基于指令驅(qū)動(dòng)市場(chǎng)EKOP模型的異質(zhì)期望研究

王 碩，李鵬程，楊寶臣

天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津 300072

基于指令驅(qū)動(dòng)市場(chǎng)EKOP模型的異質(zhì)期望研究

王 碩，李鵬程，楊寶臣

天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部，天津 300072

傳統(tǒng)資產(chǎn)定價(jià)模型假設(shè)所有的投資者對(duì)于同一種資產(chǎn)未來(lái)收益的預(yù)期相同。但是，這一假設(shè)很難得到實(shí)證研究的證實(shí)。在現(xiàn)實(shí)市場(chǎng)中，投資者往往存在意見(jiàn)分歧，這樣的意見(jiàn)分歧就是異質(zhì)期望。理解異質(zhì)期望如何影響資產(chǎn)價(jià)格是金融研究中一個(gè)極其重要也頗具爭(zhēng)議的問(wèn)題，這一課題的研究焦點(diǎn)在于，市場(chǎng)中投資者意見(jiàn)分歧的增大是否產(chǎn)生溢價(jià)。實(shí)際上，研究投資者意見(jiàn)分歧與資產(chǎn)定價(jià)的關(guān)系就是研究市場(chǎng)中的信息是如何進(jìn)入價(jià)格的。投資者由市場(chǎng)信息產(chǎn)生或調(diào)整自己的預(yù)期，通過(guò)交易行為體現(xiàn)出來(lái)，最終反映在價(jià)格中。這一信息的融入和傳導(dǎo)過(guò)程是市場(chǎng)微觀結(jié)構(gòu)研究的核心內(nèi)容，而這一點(diǎn)在已有研究中往往被忽視。

從市場(chǎng)微觀結(jié)構(gòu)的角度就投資者預(yù)期和異質(zhì)期望對(duì)定價(jià)的影響進(jìn)行研究，結(jié)合中國(guó)股市交易機(jī)制，建立指令驅(qū)動(dòng)系統(tǒng)下的Easley-Kiefer-O′hara-Paperman模型，通過(guò)交易活躍度這一參數(shù)，以買賣訂單交易量為基礎(chǔ)，利用帶機(jī)制轉(zhuǎn)換的向量自回歸模型估計(jì)信息狀態(tài)概率，更準(zhǔn)確地估計(jì)市場(chǎng)中的知情交易比例和不同信息狀態(tài)下非知情交易者的預(yù)期。利用滬深股市29只股票2010年1月至2012年6月的5分鐘高頻分筆數(shù)據(jù)進(jìn)行估計(jì)，并在此基礎(chǔ)上構(gòu)建異質(zhì)期望衡量指標(biāo)，利用多因素模型回歸研究異質(zhì)期望與股票定價(jià)的關(guān)系。

研究結(jié)果表明，這一時(shí)期投資者意見(jiàn)分歧較大，市場(chǎng)逐漸低迷，交易活躍度從5.149%降至1.357%，其中知情交易比例為28.184%，比例較高；市場(chǎng)轉(zhuǎn)冷時(shí)，知情交易量的減小遠(yuǎn)小于非知情交易量；非知情交易者對(duì)市場(chǎng)中的信息估計(jì)不足，但是可以較為準(zhǔn)確地從市場(chǎng)交易中判斷看漲的走勢(shì)，卻不能在價(jià)格下跌時(shí)有效止損，這也體現(xiàn)出其投機(jī)心理比較嚴(yán)重；壟斷優(yōu)勢(shì)強(qiáng)的企業(yè)投資者意見(jiàn)分歧較?。划愘|(zhì)期望水平較高會(huì)導(dǎo)致價(jià)格被高估，且二者成正比，這一高估會(huì)在兩個(gè)月內(nèi)得以完全修正。

所建立的模型可為投資者捕捉市場(chǎng)狀態(tài)和監(jiān)管部門制定政策提供了依據(jù)。

異質(zhì)期望；EKOP模型；指令驅(qū)動(dòng)市場(chǎng)；定價(jià)；市場(chǎng)信息

1 引言

在經(jīng)濟(jì)和金融研究中，投資者預(yù)期如何影響資產(chǎn)價(jià)格是一個(gè)非常重要的研究方向。傳統(tǒng)的資本資產(chǎn)定價(jià)模型假定所有投資者關(guān)于證券收益率的概率分布具有相同的預(yù)期，滿足同質(zhì)期望假設(shè)。然而，隨著研究不斷深入以及各種金融異象的發(fā)生，人們逐漸意識(shí)到同質(zhì)期望假設(shè)過(guò)于完美，脫離市場(chǎng)實(shí)際。現(xiàn)實(shí)中，投資者對(duì)資產(chǎn)未來(lái)的預(yù)期通常不同，而異質(zhì)期望指的正是投資者對(duì)資產(chǎn)未來(lái)價(jià)格的預(yù)期存在意見(jiàn)分歧。

由于異質(zhì)期望假設(shè)可以更好地刻畫(huà)現(xiàn)實(shí)市場(chǎng)，近年來(lái)，異質(zhì)期望與資產(chǎn)價(jià)格的關(guān)系逐漸成為金融研究的一個(gè)重要課題。這一課題的研究焦點(diǎn)在于，投資者的意見(jiàn)分歧是否產(chǎn)生溢價(jià)。近10年來(lái)，隨著金融數(shù)理模型的不斷發(fā)展，對(duì)這一焦點(diǎn)的研究也逐漸從理論轉(zhuǎn)向?qū)嵶C。市場(chǎng)價(jià)格是持不同預(yù)期的投資者相互博弈的結(jié)果，投資者預(yù)期又與市場(chǎng)信息密切相關(guān)。因此，有必要從市場(chǎng)微觀結(jié)構(gòu)和信息流的角度構(gòu)造模型，對(duì)異質(zhì)期望和定價(jià)進(jìn)行實(shí)證研究。

2 相關(guān)研究評(píng)述

異質(zhì)期望與資產(chǎn)價(jià)格關(guān)系的研究源于MILLER[1]的研究，他認(rèn)為在賣空限制的條件下，股價(jià)只反映了樂(lè)觀投資者的預(yù)期，因而會(huì)被高估；CHEN et al.[2]從時(shí)間角度進(jìn)行研究，認(rèn)為投資者意見(jiàn)分歧增大使長(zhǎng)期持有股票的投資者減少，從而推高股價(jià)。這些理論研究得到一些實(shí)證的支持。實(shí)證方面，DIETHER et al.[3]將賣空限制放松為市場(chǎng)有摩擦，并對(duì)股票的收益率與分析師預(yù)測(cè)分歧度進(jìn)行回歸，發(fā)現(xiàn)分歧度高的股票未來(lái)收益率偏低，從而證明了MILLER[1]的觀點(diǎn)；LIU et al.[4]對(duì)在中國(guó)大陸和香港同時(shí)上市的43只股票進(jìn)行研究，發(fā)現(xiàn)在賣空限制下，滬深兩市股票價(jià)格是港股價(jià)格的1.8倍，直接證明了MILLER[1]的觀點(diǎn)。此外， 也有研究從意見(jiàn)分歧與內(nèi)生流動(dòng)性的角度得到同樣結(jié)論[5-6]。

與之相反，VARIAN[7]建立均衡模型，認(rèn)為當(dāng)投資者的風(fēng)險(xiǎn)規(guī)避水平不是異常高時(shí)，意見(jiàn)分散會(huì)導(dǎo)致資產(chǎn)價(jià)值下降，帶來(lái)風(fēng)險(xiǎn)溢價(jià)；DAVID[8]認(rèn)為面對(duì)同樣新信息時(shí)投資者均“固執(zhí)己見(jiàn)”，他們會(huì)要求更高風(fēng)險(xiǎn)溢價(jià)；CHEN et al.[9]認(rèn)為這一風(fēng)險(xiǎn)溢價(jià)在正常時(shí)期和金融危機(jī)時(shí)期變化趨勢(shì)不同。實(shí)證方面，這一理論得到GARFINKEL et al.[10]的支持；孟衛(wèi)東等[11]從市場(chǎng)信號(hào)傳遞的角度針對(duì)中國(guó)股市得出相同的結(jié)論；CARLIN et al.[12]通過(guò)對(duì)抵押支持證券市場(chǎng)中提前償還速度的分歧水平與市場(chǎng)期望收益進(jìn)行回歸，證明在市場(chǎng)不存在賣空限制和流動(dòng)性高的情形下異質(zhì)期望會(huì)帶來(lái)風(fēng)險(xiǎn)溢價(jià)。

