基于資產(chǎn)組合優(yōu)化的市場(chǎng)信息價(jià)值

錢甫成，何朝林

(安徽工程大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 蕪湖 241000)

新凱恩斯學(xué)派認(rèn)為，不完全信息經(jīng)濟(jì)比完全信息經(jīng)濟(jì)更具有現(xiàn)實(shí)性，信息不完全是因投資者自身認(rèn)知能力水平受限和市場(chǎng)本身無(wú)法披露足夠市場(chǎng)信息及有效配置等共同作用的結(jié)果，是資產(chǎn)組合優(yōu)化的重要研究?jī)?nèi)容之一。研究表明，信息不對(duì)稱通過(guò)影響投資者預(yù)期收益影響投資決策，導(dǎo)致資產(chǎn)收益波動(dòng)[1]。資產(chǎn)收益波動(dòng)的本質(zhì)之一是市場(chǎng)信息具有價(jià)值性，信息不對(duì)稱環(huán)境導(dǎo)致交易成本的變化對(duì)資產(chǎn)組合優(yōu)化產(chǎn)生顯著影響，降低投資效率。因此，有必要研究此情景下的市場(chǎng)信息價(jià)值與投資者財(cái)富期望效用之間的關(guān)系，以提升投資效率、助力金融市場(chǎng)健康發(fā)展。

在市場(chǎng)經(jīng)濟(jì)活動(dòng)中，投資者對(duì)相關(guān)信息掌握的程度決定其投資效率的差異，其中機(jī)構(gòu)投資者具有較高的投資效率[2]。這歸因于信息傳遞過(guò)程的非同步性與非同質(zhì)性，即所有市場(chǎng)相關(guān)信息無(wú)法準(zhǔn)確、及時(shí)地傳遞給每位投資者，且每位投資者并不具備相同的信息分析處理能力，信息不對(duì)稱問(wèn)題也是由此而來(lái)[3]。信息不對(duì)稱特征下的資產(chǎn)交易行為研究主要集中于信息不對(duì)稱與資產(chǎn)收益波動(dòng)之間的關(guān)系，信息不對(duì)稱對(duì)投資組合效率的影響兩方面。前者是從投資者情緒及其交易行為的角度出發(fā)，后者是從信息不對(duì)稱導(dǎo)致的交易成本考慮。宮汝凱[4]將投資者情緒與信息不對(duì)稱置于同一分析框架，考慮新信息注入過(guò)程中投資者情緒變化引發(fā)的過(guò)度自信，指出資產(chǎn)價(jià)格波動(dòng)是兩者共同作用的結(jié)果。這也一定程度說(shuō)明信息不對(duì)稱、投資者情緒與資產(chǎn)價(jià)格波動(dòng)三者之間的關(guān)系。Easley等[5]構(gòu)建了考慮信息差異性的資本資產(chǎn)定價(jià)模型，發(fā)現(xiàn)信息不對(duì)稱程度越大，投資者預(yù)期收益越高，進(jìn)而影響資產(chǎn)收益波動(dòng)。Rui 等[6]采用動(dòng)態(tài)理性預(yù)期模型探究信息不對(duì)稱環(huán)境下資產(chǎn)價(jià)格波動(dòng)的問(wèn)題，指出在相同風(fēng)險(xiǎn)條件下，知情者會(huì)增加風(fēng)險(xiǎn)資產(chǎn)需求，促使資產(chǎn)價(jià)格在短時(shí)間內(nèi)快速上漲；不知情者則盲目拋售風(fēng)險(xiǎn)資產(chǎn)，引起金融市場(chǎng)震蕩。這進(jìn)一步表明信息不對(duì)稱能夠造成資產(chǎn)收益率波動(dòng)，從而導(dǎo)致投資風(fēng)險(xiǎn)的不斷聚集。胡欣然等[7]以債券投資者為例，從信息不對(duì)稱理論以及委托-代理理論的視域下證實(shí)了該風(fēng)險(xiǎn)的存在。

