投资者关注度与市场收益间动态关系研究

TheDynamicRelationshipsbetweenInvestorAttentionandMarketReturn:

EvidencesfromaBootstrapRollingwindow

JinXuejun论文网ZhouJianfeng

(CollegeofEconomics,ZhejiangUniversity,Hangzhou310027,China)

Abstract:Thispaperexaminesthecausalrelationshipsbetweeninvestorattentionandmarketreturn,usingtheresidualbootstrapGrangernoncausalitytestandafixedsizerollingwindowestimationapproach。Aftercomparingmultipleindicators,wechooseHexunAttentionIndexasproxyindicatorforinvestorattention。Inordertoretrospectthehistoricaldata,wedevelopaVBAprogramforwebdataextracting,andthefinaldatasamplecoverstheperiodfromMarch10,2009toOctober31,2013。ThefullsamplebootstrapLRtestsuggeststheexistenceofaunidirectionalcausalityrunningfrommarketreturntoinvestorattention。Whereas,theparametersstabilitytestsunveilthatboththeshortrunandthelongrunrelationshipsbetweeninvestorattentionandmarketreturnestimatedbyfullsampledataareunstableoverthesampleperiod,whichinturnsuggeststheresultsoffullsamplecausalitytestsareunreliable。

Hence,itmotivestheapplicationofbootstraprollingwindowestimationtorevisitthedynamiccausalrelationshipbetweenthetwovariables。Theresultsindicatethatinvestorattentionhasasignificanteffectonmarketreturnamongsomesubsamples,butovertimesuchcausalityconnectionbecomesweak。Whilemarketreturnhasagreatimpactoninvestorattentionintherollingwindowmodel,whichissimilartothefullsampletests。Especiallyduring2009and2010,avastmajorityofthesubsampletestresultsshowthatthemarketreturnisGrangercauseofinvestorattention。Meanwhile,weaveragetheestimatedcoefficientofVARmodelofallsubsamplestomeasurethemutualimpactdegreebetweeninvestorattentionandmarketreturn。Theresultsconfirmthattheeffectonmarketreturnbyinvestorattentionisnegative,namely,highinvestorattentionwillleadtolowmarketreturn。Andmarketreturnhasasignificantpositiveeffectoninvestorattention。Atlast,weadoptHurstindextoanalyzethepossiblereasonsbehindthechangeofdynamicalrelationshipsbetweeninvestorattentionandmarketreturn。Wefindthatitistheimprovementofmarketefficiencythatcripplesthenegativeinfluenceofinvestorattentiononmarketreturn。Itcanbeseenthatpredictingmarkettrendsandgettingexcessreturnsviainvestorattentionindexwillgraduallybeimpossibleinthefuture。Whatsmore,withthevolatilityoftheAsharemarketfalling,thepositiveeffectofmarketreturnoninvestorattentionisalsofading。Thecreativepointsofthispaperliein:(1)usingstatisticaldatascrapedfromlargefinancialwebsiteasanindicatorofinvestorattention,whichcanminimizethemeasurebias;(2)theapplicationofrollingwindowestimationapproachallowsustostudythedynamicrelationshipsbetweeninvestorattentionandmarketreturn。Ontheotherhand,withoutestablishingadynamicwindowmodelbasedonlistedcompaniesdataandshortersamplespanlimitthedepthofthisstudy。

Keywords:investorattention;marketreturn;Hurstindex;marketefficiency;residualbootstrap;rollingwindowestimation

一。引言

传统金融理论框架对于20世纪70年代资本市场出现的诸多市场异象“很难给出合理的解释。为此,以Kahneman和Tversky[1为代表的学者纷纷从投资者有限理性[2和市场非有效[3的角度来寻求新的理论突破Kahneman和Tversky在投资者有限理性的假设下,研究人们在不确定条件下如何进行决策,由此发展出的期望理论成了行为金融学的代表学说。。在此背景下,作为市场有效性重要命题的投资者关注度“自然也成为学界研究的热点。Chemmanur和Yan[4。Da等[5。Fang和Peress[6。Carretta等[7国外学者为该领域的理论研究奠定了基础性工作。相对于发达国家而言,资本市场相对落后,市场有效性还较弱,盈利公告。特殊事件以及股票自身的一些交易指标对于市场收益还存在一定的解释能力。因此,近年来一些国内学者也纷纷对资本市场投资者关注度问题进行了深入的研究[810。