FAMA et al.[13]認(rèn)為，由于投資者意見(jiàn)分歧，相比資本資產(chǎn)定價(jià)模型，現(xiàn)實(shí)市場(chǎng)中的股價(jià)被高估或低估這兩種情況都有可能；BURASCHI et al.[14]的模型則表明這種影響的不確定性是由公司的杠桿率與意見(jiàn)分歧程度的相互作用決定；BHAMRA et al.[15]從投資者學(xué)習(xí)的角度利用隨機(jī)分析對(duì)意見(jiàn)分歧和定價(jià)的過(guò)程進(jìn)行研究，認(rèn)為異質(zhì)期望導(dǎo)致樂(lè)觀者風(fēng)險(xiǎn)價(jià)值上升，悲觀者風(fēng)險(xiǎn)價(jià)值下降。由此可知，對(duì)于投資者預(yù)期與資產(chǎn)定價(jià)的關(guān)系，目前尚無(wú)定論，公司的信用、財(cái)務(wù)狀況、市場(chǎng)流動(dòng)性等因素都對(duì)其有影響。

實(shí)際上，研究投資者意見(jiàn)分歧與資產(chǎn)定價(jià)的關(guān)系就是在研究市場(chǎng)中的信息是如何進(jìn)入價(jià)格的。投資者由市場(chǎng)信息產(chǎn)生或調(diào)整自己的預(yù)期，通過(guò)交易行為體現(xiàn)出來(lái)，最終反映在價(jià)格中，這一信息的融入和傳導(dǎo)過(guò)程是市場(chǎng)微觀結(jié)構(gòu)研究的核心內(nèi)容。然而，已有關(guān)于異質(zhì)期望和資產(chǎn)定價(jià)的研究中，少有研究從市場(chǎng)信息流這樣的微觀角度進(jìn)行。此外，目前沒(méi)有公認(rèn)的完善的異質(zhì)期望衡量指標(biāo)，現(xiàn)有的指標(biāo)均存在缺陷。分析師預(yù)測(cè)數(shù)據(jù)僅代表了分析師的意見(jiàn)，很難體現(xiàn)市場(chǎng)整體狀況；買賣價(jià)差和換手率中雖然包含了一部分的異質(zhì)期望因素，但是更多地被用來(lái)表征流動(dòng)性水平。GARFINKEL[16]也認(rèn)為，換手率和波動(dòng)率只能反映最終達(dá)成交易的投資者的意見(jiàn)分歧程度，他提出以調(diào)整后的換手率代表異質(zhì)期望水平，但在構(gòu)造代表平均流動(dòng)性需求的換手率時(shí)，其控制周期的選取沒(méi)有明確依據(jù)，具有較大的主觀性；CARLIN et al.[12]采用華爾街主要抵押貸款商發(fā)布的提前償還速度預(yù)測(cè)的標(biāo)準(zhǔn)差作為異質(zhì)期望衡量指標(biāo)。這一指標(biāo)具有天然的優(yōu)勢(shì)，可以直接衡量投資者對(duì)抵押支持證券的預(yù)期。然而，在中國(guó)市場(chǎng)無(wú)法找到這樣的指標(biāo)。

基于已有研究的不足，本研究從市場(chǎng)信息流的角度，利用Easley-Kiefer-O′hara-Paperman模型(簡(jiǎn)稱EKOP模型)對(duì)異質(zhì)期望與資產(chǎn)定價(jià)的關(guān)系進(jìn)行研究。首先，通過(guò)構(gòu)造交易活躍度這一參數(shù)，解決了不交易量的估計(jì)問(wèn)題，建立指令驅(qū)動(dòng)市場(chǎng)下的EKOP模型；其次，對(duì)于構(gòu)建異質(zhì)期望衡量指標(biāo)進(jìn)行有益探索；最后，通過(guò)將市場(chǎng)信息參數(shù)和市場(chǎng)交易參數(shù)分別估計(jì)，解決傳統(tǒng)EKOP模型計(jì)算高頻數(shù)據(jù)時(shí)不收斂的問(wèn)題。

3 模型的建立

3.1 EKOP模型和EO模型

EKOP模型由EASLEY et al.[17]提出，最初關(guān)注的是投資者行為對(duì)市場(chǎng)信息的反應(yīng)，它利用二叉樹(shù)估計(jì)知情交易者和不知情交易者在市場(chǎng)中所占比例及其交易指令的到達(dá)率。這一模型基于報(bào)價(jià)驅(qū)動(dòng)市場(chǎng)提出，以做市商的視角描述不同投資者的交易過(guò)程。然而，中國(guó)市場(chǎng)是指令驅(qū)動(dòng)市場(chǎng)，不存在做市商這樣的中介。很多研究[18-20]都不加改進(jìn)地直接將該模型用于中國(guó)市場(chǎng)，或忽視二者的區(qū)別，認(rèn)為做市商的作用可以直接由訂單簿代替[21]。

實(shí)際上，報(bào)價(jià)驅(qū)動(dòng)市場(chǎng)和指令驅(qū)動(dòng)市場(chǎng)中的價(jià)格都是買賣雙方博弈的結(jié)果，都是投資者對(duì)市場(chǎng)預(yù)期的反映。做市商只是分離買賣雙方的中介，不會(huì)決定市場(chǎng)價(jià)格或未來(lái)走勢(shì)。因此，這兩類市場(chǎng)都可以采用EKOP模型進(jìn)行分析。然而，不同的是，在報(bào)價(jià)驅(qū)動(dòng)市場(chǎng)中，做市商所面對(duì)的是一個(gè)個(gè)獨(dú)立訂單，交易次數(shù)幾乎可以解釋波動(dòng)現(xiàn)象的全部[22]。而在指令驅(qū)動(dòng)市場(chǎng)中，市場(chǎng)面對(duì)的是等待以不同價(jià)格成交的不同數(shù)量的委托買單和委托賣單，無(wú)法簡(jiǎn)單的用筆數(shù)衡量。而且，同一時(shí)點(diǎn)以同一成交價(jià)完成的交易都有可能是多筆買賣訂單交易的集合，而買賣訂單之間也常常不是一對(duì)一的關(guān)系。因此，僅僅是訂單到達(dá)筆數(shù)不能完全體現(xiàn)指令驅(qū)動(dòng)市場(chǎng)中投資者的交易行為，每筆訂單的大小也都在向市場(chǎng)傳遞著信息[23]。因此，將EKOP模型用于指令驅(qū)動(dòng)市場(chǎng)，需要針對(duì)買賣訂單筆數(shù)的估計(jì)進(jìn)行必要的改進(jìn)。

此外，EKOP模型本身也有頗具爭(zhēng)議之處。EASLEY et al.[17]在模型建立之初就指出，選取不同的時(shí)間間隔進(jìn)行估計(jì)時(shí)，模型對(duì)市場(chǎng)信息狀態(tài)的估計(jì)結(jié)果差異較大。這會(huì)給分析投資者預(yù)期與市場(chǎng)信息的關(guān)系造成困難。AKTAS et al.[24]認(rèn)為，模型對(duì)不同樣本區(qū)間數(shù)據(jù)估計(jì)結(jié)果相差較大；DUARTE et al.[25]認(rèn)為，按照EKOP模型的設(shè)定，買單和賣單的協(xié)方差應(yīng)該小于0，但實(shí)證結(jié)果則大多都大于0；ASLAN et al.[26]還發(fā)現(xiàn)對(duì)于市值較大、交易頻繁的證券，會(huì)出現(xiàn)計(jì)算下溢的問(wèn)題，估計(jì)結(jié)果不收斂。這些都說(shuō)明EKOP模型的設(shè)定可能存在錯(cuò)誤。