2017年7月14日至15日，習(xí)近平總書記在全國(guó)金融工作會(huì)議上強(qiáng)調(diào)，金融是實(shí)體經(jīng)濟(jì)的血脈，要樹立質(zhì)量?jī)?yōu)先、效率至上的發(fā)展理念。由此，提升金融市場(chǎng)投資效率，防范金融風(fēng)險(xiǎn)逐步成為國(guó)內(nèi)學(xué)術(shù)界關(guān)注的焦點(diǎn)。王占浩等[8]從銀行理財(cái)產(chǎn)品剛性兌付形成機(jī)理的角度研究發(fā)現(xiàn)：剛性兌付能有效降低信息不對(duì)稱導(dǎo)致的交易成本，改善投資效率；銀行方面則進(jìn)一步利用與投資者之間的信息不對(duì)稱，增加其盈利收益。由此表明信息不對(duì)稱不僅影響投資者效率投資，也造成監(jiān)管層面存在的監(jiān)管漏洞。在信息不對(duì)稱與企業(yè)投資效率問(wèn)題上，謝偉峰等[9]將民營(yíng)企業(yè)作為研究對(duì)象，發(fā)現(xiàn)因經(jīng)濟(jì)政策不確定性而誘發(fā)的信息不對(duì)稱特征明顯加重企業(yè)非效率投資；作為能夠緩解信息不對(duì)稱的會(huì)計(jì)穩(wěn)健性治理機(jī)制，通過(guò)約束內(nèi)部管理者對(duì)信息的掩飾與及時(shí)對(duì)外披露企業(yè)重要決策信息，來(lái)改善信息不對(duì)稱對(duì)企業(yè)投資效率的消極影響。孫焱林等[10]基于賣空機(jī)制的準(zhǔn)自然實(shí)驗(yàn)，發(fā)現(xiàn)賣空機(jī)制的啟動(dòng)導(dǎo)致上市公司信息透明度增強(qiáng)并引起分析師更積極客觀地揭露公司信息，緩解公司內(nèi)外的信息不對(duì)稱，進(jìn)而降低非效率投資。

綜上認(rèn)為，研究投資者交易行為和投資效率等問(wèn)題應(yīng)考慮金融市場(chǎng)信息不對(duì)稱環(huán)境下的市場(chǎng)信息價(jià)值。當(dāng)前雖有學(xué)者指出信息不對(duì)稱是資產(chǎn)收益波動(dòng)及投資效率的主要影響因素，但主流還是認(rèn)為信息不對(duì)稱影響投資者交易行為，多從投資者情緒的視域予以研究，忽略了信息不對(duì)稱的本質(zhì)(市場(chǎng)信息是一種有價(jià)值的資源)。因此，參照Longo 等[11]完全信息投資與不完全信息投資的財(cái)富期望效用模型及Branger 等[12]、Whitt[13]的研究發(fā)現(xiàn)，利用初始財(cái)富差異來(lái)定義市場(chǎng)信息價(jià)值，構(gòu)建兩類投資者財(cái)富期望效用模型，在兩類投資者資產(chǎn)組合終期財(cái)富期望效用相等的情況下，以資產(chǎn)組合初始財(cái)富投入差異測(cè)度市場(chǎng)信息價(jià)值，分析市場(chǎng)信息價(jià)值與市場(chǎng)波動(dòng)、投資期及投資者風(fēng)險(xiǎn)規(guī)避程度的關(guān)系，以期為金融市場(chǎng)建設(shè)提供參考。

1 資產(chǎn)組合優(yōu)化的相關(guān)理論模型

1.1 資產(chǎn)價(jià)格及財(cái)富運(yùn)動(dòng)過(guò)程

設(shè)投資終期時(shí)刻為T(T＞0 )，初始財(cái)富為x的投資者交易兩種資產(chǎn)：收益固定為r的無(wú)風(fēng)險(xiǎn)資產(chǎn)(債券)；風(fēng)險(xiǎn)資產(chǎn)(股票)，其收益服從隨機(jī)擴(kuò)散過(guò)程(投資期內(nèi)無(wú)紅利支付或紅利再投資)。其價(jià)格過(guò)程P0(t)和Ps(t)可分別表示為：

