機(jī)構(gòu)投資者信息挖掘、羊群行為與股價(jià)崩盤風(fēng)險(xiǎn)①

尹海員，朱 旭

(陜西師范大學(xué)國(guó)際商學(xué)院，西安 710119)

0 引 言

相比于個(gè)體投資者，機(jī)構(gòu)投資者由于兼?zhèn)湫畔@取渠道廣、信息處理能力強(qiáng)的優(yōu)點(diǎn)而被視為理性投資者.加之機(jī)構(gòu)投資者既有專業(yè)性，又秉持價(jià)值投資理念，往往被認(rèn)為可以起到監(jiān)督上市公司的作用.近年來(lái)，中國(guó)資本市場(chǎng)的監(jiān)管者大力提倡發(fā)展機(jī)構(gòu)投資者，學(xué)者們的研究也多表明機(jī)構(gòu)投資者可以穩(wěn)定股價(jià)，提升上市公司的治理水平.但是回到股票市場(chǎng)現(xiàn)實(shí)，一方面市場(chǎng)暴漲暴跌的現(xiàn)象仍然層出不窮，另一方面機(jī)構(gòu)投資者盲目跟風(fēng)炒作股價(jià)的行為并不鮮見(jiàn).現(xiàn)有文獻(xiàn)多關(guān)注機(jī)構(gòu)投資者的直接行為研究，而忽視了其行為背后的信息邏輯和決策支撐.這引起了人們的思考：機(jī)構(gòu)投資者是否具備全能的專業(yè)投資素養(yǎng)和能力？這種專業(yè)素養(yǎng)和能力如何從機(jī)構(gòu)投資者的信息挖掘與處理能力上得到支撐？機(jī)構(gòu)投資者的信息挖掘能力如何作用于股票價(jià)格，是否會(huì)引起價(jià)格風(fēng)險(xiǎn)的波動(dòng)和變化？ 從機(jī)構(gòu)投資者行為背后的信息獲取與挖掘的視角來(lái)分析其專業(yè)投資能力，進(jìn)而探討對(duì)股票價(jià)格崩盤風(fēng)險(xiǎn)的影響，正是本文的立意和出發(fā)點(diǎn).

股價(jià)崩盤(stock price crash)一般用來(lái)描述個(gè)股價(jià)格在短時(shí)間內(nèi)毫無(wú)預(yù)警地發(fā)生大幅度下跌的現(xiàn)象.根據(jù)信息經(jīng)濟(jì)學(xué)理論，上市公司控制人或管理層有可能出于私利動(dòng)機(jī)而掩藏壞消息，一旦累積的壞消息超過(guò)了閾值，就會(huì)被集中釋放到股票市場(chǎng)中，導(dǎo)致股票價(jià)格在很短的時(shí)間內(nèi)極速下跌，出現(xiàn)崩盤現(xiàn)象.股價(jià)崩盤對(duì)投資者來(lái)說(shuō)，意味著財(cái)富的大量流失，對(duì)上市公司來(lái)說(shuō)，加重了生產(chǎn)經(jīng)營(yíng)危機(jī)，對(duì)監(jiān)管者來(lái)說(shuō)，需要考慮局部個(gè)體風(fēng)險(xiǎn)帶來(lái)的市場(chǎng)全面動(dòng)蕩的可能性.

關(guān)于機(jī)構(gòu)投資者如何影響股價(jià)崩盤風(fēng)險(xiǎn)，目前主要有兩種思路：一是機(jī)構(gòu)投資者的靜態(tài)特征是否會(huì)影響股價(jià)崩盤風(fēng)險(xiǎn)，比如其持股規(guī)模、持股時(shí)間長(zhǎng)短等；二是機(jī)構(gòu)投資者的動(dòng)態(tài)行為，比如主動(dòng)介入公司治理活動(dòng)并完善公司治理制度，進(jìn)而影響股價(jià)崩盤風(fēng)險(xiǎn).從研究結(jié)論和所秉持的觀點(diǎn)上，也有不同甚至截然相反的立場(chǎng)，當(dāng)然這也體現(xiàn)了這一主題值得進(jìn)一步深入研究的必要性.有些觀點(diǎn)認(rèn)為，機(jī)構(gòu)投資者持有股票可以緩解上市公司與外部投資者之間的信息不對(duì)稱.相較于個(gè)體投資者，機(jī)構(gòu)投資者具有信息、資金以及專業(yè)知識(shí)的優(yōu)勢(shì)，有能力也有意愿對(duì)公司的信息披露、管理層的行為進(jìn)行監(jiān)督，穩(wěn)定公司股價(jià).機(jī)構(gòu)投資者的持股規(guī)模越大，越能降低股價(jià)崩盤風(fēng)險(xiǎn)或提升累積超額收益率.例如Crane等[1]認(rèn)為機(jī)構(gòu)投資者較少受到市場(chǎng)噪音和市場(chǎng)情緒的影響，能夠更加理性地做出投資決策，并且機(jī)構(gòu)投資者可以“抱團(tuán)”進(jìn)行信息共享，基于共同利益分享調(diào)研信息，遏制了上市公司管理層對(duì)不利信息的隱藏進(jìn)而穩(wěn)定股價(jià).史永和李思昊[2]發(fā)現(xiàn)那些穩(wěn)定持股型的機(jī)構(gòu)投資者，可以主動(dòng)對(duì)上市公司進(jìn)行治理監(jiān)督并降低股價(jià)崩盤風(fēng)險(xiǎn).

也有文獻(xiàn)質(zhì)疑了機(jī)構(gòu)投資者對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的緩解作用.這些觀點(diǎn)認(rèn)為，無(wú)論從主觀還是客觀角度，機(jī)構(gòu)投資者都可能起到“壞角色”的作用.主觀上看，機(jī)構(gòu)投資者可能出于私利而與公司實(shí)際控制人或高管合謀，侵害中小投資者的利益；客觀上看，即使機(jī)構(gòu)投資者出發(fā)點(diǎn)是好的，但基金經(jīng)理也會(huì)跟個(gè)體投資者一樣存在羊群行為.所以機(jī)構(gòu)投資者的持股反而會(huì)增加上市公司的股價(jià)崩盤風(fēng)險(xiǎn).如果考慮到治理成本，這種增加效應(yīng)會(huì)更明顯.因?yàn)楸O(jiān)督公司運(yùn)營(yíng)是有成本的，如果潛在利益不能夠彌補(bǔ)監(jiān)督成本，機(jī)構(gòu)投資者就會(huì)“拋棄”上市公司，賣出股票逃離.Graves[3]發(fā)現(xiàn)由于基金經(jīng)理的考核方式是基于季度業(yè)績(jī)，短期壓力較大，因此有些基金經(jīng)理會(huì)將短期回報(bào)置于長(zhǎng)期回報(bào)之上，這會(huì)導(dǎo)致其投資決策偏離價(jià)值投資的理念.

但現(xiàn)有多數(shù)研究要么忽略機(jī)構(gòu)投資者信息獲取與挖掘的能力，要么假設(shè)機(jī)構(gòu)投資者的信息挖掘能力并無(wú)差別.信息是所有投資者決策的基礎(chǔ)，基于不同信息集合或者面對(duì)相同信息集合卻在信息處理能力上有差別，會(huì)導(dǎo)致投資者的決策行為有很大的差異性.考慮機(jī)構(gòu)投資者之間信息收集和處理能力上的差異性，并分析其與股價(jià)崩盤風(fēng)險(xiǎn)的內(nèi)在關(guān)系及影響機(jī)制，可能會(huì)是解開(kāi)其影響股價(jià)崩盤風(fēng)險(xiǎn)的另一把鑰匙.

以下是本文主要探討的3個(gè)主題，也是對(duì)這一領(lǐng)域的邊際貢獻(xiàn)：1)以往文獻(xiàn)大多考慮機(jī)構(gòu)投資者靜態(tài)特征或者行為特征對(duì)股票收益、股價(jià)崩盤風(fēng)險(xiǎn)的影響，并未考慮機(jī)構(gòu)投資者的決策行為可能會(huì)受到其信息層面能力的影響.本文建立了“機(jī)構(gòu)投資者存在信息獲取與挖掘能力上的差異，導(dǎo)致機(jī)構(gòu)投資者產(chǎn)生差異化的投資行為，進(jìn)而緩解了機(jī)構(gòu)投資者的羊群行為，并影響股價(jià)崩盤風(fēng)險(xiǎn)”這樣的邏輯鏈條,拓展了對(duì)機(jī)構(gòu)投資者異質(zhì)性的思考維度.2)以往文獻(xiàn)中機(jī)構(gòu)投資者對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響因素研究的切入點(diǎn)往往關(guān)注上市公司利空消息的積聚和釋放，卻將機(jī)構(gòu)投資者視為同質(zhì)的信息接收方.本文從信息挖掘能力的差異性角度，分析機(jī)構(gòu)投資者信息挖掘能力的差異程度對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響機(jī)制，豐富了機(jī)構(gòu)投資者異質(zhì)性經(jīng)濟(jì)后果的研究.3)綜合考慮上市公司的外部制度環(huán)境、內(nèi)部治理環(huán)境和信息環(huán)境，利用鏈?zhǔn)蕉嘀刂薪樾?yīng)檢驗(yàn)方法，驗(yàn)證了良好的公司內(nèi)外部環(huán)境確實(shí)可以影響機(jī)構(gòu)投資者信息能力差異與股價(jià)崩盤風(fēng)險(xiǎn)之間的負(fù)向相關(guān)關(guān)系，加強(qiáng)了機(jī)構(gòu)投資者信息挖掘能力差異性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的緩解效應(yīng).相比于現(xiàn)有文獻(xiàn)只關(guān)注信息環(huán)境對(duì)股票風(fēng)險(xiǎn)的影響，拓展了環(huán)境變量對(duì)上市公司股價(jià)崩盤風(fēng)險(xiǎn)的研究范疇.