但2009年金融危机之后,宏观和微观层面都出现了一些结构性的变化例如,中国经济增速开始出现下滑趋势,同时国内经济政策不确定性波动大幅增加,经济风险出现了结构性的变化;与此同时,融资融券等股票市场制度的完善和资本市场规模的扩大促使市场有效性发生了实质性的变化。,而这些变化可能会导致投资者关注度对市场收益的影响出现结构性变化,以往关于两者间静态关系的研究也因此会出现偏误研究过程中若充分考虑结构性变化的存在,则研究结果会随样本选择的不同而出现差异。。所以本文首先对投资者关注度与市场收益间是否存在结构性变化进行研究,在此基础上利用滚动窗口技术(rollingwindowapproach)嵌套Bootstrap的方法对样本期内两者间动态影响系数进行估计,并进一步对关注度与市场收益间动态关系演化趋势的原因进行剖析。本文的创新主要在于以下两点:一是运用VBA(VisualBasicforApplication)程序程序的基本操作思路是利用Firefox插件对网页源代码HTML文件的解析,特别是其中的JavaScript函数,找出关注度数据真正的链接地址,再通过VBA程序中的XMLHTTP对象对真实目标网址的数据进行下载并处理。,捕捉大型金融网站的站内搜索数据来衡量投资者关注度“,以便更准确地捕捉投资者关注度变化,有效剔除衡量方式上存在的噪声;二是利用滚动窗口技术和残差自举的修正格兰杰(Granger)检验来研究A股市场关注度和市场收益间的动态关系。

本文的研究结果显示投资者关注度对市场收益存在负向效应,这与Barber和Odean[11。Fang和Peress[6。Carretta等[7的研究结果相类似,但有趣的是这种负向影响效应的强度在逐渐减弱。当借助动态Hurst指数来识别市场有效性时,发现正是样本期内市场有效性的增加导致关注度对市场收益的影响能力逐步减弱。而另一方面,和微观层面的研究相一致,本研究发现市场整体收益的提高能吸引投资者关注。

二。研究假说

投资者关注度问题是研究市场有效性的一个重要命题,最早由Merton[12着手研究。但投资者关注度的衡量难度较大,制约了该问题的深入研究。直至最近,得益于行为金融学研究的快速崛起,投资者关注度问题的研究再次成为学者关注的焦点。

Merton结合认知心理学对投资者关注到投资者行为再到市场波动这一决策链条进行了深入分析,并指出关注度对于股票价格和流动性都可能存在影响,这一观点得到了Grullon等[13439。Da等[514631465。Bank等[14240。宋双杰等[9145诸多国内外学者的认可。但这些研究都没有考虑投资者关注度与市场收益间相关关系的结构性变化。Peng等人发现,投资者在不确定性较大时期会关注宏观层面信息,当不确定性减弱时,他们会把注意力放到特定资产信息上[15394。这从微观层面表明了投资者关注度和购买行为可能会受宏观经济结构性变化的影响。同时,从市场层面来看,股票市场交易机制在不断完善,市场有效性逐渐增强[16146,因此,投资者关注度对市场收益的影响效应和强度也可能会随市场性质的变化而改变。另一方面,市场收益对投资者关注度的影响也会随市场变化而产生结构性变化。例如,在大牛市整个市场情绪较高,投资者的市场关注程度对市场短时收益变化不敏感,而在其他时间投资者更为理性,他们对市场关注度的变化与市场收益变动联系更为紧密。此,本文提出如下假设:假设1:投资者关注度与市场收益间的相关影响存在结构性变化。

对于单只股票而言,Barber和Odean认为个人投资者对于吸引他们关注的股票更倾向于买进而不是卖出[11786。但是在受关注驱动的日子中,一些投资者会选择购买股票,而另一些较少依赖于关注的投资者会卖出股票[1792。这其中就包括理性投资者和机构投资者,他们往往在个体投资者发生关注度的购买行为“之后,选择出售股票来获得溢价收益[10155。上升到市场层面,市场关注度上升表明了个体投资者对市场中股票的关注在上升,此时持有股票的理性投资者和机构投资者可能会意识到当前股票价格中包含关注度溢价,从而选择出售股票。此外,周可峰指出,国内市场由于采用完全交易驱动运行模式,无做市商对市场偏离进行修正,因此,机构投资者的买卖行为对市场价格将具有决定性的影响参见周可峰机构投资者行为对股票价格及其波动性影响的实证研究,中南大学商2009年博士学位论文。。由此,我们提出如下假设:

