股市流動(dòng)性供給、情緒指標(biāo)及股權(quán)溢價(jià)分析

沙 楠

(清華大學(xué) 五道口金融學(xué)院, 北京 100094)

股票市場上存在很多衡量流動(dòng)性的指標(biāo),如亞米哈(Amihud)[1]提出的非流動(dòng)性指標(biāo)、帕斯特(Pastor)等[2]構(gòu)造的流動(dòng)性因子、內(nèi)格爾(Nagel)[3]測度流動(dòng)性供應(yīng)的收益率序列等。在眾多流動(dòng)性指標(biāo)中,內(nèi)格爾(Nagel)[3]提出的流動(dòng)性供給因子具有較強(qiáng)的代表性,其將短期反轉(zhuǎn)策略的收益率作為流動(dòng)性供給收益率的代理變量,并將日度收益率序列按照三個(gè)月的時(shí)間窗口移動(dòng)平均化,研究發(fā)現(xiàn)其與恐慌指數(shù)(Volatility Index,VIX)具有很強(qiáng)的相關(guān)關(guān)系。

刻畫股票市場投資者情緒的變量也有不少,如貝克(Baker)等[4-5]構(gòu)造的BW因子和正交后的BW因子,黃(Huang)等[6]利用偏最小二乘回歸方法(Partial Least Squares,PLS)構(gòu)造的PLS因子及正交后的PLS因子等。除此之外,在股票期權(quán)交投日益活躍后,期權(quán)市場上也出現(xiàn)了反映投資者恐慌情緒的恐慌指數(shù),據(jù)此計(jì)算得出的方差風(fēng)險(xiǎn)溢價(jià)因子也反映了投資者的風(fēng)險(xiǎn)厭惡程度。在期限上,方差風(fēng)險(xiǎn)溢價(jià)(Variance Risk Premium,VRP)及恐慌指數(shù)(VIX)反映了短期的投資者情緒,而BW因子和PLS因子則反映了中長期的投資者情緒。除上述因子外,曼訥拉(Manela)等[7]利用《華爾街日?qǐng)?bào)》頭版文章的歷史數(shù)據(jù)構(gòu)造了新聞中隱含波動(dòng)率指數(shù)(News Implied Volatility,NVIX)。貝克(Baker)等[8]根據(jù)報(bào)紙報(bào)道的頻率構(gòu)建了經(jīng)濟(jì)政策不確定性指數(shù)(Economic Policy Uncertainty,EPU)。

在金融危機(jī)爆發(fā)時(shí),流動(dòng)性沖擊往往影響著波動(dòng)率、信用風(fēng)險(xiǎn)等變量,那么它與情緒因子的關(guān)系如何是本文考慮的第一個(gè)問題。已有研究表明,無論是短期的投資者情緒指標(biāo)(VRP)還是中長期的投資者情緒指標(biāo)(BW因子、PLS因子等)均能顯著地預(yù)測股票市場超額收益率或現(xiàn)金流增長率。在加入流動(dòng)性供給因子后,其預(yù)測能力是否發(fā)生變化是本文考慮的第二個(gè)問題。

本文的結(jié)構(gòu)安排如下:第一部分對(duì)已有研究進(jìn)行梳理和回顧;第二部分計(jì)算出相應(yīng)的流動(dòng)性指標(biāo);第三部分為實(shí)證分析,重點(diǎn)檢驗(yàn)情緒因子對(duì)超額收益率及現(xiàn)金流增長率的預(yù)測能力、流動(dòng)性供給因子對(duì)情緒因子的預(yù)測狀況及引入流動(dòng)性供給因子后情緒因子對(duì)現(xiàn)金流增長率的預(yù)測能力是否發(fā)生變化等;第四部分為結(jié)論。

一、文獻(xiàn)綜述

(一)美股市場流動(dòng)性因子及情緒因子分析

國外學(xué)者從不同角度構(gòu)造了股票市場的流動(dòng)性因子,其中較為常用的有三種,分別由亞米哈(Amihud)等提出。亞米哈(Amihud)[1]利用股票的收益率和交易量來衡量股票市場的非流動(dòng)性,反映了日交易金額對(duì)收益率的影響,該指標(biāo)越大,則流動(dòng)性越差。帕斯特(Pastor)等[2]利用1966—1999年個(gè)股日度數(shù)據(jù)構(gòu)造出市場的流動(dòng)性因子,研究發(fā)現(xiàn)對(duì)該因子敏感的股票的平均收益要高于那些不敏感的股票。內(nèi)格爾(Nagel)[3]在短期反轉(zhuǎn)策略的基礎(chǔ)上,計(jì)算出提供流動(dòng)性所獲得的收益率序列,研究發(fā)現(xiàn)其與VIX的走勢聯(lián)系緊密。