現(xiàn)在廣泛使用的EKOP模型是在EASLEY et al.[27-28]提出的EO模型的基礎(chǔ)上改進(jìn)的。與EKOP模型不同，EO模型設(shè)定了交易者以不同的概率做出投資決策，同時(shí)也區(qū)分了非知情交易者中傾向于買入還是賣出的概率以及這之中實(shí)際發(fā)生交易的概率。這樣的模型設(shè)定有3個(gè)優(yōu)勢(shì)。首先，容易從訂單筆數(shù)推廣到交易量，為建立指令驅(qū)動(dòng)市場(chǎng)下的模型提供便利；其次，區(qū)分了有交易傾向的交易者和實(shí)際交易的交易者，可以更準(zhǔn)確地掌握市場(chǎng)交易狀況和衡量投資者預(yù)期；最后，無(wú)需假設(shè)訂單到達(dá)所服從的概率分布，模型具有更廣泛的適用性。因此，本研究以EO模型為基礎(chǔ)建立指令驅(qū)動(dòng)市場(chǎng)的EKOP模型。

EASLEY et al.[17]之所以在EKOP模型中提出泊松過(guò)程的假定，很大程度上是為了解決EO模型無(wú)法準(zhǔn)確估計(jì)不交易訂單數(shù)的問(wèn)題，本研究通過(guò)定義交易活躍度來(lái)解決這一問(wèn)題，交易活躍度為某一只股票被關(guān)注的股數(shù)占總流通股數(shù)的比例，可以通過(guò)估計(jì)得到。在被關(guān)注的股數(shù)中，有一部分實(shí)際發(fā)生了交易，另一部分沒(méi)有交易。這樣，從被關(guān)注的股數(shù)中直接減去交易的股數(shù)即可得到受關(guān)注且沒(méi)有交易的數(shù)量。這一設(shè)定很好地區(qū)分了對(duì)一只股票不關(guān)注的投資者和關(guān)注而持觀望預(yù)期的投資者。這兩種投資者的行為都是不交易，然而二者有很大區(qū)別。對(duì)某一只股票不關(guān)注的投資者并沒(méi)有預(yù)期，而對(duì)該股票關(guān)注但是不進(jìn)行交易的投資者，其預(yù)期是看平，行為是繼續(xù)觀望，并可能成為潛在的交易者。這一參數(shù)的設(shè)定可以更準(zhǔn)確地衡量市場(chǎng)的冷熱程度和投資者預(yù)期。

此外，本研究分兩步對(duì)所建立的指令驅(qū)動(dòng)市場(chǎng)EKOP模型進(jìn)行估計(jì)，先通過(guò)帶機(jī)制轉(zhuǎn)換的向量自回歸模型估計(jì)市場(chǎng)信息參數(shù)，再將其代入以估計(jì)市場(chǎng)交易參數(shù)。這樣可以解決EKOP模型市場(chǎng)信息狀態(tài)估計(jì)不準(zhǔn)的問(wèn)題，并且減少了極大似然估計(jì)中待估參數(shù)的個(gè)數(shù)，提高估計(jì)的準(zhǔn)確性和可靠性，有效減少計(jì)算過(guò)程中計(jì)算溢出的發(fā)生。

3.2 指令驅(qū)動(dòng)市場(chǎng)的EKOP模型

本研究構(gòu)建的指令驅(qū)動(dòng)市場(chǎng)的EKOP模型遵循以下3個(gè)基本假設(shè)。

(1)市場(chǎng)中存在唯一的風(fēng)險(xiǎn)資產(chǎn)，如存在多種資產(chǎn)，他們之間是相互獨(dú)立的；

(2)所有交易者都是有限理性、風(fēng)險(xiǎn)中性的；

(3)信息事件相互獨(dú)立，不會(huì)同時(shí)到達(dá)。

定義市場(chǎng)有3類信息事件，事件空間記為Φ，好消息記為H，壞消息記為L(zhǎng)，無(wú)消息記為O，Φ={H,L,O}。定義3類交易事件，事件空間記為Ψ，分為買入B、賣出S和不交易N，Ψ={B,S,N}，同時(shí)將交易者區(qū)分為知情交易者和非知情交易者。知情交易者是擁有信息優(yōu)勢(shì)或有能力分析得到市場(chǎng)信號(hào)的投資者；非知情交易者包括噪音交易者和流動(dòng)性交易者，他們不具有信息優(yōu)勢(shì)，把噪音當(dāng)作信息或依據(jù)自身流動(dòng)性需求進(jìn)行交易。知情交易者只依據(jù)私有信息進(jìn)行交易，其交易方向與信息方向一致，即在無(wú)信息時(shí)不交易、在好消息時(shí)買入、在壞消息時(shí)賣出。對(duì)于非知情交易者，其交易行為與信息事件無(wú)關(guān)，他們?cè)陬A(yù)期看漲時(shí)買入、看跌時(shí)賣出、持觀望態(tài)度時(shí)不交易。

本研究構(gòu)建的指令驅(qū)動(dòng)市場(chǎng)的EKOP模型見(jiàn)圖1。假設(shè)每一交易日有消息的概率為α，其中壞消息的概率為δ，則3種信息狀態(tài)出現(xiàn)的概率分別為P(H)=α(1-δ)、P(L)=αδ、P(O)=1-α。定義股票的交易活躍度ρ，即對(duì)一只股票來(lái)說(shuō)，其在一定時(shí)間內(nèi)被投資者關(guān)注的股數(shù)占其總流通股數(shù)的比例。假設(shè)被知情交易者交易的比例為μ，也就是說(shuō)對(duì)于一單位股票來(lái)說(shuō)，由知情交易者提出訂單的概率為μ，那么被非知情交易者交易的概率則為(1-μ)。同樣的，假設(shè)非知情交易者對(duì)該單位股票看漲的概率為υ、看跌的概率為ν、觀望的概率為(1-υ-ν)，則該單位股票被非知情交易者買入的概率為υ、賣出的概率為ν、不交易的概率為(1-υ-ν)。

令Bt為第t期某只股票買入量，St為第t期某只股票賣出量，Nt為第t期某只股票不交易的數(shù)量，t=1,2,…,T。則在好消息H、壞消息L和無(wú)消息O這3種條件下的狀態(tài)概率為

P(Bt,St,Nt|H)=

[μ+(1-μ)υ]Bt[(1-μ)(1-υ-ν)]Nt[(1-μ)ν]St

(1)

P(Bt,St,Nt|L)=

[(1-μ)υ]Bt[(1-μ)(1-υ-ν)]Nt[μ+(1-μ)ν]St

(2)

P(Bt,St,Nt|O)=

[(1-μ)υ]Bt[μ+(1-μ)(1-υ-ν)]Nt[(1-μ)ν]St

(3)

那么，第t期的交易行為可以表示為以下似然函數(shù)，即

L(θ|Bt,St,Nt)=

α(1-δ)[μ+(1-μ)υ]Bt[(1-μ)(1-υ-ν)]Nt[(1-μ)ν]St+

αδ[(1-μ)υ]Bt[(1-μ)(1-υ-ν)]Nt[μ+(1-μ)ν]St+

(1-α)[(1-μ)υ]Bt[μ+(1-μ)(1-υ-ν)]Nt[(1-μ)ν]St

(4)

其中，θ為待估參數(shù)向量，θ=(α,δ,ρ,μ,υ,ν)，則樣本期內(nèi)的交易過(guò)程的似然函數(shù)可以表示為

(5)

