股市傳聞、社會互動與個人投資者交易決策

周戰(zhàn)強　李　彬

?

股市傳聞、社會互動與個人投資者交易決策

周戰(zhàn)強李彬

借助對中國股市個人投資者進行的傳聞問卷調(diào)查數(shù)據(jù)，采用中介模型，分析股市傳聞通過社會互動對個人投資者交易決策的影響機制。結(jié)果發(fā)現(xiàn)，股市傳聞會直接影響個人投資者的交易決策，也會通過社會互動中的內(nèi)生互動和情景互動對個人投資者交易決策產(chǎn)生間接影響；雖然直接效應(yīng)大于總的間接效應(yīng)，但并不存在明顯差異；情景互動比內(nèi)生互動的中介效應(yīng)明顯要大。本研究深化了對傳聞與投資者交易決策關(guān)系的理解，建議在治理股市傳聞時應(yīng)考慮減少傳聞引起的社會互動。

股市傳聞； 社會互動； 個人投資者； 交易決策

在股票市場上，經(jīng)常出現(xiàn)宏觀和產(chǎn)業(yè)政策變化、上市公司經(jīng)營業(yè)績狀況、股票主力動向及股價走勢等各種各樣的傳聞。傳聞作為一種未經(jīng)證實的信息，盡管投資者在獲悉時不知道其真假，卻往往會有一些投資者據(jù)此買賣股票，進而引起股價發(fā)生不同程度的波動(Pound & Zeckhauser，1990：291-308；趙靜梅等，2010：38-51；Gao & Oler,2012：485-508)。由此產(chǎn)生的問題是：傳聞這種未經(jīng)證實的信息是如何影響投資者股票交易決策的？或者說傳聞影響投資者股票交易決策的機制是什么？研究這一問題，對于理解包括傳聞在內(nèi)的信息影響投資者股票交易的實際過程、有效治理股市傳聞等都有重要的意義。

經(jīng)濟學(xué)關(guān)于傳聞與投資者交易關(guān)系的研究，主要是從實證角度進行。大多數(shù)實證研究直接利用實際股票交易數(shù)據(jù)，采用事件研究法進行。Pound & Zeckhauser(1990)發(fā)現(xiàn)在《華爾街日報》上登載的接管傳聞公布前，接管目標(biāo)公司股價一般會明顯上升。有關(guān)我國股市傳聞的研究也發(fā)現(xiàn)，在上市公司傳聞公布前及公布當(dāng)日股價存在明顯變化(趙靜梅等，2010：38-51；陳靜、張曉明，2010：31-34)。除了傳聞對股價會發(fā)生顯著影響外，也有研究發(fā)現(xiàn)傳聞目標(biāo)公司證券在并購傳聞公布前的交易活動顯著增加(Clarkson et al.，2006：31-52；Gao & Oler，2012：485-508)。少數(shù)實證研究通過實驗和調(diào)查的方式進行。DiFonzo & Bordia(1997)在金融市場背景下進行計算機模擬投資博弈，結(jié)果發(fā)現(xiàn)合理的傳聞會對參與者交易行為產(chǎn)生明顯影響。Schindler(2007)利用大學(xué)生進行的模擬投資實驗表明，接到傳聞的參與者會進行交易，引起資產(chǎn)價格波動。相對于實證研究而言，經(jīng)濟學(xué)對于傳聞如何影響參與者交易進而影響價格的理論分析要滯后和薄弱很多。僅有少數(shù)幾位學(xué)者試圖在理論上闡釋傳聞與股價關(guān)系。Banerjee(1993)假設(shè)投資者聽到傳聞的概率與投資人數(shù)同方向變化，建模分析發(fā)現(xiàn)后續(xù)聽到傳聞的投資者會模仿前面投資者的行為。也有研究在建模分析時注重交易者之間信息交流的作用，認(rèn)為如果交易者之間交流得越多，越可能進行交易，從而引起價格波動(Kosfeld，2005：646-664；Andrei & Cujean，2010：1-33)。從已有文獻的分析可以看出，實證研究主要探討的是傳聞的作用結(jié)果，并未涉及傳聞的作用機制；理論建模分析揭示出傳聞有可能通過社會互動如模仿或交流對投資者行為發(fā)生影響，但是尚未得到實證研究的直接支持。