情緒因子的重要性體現(xiàn)在,從時(shí)間序列和橫截面兩個(gè)維度對(duì)期望收益率產(chǎn)生影響,其構(gòu)成方法多為主成分分析法。代表性的情緒因子主要有三種:第一種為布朗(Brown)等[9]使用主成分分析方法定義的情緒指數(shù)。其中第一個(gè)主成分因子僅為幾個(gè)變量的線性組合,且歷史市場收益率為情緒因子重要的組成部分。研究表明,情緒因子對(duì)近期股權(quán)溢價(jià)幾乎沒有預(yù)測作用。第二種為貝克(Baker)[4]同樣使用主成分分析方法構(gòu)造出的情緒因子。區(qū)別于布朗的構(gòu)造方法,該因子中還包含了三個(gè)變量的一階滯后項(xiàng)。研究發(fā)現(xiàn),情緒因子顯著影響股票的預(yù)期收益率。在此基礎(chǔ)上,余(Yu)等[10]研究了BW因子對(duì)市場均值方差關(guān)系的影響。研究發(fā)現(xiàn),在低情緒時(shí),預(yù)期超額收益率與條件方差正相關(guān),在高情緒時(shí),兩者相關(guān)性不顯著。在與同期波動(dòng)率沖擊項(xiàng)的關(guān)系中,當(dāng)?shù)颓榫w時(shí),收益率和同期沖擊項(xiàng)的負(fù)向關(guān)系更強(qiáng)。第三種為黃(Huang)等[6]改進(jìn)后的情緒因子PLS因子,是在BW因子的基礎(chǔ)上產(chǎn)生的。研究發(fā)現(xiàn),該情緒因子對(duì)股權(quán)溢價(jià)具有顯著的預(yù)測能力。

以上均為對(duì)主成分綜合因子的分析,而對(duì)各個(gè)子因子的研究才是情緒指標(biāo)產(chǎn)生的重要基礎(chǔ)。構(gòu)成情緒指標(biāo)的重要因子有以下幾個(gè):第一個(gè)為封閉式基金折價(jià)率。李(Lee)等[11-12]對(duì)封閉式基金的折價(jià)率與投資者情緒的關(guān)系進(jìn)行了分析。研究發(fā)現(xiàn),折價(jià)程度直接反映了投資者的情緒,而情緒因子和封閉式基金價(jià)格的波動(dòng)率也緊密相關(guān)。第二個(gè)為股票換手率。貝克(Baker)等[13]對(duì)股票的換手率與投資者情緒的關(guān)系進(jìn)行了分析。第三個(gè)為首次公開發(fā)行(Initial Public Offerings,IPO)首日的收益率。里特(Ritter)[14]研究了IPO首日的收益率與投資者情緒的關(guān)系,認(rèn)為IPO首日收益率的高低直接反映出投資者的情緒水平。

(二)A股市場流動(dòng)性及情緒因子分析

國內(nèi)學(xué)者分別從股票的換手率、買賣價(jià)差、非流動(dòng)性指標(biāo)等角度分析了A股市場的流動(dòng)性風(fēng)險(xiǎn)溢價(jià),結(jié)論均表明個(gè)股承擔(dān)的流動(dòng)性風(fēng)險(xiǎn)越大,其預(yù)期收益也越高。黃峰等[15]研究發(fā)現(xiàn),我國股票預(yù)期回報(bào)率中包含顯著的非流動(dòng)性補(bǔ)償和流動(dòng)性風(fēng)險(xiǎn)溢價(jià),這在流動(dòng)性較差或價(jià)格沖擊彈性較高的股票上體現(xiàn)得更為明顯。鹿坪等[16]研究發(fā)現(xiàn),我國的機(jī)構(gòu)投資者并非理性交易者,其投資行為受情緒的影響顯著,股市總體情緒仍被個(gè)人投資者情緒所主導(dǎo)。根據(jù)構(gòu)造方法的不同情緒指標(biāo)可大致分為以下三種:(1)主成分分析方法及因子分析法。常見的子指標(biāo)有IPO首日收益率、換手率、新增開戶數(shù)等。馬若微等[17]利用月度IPO首日平均收益、IPO總量、總市值加權(quán)的換手率和上證A股每月新增開戶數(shù)作為衡量投資者情緒的代理變量,原理類似于BW因子的構(gòu)造方法。(2)詞頻統(tǒng)計(jì)方法。該方法類似于文本挖掘,對(duì)熱門網(wǎng)站上的高頻詞匯進(jìn)行統(tǒng)計(jì),進(jìn)而構(gòu)造出投資者情緒指標(biāo)。易洪波等[18]利用詞頻統(tǒng)計(jì)方法對(duì)網(wǎng)絡(luò)論壇發(fā)帖的主題內(nèi)容進(jìn)行詞頻統(tǒng)計(jì),構(gòu)建出衡量網(wǎng)絡(luò)論壇投資者情緒的多方、空方情緒關(guān)鍵詞詞典,并利用該詞典研究了網(wǎng)絡(luò)論壇投資者情緒與市場成交量和收益率的關(guān)系。結(jié)果表明,多方情緒對(duì)收益率的影響更加顯著,空方情緒對(duì)市場成交量的影響更加顯著,在非交易時(shí)段里,多方情緒對(duì)市場未來收益率存在顯著的影響。(3)實(shí)際賬戶交易數(shù)據(jù)及其他方法。有學(xué)者從投資者賬戶的實(shí)際交易數(shù)據(jù)出發(fā),研究其情緒變化。如俞紅海等[19]從二級(jí)市場個(gè)體投資者情緒與意見分歧相結(jié)合的角度,利用賬戶交易數(shù)據(jù)中的投資者IPO首日凈買入構(gòu)造出情緒指標(biāo),并對(duì)IPO首日回報(bào)高但長期回報(bào)低的現(xiàn)象進(jìn)行了研究。結(jié)果表明,首日投資者情緒和意見分歧均對(duì)首日回報(bào)具有顯著為正的解釋力,首日投資者情緒對(duì)長期超額回報(bào)具有顯著為負(fù)的影響,而意見分歧則對(duì)長期超額回報(bào)沒有影響。利用其他方法得出的研究結(jié)果表明,分解后的高頻部分反映了窗口期投資者對(duì)增發(fā)的情緒變化,而低頻部分則反映了投資者對(duì)股市的長期預(yù)期。