其中：Zt為標(biāo)準(zhǔn)布朗運(yùn)動(dòng)；ut為瞬時(shí)期望收益；σt＞0，為收益的瞬時(shí)方差；ut，分別為風(fēng)險(xiǎn)資產(chǎn)價(jià)格行為隨機(jī)擴(kuò)散模型中的顯性可觀察變量和隱性潛在狀態(tài)變量。在連續(xù)時(shí)間下，瞬時(shí)收益的方差不受其過(guò)程均值不確定的影響，但瞬時(shí)期望收益受其過(guò)程均值不確定的影響。參照Lipster等[14]的研究，ut的變化可用如下微分方程表示。

其中vt(vt＞0)為瞬時(shí)期望收益的方差。結(jié)合式(1)，式(2)可轉(zhuǎn)化為

假設(shè)市場(chǎng)在連續(xù)時(shí)間下交易且無(wú)交易摩擦，投資者在t時(shí)刻投資風(fēng)險(xiǎn)資產(chǎn)的比例為θt，則投資無(wú)風(fēng)險(xiǎn)資產(chǎn)的比例為1-θt，由式(1)整理得投資者財(cái)富運(yùn)動(dòng)過(guò)程為

1.2 投資者行為模型

假設(shè)投資者偏好結(jié)構(gòu)為冪效用函數(shù)，投資者決策目標(biāo)為基于資產(chǎn)組合終期財(cái)富效用最大，則其資產(chǎn)組合優(yōu)化行為可表示為：

其中：W0=w，為初始財(cái)富；γ為投資者相對(duì)風(fēng)險(xiǎn)厭惡系數(shù)γ＞1 為風(fēng)險(xiǎn)厭惡型投資者，0 ＜γ＜1 為風(fēng)險(xiǎn)偏好型投資者(γ= 1時(shí)效用函數(shù)退化為對(duì)數(shù)效用函數(shù)，本文不予考慮)。

根據(jù)貝爾曼最優(yōu)化原理引入投資者t時(shí)刻的價(jià)值函數(shù)J(Wt,ut,t)求解式(5)中的最優(yōu)比例θt，記為θ*t。價(jià)值函數(shù)是投資者當(dāng)前財(cái)富、資產(chǎn)期望收益和時(shí)刻t的函數(shù)，則式(5)可等價(jià)轉(zhuǎn)化為

約束條件除Wt≠W0外，其他與式(5)同，同時(shí)滿足終值條件：

運(yùn)用隨機(jī)控制方法，在投資期內(nèi)價(jià)值函數(shù)須滿足優(yōu)化問(wèn)題對(duì)應(yīng)的哈密頓-雅可比-貝爾曼方程(Hamilton-Jacobi-Bellman equation，HJB方程)：

其中J表示函數(shù)對(duì)相應(yīng)的下標(biāo)求偏導(dǎo)數(shù)。將滿足式(7)，(8)的HJB 方程對(duì)θt求一階導(dǎo)數(shù)可獲得風(fēng)險(xiǎn)資產(chǎn)的最優(yōu)比例。

參照文獻(xiàn)[15-16]的推導(dǎo)過(guò)程，根據(jù)式(9)求解最優(yōu)解。因此，優(yōu)化后的目標(biāo)價(jià)值函數(shù)為

2 兩類投資者終期財(cái)富期望效用模型

假設(shè)風(fēng)險(xiǎn)市價(jià)λ≡u(píng)t/σt并服從N～(λ0,v0)，根據(jù)式(1)股票價(jià)格動(dòng)態(tài)過(guò)程可表示為

Brennan[17]研究表明，假設(shè)λ與Z相互獨(dú)立，不知情投資者通過(guò)觀察Xt=λdt+ dZt來(lái)過(guò)濾λ的價(jià)值，稱為標(biāo)準(zhǔn)卡爾曼濾波問(wèn)題，具體推導(dǎo)過(guò)程參見文獻(xiàn)[18]。由此獲得最優(yōu)解：