1 文獻(xiàn)綜述和研究假設(shè)

1.1 股票價(jià)格崩盤風(fēng)險(xiǎn)及其成因

在股價(jià)崩盤風(fēng)險(xiǎn)的形成機(jī)制上主要有兩種思路：一種是主要考慮公司管理層策略性地掩藏壞消息，當(dāng)壞消息積聚到企業(yè)所能擔(dān)負(fù)的臨界值而爆發(fā)后，會(huì)迅速反映到股價(jià)中并造成股價(jià)崩盤.管理層掩藏壞消息的動(dòng)機(jī)主要有避稅企圖[4]、保住職位與薪酬[5]等等.另外一種則主要從市場(chǎng)投資者之間的信息不對(duì)稱性來(lái)解釋股價(jià)崩盤風(fēng)險(xiǎn)，認(rèn)為當(dāng)股票價(jià)格下降時(shí)，知情投資者拋售行為會(huì)給非知情投資者造成恐慌.為彌補(bǔ)這種由于不確定性造成的風(fēng)險(xiǎn)，非知情投資者會(huì)跟風(fēng)形成羊群行為，并壓低股價(jià)謀求回報(bào)，就會(huì)增加股價(jià)崩盤的風(fēng)險(xiǎn).比如Marin 和Olivier[6]、吳戰(zhàn)篪和李曉龍[7]都發(fā)現(xiàn)當(dāng)上市公司內(nèi)部人拋售股票時(shí)，外部投資者不會(huì)判斷其拋售原因，而是根據(jù)其拋售行為主觀相信利空消息的存在，跟風(fēng)拋售并造成股價(jià)崩盤.

在股價(jià)崩盤風(fēng)險(xiǎn)機(jī)制認(rèn)識(shí)的基礎(chǔ)上，學(xué)者們從不同角度解釋股價(jià)崩盤風(fēng)險(xiǎn)的成因，比如在信息披露方面，鐘宇翔和李婉麗[8]發(fā)現(xiàn)公司信息披露環(huán)境與其股價(jià)崩盤風(fēng)險(xiǎn)呈現(xiàn)反比關(guān)系，信息環(huán)境越好則股價(jià)崩盤風(fēng)險(xiǎn)越低.在管理機(jī)制方面，Kim等[4]以CEO/CFO期權(quán)激勵(lì)為切入點(diǎn)，發(fā)現(xiàn)兩者均與股價(jià)崩盤風(fēng)險(xiǎn)正相關(guān).沈華玉等[9]的研究支持了控股股東的“隧道”效應(yīng)，發(fā)現(xiàn)控股股東控制權(quán)增加時(shí)，為謀私利而掩藏壞消息更容易，一旦暴露則導(dǎo)致股價(jià)迅速崩盤.Callen和Fang[10]發(fā)現(xiàn)審計(jì)師與客戶關(guān)系越長(zhǎng)久，越有利于發(fā)現(xiàn)客戶囤積壞消息，進(jìn)而起到監(jiān)督作用并能降低股價(jià)崩盤風(fēng)險(xiǎn).

1.2 股票市場(chǎng)中的機(jī)構(gòu)投資者：好角色還是壞角色

機(jī)構(gòu)投資者依靠信息和專業(yè)優(yōu)勢(shì)，理論上說(shuō)，具有監(jiān)督公司經(jīng)營(yíng)活動(dòng)的能力和意愿.但國(guó)內(nèi)外學(xué)者對(duì)機(jī)構(gòu)投資者如何影響公司治理水平有兩種截然相反的觀點(diǎn)：一種觀點(diǎn)認(rèn)為，機(jī)構(gòu)投資者對(duì)上市公司有積極的監(jiān)督作用，機(jī)構(gòu)投資者在信息、專業(yè)和資金上都有著個(gè)人投資者不可比擬的優(yōu)勢(shì)，起到了穩(wěn)定市場(chǎng)的作用；另一種觀點(diǎn)認(rèn)為，機(jī)構(gòu)投資者是自私的，會(huì)通過(guò)各種方式獲取自身利益最大化.無(wú)論是主觀上與上市公司的合謀，還是客觀上的羊群行為，機(jī)構(gòu)投資者都會(huì)造成公司股價(jià)偏離基本價(jià)值，加劇了股價(jià)崩盤潛在風(fēng)險(xiǎn).

那些認(rèn)可機(jī)構(gòu)投資者可以穩(wěn)定市場(chǎng)的研究者中，潘寧寧和朱宏泉[11]發(fā)現(xiàn)投資基金持股可以影響股價(jià)聯(lián)動(dòng)性并提升市場(chǎng)的信息效率，具體來(lái)說(shuō)，較高的持股機(jī)構(gòu)投資者比例可以降低股價(jià)聯(lián)動(dòng)性，增加股價(jià)的信息含量.但長(zhǎng)期以來(lái)，也有很多學(xué)者否定機(jī)構(gòu)投資者的穩(wěn)定作用，比如Jacobs[12]從不同國(guó)家視角進(jìn)行研究，發(fā)現(xiàn)發(fā)展中國(guó)家資本市場(chǎng)中的機(jī)構(gòu)投資者的非理性和投機(jī)交易行為，較之發(fā)達(dá)國(guó)家更為突出.DeVault 等[13]發(fā)現(xiàn)機(jī)構(gòu)投資者并不像傳統(tǒng)的資產(chǎn)定價(jià)理論那樣認(rèn)為的理性，而是像個(gè)體投資者一樣存在情緒交易行為，這主要是因?yàn)椴僮鳈C(jī)構(gòu)交易的基金經(jīng)理也如普通個(gè)人投資者一樣，受到聲譽(yù)壓力、動(dòng)量交易和羊群行為效應(yīng)的影響，出現(xiàn)非理性交易行為.

也有學(xué)者開(kāi)始重視機(jī)構(gòu)投資者的差異性，對(duì)不同類型機(jī)構(gòu)投資者發(fā)揮的作用進(jìn)行多維度地探究.比如Chen等[14]發(fā)現(xiàn)機(jī)構(gòu)投資者的持股期限越長(zhǎng)，上市公司的治理水平和股價(jià)的穩(wěn)定性越好.Ferreira和Matos[15]認(rèn)為只有利益獨(dú)立于所持股的公司之外的機(jī)構(gòu)投資者才會(huì)主動(dòng)介入上市公司的治理監(jiān)督，有效提升公司治理水平.國(guó)內(nèi)學(xué)者也有類似的發(fā)現(xiàn)，比如夏寧和楊碩[16]發(fā)現(xiàn)那些長(zhǎng)期持股、穩(wěn)定型和獨(dú)立型的機(jī)構(gòu)投資者，有意愿和動(dòng)力并甘愿付出一定的成本對(duì)上市公司進(jìn)行監(jiān)督，可以更好地發(fā)揮公司的治理作用，進(jìn)而穩(wěn)定股票價(jià)格波動(dòng).

綜合來(lái)看，關(guān)于機(jī)構(gòu)投資者對(duì)股票市場(chǎng)的影響效應(yīng),多數(shù)文獻(xiàn)往往跳過(guò)了對(duì)機(jī)構(gòu)投資者行為的內(nèi)在邏輯和信息支持的分析，轉(zhuǎn)而直接分析其投資決策帶來(lái)的后果，或者直接使用機(jī)構(gòu)投資者的決策后果代替其行為的剖析變量.這樣的研究思路忽視了機(jī)構(gòu)投資者對(duì)信息能力的把握情況，進(jìn)而帶來(lái)實(shí)證結(jié)果不同，甚至迥異的結(jié)論.

1.3 機(jī)構(gòu)投資者的信息獲取與挖掘能力

傳統(tǒng)資產(chǎn)定價(jià)理論的分析模型以完全理性和完整信息預(yù)期兩個(gè)前提作為基礎(chǔ)，認(rèn)為投資者是同質(zhì)性的.近年來(lái)，行為金融學(xué)研究開(kāi)始重視投資者心理和行為的差異性帶來(lái)的不完美決策，但是主要研究對(duì)象還是個(gè)體投資者.針對(duì)機(jī)構(gòu)投資者的非理性行為和決策的文獻(xiàn)盡管也有不少，但往往關(guān)注其行為結(jié)果，而忽視其行為背后的信息邏輯基礎(chǔ).在行為研究視角下，包括機(jī)構(gòu)投資者在內(nèi)的所有投資者的信息獲取與挖掘行為都應(yīng)該被重視，因?yàn)槭袌?chǎng)信息可否被投資者充分獲取、正確加工并準(zhǔn)確反饋到其投資行為，不但是股票市場(chǎng)運(yùn)行的微觀基礎(chǔ)，也對(duì)股票價(jià)格和風(fēng)險(xiǎn)造成重要影響.

所以研究者開(kāi)始分析機(jī)構(gòu)投資者的信息行為，Bushee和Goodman[17]通過(guò)機(jī)構(gòu)投資者的投資業(yè)績(jī)表現(xiàn)來(lái)推斷其信息獲取的能力.Boehmer和Kelley[18]發(fā)現(xiàn)上市公司的機(jī)構(gòu)投資者持股比例越高，則股票的定價(jià)效率越高，價(jià)格能充分反映信息含量，說(shuō)明機(jī)構(gòu)投資者的信息獲取能力較強(qiáng).但是他們的研究實(shí)際上是從逆推邏輯出發(fā)，通過(guò)價(jià)格變化反向推演機(jī)構(gòu)投資者的信息能力，并沒(méi)用充分揭示機(jī)構(gòu)投資者行為背后的信息挖掘機(jī)制.也有研究者分析機(jī)構(gòu)投資者對(duì)不同類型信息的偏好，發(fā)現(xiàn)機(jī)構(gòu)投資者決策時(shí)更喜歡公司價(jià)值信息以外的私有信息.張宗新和楊通旻[19]發(fā)現(xiàn)，中國(guó)股票投資型基金更有動(dòng)力去挖掘大市值公司的私有信息，因?yàn)橄噍^于小規(guī)模的上市公司，前者的信息披露狀況要更好，機(jī)構(gòu)投資者存在一定的信息優(yōu)勢(shì)，提前捕捉公告信息并做出決策.但蔡慶豐和楊侃[20]在分析中國(guó)股票市場(chǎng)的機(jī)構(gòu)投資者信息處理行為時(shí)，卻發(fā)現(xiàn)了相反的證據(jù).他們發(fā)現(xiàn)機(jī)構(gòu)投資者(以證券分析師為研究標(biāo)的)既關(guān)注公司基本面信息，也關(guān)注短期的私有信息，但受到基本面信息的影響更大，所以機(jī)構(gòu)投資者可以被認(rèn)為是價(jià)值投資者.