引入投資者情緒后,各種變量之間的相關(guān)關(guān)系是否會(huì)發(fā)生變化也是學(xué)者們關(guān)注的重點(diǎn)內(nèi)容。(1)有學(xué)者利用投資者情緒研究了股市平均相關(guān)性與收益之間的關(guān)系。研究發(fā)現(xiàn),與波動(dòng)性指標(biāo)相比,平均相關(guān)性對(duì)股市預(yù)期收益的解釋能力更強(qiáng)。在低情緒期,平均相關(guān)性與收益之間的關(guān)系不顯著,但在高情緒期,平均相關(guān)性與收益之間的關(guān)系為顯著的負(fù)相關(guān)關(guān)系,表明高情緒會(huì)削弱總體風(fēng)險(xiǎn)與收益的關(guān)系[20]。(2)有學(xué)者利用投資者情緒研究了其與波動(dòng)率風(fēng)險(xiǎn)價(jià)格之間的關(guān)系。引入投資者情緒后,波動(dòng)率風(fēng)險(xiǎn)價(jià)格會(huì)發(fā)生顯著變化。當(dāng)情緒偏悲觀時(shí),波動(dòng)率的風(fēng)險(xiǎn)價(jià)格是負(fù)數(shù),當(dāng)情緒偏樂觀時(shí),風(fēng)險(xiǎn)價(jià)格則為正數(shù)[21]。(3)有學(xué)者從個(gè)股層面和市場層面研究了投資者情緒對(duì)證券市場股價(jià)聯(lián)動(dòng)現(xiàn)象的影響。結(jié)果表明,投資者情緒對(duì)此現(xiàn)象具有顯著為負(fù)的影響,且對(duì)不同行業(yè)股價(jià)聯(lián)動(dòng)的影響存在明顯差異[22]。投資者情緒既然能顯著地影響諸多變量之間的相關(guān)關(guān)系,那么其應(yīng)該是資產(chǎn)定價(jià)的系統(tǒng)性因子。

從上述文獻(xiàn)梳理可看出,以往研究多側(cè)重情緒指標(biāo)對(duì)收益率或波動(dòng)率的影響,而較少關(guān)注情緒指標(biāo)與流動(dòng)性因子的相關(guān)關(guān)系,故本文創(chuàng)新之處有以下兩點(diǎn):(1)將情緒指標(biāo)分為短期和中長期,分別選用VRP和BW因子作為代理變量,并在此基礎(chǔ)上進(jìn)一步研究兩種不同期限的情緒指標(biāo)對(duì)多期收益率和現(xiàn)金流增長率的預(yù)測能力;(2)分析流動(dòng)性供給因子與短期情緒指標(biāo)VRP及中長期情緒指標(biāo)BW因子之間的相關(guān)關(guān)系。

二、指標(biāo)構(gòu)建與數(shù)據(jù)來源

(一)流動(dòng)性供給因子和情緒因子的構(gòu)建

1.流動(dòng)性供給因子

本文采用內(nèi)格爾(Nagel)[3]的計(jì)算方法。首先,根據(jù)短期反轉(zhuǎn)策略計(jì)算出個(gè)股在時(shí)間t初的權(quán)重值,其中市場收益等于個(gè)股收益的算術(shù)平均。

(1)

(2)

圖1 短期反轉(zhuǎn)策略收益

其次,將反轉(zhuǎn)策略收益率平滑處理。以上反轉(zhuǎn)策略權(quán)重值是根據(jù)t-1時(shí)期計(jì)算得出的,類比于式(1),以t-2、t-3、t-4及t-5時(shí)期風(fēng)險(xiǎn)調(diào)整后的收益率為標(biāo)準(zhǔn)可得出其余4個(gè)反轉(zhuǎn)策略的權(quán)重值及收益率,將其平均化。由于每期投資額為1美元,平均化后5個(gè)反轉(zhuǎn)策略投資額仍為1美元。

最后,將反轉(zhuǎn)策略日度收益率以3個(gè)月的時(shí)間窗口為標(biāo)準(zhǔn)進(jìn)行移動(dòng)平均處理。以上述序列在自然月內(nèi)的均值作為流動(dòng)性因子的月度序列,如圖2所示。從中可以看出,在金融危機(jī)時(shí)期提供流動(dòng)性可以獲得較好的收益。