其中，M=((B1,S1,N1),…,(BT,ST,NT))。

圖1 指令驅(qū)動(dòng)市場(chǎng)下的EKOP模型Figure 1 EKOP Model under Order Driving Market

表1 樣本描述性統(tǒng)計(jì)結(jié)果Table 1 Descriptive Statistics Results of Samples

4 數(shù)據(jù)和參數(shù)估計(jì)

本研究從滬深股市2010年之前上市且一直處于正常交易狀態(tài)的股票中隨機(jī)選取29只為研究樣本，滬市15只，深市14只，其中有14只股票為HS300指數(shù)成分股，對(duì)這些股票2010年1月至2012年6月的交易數(shù)據(jù)進(jìn)行分析。之所以選取這一時(shí)間段，是因?yàn)橐w現(xiàn)交易活躍度這一參數(shù)設(shè)定的優(yōu)勢(shì)，它可以直觀地表現(xiàn)出投資者對(duì)市場(chǎng)的關(guān)注程度，即在市場(chǎng)由冷轉(zhuǎn)熱或由熱轉(zhuǎn)冷的時(shí)期，有多大比例的投資者進(jìn)入或離開(kāi)市場(chǎng)。近年來(lái)中國(guó)股市整體低迷，而這一輪低潮正是由2011年開(kāi)始的，故選取這一時(shí)段較有代表性。

模型中θ=(α,δ,ρ,μ,υ,ν)，共6個(gè)參數(shù)需要估計(jì)。其中，信息概率α和壞消息概率δ為市場(chǎng)信息參數(shù)，其他為市場(chǎng)交易參數(shù)。由于α和δ不依賴交易行為，且不同信息狀態(tài)下投資者的交易行為會(huì)有不同的特征，故采用機(jī)制轉(zhuǎn)換的向量自回歸模型進(jìn)行估計(jì)，這樣可以得到每只股票每一天的信息狀態(tài)概率。然后把所得參數(shù)代入指令驅(qū)動(dòng)市場(chǎng)的EKOP模型，對(duì)市場(chǎng)交易參數(shù)進(jìn)行估計(jì)?？紤]到投資者對(duì)市場(chǎng)是時(shí)刻關(guān)注的，每一時(shí)刻的交易情況都可能影響投資者對(duì)股票未來(lái)走勢(shì)的判斷。因此，在估計(jì)市場(chǎng)交易參數(shù)時(shí)，本研究以每5分鐘為單位，選取每5分鐘的交易數(shù)據(jù)進(jìn)行極大似然估計(jì)。

4.1 市場(chǎng)信息參數(shù)的估計(jì)

樣本期內(nèi)共665個(gè)交易日，對(duì)于所選取的29只股票，除去因各種原因停盤的交易日，有效的交易日數(shù)據(jù)共17 026個(gè)，樣本的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表1。選取每只股票的日收益率和日均價(jià)作為被解釋變量，以日內(nèi)波幅、日換手率、日訂單不平衡程度3個(gè)指標(biāo)作為解釋變量(具體計(jì)算方法見(jiàn)附錄1)，利用向量自回歸模型進(jìn)行估計(jì)。

本研究采用基于ox的向量自回歸模型軟件包對(duì)各設(shè)定形式下的模型進(jìn)行比較，最后選定MSIAH(3)-VARX(1)的模型形式，即均值和截距都隨狀態(tài)改變，同時(shí)自回歸參數(shù)和殘差方差依賴于機(jī)制的模型設(shè)定。比較各回歸方程指標(biāo)系數(shù)之間的關(guān)系可以明顯地區(qū)分好消息、無(wú)消息、壞消息3種狀態(tài)。記PH為好消息出現(xiàn)的概率，PO為無(wú)消息出現(xiàn)的概率，PL為壞消息出現(xiàn)的概率，可以得出每只股票在每一交易日的信息狀態(tài)。在得到每只股票每一天的信息狀態(tài)概率后，將這一參數(shù)代入指令驅(qū)動(dòng)市場(chǎng)的EKOP模型，對(duì)市場(chǎng)交易參數(shù)進(jìn)行估計(jì)。

4.2 市場(chǎng)交易參數(shù)的估計(jì)

本研究選取每5分鐘的交易量估計(jì)市場(chǎng)交易參數(shù)ρ、μ、υ和ν。為了消除不同股票總流通股數(shù)間的差異，將所選樣本的總流通股數(shù)都統(tǒng)一為10 000 000手，并通過(guò)各股票買入和賣出的比例，計(jì)算出等價(jià)的買入量和賣出量。分別記B和S為等價(jià)買入量和賣出量在5分鐘內(nèi)的平均值。對(duì)于平均每5分鐘內(nèi)不交易的股票數(shù)N，可以由N=Aρ(1-μ)-B-S得到，A為該股票的總流通股數(shù)。

本研究以月為單位估計(jì)市場(chǎng)交易參數(shù)，這是因?yàn)楣善笔袌?chǎng)本身瞬息萬(wàn)變，若選取時(shí)間過(guò)長(zhǎng)，則交易參數(shù)和信息狀態(tài)都可能有較大變動(dòng)。相對(duì)而言，以月為單位進(jìn)行估計(jì)得到的模型參數(shù)比較穩(wěn)定。將上一步所得到的市場(chǎng)信息參數(shù)α和δ代入(5)式進(jìn)行極大似然估計(jì)。記非知情交易者中看漲的概率為EB，看跌的概率為ES，觀望的概率為EN，以S000063這只股票為例，表2給出2010年1月的估計(jì)結(jié)果。

表2顯示了交易數(shù)據(jù)背后的市場(chǎng)信息狀態(tài)和投資者預(yù)期，2010年1月僅有1.830%的流通股數(shù)被投資者關(guān)注，有可能發(fā)生交易，這其中被知情交易者關(guān)注的占23.435%，剩下近77%的股票是被非知情交易者關(guān)注的。在非知情交易者關(guān)注的這部分中，有20.225%被看漲，有27.858%被看跌，其余51.917%被投資者觀望。

表2 S000063在2010年1月的估計(jì)結(jié)果Table 2 Estimate Results of Stock S000063 in Jan.2010

5 估計(jì)結(jié)果分析

利用本研究建立的指令驅(qū)動(dòng)市場(chǎng)的EKOP模型，對(duì)所選取的29只股票逐一進(jìn)行估計(jì)，表3給出指令驅(qū)動(dòng)市場(chǎng)EKOP模型的參數(shù)估計(jì)結(jié)果。

由表3可知，相對(duì)于總流通股數(shù)來(lái)說(shuō)，受到投資者關(guān)注的只占其中的2.843%，說(shuō)明這一時(shí)期樣本股受到的關(guān)注度很低。在受到關(guān)注的股票中，平均有28.184%被知情交易者交易，其余的被非知情交易者關(guān)注。以往EKOP模型所估計(jì)的中國(guó)股市知情交易者概率大多在10%～20%，本研究的估計(jì)結(jié)果較以往數(shù)值偏高，這是因?yàn)楸狙芯渴菑慕灰琢拷嵌冉⒛Ｐ?，而不是訂單筆數(shù)。這也表明，中國(guó)股市知情交易比例較高，而且知情交易的單筆訂單交易量都相對(duì)較大，它們大多是由機(jī)構(gòu)投資者提出的。

在所選樣本期內(nèi)，75.721%的交易日有消息發(fā)生，可以說(shuō)市場(chǎng)中充斥著各種信息，這其中好消息和壞消息發(fā)生的概率相當(dāng)。非知情交易者持觀望態(tài)度的概率最高，超過(guò)40%；其次是看跌，為31.169%。這表明在樣本所選時(shí)間段，非知情交易者對(duì)市場(chǎng)中發(fā)生消息的概率估計(jì)不足。而且，雖然市場(chǎng)中實(shí)際發(fā)生的好消息和壞消息水平相當(dāng)，然而非知情交易者對(duì)市場(chǎng)信心不足，大幅低估了好消息的發(fā)生水平，操作比較謹(jǐn)慎。

表3 指令驅(qū)動(dòng)市場(chǎng)EKOP模型的估計(jì)結(jié)果/%Table 3 Estimate Results of EKOP Model under Order Driving Market/%