近幾年來(lái)，不斷有學(xué)者嘗試尋找機(jī)構(gòu)投資者信息能力的度量指標(biāo).比如馮旭南[21]利用百度搜索指數(shù)反映投資者獲取信息的能力，因?yàn)楫?dāng)投資者利用百度搜索引擎搜索特定上市公司信息時(shí)，意味著他為了某個(gè)股票付出了一定的努力，這樣百度搜索指數(shù)可以作為投資者獲取信息行為的代理變量.當(dāng)然其研究對(duì)象涵蓋了所有投資者，并非單指機(jī)構(gòu)投資者.與其類似的研究還包括丁慧等[22]，他們利用“上證e互動(dòng)”平臺(tái)與投資者溝通交流的頻率代表投資者的信息能力代理指標(biāo)，“上證 e 互動(dòng)”與投資者的互動(dòng)答疑解惑可以使得投資者獲取更直接而特定的信息，有助于投資者提升自身信息獲取能力并優(yōu)化決策行為.孔東民和王江元[23]將上市公司的持股機(jī)構(gòu)投資者的信息競(jìng)爭(zhēng)程度作為信息能力的代理指標(biāo).此方面最新的研究文獻(xiàn)還包括Daniel等[24]，他們?cè)谘芯棵绹?guó)股權(quán)私募基金的投資行為時(shí)，將某個(gè)投資基金在過(guò)去一段時(shí)間(3年和5年)所有投資項(xiàng)目中，高于該行業(yè)平均收益水平的項(xiàng)目所占的比例，作為基金信息獲取能力和投資技巧的度量指標(biāo)，但這仍然是一種將外顯結(jié)果代替信息基礎(chǔ)的逆向思路.總之，現(xiàn)有文獻(xiàn)中對(duì)機(jī)構(gòu)投資者信息獲取和挖掘能力的度量還沒(méi)用出現(xiàn)直接的、科學(xué)的度量方法.這也使得關(guān)于機(jī)構(gòu)投資者的持股行為，是否能真正促進(jìn)上市公司治理水平的提高并穩(wěn)定股價(jià)，出現(xiàn)了不同甚至迥異的實(shí)證結(jié)論.

1.4 研究假設(shè)

1.4.1 信息挖掘能力與股價(jià)崩盤風(fēng)險(xiǎn)

現(xiàn)有大部分機(jī)構(gòu)投資者行為研究文獻(xiàn)的一個(gè)重要前提是，不區(qū)分機(jī)構(gòu)投資者的信息挖掘能力的差異性.但是如果機(jī)構(gòu)投資者都被視為同質(zhì)的信息處理方，會(huì)帶來(lái)明顯的羊群行為.機(jī)構(gòu)投資者羊群行為出現(xiàn)的原因有很多，比如機(jī)構(gòu)投資者會(huì)選擇“抱團(tuán)取暖”.再比如部分機(jī)構(gòu)投資者為了節(jié)約信息搜集成本而選擇放棄自身信息挖掘而跟隨其他機(jī)構(gòu)投資者決策，這樣做還有一個(gè)好處是緩解了基金經(jīng)理人的“聲譽(yù)壓力”.在上市公司面臨利空消息的積聚和釋放的情況下，這些積聚性的機(jī)構(gòu)投資者的羊群行為顯然會(huì)增加公司股價(jià)崩盤的風(fēng)險(xiǎn).但是這樣將機(jī)構(gòu)投資者的信息挖掘行為視為同質(zhì)性的前提顯然與現(xiàn)實(shí)有出入.由于存在交易成本，股價(jià)中可能無(wú)法完全反應(yīng)資產(chǎn)的全部信息，一旦挖掘到私有信息，便可獲得可觀的超額收益.申宇等[25]發(fā)現(xiàn)機(jī)構(gòu)投資者會(huì)根據(jù)私有信息進(jìn)行資產(chǎn)配置以此來(lái)獲得額外的收益，這種私有信息是決定機(jī)構(gòu)投資者持倉(cāng)的主要因素.

盡管迄今為止鮮有文獻(xiàn)考慮機(jī)構(gòu)投資者信息收集和處理能力的個(gè)體差異性.但已有文獻(xiàn)考慮了機(jī)構(gòu)投資者的不同的特征因素對(duì)股價(jià)的影響，比如孔東民和王江元[23]發(fā)現(xiàn)機(jī)構(gòu)投資者之間信息競(jìng)爭(zhēng)越激烈，股價(jià)崩盤風(fēng)險(xiǎn)越大，但是其信息競(jìng)爭(zhēng)行為的度量指標(biāo)并沒(méi)有考慮機(jī)構(gòu)投資者之間的差異性.陳新春等[26]研究了機(jī)構(gòu)投資者網(wǎng)絡(luò)之間的信息互動(dòng)，發(fā)現(xiàn)信息共享會(huì)造成相同的投資策略，從而增加了股價(jià)暴漲暴跌的風(fēng)險(xiǎn).其研究思路從機(jī)構(gòu)投資者之間的主動(dòng)交互行為來(lái)考慮，偏向機(jī)構(gòu)投資者之間的聯(lián)結(jié)性.當(dāng)然也有學(xué)者有不同的看法，比如郭白瀅和李瑾[27]就認(rèn)為機(jī)構(gòu)投資者之間會(huì)進(jìn)行信息共享，他們利用社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)變量來(lái)衡量信息共享效率，發(fā)現(xiàn)機(jī)構(gòu)投資者的信息共享行為降低了股價(jià)崩盤風(fēng)險(xiǎn)，提升了市場(chǎng)定價(jià)效率.

機(jī)構(gòu)投資者之間的信息挖掘能力差異性會(huì)帶來(lái)兩個(gè)可能的后果：一方面，機(jī)構(gòu)投資者信息挖掘能力差異程度越大，更容易造成市場(chǎng)上的跟風(fēng)操作，形成羊群行為從而增加了股價(jià)崩盤風(fēng)險(xiǎn)；另一方面由于其信息獲取和挖掘能力的差別，有可能獲取的信息集合存在差異，或者即使面對(duì)相同的信息集合，由于其信息處理能力存在差異，這樣經(jīng)過(guò)不同方式的處理后，降低了由于使用相同決策信息甚至采用相同策略行為的概率，進(jìn)而降低了股價(jià)崩盤風(fēng)險(xiǎn).基于此，為了分析二者的關(guān)系及影響機(jī)制，提出以下競(jìng)爭(zhēng)性假設(shè).

H1a機(jī)構(gòu)投資者信息挖掘能力的差異性可以增加股價(jià)崩盤風(fēng)險(xiǎn).

H1b機(jī)構(gòu)投資者信息挖掘能力的差異性可以降低股價(jià)崩盤風(fēng)險(xiǎn).

1.4.2 不同市場(chǎng)環(huán)境的影響

Antoniou等[28]發(fā)現(xiàn)機(jī)構(gòu)投資者在很多時(shí)候也會(huì)是“情緒驅(qū)動(dòng)交易者”，在牛市中的交易量要明顯高于熊市.牛市中，市場(chǎng)整體看多情緒高漲，機(jī)構(gòu)投資者在牛市中有較為明顯的過(guò)度自信，使得專業(yè)能力很強(qiáng)的機(jī)構(gòu)投資者也會(huì)高估信息的精度，最終的結(jié)果可能就是機(jī)構(gòu)投資者(包括個(gè)體投資者)對(duì)預(yù)期的判斷一致性向好.在這種情況下，機(jī)構(gòu)投資者的信息挖掘能力的差異性程度會(huì)降低.在牛市中高漲的情緒、過(guò)度的自信造成了市場(chǎng)一致看多的預(yù)期，即使有部分機(jī)構(gòu)投資者能夠理智判斷市場(chǎng)，也會(huì)被市場(chǎng)中的羊群行為對(duì)股價(jià)造成的沖擊所掩蓋，所以牛市中機(jī)構(gòu)投資者信息能力差異所體現(xiàn)的穩(wěn)定股價(jià)的作用有限.

而在熊市中，悲觀情緒主導(dǎo)了市場(chǎng)，但信息能力更強(qiáng)的機(jī)構(gòu)投資者會(huì)更加謹(jǐn)慎對(duì)待市場(chǎng)利空消息，這樣不同的機(jī)構(gòu)投資者之間的信息獲取和挖掘能力差異性程度加強(qiáng)，對(duì)未來(lái)預(yù)期的意見(jiàn)分歧會(huì)增大.所以，機(jī)構(gòu)投資者信息挖掘能力差異程度與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系在不同市場(chǎng)狀態(tài)下可能存在差異性.這種差異化預(yù)期，能在一定程度上延遲了悲觀情緒融入股價(jià)的速度，在正向和負(fù)向兩個(gè)方面都可以起到穩(wěn)定股價(jià)的作用.據(jù)此提出如下假設(shè)：

H2相對(duì)于牛市，熊市中機(jī)構(gòu)投資者信息挖掘能力的差異程度與股價(jià)崩盤風(fēng)險(xiǎn)之間(正向/負(fù)向)相關(guān)性更為顯著.