假设2:投资者关注度对市场收益具有负向效应。

Hou等人指出当收益率大幅上升时,投资者对股市会投入更多关注,但若市场处于熊市,则投资者对市场关注将会下降[18。从微观层面来看,市场收益率较高意味着市场中大部分的个股都存在比较高的正收益,有很多股票可能涨停,而个人投资者的关注容易受冲击涨停股票的吸引[19591,这也得到了Barber和Odean[11的认可。他们同样认为一旦股票交易量放大或者出现超额收益,投资者对股票市场的关注度将会增加。因此,我们可以提出如下假设:

假设3:市场收益对投资者关注度具有正向效应。

三。数据说明与模型

(一)方法与模型

本文根据Balcilar等[20提出的格兰杰检验思路来研究关注度与市场收益间的相互关系。由于传统的格兰杰因果检验统计量,如Wald。LM和LR等,是渐进分布假设的,但非0阶平稳的时间序列不具有渐进分布特征,这会导致传统的格兰杰检验出现偏误[219596[22113[231367。为此,Toda和Yamamoto提出了修正的格兰杰检验(modifiedGrangercausalitytest),它能很好地适应存在高阶协整关系的时间序列[24226227。同时,为了克服修正的格兰杰检验对于小样本失效的缺陷,Shukur和Mantalos运用了残差自举法(ResidualBootstrap)对样本进行重塑[25370,有效地提高了修正格兰杰检验的稳健性,这也得到了其他研究结果的支持[26249[2732。此外,Hacker和Hatemi指出,残差自举法的修正Wald统计量依然存在微弱的失真[2814941495,由此可知残差自举的修正LR(BootstrapLR)统计量用于研究具有协整关系的样本更具稳健性。本文也将利用BootstrapLR统计量来检验投资者关注度和市场收益之间的格兰杰因果关系。

首先,可以考虑模型(1)中的二元VAR(P)过程:

y1ty2t=1r+11(L)12(L)21(L)22(L)y1ty2t+ξ1tξ2t(1)

其中y1t和y2t分别表示投资者关注度的对数值和市场收益;ij(L)=pk=1ij,kLk,i,j=1,2,L为滞后项符,即Lkxt=xt-k;ξ1t和ξ2t为白噪声序列;k为滞后阶数。上述设定可知,市场收益不是投资者关注度变化的格兰杰原因的原假设为:12,k=0,k=1,2,…,p;同样,投资者关注度不是市场收益变化的格兰杰原因则存在21,k=0,对任意的k=1,2,…,p都成立。

和其他检验相类似,格兰杰因果检验要求VAR模型的参数具有恒定不变性,但是投资者关注度和市场收益间影响关系可能存在结构性变化,这显然会违背上述假定[2930。事先对样本进行分拆或设置哑变量等做法虽能帮助解决结构性变化的问题,但会导致预测试偏误。Balcilar等提出的滚动窗口估计方法能有效克服参数结构不稳定的问题,同时可以展示关注度和市场收益在不同子样本间的动态结构性变化[20。当滚动窗口宽度固定为l时,全样本(fullsample)可转变为T-l个子样本序列(subsamples),任意子样本的样本期为t=τ-l+1,τ-l,…,τ,而τ=l,l+1,…,T,其中T为总样本的时间长度。在此基础上,对每个子样本再运用BootstrapLR检验关注度和市场收益间的格兰杰因果关系。

(二)数据来源

如何准确衡量投资者关注度是本研究的关键之所在。回归以往的文献,学者对投资者关注度的衡量主要集中于以下三种方式:一是通过将金融资产本身的交易特性和价格行为作为代理变量间接捕捉投资者关注度[10153,具体指标如交易量[11,18,31。超额收益[11以及市场指数累计收益[31等;二是利用新闻媒体报道及广告支出来度量投资者关注度[8,11,3234,如平面媒体和互联网报道来计算投资者关注度。与之类似的是Grullon等[13。Chemmanur和Yan[31等利用广告支出来度量投资者关注度,继续深化了上述指标;三是利用搜索引擎的趋势统计功能来实现对投资者关注度的衡量。Da等人最早提出利用Googlesearch的周度时间序列数据衡量关注度的变化[5。该方法得到国内外学者的广泛认可,一些学者分别运用Googlesearch和百度关键字搜索指数统计来进行研究[910,14。