記γ為知情交易量占總流通股數(shù)之比，γ=ρμ。圖2從時(shí)序角度給出μ、ρ和γ的變化趨勢(shì)，μ對(duì)應(yīng)主坐標(biāo)軸，ρ和γ對(duì)應(yīng)次坐標(biāo)軸。由圖2可知，市場(chǎng)的交易活躍度ρ在樣本期內(nèi)逐漸下降，從2010年3月的最高值5.149%降至2012年6月的1.357%，直觀地顯示出投資者對(duì)股市的關(guān)注度降低。這一時(shí)期，市場(chǎng)走勢(shì)低迷，大量投資者離開(kāi)股市，而將注意力轉(zhuǎn)移至其他投資領(lǐng)域。樣本期內(nèi)，知情交易比例μ略有上升，表明股市所受的關(guān)注減少，而知情交易比例有所上升。具體到知情交易量，可以看到γ略有下降，由1.493%逐漸降至0.427%，表明隨著市場(chǎng)的低迷，知情交易量也有所減少，但與交易活躍度相比，其減少幅度不大。也就是說(shuō)在市場(chǎng)不景氣的時(shí)期，離開(kāi)市場(chǎng)的大多是不具有信息優(yōu)勢(shì)的非知情交易者，正是他們的離開(kāi)導(dǎo)致了知情交易者比例的上升。

此外，由圖2還可以看出，在2010年12月到2012年2月期間，μ和ρ的變化趨勢(shì)基本一致?？梢哉J(rèn)為在這段時(shí)間，市場(chǎng)的活躍是由信息帶動(dòng)的，并隨知情交易的冷熱而變化。圖3給出非知情交易者中看漲概率和私有消息為好消息概率的變化趨勢(shì)，圖4給出非知情交易者中觀望概率和市場(chǎng)中無(wú)消息概率的變化趨勢(shì)，圖5給出非知情交易者中看跌概率和私有消息為壞消息概率的變化趨勢(shì)，可以進(jìn)行對(duì)比分析。

圖2 μ、 ρ和γ的走勢(shì)圖Figure 2 Plots of μ, ρ and γ

圖3 PH和EB走勢(shì)圖Figure 3 Plots of PH and EB

圖4 PO和EN走勢(shì)圖Figure 4 Plots of PO and EN

圖5 PL和ES走勢(shì)圖Figure 5 Plots of PL and ES

由圖3可知，非知情交易者整體較為悲觀，看漲的概率明顯較低。在2010年1月至2011年6月和2012年1月至5月這兩段時(shí)間內(nèi)，兩條曲線的變化趨勢(shì)幾乎一致。此時(shí)，當(dāng)好消息概率增大時(shí)，非知情交易者看漲的概率也上升，反之亦然。這表明雖然非知情交易者不具有信息優(yōu)勢(shì)，但是他們可以較為準(zhǔn)確地從市場(chǎng)交易中把握看漲的走勢(shì)，或者說(shuō)市場(chǎng)中大量的散戶在決定買入時(shí)易于跟風(fēng)，而這種跟風(fēng)往往是正確的。由圖4可知，在樣本時(shí)間段，市場(chǎng)觀望趨勢(shì)明顯，非知情交易者觀望的概率遠(yuǎn)高于市場(chǎng)實(shí)際的無(wú)信息概率。在所選的30個(gè)月份中，有19個(gè)月PO和EN的變化趨勢(shì)相反，即在市場(chǎng)消息增多時(shí)，觀望程度也上升。這是因?yàn)椋?dāng)信息量增大，尤其是好消息和壞消息同時(shí)增多時(shí)，市場(chǎng)變化更加復(fù)雜。非知情交易者缺乏鑒別的能力，加之市場(chǎng)持續(xù)低迷，這部分投資者只能更為審慎地采取觀望態(tài)度。由圖5可知，非知情交易者也同樣低估發(fā)生壞消息的概率，不過(guò)低估的幅度較小。此外，所選30個(gè)月中有22個(gè)月PL和ES的變化趨勢(shì)相反，也就是壞消息增多時(shí)，非知情交易者看跌的概率卻有所下降?？梢?jiàn)，非知情交易者在股價(jià)下跌時(shí)大多采取兩種態(tài)度。一種是心存僥幸心理，認(rèn)為其未來(lái)將會(huì)反彈，進(jìn)而買入；另一種是受損失厭惡的處置效應(yīng)影響，不愿將損失兌現(xiàn)，而持續(xù)觀望。

6 異質(zhì)期望對(duì)股票定價(jià)的影響

6.1 異質(zhì)期望代理指標(biāo)的構(gòu)建

異質(zhì)期望代理指標(biāo)衡量的是市場(chǎng)參與者對(duì)股票未來(lái)收益預(yù)期的分散程度。而對(duì)于某一只特定的股票來(lái)說(shuō)，被投資者關(guān)注而形成預(yù)期的只占總流通股數(shù)的一部分，其余的部分并未被投資者關(guān)注，也就是說(shuō)投資者不會(huì)對(duì)未被關(guān)注的這部分流通股數(shù)形成預(yù)期，這部分流通股數(shù)也不會(huì)參與市場(chǎng)交易。故本研究以所有被投資者關(guān)注的流通股數(shù)為基礎(chǔ)構(gòu)建異質(zhì)期望代理指標(biāo)。

由所建立的EKOP模型可以得到所選樣本每個(gè)月中被知情交易者交易的比例以及非知情交易者看漲、看跌和持觀望態(tài)度的比例，基于這些參數(shù)可以構(gòu)建股市中交易者整體異質(zhì)期望的代理指標(biāo)。在不同的信息狀態(tài)下，被投資者買入、不交易和賣出的股數(shù)占被關(guān)注股數(shù)的比例見(jiàn)表4。

表4 不同信息狀態(tài)下投資者行為的概率Table 4 Probability of Invests′ Behavior under Different Market Information

被投資者關(guān)注的股票被看漲的概率為PB，被觀望的概率為PN，被看跌的概率為PS，則

PB=PH[υ(1-μ)+μ]+PO[υ(1-μ)]+

PL[υ(1-μ)]

=μPH+υ(1-μ)

(6)

PN=PH(1-μ)(1-υ-ν)+PO[(1-μ)(1-υ-ν)+μ]+

PL(1-μ)(1-υ-ν)

=μPO+(1-μ)(1-υ-ν)

(7)

PS=PH[ν(1-μ)]+￣PO[ν(1-μ)]+PL[ν(1-μ)+μ]

=μPL+ν(1-μ)

(8)

這一分布的標(biāo)準(zhǔn)差即衡量了投資者預(yù)期的分散程度，故建立異質(zhì)期望代理指標(biāo)proxy為

(9)

6.2 描述性統(tǒng)計(jì)

對(duì)所選取的股票，計(jì)算其每個(gè)月的proxy，均值為0.777，標(biāo)準(zhǔn)差為0.073?？梢?jiàn)，交易者整體分歧度較高，對(duì)每只股票在樣本期內(nèi)取均值，其截面統(tǒng)計(jì)信息見(jiàn)表5。由表5可知，proxy均值集中在0.739～0.813之間。均值較大的涉及電器、鋼鐵、醫(yī)藥等行業(yè)，這些行業(yè)的市場(chǎng)參與者較多，話題性較強(qiáng)，所以投資者意見(jiàn)分歧較大；通信、能源化工、交通運(yùn)輸?shù)刃袠I(yè)的proxy均值大多較小，這主要是由于這些行業(yè)涉及壟斷資源，行業(yè)集中度高，公司競(jìng)爭(zhēng)力較強(qiáng)，話題性較弱，投資者意見(jiàn)相對(duì)統(tǒng)一。

表5 各股票proxy值的截面信息統(tǒng)計(jì)結(jié)果Table 5 Cross-sectional Statistics Results of proxy of Each Sample Stock