筆者從社會互動角度對傳聞影響投資者交易決策的機制進行實證探討。在股票市場上，個人投資者是信息劣勢的一方，一般是傳聞信息的接收者，更易受其影響，實際上往往也是其最大受害者，因此本文將目光聚焦于個人投資者身上，討論這一影響機制。本文的創(chuàng)新和貢獻體現(xiàn)在以下幾個方面：一是利用調(diào)查數(shù)據(jù)證明了股市傳聞會通過社會互動對個人投資者交易決策發(fā)生影響，這不僅有助于理解傳聞影響個人投資者交易決策的過程，還有助于理解一般信息影響個人投資者交易決策過程。二是把社會互動分為兩類，考察和比較了這兩類互動的中介作用。三是為已有相關(guān)理論模型提供了經(jīng)驗支持。

一、 研究假說

圖1　股市傳聞對個人投資者交易決策的影響機制

根據(jù)已有理論文獻及對傳聞特征的理解，筆者認(rèn)為傳聞對個人投資者交易決策的影響可以分為直接和間接效應(yīng)兩個方面。直接效應(yīng)是指傳聞本身就可以構(gòu)成信息沖擊，直接影響投資者交易決策，這是因為傳聞本身可能具有一定信息含量，或是由于投資者自身特征因素的影響。間接效應(yīng)是指傳聞會通過投資者之間的社會互動，間接對投資者交易決策發(fā)生作用。由于傳聞是未經(jīng)證實的信息，獲悉傳聞信息的人可能會把它傳播出去，以尋求事實，減少不確定性，作為進一步?jīng)Q策的依據(jù)(DiFonzo & Bordia，2007：69-88)。這一傳播過程就是投資者之間針對傳聞信息的社會互動過程。社會互動會更新投資者的信息或信念，改變其價格預(yù)期，影響其交易決策?；诖耍疚慕o出傳聞對個人投資決策影響機制的邏輯分析圖(見圖1)和相應(yīng)的研究假說。

(一) 股市傳聞直接影響個人投資者的交易決策

在傳聞傳播的過程中，總有一些投資者對傳聞更為敏感，對傳聞的相信閾值較低，或者認(rèn)為 “無風(fēng)不起浪”， 傳聞出現(xiàn)一定是事出有因，或者把傳聞當(dāng)作新聞看待，不去核實傳聞的真實性。這些投資者相對而言更可能直接根據(jù)傳聞進行交易。在對大學(xué)生進行的傳聞投資實驗中，控制了有可能影響參與者行為的其他因素，只考察傳聞與參與者投資選擇的關(guān)系，結(jié)果發(fā)現(xiàn)傳聞會影響參與者投資行為(DiFonzo & Bordia，1997：329-353；Schindler，2007：106-113)。因此可以推斷個人投資者會對股市傳聞發(fā)生直接反應(yīng)，提出下列假說1：

假說1：股市傳聞對個人投資者的交易決策具有直接影響。

(二) 股市傳聞通過社會互動間接影響個人投資者的交易決策

傳聞信息一旦產(chǎn)生就可能發(fā)生傳播。Kapferer(1989)對法國家庭的抽樣調(diào)查表明，接到傳聞的受訪者的主要行為結(jié)果是與其他人交流傳聞信息，其中有40%的人會將它告訴他人。Schindler(2007)對金融專業(yè)人員的調(diào)查表明，超過60%的受訪者承認(rèn)他們在任何情況下或者至少在相信傳聞是重要的情況下會傳播它。傳聞傳播實際上是群體成員尋求、分享、評估信息，對傳聞合理性做出判斷的過程，是一種集體解決問題的過程(DiFonzo & Bordia，2007：69-88)?？梢姡瑐髀剛鞑サ倪^程就是社會互動的過程。按照個人投資者受社會環(huán)境影響的方式，社會互動分為內(nèi)生互動和情景互動(Manski，2000：115-136)。因此，傳聞通過社會互動對個人投資者交易決策的影響可以從這兩條路徑加以分析。

1.內(nèi)生互動路徑

內(nèi)生互動是指個體的行為傾向隨著參考群體行為的變化而變化，也就是說受到群體中其他成員行為的影響，這意味著個體與參考群體成員之間的影響是雙向的(Manski，2000：115-136)。傳聞出現(xiàn)后，如果投資者未能通過指定媒體或其他可能的資料來源，及時獲取到傳聞的澄清信息及其他相關(guān)信息*這些指定媒體包括《中國證券報》、《上海證券報》、《證券時報》、《證券日報》等證券類報刊，巨潮資訊網(wǎng)及上海證券交易所網(wǎng)站。此外，一些報刊如《證券導(dǎo)報》、《深圳商報》、《北京商報》、《每日經(jīng)濟新聞》、《股市動態(tài)分析周刊》等會對一些傳聞向相關(guān)公司或機構(gòu)進行求證后，發(fā)布媒體澄清信息。，或者由于個人專業(yè)知識和能力所限，無法或難以對傳聞事件進行核實，就會通過相互討論和交流，對相關(guān)事件尋求解釋。投資者既可能與親戚、朋友、同學(xué)、同事等熟悉的人，也可能與不熟悉的網(wǎng)友交流和討論傳聞。這種討論可獲得關(guān)于投資決策的信息，是內(nèi)生互動作用的重要表現(xiàn)(Manski，2000：115-136；李濤，2006：45-57)。投資者交流傳聞會減少資產(chǎn)價值的不確定性，影響其對證券的需求，進而影響股票價格變動(Schindler，2007：128-139)。他們與其他人交流傳聞次數(shù)越多，越可能根據(jù)傳聞進行交易(Kosfeld，2005：646-664；Andrei & Cujean，2010：1-33)。因此可提出假說2：