俞庆进和张兵指出,以交易量。换手率及涨停事件等交易特性作为关注度代理变量无法有效衡量投资者注意力的分布和强度,而且这些指标的波动还受关注度以外的因素影响[10154。以新闻媒体报道和广告支出的方式衡量投资者关注度时,潜在的假设是投资者关注力无限,不存在信息漏损。但众多学者的研究发现投资者关注力有限,无法全面及时地掌握公开发布的所有信息[35666[36307308。Da等也指出投资者阅读的新闻量远远小于新闻报道数,而这会导致上述衡量方式产生较大偏误[51462。此外,新闻报道。网络报道等指标具有阶段性,而非连续变化的序列。通过Googlesearch产生的数据虽能满足时间序列的要求,但在衡量上也存在较大的噪音。首先是关键字具有多种特性,例如关键字可能同时为股票名和产品名,这会人为放大投资者关注度例如股票市场中存在很多股票名称和公司产品名称(公司业务)相一致的股票,诸如长城汽车“。工商银行“。保利地产“。中信证券“等。用户为使用上述产品或者网站主页上的业务而进行搜索时,并不属于关注度范畴,但是搜索行为产生的数据流将会被统计进Googlesearch的结果中,这会导致关注度水平高于真实值。。其次是搜索关键字标准化关键字可以分为三类,即股票中文名。股票代码以及中文名缩写(ticker)。但由于搜索引擎具有智能联想功能,在搜索时用户输入的关键字往往非标准化,例如在搜索上证指数时,用户可以输入上证指数“。上证综合指数“。上证指数000001“。000001“。上证000001“等任意关键字都能搜索到所需结果。值得指出的是,在关键字搜索频率统计结果中发现上述各个关键字的搜索频率都比较大,人为忽略其中任意个别关键字搜索量都会产生较大的偏误。的非唯一性也会导致关注度衡量失准。在搜索时个人习惯差异往往会导致搜索关键字存在多样性,尽管都属于关注度统计范畴,但是在关键字指数统计时因无法穷尽所有关键字而使衡量产生偏差。本文衡量关注度的指标主要来源于和讯网的A股市场关注度“具体数据可见http://focus。stock。hexun。com/market。html,2014年10月18日。。和讯网根据站内网络数据统计每个交易日关注所谓关注就是指通过站内搜索引擎搜索A股股票代码或者ticker来查询相关股票的走势及财务信息等。所有A股股票的实际人数,以此作为市场关注度的度量指标,在统计中为了保证数据更真实,对关注A股市场多个股票时只记录一次A股市场关注度。ALEXA排名和中国网站排名(ChinaWebsitesRanking)统计的数据显示,和讯网2013年四季度平均独立访问人数达到10774人/百万人具体可查阅http://www。chinarank。org。cn/overview/Info。do?url=www。hexun。com x=31 y=12,2014年10月20日。,具有较广的辐射面,影响深度也较大,因此数据能较真实地反映投资者对市场的关注程度。其次,作为专业的金融资讯网站,其用户多为真实投资者,搜索产生的数据能有效排除关键字多种特性和非唯一性的干扰。因此相比于搜索引擎的词频统计数据而言,该指标能更准确地反映投资真实关注程度,减少衡量过程不当带来的噪声。此外,该指标也得到了杨晓兰等国内学者的认可[37,被运用于实证研究中。

Edelman指出在研究过程中长期数据的收集尤显重要[38]193,而和讯网A股市场关注度“只显示最近一年的数据,为了扩大样本容量,本文利用编写的VBA程序对历史数据进行了追溯。最终,本文获取的A股市场关注度“数据的时间跨度为2009年3月10日至2013年10月31日样本存续期内,由于网站维护等原因,其中14个交易日没有A股市场关注度“的数据。,共1113条样本数据。而收益率数据则是采用A股市场综合收益率,以上证和深证股市的A股流通市值作为权重,在计算时还考虑了现金分红再投资的因素。

四。实证结果

(一)平稳性检验

为了研究A股市场关注度和市场收益间的动态关系,本文首先对变量关注度(GZD)和市场综合收益率(RET)进行了平稳性检验。本文运用了ADF和KPSS对序列的单位根进行了检验,具体结果如表1所示:

尽管ADF的结果显示RET和GZD为平稳序列,但KPSS的检验结果显示变量RET和GZD为Ⅰ(1)过程,可能是由于样本期内市场收益波动太小。对比两变量一阶差分前后的ADF检验结果发现,差分后更为平稳,同时结合Li等人的研究结果[39],我们有理由相信样本期内序列RET和GZD遵循Ⅰ(1)过程。