其中c≡1- 1γ。假設(shè)在t= 0 時(shí)被告知λ真實(shí)價(jià)值的完全信息投資者按默頓準(zhǔn)則進(jìn)行交易，結(jié)合式(10)獲得最優(yōu)目標(biāo)價(jià)值函數(shù)：

隨機(jī)參數(shù)λ服從N～(λ0,v0)，同理參照文獻(xiàn)[19]整合式(14)可得完全信息投資者最大終期財(cái)富期望效用：

為比較完全信息投資者與不完全信息投資者之間的財(cái)富期望效用差異，參照文獻(xiàn)[11]，假設(shè)完全信息投資者與不完全信息投資者均投資固定收益為r的無(wú)風(fēng)險(xiǎn)資產(chǎn)(債券)及價(jià)值過(guò)程如式(1)的風(fēng)險(xiǎn)資產(chǎn)(股票)，區(qū)別在于股票的瞬時(shí)期望收益u是一個(gè)隨機(jī)變量。根據(jù)式(13)，(15)整合得兩者最大終期財(cái)富期望效用分別為：

其中：VI(w;γ,T)為完全信息投資者的最大終期財(cái)富期望效用；VR(w;γ,T)為不完全信息投資者的最大終期財(cái)富期望效用。顯然，當(dāng)w＞0,γ＞0,T≥0時(shí)，VI與VR恒有

3 市場(chǎng)信息價(jià)值

通過(guò)觀察上述兩類投資者財(cái)富效用模型在相同約束條件下(w;γ,T)獲得的財(cái)富效用差異，參照文獻(xiàn)[13]對(duì)財(cái)務(wù)價(jià)值進(jìn)行定量評(píng)估的方法，運(yùn)用貝葉斯凱利準(zhǔn)則(Bayesian Kelly Criterion)量化不完全信息投資者與完全信息投資者同等財(cái)富期望效用下的初始財(cái)富差異(以比例形式表示)。根據(jù)兩種投資環(huán)境的本質(zhì)，該差異可視為市場(chǎng)信息在風(fēng)險(xiǎn)投資中的價(jià)值?；谑?16)，(17)兩類投資者初始財(cái)富差異C可表達(dá)為

解式(19)關(guān)于C的方程得

將φI，φR，φI，φR代入式(20)可得

將式(21)分別看作是關(guān)于v0，T，γ的函數(shù)，對(duì)其分別求一階導(dǎo)：

當(dāng)γ＞0，T≥0，v0＞0 時(shí)，恒有C＇(v0) ＞0，C＇(T) ＜0,C＇(γ) ＜0，即C(v0)在其定義域內(nèi)為單調(diào)遞增函數(shù)；C(T)與C(γ)在其定義域內(nèi)為單調(diào)遞減函數(shù)。由此可知：市場(chǎng)波動(dòng)越強(qiáng)，市場(chǎng)信息價(jià)值越高；投資期越長(zhǎng)，市場(chǎng)信息價(jià)值越低；投資者風(fēng)險(xiǎn)厭惡程度越高，市場(chǎng)信息價(jià)值越低。

4 實(shí)證研究

以上證綜指和深證成指為研究對(duì)象，基于式(21)從投資期T和風(fēng)險(xiǎn)厭惡系數(shù)γ變化的視角，量化信息在風(fēng)險(xiǎn)投資中的價(jià)值，探討該價(jià)值與投資期和風(fēng)險(xiǎn)厭惡系數(shù)變化之間的關(guān)系。具體來(lái)說(shuō)，在投資期一定的情況下，風(fēng)險(xiǎn)厭惡系數(shù)的大小對(duì)市場(chǎng)信息價(jià)值有何影響？在風(fēng)險(xiǎn)厭惡系數(shù)不變的情況下，投資期的長(zhǎng)短對(duì)市場(chǎng)信息價(jià)值有何影響？