假說2：股市傳聞通過內(nèi)生互動間接影響個人投資者的交易決策。

2.情景互動路徑

情景互動是指投資個體的行為傾向隨著參考群體成員外在特征變化而變化，但是他的行為并不能反向影響參考群體成員的外在特征，因此這種影響是單向的(Manski，2000：115-136)。傳聞一般會出現(xiàn)在模糊或不確定的情境中(Rosnow et al.，1988：29-42)。這時投資者缺乏有關(guān)股票基本價值的信息，在市場上觀察到的行為是其交易決策的重要基礎(chǔ)。他們對股價預(yù)期主要依靠市場上其他投資者的行為和預(yù)期，通過模仿其他人的行為，做出交易決策。如果看到大多數(shù)投資者選擇買入，也愿意選擇買入；看到大多數(shù)投資者選擇賣出，也愿意選擇賣出(Egan et al.，2014：652-666)。股價是市場上所有投資者交易行為的反映，其變化會明顯影響后續(xù)的交易行為(Grinblatt & Keloharju，2001：589-616；何基報、魯直，2006：585-593；Griffin et al.，2007：905-951)。接到傳聞的多數(shù)投資者認(rèn)為自己處于傳聞傳播序列的中間位置，股價變動傳遞著前面其他投資者對于傳聞的看法和行動(Schindler，2007：51-78)。如果投資者接到傳聞時觀察到股價發(fā)生了變動，就會認(rèn)為有更多投資者相信它并采取了交易行動。股價變動方向預(yù)示了已交易投資者可能的盈虧狀況，據(jù)此傳聞接收者做出自己的交易決策，這反映了情景互動的作用。因此可提出假說3：

假說3：股市傳聞通過情景互動間接影響個人投資者的交易決策。

二、 數(shù)據(jù)、變量及其描述性統(tǒng)計

(一) 數(shù)據(jù)來源

本文的數(shù)據(jù)來自于2011年2～3月對中國股市個人投資者進行的股市傳聞問卷調(diào)查。為避免受訪者對股市傳聞理解的不一致，在調(diào)查問卷的扉頁上給出了股市傳聞的工作定義：股市傳聞是指與股票市場有關(guān)的難以立即確定真實性或精確性的任何消息、報告、聲明或故事。

調(diào)查采用多階段分層隨機抽樣方式進行。首先，隨機抽取14個樣本城市。由于一線、二線、三線城市的劃分目前并沒有統(tǒng)一標(biāo)準(zhǔn)，在綜合考慮2009年287個地級及其以上城市的政治、經(jīng)濟、規(guī)模及區(qū)域影響等基礎(chǔ)上，將其劃分為三類：北京、上海、廣州、深圳4個城市為一線城市；天津、重慶、南京、武漢、沈陽、西安、成都、杭州、濟南、哈爾濱、長春、鄭州、長沙、福州、烏魯木齊、昆明、蘭州、南昌、貴陽、南寧、合肥、太原、石家莊、呼和浩特、青島、大連、寧波、廈門、蘇州、無錫30個城市為二線城市；其它地級城市為三線城市。將每類城市按照城市名字的筆畫順序依次排序編碼，采用簡單隨機抽樣抽取。在一線、二線及三線城市分別抽取了1(北京)、2(沈陽、南寧)、11(赤峰、德陽、南充、紹興、通遼、邢臺、徐州、揚州、宜賓、銀川、玉溪)個城市為樣本。其次，主要根據(jù)這些城市的人口規(guī)模，選擇其中較大的5個城市，包括北京、沈陽、南寧、赤峰、南充，隨機抽取2個營業(yè)廳，其它城市隨機選擇1個營業(yè)廳。營業(yè)廳的選取原則是，對于選擇1個營業(yè)廳的城市，先采用簡單隨機抽樣選擇該城市的1個城區(qū)，然后在該城區(qū)的所有證券營業(yè)廳中采取簡單隨機抽樣選取1個營業(yè)廳；對于選擇2個營業(yè)廳的城市，先采用簡單隨機抽樣選擇該城市的2個城區(qū)，然后在選中的每個城區(qū)的所有證券營業(yè)廳中采用簡單隨機抽樣選取1個營業(yè)廳。再次，在抽取到的每個證券營業(yè)廳，采用隨機偶遇抽樣的方式，借助調(diào)查問卷扉頁上的甄別問題，抽取30名近3個月內(nèi)曾聽到或看到傳聞的個人投資者進行問卷調(diào)查。一共發(fā)放調(diào)查問卷570份，最后回收有效問卷503份。