1.4.3 羊群行為的中介作用

羊群行為是行為金融中研究比較成熟的領(lǐng)域，個(gè)體投資者的羊群行為已經(jīng)在現(xiàn)有文獻(xiàn)里得到了充分的證明.盡管同個(gè)人投資者相比，機(jī)構(gòu)投資者的投資技能和信息獲取具有一定的優(yōu)勢(shì)，但是很早學(xué)者們就發(fā)現(xiàn)機(jī)構(gòu)投資者的決策行為也不是完全理性的，仍然存在不少偏差，羊群行為就是其中典型的一種.Wermers[29]將機(jī)構(gòu)投資者的羊群行為界定為在同一時(shí)間段內(nèi)，大量機(jī)構(gòu)投資者同向買進(jìn)或賣出同樣股票的行為.做出羊群行為決策的信息集合基礎(chǔ)可能存在區(qū)別，比如Bikhchandani 和Sharma[30]就將機(jī)構(gòu)投資者的羊群行為區(qū)分為“真羊群行為(intentional herding)”和“偽羊群行為(spurious herding)，前者是指忽略個(gè)人掌握的信息而盲從其他投資者的行為，后者是指基于共同信息而做出的相同群體行為.盡管有少數(shù)學(xué)者認(rèn)為機(jī)構(gòu)投資者的羊群行為與股價(jià)波動(dòng)并沒(méi)有直接的證據(jù)聯(lián)系，甚至認(rèn)為中國(guó)股票市場(chǎng)中的機(jī)構(gòu)投資者不存在“真羊群行為”，機(jī)構(gòu)投資者對(duì)價(jià)值理念投資的堅(jiān)持甚至增加了股票市場(chǎng)的穩(wěn)定性.但是更多學(xué)者認(rèn)為機(jī)構(gòu)投資者的羊群行為會(huì)提高公司股價(jià)的同步性，是導(dǎo)致股價(jià)過(guò)度波動(dòng)乃至引發(fā)金融危機(jī)的導(dǎo)火索之一.

非常重要的一點(diǎn)是信息是行為決策的基礎(chǔ)，拋開(kāi)機(jī)構(gòu)投資者的信息能力去談其決策行為是不符合邏輯的.不論是“真羊群行為”還是“偽羊群行為”，都是機(jī)構(gòu)投資者基于信息判斷的前提下做出決策的結(jié)果.機(jī)構(gòu)投資者信息挖掘能力的差異對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響有可能是通過(guò)羊群行為的中介效應(yīng)完成的.如果對(duì)某只股票來(lái)說(shuō)，其機(jī)構(gòu)持股者的信息挖掘能力差異程度越大，那么其擁有的信息集合差異也越明顯，機(jī)構(gòu)投資者更傾向于做出不同的投資決策，跟風(fēng)聯(lián)動(dòng)操作的可能性降低.這可以在很大程度上緩解羊群效應(yīng)，進(jìn)而降低股價(jià)崩盤的風(fēng)險(xiǎn).據(jù)此提出以下假設(shè)：

H3羊群行為是機(jī)構(gòu)投資者信息挖掘能力差異性影響股價(jià)崩盤風(fēng)險(xiǎn)的重要中介路徑.

1.4.4 環(huán)境變量的調(diào)節(jié)效應(yīng)

上市公司所處的內(nèi)外部環(huán)境會(huì)影響機(jī)構(gòu)投資者收集、處理信息的質(zhì)量水平，這些內(nèi)外部環(huán)境包括地區(qū)制度環(huán)境、治理環(huán)境和信息環(huán)境等等[31].環(huán)境變量的調(diào)節(jié)作用主要體現(xiàn)在，良好的內(nèi)外部環(huán)境可以降低信息不對(duì)稱程度，機(jī)構(gòu)投資者的監(jiān)督成本較低并更愿意發(fā)揮監(jiān)督作用，發(fā)揮抑制股價(jià)崩盤風(fēng)險(xiǎn)的功能.

首先，公司地區(qū)制度環(huán)境方面.上市公司所處地區(qū)的制度環(huán)境是影響機(jī)構(gòu)投資者決策行為的因素之一，地區(qū)制度環(huán)境越好，對(duì)公司的監(jiān)管越嚴(yán)格，管理層掩藏壞消息的概率大大降低.在良好制度環(huán)境的約束之下，各類信息會(huì)迅速而準(zhǔn)確地融入股價(jià)，提高股票價(jià)格的信息含量.所以，良好的制度環(huán)境能夠降低投資者由于跟風(fēng)而采取的羊群行為，有助于機(jī)構(gòu)投資者形成更加準(zhǔn)確的預(yù)期.其次，公司治理環(huán)境方面.好的公司治理環(huán)境可以給予投資者信心，有助于機(jī)構(gòu)投資者實(shí)施股東積極主義并穩(wěn)定股價(jià).再次，公司信息環(huán)境方面.良好的信息環(huán)境有助于信息準(zhǔn)確、及時(shí)地反映到股價(jià)中，股價(jià)崩盤風(fēng)險(xiǎn)顯著降低.反之，上市公司的信息環(huán)境越差，機(jī)構(gòu)投資者會(huì)更注重與管理層合謀獲得內(nèi)幕信息，損害散戶投資者利益，后者在很難獲得精準(zhǔn)信息的條件下，更容易進(jìn)行追漲殺跌操作，加劇股價(jià)崩盤風(fēng)險(xiǎn).基于以上分析，提出以下假設(shè)：

H4良好的上市公司內(nèi)外部環(huán)境，有助于機(jī)構(gòu)投資者改善信息挖掘能力，進(jìn)而緩解其羊群行為，正向調(diào)節(jié)了機(jī)構(gòu)投資者信息挖掘能力差異程度與股價(jià)崩盤風(fēng)險(xiǎn)之間的關(guān)系.

研究思路和邏輯框架如圖1所示.

圖1 研究邏輯框架

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

首先是機(jī)構(gòu)投資者的界定和選擇.2017年7月證監(jiān)會(huì)正式頒布實(shí)施了《證券期貨業(yè)統(tǒng)計(jì)指標(biāo)標(biāo)準(zhǔn)指引(修訂版)》，其中將投資者分為自然人投資者、專業(yè)機(jī)構(gòu)投資者、一般機(jī)構(gòu)投資者和滬/深股通投資者，其中后3類被界定為機(jī)構(gòu)投資者并規(guī)定了具體的分類結(jié)構(gòu).結(jié)合其分類思想，將機(jī)構(gòu)投資者界定為公募/陽(yáng)光私募基金、社會(huì)保障基金、信托基金、保險(xiǎn)公司、券商自營(yíng)持股和QFII 6大類.

研究對(duì)象為2007年1月1日～2017年12月1日滬深兩市A股上市公司，刪除樣本期內(nèi)退市股票后，剩余在滬深兩市持續(xù)掛牌交易的A股上市公司1 320家.然后對(duì)樣本繼續(xù)進(jìn)行篩選，具體標(biāo)準(zhǔn)如下：1)剔除ST/PT類、金融類上市公司；2)為了滿足計(jì)算股價(jià)崩盤風(fēng)險(xiǎn)的要求，剔除每年中的交易周數(shù)少于30周的樣本；3)在計(jì)算機(jī)構(gòu)投資者信息挖掘能力差異程度指標(biāo)時(shí)，剔除某一年度中未有機(jī)構(gòu)持股的股票；4)剔除持股的機(jī)構(gòu)投資者基金經(jīng)理業(yè)績(jī)排名資料缺失的股票.研究數(shù)據(jù)的時(shí)間序列頻率為年度，由于我國(guó)機(jī)構(gòu)投資者數(shù)據(jù)僅在半年報(bào)和年報(bào)中披露全部數(shù)據(jù)，為充分考慮機(jī)構(gòu)投資者信息能力的差異，選擇使用半年報(bào)和年報(bào)數(shù)據(jù)，將指標(biāo)求算術(shù)平均值將其整合為年度數(shù)據(jù).

經(jīng)過(guò)篩選，最終得到樣本股票976只，合計(jì)10 736個(gè)“公司—年度”觀測(cè)數(shù)據(jù).所有股價(jià)崩盤風(fēng)險(xiǎn)計(jì)算數(shù)據(jù)、公司財(cái)務(wù)數(shù)據(jù)均來(lái)自國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)；機(jī)構(gòu)投資者數(shù)據(jù)，包括基金經(jīng)理業(yè)績(jī)排名等數(shù)據(jù)，來(lái)自WIND數(shù)據(jù)庫(kù)并經(jīng)手工整理得到.此外對(duì)連續(xù)變量進(jìn)行了上下1%的WINSORIZE縮尾處理，以避免極端值影響.

2.2 變量設(shè)計(jì)

2.2.1 機(jī)構(gòu)投資者信息挖掘能力差異程度

機(jī)構(gòu)投資者對(duì)于信息的獲取和挖掘，很難通過(guò)直觀的指標(biāo)來(lái)量化.因此直接構(gòu)建機(jī)構(gòu)投資者信息挖掘能力指標(biāo)的難度較大.現(xiàn)有文獻(xiàn)對(duì)投資者信息能力的度量主要采用行為類指標(biāo)，比如馮旭南[21]使用百度搜索指數(shù)代表投資者信息能力，認(rèn)為搜索行為可以刻畫投資者的信息獲取能力.丁慧等[22]以我國(guó)上證e互動(dòng)平臺(tái)的上市公司與投資者的互動(dòng)情況作為投資者的信息能力度量指標(biāo).與以往文獻(xiàn)不同，本研究更加直接聚焦機(jī)構(gòu)投資者信息挖掘能力上的個(gè)體差異性，但是由機(jī)構(gòu)投資者決策行為結(jié)果逆向反映出來(lái)的指標(biāo)并不能很好地用來(lái)衡量信息挖掘能力差異性.

已有研究者從不同維度對(duì)機(jī)構(gòu)投資者的信息處理能力的度量進(jìn)行了嘗試.首先，是投資經(jīng)驗(yàn)方面，基金經(jīng)理的投資經(jīng)驗(yàn)在共同基金表現(xiàn)中的重要作用，一個(gè)經(jīng)驗(yàn)豐富的基金經(jīng)理任期更長(zhǎng)則投資業(yè)績(jī)更好.機(jī)構(gòu)投資者從事股票投資業(yè)務(wù)的時(shí)間越長(zhǎng)，其投資經(jīng)驗(yàn)越豐富，越能在混雜的信息中提煉出與投資組合相關(guān)的信息.其次，投資集中度方面，有研究發(fā)現(xiàn)機(jī)構(gòu)投資者構(gòu)建的投資組合中，籌碼越集中于某只股票，則擁有該股票的有效信息越多[13].因?yàn)楫?dāng)投資組合更加集中時(shí)，由于存在既定的信息成本以及更高的投資風(fēng)險(xiǎn)，投資者會(huì)更有動(dòng)力去了解組合中的股票，具有一定的優(yōu)勢(shì)信息.再次，機(jī)構(gòu)投資者業(yè)績(jī)表現(xiàn)方面，基金經(jīng)理業(yè)績(jī)排名會(huì)起到較好的度量效果.業(yè)績(jī)排名作為一種“錦標(biāo)賽制度”可以有效制約、激勵(lì)基金經(jīng)理的投資行為，降低委托代理成本.在排名制度的約束下，由于薪酬晉升、行業(yè)聲譽(yù)的壓力，基金經(jīng)理會(huì)努力進(jìn)行市場(chǎng)和公司信息的調(diào)研分析，在充分信息基礎(chǔ)上做出投資決策.最后，在信息調(diào)研方面，機(jī)構(gòu)投資者相較于個(gè)體投資者，具有顯著優(yōu)勢(shì)的信息行為是對(duì)上市公司的實(shí)地調(diào)研.相較于被動(dòng)地從上市公司獲取公開(kāi)信息，機(jī)構(gòu)投資者通過(guò)實(shí)地調(diào)研能帶來(lái)更多的有效信息.無(wú)論是通過(guò)與上市公司的訪談，還是實(shí)地參觀公司生產(chǎn)經(jīng)營(yíng)情況，都會(huì)使機(jī)構(gòu)投資者獲得可靠的第一手信息[32].