本研究也對(duì)proxy值從時(shí)序角度進(jìn)行分析，對(duì)每個(gè)時(shí)間的截面數(shù)據(jù)取均值，統(tǒng)計(jì)結(jié)果見(jiàn)表6。從年份上看，2010年和2011年整體的proxy值比較持平，而2012年的前半年，proxy值都比較高，在6月份達(dá)到了0.811，為所選樣本區(qū)間的最高值。究其原因，主要是股市自2011年底開(kāi)始持續(xù)低迷，投資者對(duì)股市熱度下降，不少投資者撤出股市。而在剩余的投資者中，一部分認(rèn)為未來(lái)走勢(shì)會(huì)開(kāi)始反彈，另一部分仍持悲觀態(tài)度，且二者比例相當(dāng)，從而造成了較大的意見(jiàn)分歧，這種分歧在2012年6月時(shí)尤為明顯。

表6 各月份proxy統(tǒng)計(jì)結(jié)果Table 6 Monthly Statistical Resutls of proxy

從月份上看，proxy均值表現(xiàn)出了明顯的季節(jié)趨勢(shì)，2010年和2011年proxy值最高的兩個(gè)月份均是2月和10月，這與每年2月份和10月份的假期有關(guān)。2010年和2011年的春節(jié)都在2月，春節(jié)長(zhǎng)假休市，而每年10月則因?yàn)椤笆稽S金周”而休市。在較長(zhǎng)的不可交易時(shí)段中，會(huì)有大量的信息發(fā)生，包括大量的私有信息和公開(kāi)信息，這些信息會(huì)影響投資者預(yù)期，導(dǎo)致他們意見(jiàn)分歧進(jìn)一步加大。

proxy時(shí)序均值的一階自相關(guān)系數(shù)僅為-0.021，且無(wú)法通過(guò)顯著性檢驗(yàn)。這表明中國(guó)市場(chǎng)的異質(zhì)期望沒(méi)有表現(xiàn)出一定的持續(xù)性，也就是說(shuō)投資者預(yù)期受信息影響起伏明顯，投機(jī)性較大。而這一均值一階差分的自相關(guān)系數(shù)為-0.489，p值為0.006，說(shuō)明proxy體現(xiàn)出了較強(qiáng)的均值回復(fù)特性，這是符合直覺(jué)的，也表明以月為單位計(jì)算proxy是比較合理的。

6.3 多因素模型回歸

本研究采用Fama-French三因素模型和Carhart四因素模型研究異質(zhì)期望對(duì)定價(jià)的影響。首先對(duì)所選樣本每月的proxy值按照大小分為5組，構(gòu)造資產(chǎn)組合，持有期為一個(gè)月，每個(gè)組合每個(gè)月更新一次。各組的proxy描述性統(tǒng)計(jì)結(jié)果見(jiàn)表7。由表7可知，proxy的樣本量共有859個(gè)，最小值為0.499，最大值為0.944。

多因素模型可以消除市場(chǎng)總體收益、規(guī)模溢價(jià)、價(jià)值溢價(jià)和動(dòng)量溢價(jià)這些因素對(duì)各組合收益率的影響，考察股票價(jià)格是否被高估或低估。三因素模型為

Rt-Rf=at+bt(Rm-Rf)+stSMB+htHML+εt

(10)

四因素模型為

Rt-Rf=at+bt(Rm-Rf)+stSMB+htHML+utUMD+εt

(11)

表7 各組的proxy描述性統(tǒng)計(jì)結(jié)果Table 7 Group Descriptive Statistics Results of proxy

其中，Rt為股票在第t期的收益率，Rf為無(wú)風(fēng)險(xiǎn)利率，Rm為市場(chǎng)收益率，SMB為規(guī)模因素，HML為價(jià)值因素，UMD為動(dòng)量因素(計(jì)算方法見(jiàn)附錄2)。首先按t月的proxy進(jìn)行分組，對(duì)t月5個(gè)組合的收益率進(jìn)行多因素模型回歸，考察異質(zhì)期望因素對(duì)當(dāng)期收益率的影響，表8給出各組的模型回歸結(jié)果。

由表8可知，對(duì)于異質(zhì)期望水平較低的組1、組2和組3，其截距項(xiàng)均為正，且沒(méi)有通過(guò)顯著性檢驗(yàn)。表明對(duì)于這3個(gè)組合來(lái)說(shuō)，當(dāng)期的股票價(jià)格是合理的，并沒(méi)有被高估或被低估。而異質(zhì)期望水平較高的組4和組5，存在顯著不為零的截距項(xiàng)。表明這兩個(gè)股票組合的收益率存在著不能被三因素模型和四因素模型解釋的其他風(fēng)險(xiǎn)因素，而該因素正是各組合具有的不同的異質(zhì)期望水平。組4和組5的截距項(xiàng)顯著小于零，根據(jù)Jensen評(píng)價(jià)法，表明該股票組合的價(jià)格被高估了。進(jìn)一步比較組4和組5三因素模型的截距項(xiàng)，組4的截距項(xiàng)為-0.013，在10%的水平下顯著；組5的截距項(xiàng)為-0.018，在1%的水平下顯著。由此可知，異質(zhì)期望水平較高，會(huì)導(dǎo)致價(jià)格被高估，且異質(zhì)期望水平越高，其被高估的程度越高。這一結(jié)果證實(shí)了MILLER[1]的觀點(diǎn)。

表8 各組的模型回歸結(jié)果Table 8 Group Regression Results

注：表中每組的前兩行數(shù)據(jù)為三因素回歸結(jié)果，后兩行數(shù)據(jù)為四因素回歸結(jié)果；括號(hào)內(nèi)數(shù)據(jù)為系數(shù)的t檢驗(yàn)統(tǒng)計(jì)量值；*為在10%的水平下顯著，**為在5%的水平下顯著，***為在1%的水平下顯著。下同。

6.4 穩(wěn)健性檢驗(yàn)

本研究選取兩個(gè)子樣本進(jìn)行穩(wěn)健性檢驗(yàn)，一個(gè)是截取2010年7月至2011年12月這18個(gè)月的數(shù)據(jù)進(jìn)行檢驗(yàn)，二是對(duì)樣本中14支HS300的樣本股進(jìn)行檢驗(yàn)，實(shí)證的結(jié)果同樣表明異質(zhì)期望與價(jià)格高估具有正相關(guān)關(guān)系。需要指出的是，本研究也對(duì)這5組的平均月收益率進(jìn)行計(jì)算，而結(jié)果為proxy最低的組1收益率最高，proxy最高的組5收益率最低。這一結(jié)果與史永東等[29]的研究結(jié)果相符，但與回歸模型結(jié)果不符，也與國(guó)外相關(guān)研究結(jié)果相悖，本研究認(rèn)為正是由于收益率受規(guī)模因素、價(jià)值因素和動(dòng)量因素的影響很大導(dǎo)致的。proxy均值較小的企業(yè)大多涉及通信、能源化工、交通運(yùn)輸?shù)龋@些企業(yè)的行業(yè)壁壘較高，大多為國(guó)有企業(yè)，競(jìng)爭(zhēng)力強(qiáng)，收益率較高。此外，YU[30]在研究中指出，由異質(zhì)期望形成的價(jià)格高估會(huì)在一段較長(zhǎng)時(shí)間內(nèi)緩慢回復(fù)。本研究在按t月的proxy分組后，對(duì)其后6個(gè)月5個(gè)組合的收益率進(jìn)行四因素模型回歸。表9給出按t月的proxy分組后，t月、(t+1)月

表9 t月、(t+1)月、(t+2)月各組的回歸模型截距項(xiàng)Table 9 Intercept of Group Regression Results of Month t, t+1 and t+2