4.1 研究樣本

風(fēng)險(xiǎn)資產(chǎn)以上證綜指與深證成指為代表，其收盤指數(shù)為其價(jià)格。2010年3月至2020年10月期間包括一個(gè)大牛市、牛市之后的熊市及中美貿(mào)易摩擦、COVID-19等不確定事件的沖擊，具有一定的代表性，故選取該區(qū)間連續(xù)復(fù)合月收益率序列為實(shí)證樣本。對(duì)于連續(xù)復(fù)合月收益率的計(jì)算，采取該月最后一個(gè)交易日的收盤價(jià)除以第一個(gè)交易日的收盤價(jià)并取其自然對(duì)數(shù)。2010 年3 月至2020 年10 月期間滬深兩市連續(xù)復(fù)合月收益率如圖1。

圖1 滬深兩市連續(xù)復(fù)合月收益率Fig.1 Composite monthly rate of return of Shanghai and Shenzhen stock markets

其中：上證綜指2010 年3 月至2020 年10 月共128 個(gè)連續(xù)復(fù)合月收益率序列的均值和方差分別為u1=-0.00141，v1= 0.003 43，簡(jiǎn)稱樣本1，代表滬市；深證成指2010 年3 月至2020 年10 月共128 個(gè)連續(xù)復(fù)合月收益率序列的均值和方差分別為u2= -0.002 28，v2= 0.005 06，簡(jiǎn)稱樣本2，代表深市。無(wú)風(fēng)險(xiǎn)資產(chǎn)選取2018年第四期儲(chǔ)蓄國(guó)債(電子式)，其持滿5年以上年利率為4.27%，折算成連續(xù)復(fù)合月收益率為[ ln(1+ 4.27%)]/12，故r= 0.003 48。依據(jù)資本市場(chǎng)線及資本資產(chǎn)定價(jià)模型(capital asset pricing model，CAPM)中對(duì)風(fēng)險(xiǎn)市場(chǎng)價(jià)格的定義，風(fēng)險(xiǎn)市價(jià)可表示為λ=(Rm-Rf)/σm，其中Rm表示市場(chǎng)平均收益率，σm表示市場(chǎng)收益率標(biāo)準(zhǔn)差，Rf表示無(wú)風(fēng)險(xiǎn)資產(chǎn)收益率。結(jié)合國(guó)內(nèi)市場(chǎng)歷史數(shù)據(jù)可知，滬深兩市的風(fēng)險(xiǎn)市價(jià)分別服從N～( 0.027 3,0.051 0 )，N～( 0.0211,0.059 6 )。原始數(shù)據(jù)來(lái)源于東方財(cái)富Choice金融終端和國(guó)泰安數(shù)據(jù)庫(kù)(CSMAR)。

4.2 實(shí)證結(jié)果與分析

時(shí)間以月為度量單位，設(shè)定投資期為30個(gè)月，并設(shè)定投資者不同風(fēng)險(xiǎn)厭惡程度，即不同的γ?；谑?21)結(jié)合上述相關(guān)數(shù)據(jù)在Matlab2021b 軟件編程下獲得滬深兩市整體市場(chǎng)信息月度價(jià)值三維圖像，結(jié)果如圖2，3。為便于觀察和分析，將滬市市場(chǎng)信息月度價(jià)值的三維圖像拆分為二維圖像，結(jié)果如圖2(b)，(c)。其中圖2(b)為風(fēng)險(xiǎn)厭惡視角；圖2(c)為投資期視角(深市拆分圖與滬市類似不再贅述)。

圖2 整體滬市市場(chǎng)信息月度價(jià)值Fig.2 Monthly value of overall Shanghai stock market information

分析圖1～3可得如下結(jié)論：

1)滬深兩市的市場(chǎng)信息價(jià)值存在差異，波動(dòng)較大的深市具有更高的市場(chǎng)信息價(jià)值。該結(jié)果與股票市場(chǎng)實(shí)際投資一致，當(dāng)市場(chǎng)波動(dòng)較大時(shí)，不確定因素充斥整個(gè)金融市場(chǎng)，投資過(guò)程中信息不對(duì)稱程度也較高，絕大部分投資者無(wú)法形成理性預(yù)期，導(dǎo)致其對(duì)市場(chǎng)信息需求信念的增加，從而使市場(chǎng)信息在風(fēng)險(xiǎn)投資中的價(jià)值體現(xiàn)愈發(fā)明顯，進(jìn)而引起投資成本的增加。這些額外成本彌補(bǔ)了因信息缺失造成的虧損，也可理解為獲取市場(chǎng)信息支付的財(cái)富，從而達(dá)到與知情投資者相同的財(cái)富期望效用水平。換言之，穩(wěn)定的金融市場(chǎng)通過(guò)降低投資者信息不對(duì)稱導(dǎo)致的交易成本提升財(cái)富效用水平，以提高投資效率。

