(xiàn)，當(dāng)基金擁擠交易程度較小(<6)時，基金擁擠交易會抑制泡沫的形成，起到穩(wěn)定股市的作用。但是當(dāng)基金擁擠交易程度較大(≥6)以后，基金擁擠交易這一現(xiàn)象會對股價泡沫形成促進(jìn)作用。但在隨后的穩(wěn)健性檢驗中發(fā)現(xiàn)，在基金擁擠交易程度較小(<6)時，基金擁擠交易與股價泡沫間的關(guān)系尚不顯著，因此本文結(jié)論只能部分證實Stein的結(jié)論，即基金擁擠交易達(dá)到6家以上時，會促進(jìn)股價泡沫的形成?？梢钥闯?，基金擁擠交易促進(jìn)股價泡沫的發(fā)生是有條件的，需要“擁擠”到一定程度才會導(dǎo)致股價發(fā)生泡沫。

因此，管理層應(yīng)高度重視有6家以上基金共同持股的股票，這類股票往往會形成較大的泡沫，同時也存在較大的崩潰風(fēng)險。另外，管理層應(yīng)審慎研究政策出臺時可能帶來的預(yù)期，最大限度的避免基金經(jīng)理產(chǎn)生一致的信念和一致行動，降低基金擁擠交易現(xiàn)象的發(fā)生。

參考文獻(xiàn)：

[1]Dass N, Massa M, Patgiri R. Mutual funds and bubbles: the surprising role of contractual incentives[J]. The Review of Financial Studies, 2008, 21(1): 51-99.

[2]Davis E P. The role of institutional investors in the evolution of financial structure and behavior[J]. The Future of the Financial System, 1996, (33): 49-99.

[3]Dasgupta A, Prat A, Verardo M. The price impact of institutional herding[J]. Review of Financial Study, 2011, (24): 1-38.

[4]蔡慶豐，楊侃，林劍波.羊群行為的疊加及其市場影響——基于證券分析師與機(jī)構(gòu)投資者行為的實證研究[J].中國工業(yè)經(jīng)濟(jì)，2011，(12)：111-121.

[5]Griffin J M, Harris J H, Tao S, Topaloglu S. Who drive and burst tech bubbles?[J]. The Journal of Finance, 2011, 64(4): 1257-1290.

[6]潘越，戴亦一，陳梅婷.基金經(jīng)理的投資經(jīng)驗、交易行為與股市泡沫[J].中國工業(yè)經(jīng)濟(jì)，2011，(01)：120-129.

[7]Temin P, Voth H J. Riding the south sea bubble[J]. American Economic Review, 2004, 95(5): 1654-1668.

[8]Brunnermeier M K, Nagel S. Hedge funds and the technology bubble[J]. Journal of Finance, 2004, 59(5): 2013-2040.

[9]Sharma V, Easterwood J C, Kumar R. Institutional herding and the internet bubble[J]. University of Michigan Dearborn and Virginia Tech, 2005.

[10]陳國進(jìn)，馬柯.投資者面臨泡沫的理性行為:拋售、旁觀還是騎乘?[J].上海經(jīng)濟(jì)研究，2012，(03)：84-92.

[11]Stein J C. Presidential address: sophisticated investors and market efficiency[J]. Journal of Finance, 2009, 64(4): 1517-1548.

[12]陳國進(jìn)，陶可.機(jī)構(gòu)投資者的擁擠效應(yīng)與藍(lán)籌股泡沫[J].系統(tǒng)工程，2011，(02)：1-8.

[13]Frankel R M, Lee C M. Accounting valuation, market expectation, and the book-to-market effect[J]. Journal of Accounting and Economics, 1998, 25(3): 283-319.

[14]Gompers P A, Metriek A. Institutional investors and equity prices[J]. The Quarterly Journal of Economies, 2001, 116(1): 229-260.

[15]張維，張永杰.異質(zhì)信念、賣空限制與風(fēng)險資產(chǎn)價格[J].管理科學(xué)學(xué)報，2006，(04)：58-64.

[16]吳衛(wèi)星，汪勇祥，梁衡義.過度自信、有限參與和資產(chǎn)價格泡沫[J].經(jīng)濟(jì)研究，2006，(04)：115-127.

[17]古志輝，郝項超，張永杰.賣空約束、投資者行為和A股市場的定價泡沫[J].金融研究，2011，(02)：129-148.

[18]Gomes F J. Portfolio choice and trading volume with loss-averse investors[J]. Journal of Business, 2005, 78: 675-706.

[19]Gennotte G, Leland H. Market liquidity, hedging and crashes[J]. American Economic Review, 1990, 80(5): 999-1021.

[20]張艷.我國證券市場泡沫形成機(jī)制研究——基于進(jìn)化博弈的復(fù)制動態(tài)模型分析[J].管理世界，2005，(10):34-40.

[21]何佳，何基報，王霞，翟偉麗.機(jī)構(gòu)投資者一定能夠穩(wěn)定股市嗎?——來自中國的經(jīng)驗證據(jù)[J].管理世界，2007，(08)：35-42.

[22]Barron O E, Karpoff J M. Information precision, transaction casts, and trading[J]. Journal of Banking and Finance, 2004, (28): 1207-1223 .

[23]Hong H, Scheinkman J A, Wei X. Advisors and asset prices; a model of the origins of bubbles[J]. Journal of Financicl Economics, 2008, 89: 268-287.

[24]Pastor L, Veronesi P. Was there a nasdaq bubble in the late 1990s[J]. Journal of Financial Economics, 2006, 81(1): 61-100.

[25]Odean T. Do investors trade too much[J]. American Economic Review, 1999, 89(6): 1279-1298.

[26]Goetzmann W N, Massa M. Dispersion of opinion and stock returns[J]. Journal of Financial Markets, 2005, 8(3): 324-349.