圖2 提供流動(dòng)性所獲得的收益走勢

2.情緒因子

情緒因子包括方差風(fēng)險(xiǎn)溢價(jià)因子(VRP)、BW因子、正交化的BW因子、PLS因子及正交化的PLS因子。其中方差風(fēng)險(xiǎn)溢價(jià)在數(shù)值上等于隱含方差(Implied Variance,IV)與已實(shí)現(xiàn)方差(Realized Variance,RV)的期望值之差,度量了方差在兩種概率測度下的溢價(jià)水平。其中隱含方差是利用大量到期期限在1個(gè)月左右的虛值歐式看漲看跌期權(quán)通過無模型方法計(jì)算出來的,是關(guān)于未來1個(gè)月方差的預(yù)期指標(biāo),已實(shí)現(xiàn)方差則是運(yùn)用5分鐘高頻數(shù)據(jù)加總計(jì)算出來的指標(biāo)。

已實(shí)現(xiàn)方差(Realized Variance,RV):對(duì)條件方差的計(jì)算之前多采用去掉均值后的收益率平方加總而得到,在高頻數(shù)據(jù)可得后,采用5分鐘對(duì)數(shù)收益率平方加總計(jì)算出的方差值更為準(zhǔn)確,且已實(shí)現(xiàn)方差是條件方差的無偏估計(jì)。

(3)

式中,rt+j/n為5分鐘對(duì)數(shù)收益率,n為每個(gè)交易日對(duì)數(shù)收益率的個(gè)數(shù)。

隱含方差(Implied Variance,IV):對(duì)隱含波動(dòng)率的計(jì)算之前多采用Black-Scholes公式倒推出來,但是由于存在模型設(shè)定誤差,這種方法計(jì)算出的隱含波動(dòng)率并不準(zhǔn)確。布里頓(Britten)等[23]通過引入無模型方法避免了上述模型的缺陷,其中VIX便是根據(jù)此方法計(jì)算得出的。在一般擴(kuò)散過程的假設(shè)下,推導(dǎo)出資產(chǎn)在未來一段時(shí)間方差的期望(風(fēng)險(xiǎn)中性測度下)等于一系列看漲期權(quán)價(jià)格的函數(shù)。

(4)

式中,Ct(T,K)為t時(shí)刻到期日為T、執(zhí)行價(jià)格為K的歐式看漲期權(quán)價(jià)格,B(t,T)為t時(shí)刻到期日為T的零息債券價(jià)格。

假設(shè)已實(shí)現(xiàn)方差服從隨機(jī)游走過程,據(jù)此可計(jì)算出方差風(fēng)險(xiǎn)溢價(jià)VRP=IV-E(RV),如圖3所示。

圖3 短期情緒指標(biāo)VRP與中長期情緒指標(biāo)BW

3.現(xiàn)金流增長率

股利價(jià)格比率(Dividend-Price Ratio)為12個(gè)月股利的移動(dòng)平均與價(jià)格之比:

(5)

股利增長率為12個(gè)月移動(dòng)平均的對(duì)數(shù)增長率:

(6)

由此,市場的對(duì)數(shù)收益率定義為

(7)

圖4表示股利價(jià)格比率與股利增長率的變化趨勢。

圖4 股利價(jià)格比率與股利增長率

(三)數(shù)據(jù)來源

標(biāo)普500指數(shù)取樣區(qū)間為1990年1月至2014年12月,時(shí)間為9∶30—16∶00,每天共78個(gè)5分鐘對(duì)數(shù)收益率,低于60個(gè)的樣本刪除掉,數(shù)據(jù)來源為交易和報(bào)價(jià)高頻數(shù)據(jù)庫(TAQ),VIX每天的交易數(shù)據(jù)取自沃頓金融數(shù)據(jù)庫(WRDS)。BW因子、正交化的BW因子、PLS因子及正交化的PLS因子取自周(Zhou)的個(gè)人網(wǎng)站。股利及無風(fēng)險(xiǎn)收益率取自戈楊(Goyal)的個(gè)人網(wǎng)站,無風(fēng)險(xiǎn)利率使用3個(gè)月的國庫券收益率來代替。NVIX取自曼訥拉(Manela)的個(gè)人網(wǎng)站,EPU指數(shù)取自布魯姆(Bloom)的個(gè)人網(wǎng)站。

三、實(shí)證分析

首先,分析各情緒指標(biāo)與流動(dòng)性因子的相關(guān)系數(shù),可以看出,除NVIX和EPU因子外,其余變量與流動(dòng)性因子的相關(guān)系數(shù)均保持一定的顯著性,且相關(guān)系數(shù)為正值,其中NVIX和EPU兩者的相關(guān)系數(shù)較高,而短期情緒指標(biāo)VRP與其他情緒指標(biāo)的相關(guān)系數(shù)均不顯著。