綜合以上分析，本研究首先從投資經(jīng)驗(yàn)、投資集中度、基金經(jīng)理排名和實(shí)地調(diào)研次數(shù)4個(gè)維度衡量樣本股票的持股機(jī)構(gòu)投資者信息挖掘能力差異性，然后通過(guò)熵值賦權(quán)法對(duì)4個(gè)系列指標(biāo)進(jìn)行集成優(yōu)化，最終得到機(jī)構(gòu)投資者的信息挖掘能力差異程度指標(biāo).具體分兩個(gè)步驟進(jìn)行.

第一步，從以下4個(gè)維度對(duì)機(jī)構(gòu)投資者的信息挖掘能力的差異性進(jìn)行測(cè)算.

a)投資經(jīng)驗(yàn)差異性(DiffeExp)，具體定義為持有樣本股i的機(jī)構(gòu)投資者自成立至樣本期的天數(shù).為了消除測(cè)量尺度和量綱的影響，計(jì)算機(jī)構(gòu)投資者的成立天數(shù)的原始數(shù)據(jù)標(biāo)準(zhǔn)差與均值之比，得到變異系數(shù)(coefficient of variation)，作為投資經(jīng)驗(yàn)差異性的度量指標(biāo).

b)投資集中度差異性(DiffeFocu)，定義為機(jī)構(gòu)投資者投資組合中持股分布的赫芬達(dá)爾指數(shù)(HHI)的變異系數(shù)，具體公式為

(1)

式中institutionalij表示機(jī)構(gòu)投資者j期末持有股票i的市值;institutionalj表示機(jī)構(gòu)投資者j期末持有投資組合的總市值.

c)基金經(jīng)理業(yè)績(jī)排名差異性(DiffeMana)，通過(guò)收集持股機(jī)構(gòu)投資者的基金經(jīng)理的年度基金業(yè)績(jī)排名，并計(jì)算樣本股票i的持股機(jī)構(gòu)投資者基金經(jīng)理排名的變異系數(shù)來(lái)度量基金經(jīng)理排名差異程度.由于基金經(jīng)理業(yè)績(jī)排名的基金總數(shù)每年都在變化，并且每位基金經(jīng)理的操盤基金數(shù)量不等.所以對(duì)基金經(jīng)理業(yè)績(jī)排名遵循以下公式進(jìn)行轉(zhuǎn)換.

(2)

d)機(jī)構(gòu)投資者實(shí)地調(diào)研次數(shù)差異性(DiffeInve).利用深交所和上交所的投資者互動(dòng)平臺(tái)、上市公司網(wǎng)站的投資者關(guān)系管理板塊披露的機(jī)構(gòu)投資者調(diào)研信息，通過(guò)手工搜集整理，獲得機(jī)構(gòu)投資者對(duì)樣本公司i的實(shí)地調(diào)研次數(shù)，并計(jì)算所有機(jī)構(gòu)投資者年度調(diào)研次數(shù)的變異系數(shù)，作為DiffeInve的度量指標(biāo).

第二步，對(duì)獲得的指標(biāo)a)～指標(biāo)b)進(jìn)行熵值賦權(quán)法集成優(yōu)化，獲得機(jī)構(gòu)投資者信息能力差異的綜合度量指標(biāo)(DiffCapa).具體處理過(guò)程如下.

1)由于對(duì)每一只樣本股票共有n個(gè)維度的系列指標(biāo)來(lái)衡量其持股機(jī)構(gòu)投資者信息挖掘能力的差異程度，這里n=4，也即指標(biāo)a)～指標(biāo)d).每個(gè)指標(biāo)的觀測(cè)值容量為m，也即樣本時(shí)間段容量.首先構(gòu)建m×n判斷矩陣，將判斷矩陣做矩陣歸一化處理，得到歸一化判斷矩陣D=(dij)m×n.

3)根據(jù)熵的定義，計(jì)算第j項(xiàng)指標(biāo)的熵為

j=1,…,n

(3)

4)計(jì)算不同評(píng)價(jià)指標(biāo)a)～指標(biāo)d)的熵權(quán)，即權(quán)重

(4)

5)最后，求得樣本股票的指標(biāo)判斷矩陣與權(quán)重向量乘積，得到集成后的機(jī)構(gòu)投資者信息挖掘能力差異程度指標(biāo)

DiffCapa=W×D=Wj×(dij)m×n

(5)

2.2.2 股價(jià)崩盤風(fēng)險(xiǎn)

針對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的度量，目前主要有兩種思路：一種是Chen 等[14]、Kim 等[4]的方法，使用經(jīng)市場(chǎng)收益調(diào)整的負(fù)偏態(tài)系數(shù)(negative coefficient of skewness)、股票周收益率上下波動(dòng)的比率(down-to-up volatility).這兩個(gè)指標(biāo)也被很多國(guó)內(nèi)研究者采用，比如史永和李思昊[2]，陳新春等[26].另外一種是Chang等[33]利用月度二元變量方法刻畫股價(jià)崩盤風(fēng)險(xiǎn)，也有部分國(guó)內(nèi)學(xué)者采用這種方法度量股價(jià)崩盤風(fēng)險(xiǎn)[22].這兩種方法各有優(yōu)勢(shì)：第一種方法所計(jì)算的指標(biāo)為連續(xù)市場(chǎng)數(shù)據(jù)，但頻率僅為年度；第二種方法頻率為月度數(shù)據(jù)，但使用“0-1”二元啞變量衡量股價(jià)崩盤風(fēng)險(xiǎn)，數(shù)據(jù)信息丟失比較多.總體來(lái)說(shuō)，多數(shù)學(xué)者采用第一種度量方法.所以本研究在基礎(chǔ)實(shí)證中的股價(jià)崩盤風(fēng)險(xiǎn)度量選用以下兩個(gè)指標(biāo)：經(jīng)市場(chǎng)收益調(diào)整的負(fù)偏態(tài)系數(shù)，記為NCSKEW；股票周收益率上下波動(dòng)比率，記為DUVOL.在穩(wěn)健性檢驗(yàn)部分，采用第二種思路，使用二元啞變量方法重新度量股價(jià)崩盤風(fēng)險(xiǎn)，進(jìn)行穩(wěn)健性檢驗(yàn).NCSKEW和DUVOL的計(jì)算過(guò)程如下.

首先，計(jì)算股票i的周特質(zhì)收益率Wi,t，根據(jù)模型(6)將股票i第t周考慮現(xiàn)金紅利再投資的收益率對(duì)以A股所有股票為市場(chǎng)組合的第t周按流通市值加權(quán)的收益率進(jìn)行回歸

Ri,t=αi+β1Rm,t-2+β2Rm,t-1+β3Rm,t+

β4Rm,t+1+β5Rm,t+2+εi,t

(6)

式中Ri,t是股票i第t周考慮現(xiàn)金紅利再投資的收益率;Rm,t是以滬深300指數(shù)第t周收益率.進(jìn)一步考慮到股票非同步性交易的影響，模型(6)中控制了Rm,t的滯后項(xiàng)和超前項(xiàng)各兩期數(shù)據(jù).殘差εi,t表示收益率中未被市場(chǎng)解釋的部分，其值越大，說(shuō)明股票收益率偏離市場(chǎng)的程度越大，股票i在第t周的特質(zhì)收益率為Wi,t=ln(1+εi,t).

其次，在此基礎(chǔ)上構(gòu)建負(fù)收益偏態(tài)系數(shù)NCSKEW和收益上下波動(dòng)比率DUVOL

(7)

式中n表示公司股票i在1年中交易的周數(shù).NCSKEW越大，說(shuō)明股價(jià)崩盤風(fēng)險(xiǎn)越大.

(8)

式中nup、ndown表示股票i的周特質(zhì)收益率高于(低于)股票i的年平均收益的周數(shù).根據(jù)股票i周特質(zhì)收益率與股票i年平均收益率大小的比較，收益狀態(tài)可分為“上漲(up)”和“下降(down)”兩種，所以DUVOL越大則股價(jià)崩盤風(fēng)險(xiǎn)越大.

2.2.3 機(jī)構(gòu)投資者羊群行為

目前機(jī)構(gòu)投資者羊群行為的測(cè)度方法主要參考Lakonishok 等[34]提出的經(jīng)典LSV模型及LSV衍生模型.他們的測(cè)度思路被國(guó)內(nèi)學(xué)者廣泛采用[35, 36].本研究亦采取這一思路，公式如下

Herdi,t=|pi,t-E(pi,t)|-E|pi,t-E(pi,t)|

(9)

式中pi,t為在t季度增持樣本股票i的機(jī)構(gòu)投資者占所有持有股票i的機(jī)構(gòu)投資者的比例；E(pi,t)為同時(shí)期增持股票i的機(jī)構(gòu)投資者占持有股票i的機(jī)構(gòu)投資者比例的期望值，一般來(lái)說(shuō)，E(pi,t)使用在同時(shí)間段樣本股票i所在行業(yè)的全部上市公司股票的機(jī)構(gòu)投資者比例的均值來(lái)代替；|pi,t-E(pi,t)|反映了機(jī)構(gòu)投資者在t季度對(duì)樣本股票買賣的不平衡性；E|pi,t-E(pi,t)|為調(diào)整型.只有當(dāng)對(duì)股票i的買賣到達(dá)一定程度的不平衡時(shí)，才認(rèn)為存在羊群行為.所以在機(jī)構(gòu)投資者的交易行為相互獨(dú)立時(shí)，理論上Herdi,t的值應(yīng)該為0，當(dāng)其值不為0時(shí)認(rèn)為針對(duì)股票i存在羊群行為，并且Herdi,t越大，則羊群行為越顯著.