調(diào)查問卷內(nèi)容主要包括受訪投資者的個人基本特征、對所報告?zhèn)髀劦闹饔^評價、傳聞傳遞狀況、根據(jù)傳聞的交易情況等。刪除本研究相關(guān)問題上數(shù)據(jù)不全的資料，最后得到的有效樣本量為316。

(二) 研究變量說明

本研究涉及的變量如下(見表1)：

1.被解釋變量

本研究的被解釋變量是個人投資者的交易決策(DEC)。在問卷中要求受訪者回答他是否根據(jù)自己報告的傳聞進行了交易，有5個選項：“沒有進行交易”、“全部賣出”、“賣出一些”、“(以前持有一些，據(jù)此)再買一些”、“(以前未持有，據(jù)此)買入”。如果選擇第1個選項，DEC=0；如果選擇后面4個選項，DEC=1*由于選擇“全部賣出”、“(以前未持有，據(jù)此)買入”選項的受訪者人數(shù)較少，將它們分別與“賣出一些”、“(以前持有一些，據(jù)此)再買一些”合并，這樣形成了一個包括3個類別的變量。我們也嘗試以此為因變量進行多項logit回歸，但是在合并類別檢驗中，賣出與買入類別的合并檢驗并不顯著，因此又將它們合并為交易類別。。

表1　變量說明及描述性統(tǒng)計

2.核心解釋變量

不管什么內(nèi)容的傳聞，只有對于其發(fā)送者和接收者具有某種重要程度的主題才可能形成傳聞，才可能發(fā)生傳播。一般來說，越重要的傳聞越可能發(fā)生傳播，或傳播的頻率越高(Rosnow et al.，1988：29-428)。因此，本研究的解釋變量是傳聞信息的重要程度(IMP)。傳聞的重要程度可以分為客觀即傳聞本身的重要程度、主觀即接收者認(rèn)為的重要程度。在股票市場上，傳聞內(nèi)容廣泛，主要涉及兼并收購、資產(chǎn)重組、經(jīng)營業(yè)績、高管變動、投融資、訴訟、主力走勢、宏觀和產(chǎn)業(yè)政策等。同一類內(nèi)容傳聞本身的重要程度相對容易識別，但不同類內(nèi)容傳聞本身的重要程度很難比較，即使傳聞本身很重要，但接收者認(rèn)為不重要也不可能發(fā)生行為反應(yīng)，因此這里采用的指標(biāo)是傳聞接收者認(rèn)為的傳聞重要程度。它一般用受訪者對傳聞信息重要程度的評價進行衡量(Difonzo & Bordia，2007：69-88)。在調(diào)查問卷中設(shè)計有下述問題測量傳聞的重要程度：“當(dāng)您最初聽到或看到這一傳聞時，您認(rèn)為它對您的股市投資交易重要嗎？”受訪者可從“非常不重要”到“非常重要”的7等級Likert選項中做出選擇。將這些選項相應(yīng)賦值1到7，數(shù)字越大代表重要程度越大。

3.中介變量

(1)內(nèi)生互動。內(nèi)生互動的測量指標(biāo)一般選取的是認(rèn)識和拜訪鄰居、參加宗教活動、過春節(jié)時的拜年人數(shù)、人際交往程度或支出、禮品支出、是否依賴朋友信息進行決策等(Hong et al.，2004：137-163；李濤，2006：45-57；Liang & Guo，2015：5588-5596)。這些指標(biāo)衡量的內(nèi)生互動程度提高，并不一定保證個人投資者交易決策時與參考群體其他成員關(guān)于目標(biāo)股票交流頻率增加。如果直接采用針對傳聞目標(biāo)股票的信息交流狀況作為內(nèi)生互動指標(biāo)，就可以避免這個問題。因此，這里以受訪者接到傳聞后告訴過多少人(RANGE)表示傳聞信息交流狀況，測量內(nèi)生互動。