其次,在分析情緒指標(biāo)、流動(dòng)性因子與市場超額收益率的關(guān)系之前,引入其他常見的控制變量,如股利價(jià)格比率(DP)、違約風(fēng)險(xiǎn)溢價(jià)(DEF)、期限風(fēng)險(xiǎn)溢價(jià)(TERM)及隨機(jī)去趨勢的無風(fēng)險(xiǎn)利率(RREL)等。本文選取一個(gè)短期的情緒指標(biāo)VRP和一個(gè)中長期的情緒指標(biāo)BW作為代表進(jìn)行研究,得到各變量的統(tǒng)計(jì)特征如表1所示。

表1 各變量的統(tǒng)計(jì)特征

最后,利用上述變量分析其對(duì)收益率與股利增長率的預(yù)測效果,并檢驗(yàn)流動(dòng)性因子對(duì)情緒指標(biāo)是否具有預(yù)測能力。

(一)對(duì)收益率的預(yù)測

被解釋變量為未來多期平均的對(duì)數(shù)超額收益率,解釋變量為VRP、BW及常見的控制變量Xt,回歸方程為:

(8)

表2對(duì)超額收益率的預(yù)測結(jié)果表明,短期情緒指標(biāo)VRP和中長期情緒指標(biāo)BW均能顯著地預(yù)測未來多期超額收益率,在加入控制變量后,兩者的貝塔系數(shù)仍能保持顯著。其中,VRP的t值高一些,BW的t值低一些,且兩者的系數(shù)符號(hào)相反,VRP的貝塔系數(shù)為正值,BW的貝塔系數(shù)為負(fù)值,原因在于兩者的經(jīng)濟(jì)意義相反。VRP代表了投資者的風(fēng)險(xiǎn)厭惡程度,其值高時(shí),當(dāng)期價(jià)格下跌,未來收益率較高。BW則代表了投資者的情緒高低,其值較高時(shí),當(dāng)期價(jià)格上升,未來收益率較低。短期內(nèi)(6個(gè)月),DEF和TERM均不顯著。

RREL變量的顯著性較好,

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

(二)現(xiàn)金流渠道的分析

被解釋變量為未來多期平均的股利增長率,解釋變量為VRP、BW、DP及股利增長率的滯后項(xiàng),回歸方程為:

(9)

表3對(duì)現(xiàn)金流的預(yù)測結(jié)果表明,DP和BW均能顯著地預(yù)測未來多期的現(xiàn)金流增長率,VRP則不顯著。其中BW和DP的貝塔系數(shù)均為負(fù)值,表明當(dāng)期投資者情緒越高,未來現(xiàn)金流增長率越低。調(diào)整后的R2呈遞減趨勢,表明短期的預(yù)測效果較為理想。

(三)流動(dòng)性因子對(duì)情緒指標(biāo)的預(yù)測

首先,分析單變量預(yù)測效果。被解釋變量為VRP和BW,解釋變量為流動(dòng)性供給因子,標(biāo)準(zhǔn)差使用Newey-West方法進(jìn)行調(diào)整,滯后期取3個(gè)月,回歸結(jié)果見表4。結(jié)果表明,流動(dòng)性供給因子可以顯著地預(yù)測未來1個(gè)月的VRP和BW,其中對(duì)BW預(yù)測的R2較高。兩者的貝塔系數(shù)均為正值,這與前面對(duì)收益率預(yù)測的結(jié)果產(chǎn)生了沖突。從經(jīng)濟(jì)意義上分析,流動(dòng)性供給因子越高,提供流動(dòng)性獲得的收益率越高,此時(shí)流動(dòng)性較為緊張,因此投資者情緒應(yīng)較低。BW的系數(shù)符號(hào)與經(jīng)濟(jì)意義不一致,因此引入因子的一階滯后項(xiàng)來進(jìn)一步分析。

其次,分析多變量預(yù)測效果,引入一階滯后項(xiàng),結(jié)果見表5。加入滯后項(xiàng)后,流動(dòng)性供給因子對(duì)BW不再具有顯著的預(yù)測能力,而依然能夠顯著地預(yù)測VRP,表明流動(dòng)性沖擊能夠顯著影響短期內(nèi)的投資者情緒,對(duì)中長期投資者情緒的影響不太明顯。

最后,既然流動(dòng)性因子能夠影響短期內(nèi)的投資者情緒,進(jìn)一步將VRP拆分為RV和IV,分別觀察流動(dòng)性因子對(duì)這兩者的預(yù)測能力。結(jié)果見表6,流動(dòng)性因子對(duì)未來一個(gè)月的RV具有顯著的預(yù)測力,對(duì)IV的預(yù)測則不顯著。

表3 對(duì)現(xiàn)金流的預(yù)測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

表4 對(duì)情緒指標(biāo)的預(yù)測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

表5 引入一階滯后項(xiàng)后對(duì)情緒指標(biāo)的預(yù)測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

為檢驗(yàn)流動(dòng)性供給因子對(duì)VRP預(yù)測的穩(wěn)健性,采用滾動(dòng)回歸和遞歸回歸兩種方式來驗(yàn)證貝塔系數(shù)的顯著性以及調(diào)整后的R2。首個(gè)樣本區(qū)間設(shè)為220個(gè)月,每次向后遞增一個(gè)月。由于數(shù)據(jù)樣本總數(shù)為300個(gè),故滾動(dòng)回歸和遞歸回歸分別有81個(gè)貝塔系數(shù)和R2值。