另外需要說(shuō)明兩點(diǎn)：其一，根據(jù)公式(9)計(jì)算出的指標(biāo)為季度數(shù)據(jù)，為了跟股價(jià)崩盤風(fēng)險(xiǎn)數(shù)據(jù)頻率保持一致，樣本股的Herdi,t指標(biāo)計(jì)算出來(lái)后，要將4個(gè)季度之和取算術(shù)平均值得到年度數(shù)據(jù)；其二，盡管有研究認(rèn)為L(zhǎng)SV測(cè)度方法只關(guān)注了羊群行為的強(qiáng)度，并沒(méi)有區(qū)分買入賣出的方向.但本研究關(guān)注機(jī)構(gòu)投資者信息挖掘能力的差異性對(duì)羊群行為的強(qiáng)度的影響，并不區(qū)分其買賣方向，所以在羊群行為指標(biāo)設(shè)計(jì)上忽略交易方向.

2.2.4 控制變量

股價(jià)崩盤風(fēng)險(xiǎn)還會(huì)受到其他多種因素的影響，如果遺漏這些因素可能會(huì)造成模型中變量的內(nèi)生性問(wèn)題.這些因素總結(jié)起來(lái)主要分為兩大類：股價(jià)交易數(shù)據(jù)類指標(biāo)和上市公司財(cái)務(wù)狀況類指標(biāo).Chen等[14]的研究表明股價(jià)日常波動(dòng)水平的升高會(huì)增加股價(jià)崩盤的概率，同時(shí)部分上市公司的截面特征，比如規(guī)模、賬面市值比不同的公司股票，其股價(jià)崩盤風(fēng)險(xiǎn)也會(huì)有差異.Kim和Zhang[36]發(fā)現(xiàn)上市公司的財(cái)務(wù)狀況惡化往往預(yù)示了未來(lái)股價(jià)崩盤風(fēng)險(xiǎn)的發(fā)生，而那些盈利情況較好的上市公司的股價(jià)崩盤風(fēng)險(xiǎn)也相對(duì)較低.為了更好地控制這些影響因素，加入如下7個(gè)控制變量：1)周特質(zhì)收益率的平均值(Rett)；2)周特質(zhì)收益率的標(biāo)準(zhǔn)差(Sigmat)；3)個(gè)股月超額平均換手率(Dturnt)，計(jì)算樣本股票當(dāng)年的月平均換手率與去年的月平均換手率之差，所用是經(jīng)過(guò)了去趨勢(shì)處理后的股票換手率；4)企業(yè)規(guī)模(Sizet)：上市公司期末總資產(chǎn)的自然對(duì)數(shù)；5)資產(chǎn)負(fù)債率(Levt)，上市公司期末負(fù)債總額與資產(chǎn)總額的比值；6)賬面市值比(BMt)，總市值額除以凈資產(chǎn)；7)總資產(chǎn)收益率(Roat)，凈利潤(rùn)與總資產(chǎn)的比值.這7個(gè)控制變量中，前3個(gè)屬于股票交易數(shù)據(jù)類控制變量，后4個(gè)屬于上市公司財(cái)務(wù)狀況類控制變量.

2.3 回歸模型

首先，構(gòu)建面板回歸模型作為實(shí)證研究的基礎(chǔ)模型，即

NCSKEWi,t(DUVOLi,t)=α1+β1DiffCapai,t+

β2NCSKEWi,t-1(DUVOLi,t-1)+θk∑Controli,t+

∑Industry+∑Year+εi,t

(10)

式中NCSKEWi,t、DUVOLi,t是衡量股價(jià)崩盤風(fēng)險(xiǎn)的被解釋變量；DiffCapai,t為樣本股票i的持股機(jī)構(gòu)投資者的信息挖掘能力指標(biāo)；NCSKEWi,t、DUVOLi,t-1是滯后1期的被解釋變量，為了防止趨勢(shì)性對(duì)結(jié)果的干擾而加入的；Controli,t為系列控制變量，包括考慮到行業(yè)和年度不隨時(shí)間變化的因素而加入的行業(yè)和年度虛擬變量，以控制行業(yè)和年度固定效應(yīng).

對(duì)模型和數(shù)據(jù)的匹配問(wèn)題處理如下:首先選擇合適的面板數(shù)據(jù)處理模型,經(jīng)Hausman檢驗(yàn)發(fā)現(xiàn)應(yīng)該選擇固定效應(yīng)模型(p<0.01).其次，為了避免面板數(shù)據(jù)異方差與序列相關(guān)的問(wèn)題，以公司為聚類變量對(duì)所有回歸模型的標(biāo)準(zhǔn)誤進(jìn)行了聚類調(diào)整.

其次，參照方杰等[37]的方法，分三步構(gòu)建如下多重鏈?zhǔn)街薪樾?yīng)檢驗(yàn)?zāi)Ｐ停鳛樘接憴C(jī)構(gòu)投資者羊群行為是否在其信息挖掘能力差異性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響中起到了中介作用.

1)首先根據(jù)模型(10)的回歸結(jié)果，判斷DiffCapai,t對(duì)NCSKEWi,t(DUVOLi,t)的影響是否顯著，如果顯著，則繼續(xù)進(jìn)行后續(xù)步驟.

2)構(gòu)建DiffCapai,t對(duì)羊群行為變量(Herdi,t)的影響模型

Herdi,t=α2+μ1DiffCapai,t+

∑μkcontroli,t+γi,t

(11)

3)構(gòu)建DiffCapai,t、Herdi,t和NCSKEWi,t(DUVOLi,t)的中介效應(yīng)模型

NCSKEWi,t(DUVOLi,t)=α3+ρ1DiffCapai,t+

ρ2Herdi,t+∑ρkcontroli,t+vi,t

(12)

基于以上3個(gè)步驟，判斷機(jī)構(gòu)投資者的信息挖掘能力差異程度，是否通過(guò)影響其羊群行為，進(jìn)而影響股價(jià)崩盤風(fēng)險(xiǎn).在保證模型(10)中β1顯著的前提下，模型(11)中的μ1必須顯著，模型(12)中ρ2也必須顯著，才能證明羊群行為在其中起到了中介效應(yīng).在此前提下，繼續(xù)觀察模型(12)回歸結(jié)果中的ρ1情況：若ρ1不顯著，說(shuō)明羊群行為起到完全的中介作用；若ρ1也同時(shí)顯著，則說(shuō)明羊群行為只起到了部分中介作用.

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)分析

表1報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果，可以發(fā)現(xiàn)各個(gè)變量的J-B統(tǒng)計(jì)量都非常顯著，拒絕正態(tài)分布假設(shè).ISP單位根檢驗(yàn)結(jié)果表明所有變量都拒絕面板單位根的原假設(shè)，并均在1%的水平上顯著.NCSKEW和DUVOL均值分別為-0.367、-0.296，中位數(shù)分別為-0.411、-0.205，兩者峰度左偏明顯，其均值與中位數(shù)均在合理范圍內(nèi)，而且兩個(gè)指標(biāo)具有很好的一致性.從標(biāo)準(zhǔn)差來(lái)看，兩者分別為0.900和0.633，說(shuō)明樣本之間的股價(jià)崩盤風(fēng)險(xiǎn)水平有較大差異.反映機(jī)構(gòu)投資者信息挖掘能力差異性的指標(biāo)DiffCapa標(biāo)準(zhǔn)差為0.514，說(shuō)明機(jī)構(gòu)投資者之間信息挖掘能力的差異性較明顯.

表1 變量描述性統(tǒng)計(jì)

對(duì)主要變量進(jìn)行相關(guān)性分析，限于篇幅省略的結(jié)果報(bào)告表明，衡量股價(jià)崩盤風(fēng)險(xiǎn)的兩個(gè)指標(biāo)：NCSKEW、DUVOL的Pearson相關(guān)系數(shù)、Spearman相關(guān)系數(shù)分別為0.912、0.922，二者的一致性較好，均在1%的水平上顯著.DiffCapa與NCSKEW、DUVOL也呈現(xiàn)顯著的負(fù)相關(guān)性.另外為了防止可能存在的多重共線性，計(jì)算各變量的方差膨脹因子(VIF)，結(jié)果表明所有自變量的VIF均值都小于2，最大值僅為3.11，可以排除多重共線性的影響.

將DiffCapa按照其均值劃分為信息能力差異高、低兩組，運(yùn)用均值T檢驗(yàn)與中位數(shù)Wilxcon符號(hào)秩檢驗(yàn)做差異性的顯著性檢驗(yàn).表2的結(jié)果表明，低差異組的兩個(gè)股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)NCSKEW、DUVOL，均顯著高于高差異組，初步說(shuō)明機(jī)構(gòu)投資者信息能力的差異程度與股價(jià)崩盤風(fēng)險(xiǎn)存在負(fù)相關(guān)關(guān)系.

表2 單變量檢驗(yàn)結(jié)果

3.2 機(jī)構(gòu)投資者信息挖掘能力差異對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響

表3報(bào)告了機(jī)構(gòu)投資者信息挖掘能力差異程度與股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果.在控制了系列控制變量及行業(yè)、年度效應(yīng)后，利用衡量機(jī)構(gòu)投資者信息挖掘能力差異程度的指標(biāo)DiffCapa，分別與NCSKEW、DUVOL進(jìn)行回歸分析，并控制NCSKEW和DUVOL的滯后1期變量.從表3回歸結(jié)果來(lái)看，DiffCapa與NCSKEW、DUVOL均呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系.總體來(lái)說(shuō)，機(jī)構(gòu)投資者信息能力上的差距越大，越能夠降低公司股價(jià)崩盤風(fēng)險(xiǎn).這一結(jié)果拒絕了H1a，H1b得到驗(yàn)證.