2)對(duì)于滬深兩市中給定的風(fēng)險(xiǎn)厭惡系數(shù)γ，γ一定時(shí)，市場(chǎng)信息價(jià)值隨投資期T的增加而減少。隨著投資期的增加，市場(chǎng)信息得到不斷的披露與更新，投資者對(duì)未知風(fēng)險(xiǎn)的認(rèn)知能力逐步提升。這說(shuō)明投資者對(duì)金融市場(chǎng)歷史數(shù)據(jù)的自我學(xué)習(xí)能夠提高投資效率，此外長(zhǎng)期價(jià)值投資也是規(guī)避信息不對(duì)稱的一種有效方式。

圖3 整體深市市場(chǎng)信息月度價(jià)值Fig.3 Monthly value of overall Shenzhen stock market information

3)對(duì)于滬深兩市中給定的投資期T，T一定時(shí)，風(fēng)險(xiǎn)厭惡系數(shù)越高，市場(chǎng)信息價(jià)值越低。具體表現(xiàn)為，隨風(fēng)險(xiǎn)厭惡程度的增加，投資者越選擇不參與風(fēng)險(xiǎn)資產(chǎn)的投資，從某種意義上表現(xiàn)為一種避險(xiǎn)策略，投資者自我保護(hù)能力提升，以規(guī)避風(fēng)險(xiǎn)的方式提高投資效率。

4.3 穩(wěn)健性檢驗(yàn)

考慮到不同市場(chǎng)行情下市場(chǎng)信息價(jià)值對(duì)風(fēng)險(xiǎn)投資的影響可能存在差異性，對(duì)牛市和熊市進(jìn)行分組分析。參照何興強(qiáng)等[20]的牛熊市周期判別標(biāo)準(zhǔn)，通過(guò)股市價(jià)格變動(dòng)的波峰與波谷明確牛熊市樣本區(qū)間。為保證波峰、波谷交替出現(xiàn)，剔除滬深兩市指數(shù)價(jià)格序列的連續(xù)波峰中價(jià)格較低者與連續(xù)波谷中價(jià)格較高者，即滬市指數(shù)價(jià)格序列2020 年4 月的波谷；深市指數(shù)價(jià)格序列2013 年8 月的波峰與2015 年7 月的波谷。根據(jù)市場(chǎng)周期判別結(jié)果，參照文獻(xiàn)[20]剔除不符合牛熊市周期判定條件的區(qū)間，結(jié)合上文選取的樣本區(qū)間，選擇單期走勢(shì)時(shí)間最長(zhǎng)的樣本區(qū)間為牛熊市周期。因此，選取滬市中2013 年5 月至2015 年4 月為牛市樣本區(qū)間，24 組樣本數(shù)據(jù)的連續(xù)復(fù)合月收益率均值和方差分別為u3= 0.025 7，v3= 0.004 9，風(fēng)險(xiǎn)市價(jià)服從N～( 0.124 5,0.069 9 )；2015年5月至2019年1月為熊市樣本區(qū)間，45組樣本數(shù)據(jù)的連續(xù)復(fù)合月收益率均值和方差分別為u4= -0.010 1，v4= 0.004 5，風(fēng)險(xiǎn)市價(jià)服從N～( 0.009 6,0.040 7 )。選取深市中2014 年4 月至2015年4 月為牛市樣本區(qū)間，13 組樣本數(shù)據(jù)的連續(xù)復(fù)合月收益率均值和方差分別為u5= 0.049 2，v5= 0.004 0，風(fēng)險(xiǎn)市價(jià)服從N～( 0.185 8,0.029 6 )；2015年5月至2019年1月為熊市樣本區(qū)間，45組樣本數(shù)據(jù)的連續(xù)復(fù)合月收益率均值和方差分別為u6= -0.013 1，v6= 0.004 3，風(fēng)險(xiǎn)市價(jià)服從N～( -0.006 2,0.033 6 )?；谑?21)，結(jié)合上述相關(guān)數(shù)據(jù)在Matlab2021b軟件編程下獲得滬深兩市分組市場(chǎng)信息月度價(jià)值三維圖像，如圖4，5。