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,Newey-West滯后階數(shù)取3期,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

首先,分析遞歸回歸的結(jié)果,結(jié)果如圖5所示。根據(jù)Newey-West標(biāo)準(zhǔn)差計(jì)算出的t值始終在2以上,表明流動(dòng)性供給因子的貝塔系數(shù)較為顯著,貝塔系數(shù)也均為正值。

圖5 流動(dòng)性供給因子對(duì)VRP的遞歸預(yù)測

其次,分析滾動(dòng)回歸的結(jié)果,結(jié)果如圖6所示。貝塔系數(shù)也較為顯著,與遞歸結(jié)果相比,滾動(dòng)回歸的R2稍高一些,并大體上呈遞增趨勢。由t值可知,流動(dòng)性供給因子也較為顯著。由以上回歸結(jié)果可知,流動(dòng)性供給因子對(duì)短期情緒指標(biāo)VRP具有一定的預(yù)測作用。

圖6 流動(dòng)性供給因子對(duì)VRP的滾動(dòng)預(yù)測

(四)引入流動(dòng)性因子后對(duì)現(xiàn)金流的預(yù)測

下面分析引入流動(dòng)性供給因子后,VRP和BW對(duì)現(xiàn)金流增長率的預(yù)測能力是否發(fā)生變化。被解釋變量為未來多期平均的股利增長率,解釋變量為VRP、BW、流動(dòng)性因子及DP,回歸結(jié)果見表7。引入流動(dòng)性因子后,DP不再顯著,VRP依然不顯著,而BW則繼續(xù)保持顯著性。流動(dòng)性供給因子也較為顯著,其貝塔系數(shù)為負(fù)值,表明流動(dòng)性緊張時(shí),股利增長率降低。從調(diào)整后的R2來看,預(yù)測效果保持遞增趨勢。

(五)影響恐慌指數(shù)的宏觀因素

由前文可知,VIX是計(jì)算短期情緒指標(biāo)VRP的關(guān)鍵,作為恐慌指數(shù),其數(shù)值在交易時(shí)間內(nèi)是可以實(shí)時(shí)觀測的,因此可借該指數(shù)直觀地觀察市場反應(yīng)。當(dāng)VIX升高時(shí),市場恐慌程度加大,當(dāng)VIX降低時(shí),市場恐慌程度減弱。已有研究表明,投資者的資產(chǎn)配置行為與宏觀指標(biāo)緊密相關(guān),宏觀經(jīng)濟(jì)指標(biāo)通過影響交易者預(yù)期,對(duì)股票市場產(chǎn)生一定的影響。下面分析影響市場反應(yīng)等指標(biāo)的宏觀因素,選取6種常見的宏觀指標(biāo)。(1)采購經(jīng)理指數(shù)(Purchasing Managers′ Index,PMI):對(duì)采購經(jīng)理的月度調(diào)查匯總出來的指數(shù),反映了經(jīng)濟(jì)的變化趨勢,其中50為榮枯分水線。該數(shù)據(jù)取自萬德(Wind)數(shù)據(jù)庫。(2)賣空比率(ShortInterest):反映賣空者情緒的指標(biāo)。該數(shù)據(jù)取自周(Zhou)的個(gè)人網(wǎng)站。(3)金融壓力指數(shù)(FSI):圣路易斯聯(lián)儲(chǔ)編制的指標(biāo),用于監(jiān)測金融市場對(duì)美聯(lián)儲(chǔ)政策的反應(yīng),同時(shí)監(jiān)測金融市場的壓力會(huì)如何影響經(jīng)濟(jì)復(fù)蘇狀況。該數(shù)據(jù)取自圣路易斯聯(lián)儲(chǔ)網(wǎng)站。(4)歐洲美元(Eurodollar)3月期利率與美國國債(T-Bill)3月期利率的差值(TED):3月期LIBOR與3月期美國國債收益率之差。該數(shù)據(jù)取自圣路易斯聯(lián)儲(chǔ)網(wǎng)站。(5)違約風(fēng)險(xiǎn)溢價(jià)(DEF):AAA公司債與BAA公司債的利率之差。該數(shù)據(jù)取自沃頓金融數(shù)據(jù)庫。(6)跳躍風(fēng)險(xiǎn)(RJV):本文采用波勒斯勒夫(Bollerslev)等[24]提出的日內(nèi)跳躍檢驗(yàn)方法來度量股市跳躍風(fēng)險(xiǎn)的大小。

表7 引入流動(dòng)性供給因子后對(duì)股利增長率的預(yù)測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

TODM=

(10)

JVSt,i=

(11)

JVS_Pt,i=

(12)

JVS_Nt,i=

(13)

(14)

(15)

(16)

RJV_St=RJV_Nt-RJV_Pt

(17)