和(t+2)月5個(gè)組合的四因素回歸模型的截距項(xiàng)。

由表9可知，對(duì)于異質(zhì)期望水平較低的前3組，其定價(jià)一直是合理的。對(duì)于組5，(t+1)月和(t+2)月的定價(jià)也回復(fù)到了合理水平。而組4，在(t+1)月的截距項(xiàng)依然在10%的水平下小于0，數(shù)值和顯著性檢驗(yàn)t值與其當(dāng)月水平差別不大，到了(t+2)月其價(jià)格的高估才得到完全的修正。異質(zhì)期望水平最高的組5，其價(jià)格在(t+1)月就回復(fù)合理水平，這與proxy的均值回復(fù)特性是一致的。而組5回歸合理的速度要比組4更快，這從一個(gè)側(cè)面反映出中國(guó)股市投機(jī)情緒比較嚴(yán)重，易跟風(fēng)，缺乏對(duì)一只股票內(nèi)在價(jià)值長(zhǎng)遠(yuǎn)的、客觀的認(rèn)識(shí)。

7 結(jié)論

本研究詳細(xì)梳理了異質(zhì)期望與資產(chǎn)定價(jià)的相關(guān)研究，從市場(chǎng)微觀結(jié)構(gòu)的角度，在EO模型的基礎(chǔ)上，結(jié)合中國(guó)股市交易機(jī)制，建立指令驅(qū)動(dòng)系統(tǒng)下的EKOP模型。模型通過(guò)交易活躍度這一參數(shù)，以買賣訂單交易量為基礎(chǔ)，更加準(zhǔn)確地估計(jì)市場(chǎng)中的知情交易比例和不同信息狀態(tài)下非知情交易者的預(yù)期，并在此基礎(chǔ)上構(gòu)建異質(zhì)期望衡量指標(biāo)，利用多因素模型回歸研究異質(zhì)期望與股票定價(jià)的關(guān)系。

本研究選取滬深股市29只股票的5分鐘分筆數(shù)據(jù)進(jìn)行估計(jì)，研究結(jié)果表明，在2010年1月至2012年6月，受投資者關(guān)注的流通股數(shù)只占總流通股數(shù)的2.843%，其中知情交易比例為28.184%，比例較高。市場(chǎng)低迷時(shí)，知情交易量的減小遠(yuǎn)小于非知情交易量。非知情交易者對(duì)市場(chǎng)中信息的發(fā)生估計(jì)不足，但是他們可以較為準(zhǔn)確地從市場(chǎng)交易中把握看漲的走勢(shì)，卻在價(jià)格下跌時(shí)不能有效止損。樣本期內(nèi)，投資者整體異質(zhì)期望較大，其中壟斷優(yōu)勢(shì)較強(qiáng)的企業(yè)分歧度較低，投資者意見(jiàn)相對(duì)統(tǒng)一。多因素模型回歸的結(jié)果支持MILLER[1]的觀點(diǎn)，即異質(zhì)期望會(huì)影響市場(chǎng)價(jià)格，異質(zhì)期望水平較高會(huì)導(dǎo)致價(jià)格被高估，且二者成正比。穩(wěn)健性檢驗(yàn)表明，這一高估在兩個(gè)月內(nèi)得以完全修正。

通過(guò)研究可以看到，中國(guó)市場(chǎng)中知情交易比例較高，信息不對(duì)稱較大，市場(chǎng)中的散戶投機(jī)心理比較嚴(yán)重，市場(chǎng)的公平性和效率因此受到嚴(yán)重影響，相關(guān)監(jiān)管部門應(yīng)完善信息披露，同時(shí)加強(qiáng)散戶的理性投資意識(shí)，以促進(jìn)市場(chǎng)的公平健康發(fā)展。

需要指出的是，本研究建立的指令驅(qū)動(dòng)市場(chǎng)的EKOP模型基于的假設(shè)較為嚴(yán)格，尤其是對(duì)每單位股票來(lái)說(shuō)，其被交易或不交易的決策是相互獨(dú)立的，現(xiàn)實(shí)市場(chǎng)顯然不會(huì)如此理想。要解決這一問(wèn)題需要對(duì)模型進(jìn)一步擴(kuò)展，將股票間的相關(guān)性考慮進(jìn)去，這將是本研究后續(xù)的研究方向。

[1]MILLER E M.Risk,uncertainty, and divergence of opinion.TheJournalofFinance,1977,32(4):1151-1168.

[2]CHEN J,HONG H,STEIN J C.Breadth of ownership and stock returns.JournalofFinancialEconomics,2002,66(2/3):171-205.

[3]DIETHER K B,MALLOY C J,SCHERBINA A.Differences of opinion and the cross section of stock returns.TheJournalofFinance,2002,57(5):2113-2141.

[4]LIU C,SEASHOLES M S.Dual-listedsharesandtrading.Beijing:Tsinghua University,2011.

[5]AUTORE D M,BILLINGSLEY R S,KOVACS T.The 2008 short sale ban:liquidity,dispersion of opinion,and the cross-section of returns of US financial stocks.JournalofBanking&Finance,2011,35(9):2252-2266.

[6]OSAMBELA E.Differences of opinion,endogenous liquidity,and asset prices.TheReviewofFinancialStudies,2015,28(7):1914-1959.

[7]VARIAN H R.Divergence of opinion in complete markets:a note.TheJournalofFinance,1985,40(1):309-317.

[8]DAVID A.Heterogeneous beliefs,speculation,and the equity premium.TheJournalofFinance,2008,63(1):41-83.

[9]CHEN H,JOSLIN S,TRAN N K.Affine disagreement and asset pricing.TheAmericanEconomicReview,2011,100(2):522-526.

[10] GARFINKEL J A,SOKOBIN J.Volume,opinion divergence,and returns:a study of post-earnings announcement drift.JournalofAccountingResearch,2006,44(1):85-112.

[11] 孟衛(wèi)東,江成山,陸靜.基于內(nèi)生后驗(yàn)異質(zhì)信念的資產(chǎn)定價(jià)研究.管理工程學(xué)報(bào),2010,24(3):66-74.

MENG Weidong,JIANG Chengshan,LU Jing.A study on asset pricing based on endogenous posterior heterogeneous beliefs.JournalofIndustrialEngineeringandEngineeringManagement,2010,24(3):66-74.(in Chinese)

[12] CARLIN B I,LONGSTAFF F A,MATOBA K.Disagreement and asset prices.JournalofFinancialEconomics,2014,114(2):226-238.

[13] FAMA E F,FRENCH K R.Disagreement,tastes,and asset prices.JournalofFinancialEconomics,2007,83(3):667-689.

[14] BURASCHI A,TROJANI F,VEDOLIN A.Economic uncertainty,disagreement,and credit markets.ManagementScience,2014,60(5):1281-1296.

[15] BHAMRA H S,UPPAL R.Asset prices with heterogeneity in preferences and beliefs.TheReviewofFinancialStudies,2014,27(2):519-580.

[16] GARFINKEL J A.Measuring investors′ opinion divergence.JournalofAccountingResearch,2009,47(5):1317-1348.

[17] EASLEY D,KIEFER N M,O′HARA M,et al.Liquidity,information,and infrequently traded stocks.TheJournalofFinance,1996, 51(4):1405-1436.

[18] 韓立巖,鄭君彥,李東輝.滬市知情交易概率(PIN)特征與風(fēng)險(xiǎn)定價(jià)能力.中國(guó)管理科學(xué),2008,16(1):16-24.

HAN Liyan,ZHENG Junyan,LI Donghui.The feature of probability of informed trading and risk pricing in Shanghai stock market.ChineseJournalofManagementScience,2008,16(1):16-24.(in Chinese)

[19] 許敏,劉善存.交易者市場(chǎng)到達(dá)率及影響因素研究.管理科學(xué)學(xué)報(bào),2010,13(1):85-94.

XU Min,LIU Shancun.Arrival rate of traders and influencing factors.JournalofManagementSciencesinChina,2010,13(1): 85-94.(in Chinese)

[20] 鄭振龍,楊偉.基于經(jīng)典PIN模型的股票信息風(fēng)險(xiǎn)測(cè)度研究.管理科學(xué),2010,23(6):91-99.