(2)情景互動。經(jīng)濟學(xué)文獻對于情景互動的實證分析很少，一般采用其他參與者的投資回報作為測量指標(biāo)(李濤，2006：45-57；Kaustia & knüpfer，2012：321-338)。由于個人投資者在根據(jù)傳聞信息決策時，不可能知道其他投資者利用這一信息的投資回報，而股價變動情況在一定程度上反映了其他投資者投資的可能回報，因此這里利用傳聞目標(biāo)的股價變化情況(PRICE)作為情景互動的測量指標(biāo)。由于受訪投資者根據(jù)傳聞交易的具體日期難以確定，無法采用具體股價變動數(shù)據(jù)來衡量情景互動，而是利用受訪者聽到或看到傳聞時是否觀察到相應(yīng)股價走勢的變化作為情景互動的測度。如果受訪投資者接到傳聞，觀察到相應(yīng)股價有一定變化，PRICE=1，否則，PRICE=0。

4.控制變量

Manski(2000)認(rèn)為除了內(nèi)生互動和情景互動外，社會互動還包括相關(guān)效應(yīng)。相關(guān)效應(yīng)是指由于同一群體成員具有相似的個人特征，在行為上具有相似性，這是一種非社會現(xiàn)象。為避免相關(guān)效應(yīng)的干擾，筆者把影響投資者決策的個人特征和投資特征，如性別、年齡、文化程度、投資水平、風(fēng)險承受狀況等作為控制變量。其中，性別變量代碼為SEX，如果受訪者是男性，SEX=1，否則，SEX=0；年齡(AGE)以受訪者的歲數(shù)表示；文化程度(EDU)以受訪者是否受過大學(xué)教育加以衡量，如果受訪者接受過?？萍捌湟陨辖逃?，EDU=1，否則，EDU=0；投資水平(INVL)根據(jù)受訪者對自己投資水平的評價來測度，如果認(rèn)為其投資水平高于平均水平，INVL=1，否則，INVL=0；風(fēng)險承受程度(RISK)根據(jù)受訪者的投資是否保守來衡量，如果投資保守，RISK=1，否則，RISK=0。

現(xiàn)有關(guān)于股市傳聞影響的大多數(shù)研究分析的是兼并收購傳聞的影響。不同類型傳聞的影響并不相同(趙靜梅等，2010：38-51)。因此筆者把傳聞類型(TYPE)作為一個控制變量放入模型，如果傳聞內(nèi)容涉及的是兼并收購，TYPE=1，如果是其他類型傳聞，TYPE=0。另外，傳聞來源渠道的權(quán)威性會影響人們對傳聞的可信度，影響接到傳聞的人的行為反應(yīng)(Kapferer，1989：467-481)。因此本文把傳聞來源渠道(PATH)也作為一個控制變量放入模型，如果傳聞來自網(wǎng)絡(luò)論壇、傳聞專欄等網(wǎng)絡(luò)渠道，PATH=1，如果來自其他渠道，PATH=0。

(三) 變量描述性統(tǒng)計

表1右半部分給出了變量的描述性統(tǒng)計結(jié)果。可以看出，樣本中男性受訪者占54%，男性比例略高于女性。受訪投資者的平均年齡為39歲，受過大學(xué)教育的受訪者約為72%。有11%的受訪者表現(xiàn)出較高的投資水平。在股票投資上風(fēng)險承受程度較低的受訪者占40%。傳聞對相當(dāng)多受訪者的交易行為產(chǎn)生了影響，其中有大約38%的人會根據(jù)傳聞進行交易。受訪者報告的傳聞中有15.5%是兼并收購傳聞，32.3%來自網(wǎng)絡(luò)渠道，他們對傳聞重要程度的評價并不高，平均來說略微高于中位值水平。由于傳聞信息的不確定性，受訪者在接到傳聞后平均來說會與他人交流2.6次傳聞信息。有大約60%的受訪投資者接到傳聞后發(fā)現(xiàn)股價發(fā)生了相應(yīng)變化。

三、 實證結(jié)果分析

(一) 以內(nèi)生互動為中介的實證結(jié)果分析

本研究的被解釋變量受訪投資者交易決策是一個分類變量，作為中介變量的內(nèi)生互動變量可看作連續(xù)變量，因此建立下述3個方程構(gòu)成的中介模型進行分析：

+β6RISK+β7TYPE+β8PATH+εX

(1)

(2)

+γ6INVL+γ7RISK+γ8TYPE+γ9PATH+εXM

(3)