表3 機(jī)構(gòu)投資者信息挖掘能力差異程度對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響

在控制變量方面，Sigma與NCSKEW、DUVOL顯著性正相關(guān)，說(shuō)明比較劇烈的股價(jià)波動(dòng)水平可以預(yù)測(cè)股價(jià)崩盤風(fēng)險(xiǎn)的增加.Size與NCSKEW、DUVOL顯著負(fù)相關(guān)，說(shuō)明規(guī)模大的公司的股價(jià)崩盤風(fēng)險(xiǎn)相對(duì)較低.滯后1期的NCSKEW、DUVOL與當(dāng)期股價(jià)崩盤風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)，說(shuō)明股價(jià)崩盤風(fēng)險(xiǎn)存在一定的反轉(zhuǎn)效應(yīng).財(cái)務(wù)指標(biāo)類控制變量中，Lev和BM分別呈現(xiàn)顯著的正向和負(fù)向回歸關(guān)系，說(shuō)明資產(chǎn)負(fù)債率越高以及市值賬面比越低，則股價(jià)崩盤風(fēng)險(xiǎn)越大.這些與現(xiàn)有文獻(xiàn)觀點(diǎn)基本一致.

3.3 牛熊市不同的市場(chǎng)狀態(tài)下的差異性分析

股價(jià)崩盤風(fēng)險(xiǎn)衡量變量是年度指標(biāo)，考慮到指標(biāo)頻率的匹配性，我們借鑒許年行等[35]所使用的市場(chǎng)指數(shù)收益法，以滬深300指數(shù)的年度收益率減去金融市場(chǎng)同年度無(wú)風(fēng)險(xiǎn)收益，用兩者之差表示市場(chǎng)超額收益率，其中無(wú)風(fēng)險(xiǎn)收益率用同期同檔次國(guó)債收益率表示.如果市場(chǎng)超額收益為正即為牛市，反之則為熊市.在樣本期間內(nèi)，2008年、2010年、2011年、2013年、2015年、2016年為熊市區(qū)間，2007年、2009年、2012年、2014年、2017年為牛市區(qū)間.使用模型(10)進(jìn)行分組回歸，表4報(bào)告了分組回歸結(jié)果的對(duì)比結(jié)果.可以發(fā)現(xiàn)，牛市中機(jī)構(gòu)投資者信息挖掘能力差異程度與股價(jià)崩盤風(fēng)險(xiǎn)的負(fù)向關(guān)系并不顯著，而熊市中二者呈現(xiàn)較為顯著負(fù)向關(guān)系，即機(jī)構(gòu)投資者之間信息能力差異越大則股價(jià)崩盤風(fēng)險(xiǎn)越小，H2得到驗(yàn)證.

表4 牛、熊市中機(jī)構(gòu)投資者信息挖掘能力差異對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響的差異性

3.4 羊群行為的中介效應(yīng)

很多文獻(xiàn)都指出我國(guó)機(jī)構(gòu)投資者普遍存在明顯的羊群行為，這種羊群行為增加了股票價(jià)格崩盤風(fēng)險(xiǎn).但也有學(xué)者提出了不同的觀點(diǎn)，比如郭白瀅和李瑾[27]發(fā)現(xiàn)基金網(wǎng)絡(luò)中的信息共享有助于機(jī)構(gòu)投資者形成準(zhǔn)確的股價(jià)預(yù)期，反而減少了羊群行為，降低了股價(jià)波動(dòng)水平.前面的研究卻發(fā)現(xiàn)，機(jī)構(gòu)投資者之間的信息挖掘能力的差異，能夠起到緩解股價(jià)崩盤風(fēng)險(xiǎn)的作用.可能的解釋是，這種信息挖掘能力差異性的存在，使得機(jī)構(gòu)投資者獲得的信息集合不同，或者即使面對(duì)同樣信息集合，也有可能采取差異化的投資策略和行為，降低了羊群效應(yīng)進(jìn)而緩解了股價(jià)崩盤風(fēng)險(xiǎn)，這也是H3的觀點(diǎn).接下來(lái)利用多重鏈?zhǔn)街薪樾?yīng)檢驗(yàn)?zāi)Ｐ蛠?lái)分析機(jī)構(gòu)投資者的信息挖掘能力的差異程度是否緩解了其羊群行為，形成了多樣化的決策，進(jìn)而降低了股價(jià)崩盤風(fēng)險(xiǎn).對(duì)模型(11)、模型(12)進(jìn)行回歸分析的結(jié)果如表5所示.

表5中第2列為機(jī)構(gòu)投資者羊群行為變量Herd受信息挖掘能力差異程度DiffCapa影響的回歸結(jié)果，可以發(fā)現(xiàn)兩者呈現(xiàn)顯著的負(fù)向回歸關(guān)系，說(shuō)明機(jī)構(gòu)投資者信息挖掘能力差異越大，其羊群行為程度越低.在第3列中加入了系列控制變量后，盡管回歸系數(shù)有所降低，但負(fù)向回歸關(guān)系仍然通過(guò)了1%的顯著性水平檢驗(yàn).第4列、第5列是模型(12)的回歸結(jié)果，可以發(fā)現(xiàn)把股價(jià)崩盤風(fēng)險(xiǎn)NCSKEW和DUVOL作為被解釋變量，并同時(shí)考慮DiffCapa和Herd的影響時(shí)，Herd的系數(shù)顯著為正，說(shuō)明羊群行為的降低會(huì)減緩股價(jià)崩盤風(fēng)險(xiǎn).但同時(shí)，DiffCapa負(fù)向回歸關(guān)系仍然通過(guò)了顯著性檢驗(yàn)，說(shuō)明Herd確實(shí)在DiffCapa影響股價(jià)崩盤風(fēng)險(xiǎn)中起到中介作用，然而這種中介作用并不完全，DiffCapa本身也可以直接影響股價(jià)崩盤風(fēng)險(xiǎn).

表5 羊群行為的中介效應(yīng)檢驗(yàn)

總之，在考慮機(jī)構(gòu)投資者信息挖掘能力的個(gè)體差異基礎(chǔ)上，信息挖掘能力多樣化的機(jī)構(gòu)投資者可以起到穩(wěn)定股價(jià)的作用.這些結(jié)論也從機(jī)構(gòu)投資者個(gè)體的視角出發(fā)，充分考慮信息處理能力的異質(zhì)性情境，提出了與文獻(xiàn)[27]結(jié)論不同的思考方向.

3.5 環(huán)境變量的調(diào)節(jié)效應(yīng)

為檢驗(yàn)H4，也即上市公司所處內(nèi)外部環(huán)境是否會(huì)對(duì)DiffCapa影響NCSKEW、DUVOL關(guān)系的調(diào)節(jié)作用，選取3個(gè)度量變量進(jìn)行進(jìn)一步實(shí)證分析.1)地區(qū)制度環(huán)境方面，參考樊綱編制的《中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告(2016)》，采用報(bào)告中市場(chǎng)化總指數(shù)(Market)反映上市公司所處地區(qū)的制度環(huán)境.由于報(bào)告中的時(shí)間區(qū)間為2008年～2014年，所以采用平均增長(zhǎng)率的方式推算出樣本時(shí)間區(qū)間中缺失年份的數(shù)據(jù)，分別在模型(10)中加入Markett與交互項(xiàng)Markett×DiffCapat進(jìn)行分析.2)公司治理水平方面，選擇上市公司獨(dú)立董事比例(Independent)為公司治理的代理變量，在模型(10)中分別加入Independentt與交互項(xiàng)Independentt×DiffCapat進(jìn)行實(shí)證分析.3)公司信息環(huán)境方面，以分析師關(guān)注度(Analyst)，即年度分析師跟蹤總數(shù)的自然對(duì)數(shù)作為上市公司信息環(huán)境的度量指標(biāo)，在模型(10)中分別加入Analystt與交互項(xiàng)Analystt×DiffCapat進(jìn)行分析.

表6是在加入內(nèi)外部環(huán)境調(diào)節(jié)變量后的回歸結(jié)果.可以發(fā)現(xiàn)，DiffCapa與NCSKEW、DUVOL的負(fù)向影響效應(yīng)仍然顯著，3個(gè)環(huán)境調(diào)節(jié)變量的回歸系數(shù)都通過(guò)了顯著性檢驗(yàn)，H4得到驗(yàn)證.進(jìn)一步加入交互項(xiàng)后，回歸模型解釋力度有所增強(qiáng)，NCSKEW、DUVOL對(duì)交互項(xiàng)的回歸結(jié)果均顯著為負(fù)，證明了上市公司良好的內(nèi)外部環(huán)境能夠加強(qiáng)DiffCapa與NCSKEW、DUVOL之間的負(fù)相關(guān)性，H4得到進(jìn)一步驗(yàn)證.

表6 內(nèi)外部環(huán)境變量的調(diào)節(jié)作用

4 穩(wěn)健性檢驗(yàn)

4.1 工具變量回歸檢驗(yàn)

一般來(lái)說(shuō)，內(nèi)生性問(wèn)題主要是由測(cè)度偏誤、遺漏變量和雙向因果關(guān)系等因素引起的.本研究所使用面板數(shù)據(jù)的固定效應(yīng)模型可以消除部分內(nèi)生性，但仍然需要更深入的內(nèi)生性探討，以保證結(jié)果的穩(wěn)健性.所有變量的計(jì)算基礎(chǔ)均為原始數(shù)據(jù)，出現(xiàn)衡量偏誤的可能性不大，所以遺漏變量、雙向因果很可能成為內(nèi)生性的主要來(lái)源.為了緩解內(nèi)生性的影響，前面實(shí)證部分已經(jīng)將自變量與控制變量使用滯后1期的數(shù)據(jù)納入了回歸模型，接下來(lái)繼續(xù)利用工具變量來(lái)對(duì)模型進(jìn)行2SLS檢驗(yàn).