圖4 分組滬市市場(chǎng)信息月度價(jià)值Fig.4 Monthly value of grouped Shanghai stock market information

圖5 分組深市市場(chǎng)信息月度價(jià)值Fig.5 Monthly value of grouped Shenzhen stock market information

圖1，4，5 顯示：投資期與投資者風(fēng)險(xiǎn)厭惡程度與市場(chǎng)信息價(jià)值的關(guān)系和牛熊市無(wú)關(guān)，他們的關(guān)系不變。但滬深兩市在牛市與熊市下市場(chǎng)信息價(jià)值存在差異，滬市在牛市狀態(tài)下的市場(chǎng)信息價(jià)值普遍高于熊市，深市在牛市狀態(tài)下的市場(chǎng)信息價(jià)值卻普遍低于熊市。實(shí)證研究表明：波動(dòng)性較大的市場(chǎng)在營(yíng)造較高不確定性的同時(shí)提升了市場(chǎng)信息在風(fēng)險(xiǎn)投資中的價(jià)值；進(jìn)一步，無(wú)論是在市場(chǎng)整體樂(lè)觀、向好的牛市，還是在整體悲觀、低迷的熊市中，影響風(fēng)險(xiǎn)投資中市場(chǎng)信息價(jià)值的并不是牛市(上漲)或熊市(下跌)的市場(chǎng)狀態(tài)，而是市場(chǎng)的波動(dòng)程度，這在一定程度上驗(yàn)證了實(shí)證結(jié)果的穩(wěn)健性。

5 結(jié) 論

為測(cè)度市場(chǎng)信息在投資者資產(chǎn)交易過(guò)程中的市場(chǎng)價(jià)值，假設(shè)投資者具有冪效用偏好特征，基于完全信息與不完全信息下的兩類投資者資產(chǎn)組合優(yōu)化行為，構(gòu)建投資者資產(chǎn)組合終期財(cái)富期望效用模型；在兩類投資者資產(chǎn)組合終期財(cái)富期望效用相等的情況下，以資產(chǎn)組合初始財(cái)富投入差異測(cè)度市場(chǎng)信息價(jià)值。結(jié)果表明：市場(chǎng)信息價(jià)值隨市場(chǎng)波動(dòng)程度的增加而提高，隨投資期和投資者風(fēng)險(xiǎn)規(guī)避程度的增加而降低；金融市場(chǎng)穩(wěn)定有助于提高投資者財(cái)富效用，面對(duì)不完全信息市場(chǎng)，投資者通過(guò)自我學(xué)習(xí)和自我保護(hù)提高投資效率?；诒疚难芯?，主要提出以下政策建議：

1)面對(duì)波動(dòng)較大的金融市場(chǎng)，投資者應(yīng)當(dāng)保持理性，切不可為追求市場(chǎng)信息而盲目增加投資成本，從而造成資產(chǎn)虧損。金融監(jiān)管應(yīng)密切關(guān)注市場(chǎng)波動(dòng)，防范市場(chǎng)出現(xiàn)較大波動(dòng)，助力金融市場(chǎng)穩(wěn)定健康發(fā)展。

2)減少投資者短期投機(jī)行為，鼓勵(lì)長(zhǎng)期價(jià)值投資，從而降低投資決策中市場(chǎng)信息所占成本比重，使投資利益最大化。金融監(jiān)管應(yīng)注重提高市場(chǎng)信息透明度，降低投資者信息不對(duì)稱程度，避免投資者在獲取市場(chǎng)信息方面花費(fèi)更多不必要的投資成本，從而改善非效率投資等問(wèn)題。