其中，X代表核心解釋變量和控制變量。

表2報告了中介模型的回歸估計結(jié)果。其中模型1、2、4是以內(nèi)生互動為中介的估計結(jié)果。從模型1和4都可以看出， IMP的系數(shù)為正，在1%的顯著性水平上統(tǒng)計顯著，說明在其他條件不變的情況下，傳聞導(dǎo)致受訪投資者交易的概率增加。這與投資者交易決策受傳聞影響的實證結(jié)果(DiFonzo & Bordia，1997：329-353；Schindler，2007：106-113)一致。模型4中IMP對DEC的回歸系數(shù)顯著為正，說明存在IMP對DEC的直接效應(yīng)，即傳聞會直接影響個人投資者的交易決策。這證明了假說1。

表2　中介模型的回歸估計結(jié)果

注：(1)括號中的是標(biāo)準(zhǔn)誤；(2)模型2報告的R2是調(diào)整R2，其余模型報告的R2是Pseudo R2；(3)***、**、*分別表示在1%、5%、10%顯著性水平上統(tǒng)計顯著。

從表2模型2可以看出， IMP對RANGE的回歸系數(shù)為正，在5%的顯著性水平上統(tǒng)計顯著，從模型4可以看出，RANGE對DEC的回歸系數(shù)為正數(shù)，并且在1%的顯著性水平上統(tǒng)計顯著，這說明內(nèi)生互動的中介效應(yīng)顯著，也就是說傳聞通過內(nèi)生互動對個人投資者交易決策發(fā)生間接影響。這證明了假說2，并且與Kosfeld(2005)、Andrei & Cujean(2010)的理論分析結(jié)果一致。

(二) 以情景互動為中介的實證結(jié)果分析

由于情景互動變量PRICE是一個分類變量，相應(yīng)的中介模型由前述方程(1)和下面兩個方程組成：

(4)

+γ6INVL+γ7RISK+γ8TYPE+γ9PATH+εXM

(5)

表2中模型1、3、5是以情景互動為中介的估計結(jié)果。從模型1和5都可以看出， IMP的系數(shù)為正，在1%的顯著性水平上統(tǒng)計顯著。這進一步驗證了假說1。模型3中IMP對PRICE的回歸系數(shù)為正，在1%的顯著性水平上統(tǒng)計顯著，模型5中PRICE對DEC的回歸系數(shù)為正數(shù)，并且在1%的顯著性水平上統(tǒng)計顯著，說明情景互動的中介效應(yīng)顯著，即傳聞通過情景互動對個人投資者交易決策發(fā)生間接影響。這證明了假說3，并與Banerjee(1993)的理論分析結(jié)果相符。

(三) 以內(nèi)生互動和情景互動為中介的實證結(jié)果分析

在分別考慮內(nèi)生互動和情景互動情況下，前面3個假說得到了驗證。如果同時考慮這兩類互動，上述假說是否仍然成立呢？為此本文建立多重中介模型進行分析。該模型由前面方程(1)、(2)、(4)和下述方程(6)組成：

+γ5EDU+γ6INVL+γ7RISK+γ8TYPE+γ9PATH+εXM

(6)

其中，M代表中介變量。

表2中模型1、2、3、6是以內(nèi)生互動和情景互動為中介的多重中介模型估計結(jié)果。模型1和6中IMP的系數(shù)都為正，在1%的顯著性水平上統(tǒng)計顯著。這進一步驗證了假說1。模型2中IMP對RANGE的回歸系數(shù)為正，在5%的顯著性水平上統(tǒng)計顯著，模型6中RANGE對DEC的回歸系數(shù)為正數(shù)，并在1%的顯著性水平上統(tǒng)計顯著，這說明內(nèi)生互動的中介效應(yīng)顯著，進一步驗證了假說2。模型3中IMP對PRICE的回歸系數(shù)、模型6中PRICE對DEC的回歸系數(shù)都為正數(shù)，并且都在1%的顯著性水平上統(tǒng)計顯著，這說明情景互動的中介效應(yīng)顯著，進一步驗證了假說3。

(四) 內(nèi)生性討論與穩(wěn)健性分析

1.內(nèi)生性問題的討論

本研究的內(nèi)生性問題可能來自兩個方面：一是受訪投資者的交易決策可能反過來影響其對傳聞重要程度的判斷，產(chǎn)生反向因果關(guān)系問題；二是受訪投資者某些不可觀察的特征，如投資技能等可能影響其對傳聞重要程度的判斷與交易決策。在本研究使用的調(diào)查問卷中，強調(diào)受訪者“最初”聽到或看到傳聞時對其重要程度的判斷，因此不可能出現(xiàn)反向因果關(guān)系問題。另一方面，在模型設(shè)計時，本研究盡可能多地控制了受訪者人口統(tǒng)計特征、投資特征、傳聞特征等因素，盡可能克服了遺漏變量引起的內(nèi)生性問題。