上述6個(gè)變量分別對(duì)未來1個(gè)月VIX進(jìn)行單變量預(yù)測,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,滯后階數(shù)取4。回歸結(jié)果見表8,從t值來看,負(fù)跳躍風(fēng)險(xiǎn)(RJV_N)最為顯著。從調(diào)整后的R2來看,金融壓力指數(shù)(FSI)預(yù)測效果最優(yōu)。在單變量預(yù)測中,賣空比率(ShortInterest)的t值和調(diào)整后的R2均最低。從變量系數(shù)來看,只有采購經(jīng)理指數(shù)(PMI)系數(shù)為負(fù)值,其余系數(shù)均為正值。即采購經(jīng)理指數(shù)越高于榮枯線,市場反應(yīng)越積極,恐慌指數(shù)降低;而違約風(fēng)險(xiǎn)、跳躍風(fēng)險(xiǎn)越大或流動(dòng)性越緊張時(shí),市場反應(yīng)越消極,恐慌指數(shù)升高。

表8 對(duì)未來1個(gè)月VIX的單變量預(yù)測結(jié)果

注:*、**和***分別表示在10%、5%和1%的水平下顯著,標(biāo)準(zhǔn)差使用Newey-West方法調(diào)整,括號(hào)內(nèi)為對(duì)應(yīng)的t值。

四、結(jié)論

綜上所述,本文系統(tǒng)研究了流動(dòng)性因子、短期情緒指標(biāo)VRP及中長期情緒指標(biāo)BW、股利增長率及超額收益率的相關(guān)關(guān)系。本文使用的流動(dòng)性因子是根據(jù)短期反轉(zhuǎn)策略的收益率計(jì)算而得的,根據(jù)其構(gòu)造方式,當(dāng)流動(dòng)性較為緊張時(shí),提供流動(dòng)性(短期反轉(zhuǎn))往往能獲得較高的回報(bào)。進(jìn)一步研究了流動(dòng)性供給因子與VRP及BW因子的相關(guān)關(guān)系,并對(duì)其作用渠道進(jìn)行分析,包括現(xiàn)金流渠道和收益率渠道。結(jié)果表明:在對(duì)收益率的預(yù)測中,VRP和BW均能顯著預(yù)測未來多期超額收益率,即使加入其他常見控制變量后,貝塔系數(shù)仍能保持顯著。在對(duì)股利增長率的預(yù)測中,BW的貝塔系數(shù)較為顯著,而VRP的預(yù)測效果較差。在對(duì)情緒指標(biāo)的預(yù)測中,流動(dòng)性沖擊能夠顯著影響未來短期內(nèi)的投資者情緒,而對(duì)中長期投資者情緒的影響不太顯著。引入流動(dòng)性供給因子后,股利價(jià)格比率對(duì)現(xiàn)金流增長率的預(yù)測效果變差,流動(dòng)性供給因子則保持較好的預(yù)測能力。

由前文分析可知,VIX的高低直接影響著投資者短期情緒指標(biāo)VRP的高低,而VIX又和流動(dòng)性供給因子緊密相關(guān),因此,VIX的重要性毋庸置疑。2008年金融危機(jī)爆發(fā)后,各國央行流動(dòng)性的注入使得資產(chǎn)價(jià)格不斷上升,尤其2016年以來,標(biāo)普500指數(shù)和納斯達(dá)克指數(shù)不斷攀升創(chuàng)下新高,很多新聞媒體上也紛紛出現(xiàn)了美股可能“估值過高”、資產(chǎn)可能“泡沫化”等關(guān)鍵詞。與此同時(shí),反映投資者對(duì)未來市場波動(dòng)預(yù)期的VIX)卻不斷下降,目前遠(yuǎn)低于歷史均值18.87。2017年7月,VIX更是跌至9.51,創(chuàng)1993年12月23日以來最低收盤水平。央行在債券市場和股票市場中的持有比例日漸增高,各類資產(chǎn)價(jià)格的相關(guān)性也日益增強(qiáng),有學(xué)者擔(dān)心央行加息或縮表的行為會(huì)給市場帶來很大的負(fù)面沖擊,甚至有可能引發(fā)新一輪的金融危機(jī)。此時(shí)研究對(duì)VIX有顯著影響的宏觀因子具有較強(qiáng)的現(xiàn)實(shí)意義。VIX在一定程度上是危機(jī)的預(yù)警變量,而顯著預(yù)測VIX的狀態(tài)變量又可成為更領(lǐng)先的預(yù)警指標(biāo),此時(shí)對(duì)狀態(tài)變量拐點(diǎn)的觀察或許對(duì)危機(jī)預(yù)防具有一定的積極作用。

最后一點(diǎn)思考,是關(guān)于VIX是否存在被惡意操縱的可能性。2015年9月21日,鳳凰國際iMarkets報(bào)道了美聯(lián)儲(chǔ)交易部門可能對(duì)算法驅(qū)動(dòng)的VIX進(jìn)行反射性的杠桿式控制,恐慌指數(shù)的交易所交易基金(VIX ETF)加劇了市場的波動(dòng),而VIX ETF與VIX期貨之間的聯(lián)系性質(zhì)帶來了提前交易,而提前交易又把市場上的趨勢鞏固到了收盤,從而達(dá)到對(duì)市場的操控。其中的原理在于,VIX ETF會(huì)追蹤波動(dòng)率,并使用杠桿來擴(kuò)大投資回報(bào),或使用期貨合同來擴(kuò)大投資者的回報(bào),此時(shí)杠桿化VIX ETF的引入造成VIX作為金融市場壓力晴雨表的作用減弱,而VIX數(shù)值大小反映出的投資者恐慌程度也不再準(zhǔn)確。若真的如此,市場在一定程度上已被中央銀行完全掌控,下一次金融危機(jī)何時(shí)爆發(fā)或許VIX并不能給出提示了。