ZHENG Zhenlong,YANG Wei.Measuring information risk of stocks based on classical PIN model.JournalofManagementScience,2010,23(6): 91-99.(in Chinese)

[21] 張圣生,王春峰,房振明,等.證券市場(chǎng)的噪音估計(jì)建模與估計(jì)研究.系統(tǒng)工程學(xué)報(bào),2014,29(1):66-74.

ZHANG Shengsheng,WANG Chunfeng,FANG Zhenming,et al.Study on modeling and estimation of security market noise trade.JournalofSystemsEngineering,2014,29(1):66-74.(in Chinese)

[22] JONES C M,KAUL G,LIPSON M L.Transactions,volume,and volatility.TheReviewofFinancialStudies,1994,7(4):631-651.

[23] BLUME L,EASLEY D,O′HARA M.Market statistics and technical analysis:the role of volume.TheJournalofFinance,1994, 49(1):153-181.

[24] AKTAS N,DE BODT E,DECLERCK F,et al.The PIN anomaly around M&A announcements.JournalofFinancialMarkets,2007,10(2):169-191.

[25] DUARTE J,YOUNG L.Why is PIN priced?.JournalofFinancialEconomics,2009,91(2):119-138.

[26] ASLAN H,EASLEY D,HVIDKJAER S,et al.The characteristics of informed trading:implications for asset pricing.JournalofEmpiricalFinance,2011,18(5):782-801.

[27] EASLEY D,O′HARA M.Time and the process of security price adjustment.TheJournalofFinance,1992,47(2):577-605.

[28] EASLEY D,O′HARA M.Price,trade size,and information in securities markets.JournalofFinancialEconomics,1987,19(1):69-90.

[29] 史永東,李鳳羽.賣空限制、意見(jiàn)分歧收斂與信息披露的股價(jià)效應(yīng):來(lái)自A股市場(chǎng)的經(jīng)驗(yàn)證據(jù).金融研究,2012(8):111-124.

SHI Yongdong,LI Fengyu.Short-sales constraints, convergence of opinions and price effect of information disclosure:evidence from A-share stock market in China.JournalofFinancialResearch,2012(8):111-124.(in Chinese)

[30] YU J.Disagreement and return predictability of stock portfolios.JournalofFinancialEconomics,2011,99(1):162-183.

附錄1各指標(biāo)的計(jì)算

記Popen,t為第t天的開(kāi)盤價(jià)，Pclose,t為第t天的收盤價(jià)，Pmax,t為第t天的最高價(jià)，Pmin,t為第t天的最低價(jià)，St為第t天的賣出量，Bt為第t天的買入量。

其中，VOLt為第t天的成交量，AMOUNTt為第t天的流通股數(shù)。

附錄2規(guī)模因素、價(jià)值因素、動(dòng)量因素的計(jì)算

將股票按流通市值分3組，大公司組(B)、中等公司組(M)、小公司組(S)，每組所占比例為30%、40%和30%。賬面市值比也按這一比例分為3組，高賬面市值比組(H)、中等賬面市值比組(M)、低賬面市值比組(L)。這樣一共分為9組，即S/H、S/M、S/L、M/H、M/M、M/L、B/H、B/M、B/L。SMB為規(guī)模因素，為3個(gè)小公司組合與3個(gè)大公司組合的平均收益率之差。HML為價(jià)值因素，為高賬面市值比的兩個(gè)組合與低賬面市值比的兩個(gè)組合的平均收益率之差，即

UMD為動(dòng)量因素，它是每個(gè)月將股票按照前(t-12)～(t-2)個(gè)月的累計(jì)收益率的正負(fù)分為盈利組和虧損組，計(jì)算這兩個(gè)組按照流通市值的加權(quán)平均收益率，然后以盈利組減去虧損組作為UMD值。

HeterogeneousExpectationsStudyBasedonEKOPModelunderOrderDrivenMarket

WANG Shuo，LI Pengcheng，YANG Baochen

College of Management and Economics, Tianjin University, Tianjin 300072, China

Traditional asset pricing model assumes that all the investors should hold the same opinion for future returns of the same kind of assets. However, this hypothesis is difficult to get confirmed by empirical studies. In real markets, investors′ opinion is different. This disagreement is heterogeneous expectations. Understanding how heterogeneous expectations affect asset prices in financial markets is one of the most fundamental issues in finance, and it is also a controversial one. The focus on the issue is whether the investors earn a premium when disagreement arises in the market.

This paper studied how the heterogeneous expectations impact asset pricing from the perspective of market microstructure. The relation of investors′ disagreement and asset prices is in fact a problem of how information is priced. Investors adjust their expectations based on information, and through the transaction behavior, price is the final reflection of investors′ opinion. This process is a problem of market microstructure research, and it has been largely ignored so far.

In this paper, an EKOP model under order driven market is established, which is applicable for the Chinese security market. We propose a term called market activity percentage in the model, and estimate the model through trade volumes. The probability of different information is estimated by Markov-switching vector autoregressive model. The proportion of buying, selling and non-trading of non-information traders could be estimated more accurately in this way. 5 minute high-frequency data is selected of 29 individual stocks during the period of Jan 2010 to Jun 2012. We build a proxy for the divergence in opinion based on the estimate results, and analyze the proxy and stock price through multiple factor regression. Result shows that the divergence of opinion is rather large and investors become pessimistic during this period. Market activity falls from 5.149% to 1.357%, and the probability of informed trading is 28.184%, which is relatively high. The reduction of informed trading is far less than uninformed trading when the market is declining. Non-information traders underestimate the information probability, and they could foresee the price rising, but could not prevent the loss when it goes down. This reflects that speculative trading is severe in Chinese security market. Stocks with monopolistic advantage usually result in lower divergence of opinions. Furthermore, the regression results indicate that the stocks with higher heterogeneous expectations are usually overvalued, while the overvalued extent would be higher with the higher opinion divergence, and the price will gradually convergence to its real value in two months.

heterogeneous expectations；EKOP model；order driven market；asset pricing；market information

Date:November 3rd, 2015

DateMarch 16th, 2016

FundedProjectSupported by the National Natural Science Foundation of China(71171144,71471129) and the Changjiang Scholar and Innovation Develop Project(IRT1028)

Biography:WANG Shuo is a Ph.D candidate in the College of Management and Economics at Tianjin University. Her research interests cover financial quantitative analysis. E-mail:wangshuo0317@126.com LI Pengcheng is a Ph.D candidate in the College of Management and Economics at Tianjin University. Her research interests cover financial engineering and management. E-mail：xhlpc@126.com YANG Baochen, doctor in management, is a professor in the College of Management and Economics at Tianjin University. His research interests include financial engineering and management, financial quantitative analysis and fixed income securities. He is the principal investigator of the project titled “Research on credit securities pricing and portfolio management under imperfect market conditions”, supported by the National Natural Science Foundation of China(71471129). E-mail：bchyang@tju.edu.cn

F830.9

A

10.3969/j.issn.1672-0334.2016.03.011

1672-0334(2016)03-0123-13

2015-11-03修返日期2016-03-16

國(guó)家自然科學(xué)基金(71171144,71471129)；教育部長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃項(xiàng)目(IRT1028)

王碩，天津大學(xué)管理與經(jīng)濟(jì)學(xué)部博士研究生，研究方向?yàn)榻鹑诙糠治龅?，E-mail：wangshuo0317@126.com 李鵬程，天津大學(xué)管理與經(jīng)濟(jì)學(xué)部博士研究生，研究方向?yàn)榻鹑诠こ膛c管理等，E-mail：xhlpc@126.com 楊寶臣，管理學(xué)博士，天津大學(xué)管理與經(jīng)濟(jì)學(xué)部教授，研究方向?yàn)榻鹑诠こ膛c管理、金融計(jì)量分析、固定收益證券等，主持國(guó)家自然科學(xué)基金“非完美市場(chǎng)條件下信用債券定價(jià)及其資產(chǎn)組合優(yōu)化研究”(71471129)， E-mail：bchyang@tju.edu.cn