2.穩(wěn)健性分析*受限于篇幅，這里沒有報告穩(wěn)健性分析的結(jié)果。如果需要，請向作者索取。

(1) 替代核心解釋變量進行穩(wěn)健性分析。我們構(gòu)造了一個傳聞重要程度的虛擬變量(IMP1)。如果受訪者對傳聞重要程度判斷為“有點重要”、“重要”或“非常重要”，IMP1=1，否則，IMP1=0。以該變量替代核心解釋變量IMP，進行中介效應(yīng)分析，估計結(jié)果與前面實證結(jié)果一致。

(2) 采用子樣本進行穩(wěn)健性分析。通過對問卷調(diào)查數(shù)據(jù)分析發(fā)現(xiàn)，受訪個人投資者報告的傳聞絕大多數(shù)屬于上市公司傳聞，因此只保留上市公司傳聞數(shù)據(jù)，共288個樣本量，進行中介模型估計，結(jié)果表明采取子樣本的分析結(jié)果與前面結(jié)果一致。

(五) 進一步討論：效應(yīng)的分解與比較

前述估計結(jié)果雖然證明了傳聞對個人投資者交易決策的影響既存在直接效應(yīng)，又存在間接效應(yīng)，但并沒有說明直接效應(yīng)和間接效應(yīng)哪個更大？兩者是否存在顯著差異？就中介效應(yīng)而言，內(nèi)生互動與情景互動兩種中介效應(yīng)哪個更大？兩者是否存在顯著差異？為此我們利用偏差校正的百分位Bootstrap方法(重復(fù)1000次)進行檢驗，結(jié)果見表3?？梢钥闯觯瑐髀剬€人投資者交易決策的直接效應(yīng)和總間接效應(yīng)(即單個中介效應(yīng)之和)分別為0.2230、0.1181。雖然直接效應(yīng)大于總間接效應(yīng)，但對兩者差異的檢驗表明，不能在5%的顯著性水平上拒絕這一差異為零的虛無假設(shè)，說明兩者沒有明顯差異。情景互動和內(nèi)生互動的中介效應(yīng)分別為0.0931、0.0250，兩者的差異在5%的顯著性水平上顯著異于零，說明它們存在明顯差別，傳聞通過情景互動對個人投資者交易決策的影響要明顯大于內(nèi)生互動的。

表3　效應(yīng)的分解與比較

四、 結(jié)論與建議

股市傳聞像新聞一樣，會導(dǎo)致投資者進行交易。傳聞究竟如何影響個人投資者的交易決策，目前仍不清楚，還在探索之中。筆者利用對中國股市個人投資者進行的問卷調(diào)查數(shù)據(jù)，借助中介模型，實證分析了社會互動在股市傳聞與個人投資者交易決策之間的作用機制，得出以下結(jié)論：(1)股市傳聞會直接影響個人投資者的交易決策，也可以通過內(nèi)生互動和情景互動對個人投資者交易產(chǎn)生間接影響。(2)雖然直接效應(yīng)大于總間接效應(yīng)，但是兩者并不存在明顯差異。(3)就中介效應(yīng)而言，情景互動的中介效應(yīng)明顯要大于內(nèi)生互動的。

因此，要減少傳聞對個人投資者交易決策的影響，在對股市信息按照投資重要程度分類的基礎(chǔ)上，對于可能發(fā)生傳聞的信息類別，應(yīng)盡量提早預(yù)告，力爭減少傳聞的出現(xiàn)。一旦出現(xiàn)傳聞，必須及時、準(zhǔn)確、全面地向投資者做出澄清，這樣可以盡量減少社會互動的作用。同時，要加強對個人投資者進行宣傳教育，促使他們謹(jǐn)慎分析傳聞出現(xiàn)時的股票價格波動，不要隨意傳播或討論傳聞，這樣既可以減少情景互動的影響，又可以減少內(nèi)生互動的影響。

進一步的研究可以將傳聞區(qū)分為利好和利空傳聞，分析它們對個人投資者交易決策的影響機制是否存在差異，可以考慮在出現(xiàn)傳聞情況下，具有什么樣特征的個人投資者偏好內(nèi)生互動或情景互動，更易產(chǎn)生反應(yīng)，可以探討在傳聞與個人投資者交易決策之間是否存在其它中介作用。

[1]陳靜、張曉明(2010).資本市場傳聞信息與股價異動研究.蘭州學(xué)刊,5.