參照Kim等[36]的思路，采用同年度同行業(yè)、同年度同地區(qū)的其他上市公司的持股機(jī)構(gòu)投資者信息挖掘能力差異的均值，作為工具變量并分別用Mean-YI和Mean-YD表示.選擇這兩個(gè)工具變量的原因有二：其一是這兩個(gè)變量滿足相關(guān)性的要求，因?yàn)橥甓韧袠I(yè)及同地區(qū)的公司面對(duì)相似的行業(yè)特征與外部環(huán)境，機(jī)構(gòu)投資者對(duì)上市公司的投資行為又包含著許多與行業(yè)、地區(qū)相關(guān)的軟信息[38]，因此這些公司之間的機(jī)構(gòu)投資者信息能力的差異性是存在相關(guān)性的.其二是Mean-YI和Mean-YD與具體樣本i的股價(jià)崩盤風(fēng)險(xiǎn)并無(wú)直接相關(guān)性.

表7報(bào)告了兩個(gè)工具變量Mean-YI和Mean-YD的兩階段回歸結(jié)果.可以發(fā)現(xiàn)，DiffCapa均與兩個(gè)工具變量顯著正相關(guān).與表3中的OLS回歸結(jié)果相比，DiffCapa與NCSKEW、DUVOL的負(fù)效應(yīng)仍然顯著.工具變量第一階段回歸得到的F值大于10，可以拒絕弱工具變量假設(shè).在過(guò)度識(shí)別Hansen J-statistic檢驗(yàn)中發(fā)現(xiàn)，所有p值均大于10%，說(shuō)明工具變量滿足外生性的要求.實(shí)證結(jié)果表明在控制內(nèi)生性以后，機(jī)構(gòu)投資者信息挖掘能力的差異程度與股價(jià)崩盤風(fēng)險(xiǎn)仍然顯著負(fù)相關(guān).

表7 工具變量2SLS回歸結(jié)果

4.2 傾向評(píng)分匹配(PSM)檢驗(yàn)

為進(jìn)一步解決內(nèi)生性問(wèn)題，利用PSM方法，對(duì)機(jī)構(gòu)投資者信息挖掘能力差異性與股價(jià)崩盤風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行重新檢驗(yàn).在所有樣本中，依照實(shí)驗(yàn)組上市公司的主要特征找到與之匹配的控制組公司，具體步驟如下.

1)選擇上市公司的特征變量，利用Logit模型計(jì)算機(jī)構(gòu)投資者信息挖掘能力差異性的指標(biāo)DiffCapa，其中選取的計(jì)算傾向匹配得分的特征包括總資產(chǎn)規(guī)模(Size)、資產(chǎn)負(fù)債率(Lev)、盈利能力(Loss)、總資產(chǎn)報(bào)酬率(Roa)、營(yíng)業(yè)收入同比增長(zhǎng)(Growth)、總資產(chǎn)周轉(zhuǎn)率(Ttm)、營(yíng)運(yùn)能力指標(biāo)(Ocf)；

2)基于Logit模型估計(jì)系數(shù)，估計(jì)樣本公司傾向得分；

3)采用最鄰近匹配法，以得分高低作為標(biāo)準(zhǔn)進(jìn)行匹配.匹配后計(jì)算實(shí)驗(yàn)組和控制組在股價(jià)崩盤風(fēng)險(xiǎn)上的平均處理效應(yīng)(ATT)，結(jié)果見(jiàn)表8.可以看出DiffCapa表現(xiàn)出差異程度越高則股價(jià)崩盤風(fēng)險(xiǎn)較低的規(guī)律，說(shuō)明機(jī)構(gòu)投資者信息挖掘能力的差異性明顯降低了股價(jià)崩盤風(fēng)險(xiǎn)，與前文結(jié)論一致.

表8 PSM檢驗(yàn)結(jié)果

4.3 主要變量衡量指標(biāo)的轉(zhuǎn)換

為了確保結(jié)果的穩(wěn)健性，對(duì)被解釋變量、解釋變量進(jìn)行度量方法的轉(zhuǎn)換.機(jī)構(gòu)投資者信息挖掘能力的差異程度方面，將4個(gè)分指標(biāo)：投資經(jīng)驗(yàn)差異性(DiffeExp)、投資集中度差異性(DiffeFocu)、基金經(jīng)理業(yè)績(jī)排名差異性(DiffeMana)、機(jī)構(gòu)投資者實(shí)地調(diào)研次數(shù)(DiffeInve)，通過(guò)主成分因子分析，獲得機(jī)構(gòu)投資者信息挖掘能力差異的度量指標(biāo)，用F-DiffCapa表示.具體過(guò)程如下：首先對(duì)4個(gè)變量進(jìn)行標(biāo)準(zhǔn)化處理以消除變量單位差異造成的影響.其次對(duì)4個(gè)標(biāo)準(zhǔn)化變量進(jìn)行主成分因子分析，其中主成分因子選取標(biāo)準(zhǔn)為各成分的累計(jì)方差解釋率大于85%.隨后對(duì)主成分以特征值為權(quán)重進(jìn)行加權(quán)平均，得到相應(yīng)因子負(fù)荷和信息挖掘能力差異的因子變量.樣本股票i的F-DiffCapa計(jì)算公式如下，其中主成分變量的系列系數(shù)λ為各變量因子負(fù)荷值

F-DiffCapai,t=λ1DiffeExpi,t+

λ2DiffFocusfi,t+λ3DiffManai,t+

λ4DiffInvei,t

(13)

股價(jià)崩盤風(fēng)險(xiǎn)度量方面，參考丁慧等[22]的方法，利用啞變量方法衡量，具體取值如下

(14)

最后，利用CRASH(ω)度量股價(jià)崩盤風(fēng)險(xiǎn)并采用Logit回歸，表9報(bào)告了結(jié)果.可以看出，被解釋變量不論CRASH(1.65)還是CRASH(2.25)，解釋變量F-DiffCapa的系數(shù)都為負(fù)值且至少通過(guò)了5%的顯著性水平檢驗(yàn)，再一次證明了結(jié)論的穩(wěn)健性.

表9 機(jī)構(gòu)投資者信息挖掘能力差異對(duì)股價(jià)崩盤風(fēng)險(xiǎn)啞變量回歸結(jié)果

5 結(jié)束語(yǔ)

近年來(lái)，機(jī)構(gòu)投資者的決策行為及其對(duì)股票市場(chǎng)的影響的文獻(xiàn)不在少數(shù)，但少有研究關(guān)注機(jī)構(gòu)投資者行為背后的信息邏輯基礎(chǔ).本研究利用2007年1月～2017年12月期間持續(xù)掛牌的滬深市場(chǎng)A股上市公司作為樣本，分析持股機(jī)構(gòu)投資者的信息挖掘能力的差異程度對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響效應(yīng)及其中介路徑.實(shí)證發(fā)現(xiàn)：1)持股的機(jī)構(gòu)投資者信息挖掘能力的差異程度越大，則能相對(duì)減緩股價(jià)崩盤風(fēng)險(xiǎn)，也即持股機(jī)構(gòu)投資者由于信息挖掘能力的差異，導(dǎo)致影響其決策并降低了股價(jià)崩盤風(fēng)險(xiǎn).2)利用多重鏈?zhǔn)街薪樾?yīng)檢驗(yàn)?zāi)Ｐ偷膶?shí)證發(fā)現(xiàn)，信息挖掘能力的差異程度增大會(huì)導(dǎo)致機(jī)構(gòu)投資者的羊群行為程度降低，并進(jìn)而緩解股價(jià)崩盤風(fēng)險(xiǎn)，盡管羊群行為在其中只起到了部分中介作用.3)在牛熊市不同的市場(chǎng)環(huán)境中，牛市中機(jī)構(gòu)投資者的信息挖掘能力差異對(duì)緩解股價(jià)崩盤風(fēng)險(xiǎn)水平相對(duì)較弱，而熊市環(huán)境中這種緩解效應(yīng)更加明顯.4)良好的上市公司內(nèi)外部環(huán)境不僅有利于機(jī)構(gòu)投資者形成正確的股票價(jià)值預(yù)期并有效降低股價(jià)崩盤的風(fēng)險(xiǎn)，也能增加機(jī)構(gòu)投資者信息挖掘能力差異性對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的緩解效應(yīng).

股價(jià)崩盤風(fēng)險(xiǎn)是近年來(lái)公司財(cái)務(wù)和資本市場(chǎng)研究的熱點(diǎn)領(lǐng)域之一，蘊(yùn)含在上市公司股價(jià)中的崩盤風(fēng)險(xiǎn)在特定外部事件的引發(fā)下，可能會(huì)演變成真正的公司危機(jī)，并影響公司實(shí)際生產(chǎn)經(jīng)營(yíng)活動(dòng).研究結(jié)論不僅拓展和豐富了現(xiàn)有對(duì)機(jī)構(gòu)投資者異質(zhì)性的思考維度和研究方向，也對(duì)如何降低股價(jià)崩盤風(fēng)險(xiǎn)提供了新的思路.我國(guó)資本市場(chǎng)處于新興階段，股價(jià)暴漲暴跌的現(xiàn)象時(shí)有發(fā)生，在超常規(guī)大力發(fā)展機(jī)構(gòu)投資者的戰(zhàn)略背景下，機(jī)構(gòu)投資者必將逐漸成為資本市場(chǎng)的中堅(jiān)力量.本研究從機(jī)構(gòu)投資者信息挖掘能力的差異為出發(fā)點(diǎn)，發(fā)現(xiàn)其能夠有效降低股票價(jià)格崩盤風(fēng)險(xiǎn).對(duì)監(jiān)管部門來(lái)說(shuō)，首先應(yīng)大力發(fā)展更多數(shù)量和更多類型的機(jī)構(gòu)投資者.其次，由于良好的信息環(huán)境、治理環(huán)境和制度環(huán)境有利于機(jī)構(gòu)投資者信息獲取和形成良好的預(yù)期，監(jiān)管部門應(yīng)完善相關(guān)法律法規(guī)，優(yōu)化上市公司的內(nèi)外部環(huán)境.最后，從上市公司角度看，應(yīng)該加強(qiáng)公司治理水平并完善信息披露制度，以有效降低股價(jià)崩盤風(fēng)險(xiǎn).