[1] AMIHUD Y. Illiquidity and Stock Returns: Cross-Section and Time-Series Effects[J]. Journal of Financial Markets, 2002, 5(1): 31-56.

[2] PASTOR L, STAMBAUGH R F. Liquidity Risk and Expected Stock Returns[J]. The Journal of Political Economy, 2003, 111(3): 642-685.

[3] NAGEL S. Evaporating Liquidity[J]. Review of Financial Studies, 2012, 25: 2005-2039.

[4] BAKER M, WURGLER J. Investor Sentiment and the Cross-Section of Stock Returns[J]. Journal of Finance, 2006, LXI(4): 1645-1680.

[5] BAKER M, WURGLER J. Investor Sentiment in the Stock Market[J]. Journal of Economic Perspectives, 2007, 21(2): 129-151.

[6] HUANG D S, JIANG F W, TU J, et al. Investor Sentiment Aligned: A Powerful Predictor of Stock Returns[J]. Review of Financial Studies, 2015, 28: 791-837.

[7] MANELA A, MOREIRA A. News Implied Volatility and Disaster Concerns[R]. Washington University Working Paper, 2015.

[8] BAKER S R, BLOOM N, DAVIS S J. Measuring Economic Policy Uncertainty[R]. Northwestern University Working Paper, 2016.

[9] BROWN G W, CLIFF M T. Investor Sentiment and the Near-Term Stock Market[J]. Journal of Empirical Finance, 2004, 11: 1-27.

[10] YU J F, YU Y. Investor Sentiment and the Mean-Variance Relation[J]. Journal of Financial Economics, 2011, 100: 367-381.

[11] LEE C, SHLEIFER A, THALER R H. Investor Sentiment and the Closed-end Fund Puzzle[J]. Journal of Finance, 1991, 46: 75-109.

[12] NEAL R, WHEATLEY S M. Do Measures of Investor Sentiment Predict Returns[J]. Journal of Financial and Quantitative Analysis, 1998, 33(4): 523-547.

[13] BAKER M, STEIN J. Market Liquidity as a Sentiment Indicator[J]. Journal of Financial Markets, 2004, 7: 271-299.

[14] RITTER J. The Long-Run Performance of Initial Public Offerings[J]. Journal of Finance, 1991, 46: 3-27.

[15] 黃峰, 鄒小芃. 我國股票市場的流動(dòng)性風(fēng)險(xiǎn)溢價(jià)研究[J]. 浙江大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版), 2007(4): 191-200.

[16] 鹿坪, 田甜, 姚海鑫. 個(gè)人投資者情緒, 機(jī)構(gòu)投資者情緒與證券市場指數(shù)收益——基于VAR模型的實(shí)證分析[J]. 上海金融, 2015(1): 65-71.

[17] 馬若微, 張娜. 我國股票市場投資者情緒SENT指數(shù)的構(gòu)建——基于上證A股公司的面板數(shù)據(jù)[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2015(7): 42-50.

[18] 易洪波, 賴娟娟, 董大勇. 網(wǎng)絡(luò)論壇不同投資者情緒對(duì)交易市場的影響——基于VAR模型的實(shí)證分析[J]. 財(cái)經(jīng)論叢, 2015(1): 46-55.

[19] 俞紅海, 李心丹, 耿子揚(yáng). 投資者情緒, 意見分歧與中國股市IPO之謎[J]. 管理科學(xué)學(xué)報(bào), 2015(3): 78-80.

[20] 高大良, 劉志峰, 楊曉光. 投資者情緒, 平均相關(guān)性與股市收益[J]. 中國管理科學(xué), 2015(2): 10-21.

[21] 鄒亞生, 栗坤全. 投資者情緒與波動(dòng)率風(fēng)險(xiǎn)價(jià)格的動(dòng)態(tài)關(guān)系研究[J]. 統(tǒng)計(jì)與決策, 2013(17): 161-165.

[22] 余秋玲, 朱宏泉. 投資者情緒對(duì)股價(jià)聯(lián)動(dòng)的影響——基于中國證券市場的實(shí)證研究[J]. 金融理論與實(shí)踐, 2015(4): 81-88.

[23] BRITTEN-JONES M, NEUBERGER A. Option Prices, Implied Price Processes, and Stochastic Volatility[J]. Journal of Finance, 2000, 55: 839-866.

[24] BOLLERSLEV T, TODOROV V, LI S. Jump Tails, Extreme Dependencies, and the Distribution of Stock Returns[J]. Journal of Econometrics, 2013, 172: 307-324.