[2]何基報、魯直(2006).中國證券投資者買賣決策的實證研究.復(fù)旦學(xué)報,5.

[3]李濤(2006).社會互動與投資選擇.經(jīng)濟研究,8.

[4]趙靜梅、何欣、吳風(fēng)云(2010).中國股市謠言研究：傳謠、辟謠及其對股價的沖擊.管理世界,11.

[5]Andrei,D.,J.Cujean(2010).Information Percolation in Centralized Markets.http://papers.ssrn.com/sol3/papers.cfm?abstract _id=1699173.

[6]Banerjee,A.V.(1993).The Economics of Rumours.ReviewofEconomicStudies,60.

[7]Clarkson,P.M.,D.Joyce,I.Tutticci(2006).Market Reaction to Takeover Rumour in Internet Discussion Sites.AccountingandFinance,46.

[8]DiFonzo,N.,P.Bordia(1997).Rumor and Prediction:Making Sense (but Losing Dollars) in the Stock Market.OrganizationalBehaviorandHumanDecisionProcesses,71(3).

[9]DiFonzo,N.,P.Bordia(2007).RumorPsychology:SocialandOrganizationalApproaches.Washington,DC:American Psychological Association.

[10] Egan D.,C.Merkle,M.Weber(2014).Second-order Beliefs and the Individual Investor.JournalofEconomicBehavior&Organization,107.

[11] Gao,Y.,D.Oler(2012).Rumors and Pre-announcement Trading:Why Sell Target Stocks before Acquisition Announcements?.ReviewofQuantitativeFinanceandAccounting,39(4).

[12] Griffin,J.M.,F.Nardari,R.M.Stulz(2007).Do Investors Trade More When Stocks Have Performed Well? Evidence from 46 Countries.TheReviewofFinancialStudies,20(3).

[13] Grinblatt,M.,M.Keloharju(2001).What Makes Investors Trade?TheJournalofFinance,56(2).

[14] Hong,H.,J.D.Kubik,J.C.Stein(2004).Social Interaction and Stock-Market Participation.TheJournalofFinance,59(1).

[15] Kapferer,J.N.(1989).A Mass Poisoning Rumor in Europe.ThePublicOpinionQuarterly,53(4).

[16] Kaustia,M.,S.Knüpfer(2012).Peer Performance and Stock Market Entry.JournalofFinancialEconomics,104.

[17] Kosfeld,M.(2005).Rumours and Markets.JournalofMathematicalEconomics,41(6).

[18] Liang P.,S.Guo(2015).Social Interaction,Internet Access and Stock Market Participation——An Empirical Study in China.JournalofComparativeEconomics,43(4).

[19] Manski,C.F.(2000).Economic Analysis of Social Interaction.JournalofEconomicPerspectives,14.

[20] Pound,J.,R.Zeckhauser(1990).Clearly Heard in the Street:The Effect of Takeover Rumors on Stock Prices.JournalofBusiness,63(3).

[21] Rosnow,R.L.,J.L.Esposito,L.Gibney(1988).Factors Influencing Rumor Spreading:Replication and Extension.Language&Communication,8(1).

[22] Schindler,M.(2007).RumorsinFinancialMarkets.New Jersey:John Wiley & Sons,Ltd.

■作者地址：周戰(zhàn)強，中央財經(jīng)大學(xué)經(jīng)濟學(xué)院；北京 100081。Email:zhouzhanqiang2008@163.com。

李彬，中央財經(jīng)大學(xué)經(jīng)濟學(xué)院。

■責(zé)任編輯：劉金波

◆

Rumors in the Stock Market,Social Interaction and Individual Investors’ Trading Decision

ZhouZhanqiang(Central University of Finance and Economics)

LiBin(Central University of Finance and Economics)

This paper examines the mechanism through which rumors in the stock market influence individual investors’ trading decision through social interaction by using the mediator model,based on a rumor questionnaire in which the individual investors in China stock market were sampled and completed.Results show that the rumors exert a direct effect on the trading decision,and do indirectly through endogenous and contextual interaction.Although the direct effect is greater than the total indirect effect,there is no obvious difference between them.In terms of specific mediating effects,the contextual interaction has a significantly greater mediating effect than the endogenous interaction.This study deepens our understanding of individual investors’ trading decision which is influenced by the rumors,and suggests that decreasing the resulting social interaction should be considered when controlling the rumors in the stock market.

rumors in the stock market；social interaction；individual investors；trading decision

10.14086/j.cnki.wujss.2016.05.010

國家自然科學(xué)基金項目(71350016)；教育部留學(xué)回國人員科研啟動基金項目