(二)参数稳定性检验

为了研究投资者关注度对市场收益的影响,我们首先按照(1)式对全样本构建了二元VAR模型,同时SIC信息准则显示最优滞后阶数p应设定为5。全样本的LR检验结果显示,原假设RET不是GZD的Granger因“在1百分号显著水平遭到拒绝,但我们无法拒绝GZD不是RET的Granger因“的原假设。即市场收益对投资者关注度存在影响,但关注度却对市场收益不存在影响,这种单向因果关系与国内外已有研究[5,10]存在一定的差异Da等。俞庆进和张兵等学者的研究发现,投资者关注度对市场收益存在显著正向影响,而本文的全样本BootstrapLR显示关注度与市场收益不存在格兰杰因果关系。。

但Salman和Shukur指出,全样本格兰杰因果检验结果的稳健性取决于VAR模型的参数稳定性,若参数不稳定则检验结果将变得无效[40]492。然而,关注度和市场收益间可能存在的结构性变化会导致VAR模型参数不稳定,进而使得上述VAR模型结果随样本区间的变化而变化。因此,我们有必要对参数的稳定性进行检验,以此来判断是否存在结构性变化,以及上述全样本格兰杰结果是否存在偏误。

参照Balcilar等学者的做法[20]1402,我们只选择(015,085)分位区间内的样本来计算上述统计量,同时p值计算过程中我们设定Bootstrap循环次数为2000当Bootstrap循环参数设为1000时,检验结果仍无实质性改变,因此上述参数检验结果稳健性较好。,具体结果可见表2:

GZD等式的SupLR。ExpLR。MeanLR检验结果显示在1百分号显著水平拒绝原假设,认为模型参数短期不稳定。同样,RET等式的三个统计量也都在1百分号置信水平显著,因此RET等式短期参数也具有非恒定的特性。Lc统计则显示GZD等式在长期表现出参数稳定性特征,但RET等式却在10百分号的置信水平显著,即其长期参数不稳定。这一结果验证了假设1中的推断,即投资者关注度和市场收益间相互影响存在结构性的变化。这也就意味着(1)式中的VAR模型在短期表现出强烈的参数不稳定性,长期参数稳定性程度也较差。上述结果显然违背了运用格兰杰检验的前提假设,因此,全样本的格兰杰检验结果无法真实反映投资者关注度和市场收益间潜在的因果联系。

(三)滚动窗口检验

参数稳定性检验显示,关注度和市场收益间关系存在结构性变化。为了有效克服两者间结构性变化带来的影响,本文使用了滚动窗口技术对该问题做进一步研究。

固定窗口宽度的设定是运用滚动窗口方法研究的关键之所在。Balcilar等认为大的窗口期能提高估计的有效性,但异方差的存在会导致结果发生较大的偏误;而小的窗口期虽能减少潜在异方差的影响,但估计的方差将会变大,有效性也因此减弱[20]1403。在综合考虑估计的自由度需求和结构性变化特性后,本文最终把固定窗口宽度设定为40(相当于两个月的正常交易天数总和)Pesaran和Timmermann的研究结果发现窗口宽度设定在10―20期间比较合适,但经验研究中大部分学者是根据研究问题和数据频率决定相应的窗口宽度。如Li等在研究政策不确定性和股票收益时,设置窗口宽度为24;Nyakabawo等在研究美国房屋价格和产出时,设定窗口宽度为28。本文还分别计算了窗口宽度为20。60时的结果,发现不存在实质性的变化,因此文中只报告了窗口宽度为40的检验结果。参见M。HPesaran A。Timmermann,″SmallSamplePropertiesofForecastsfromAutoregressiveModelsunderStructuralBreaks,″JournalofEconometrics,Vol。129,No。1(2005),pp。183217;X。Li,M。Balcilar R。Guptaetal。,″TheCausalRelationshipbetweenEconomicPolicyUncertaintyandStockReturnsinChinaandIndia:EvidencefromaBootstrapRollingWindowApproach,″http://web。up。ac。za/sitefiles/file/40/677/WP_2013_45。pdf,20140930;W。Nyakabawo,S。M。Miller M。Balcilaretal。,″TemporalCausalitybetweenHousePricesandOutputintheUS:ABootstrapRollingWindowApproach″,https://web。up。ac。za/sitefiles/file/40/677/WP_2013_29。pdf,20140930。。同时为了提高检验估计量的准确性,在每个子窗口样本中我们仍运用残差自举法,自举循环次数设定为1000。图1中报告的是滚动窗口检验的Bootstrapp值。其原假设为投资者关注度非市场收益的格兰杰原因。从结果中可知,2009年5月。6月。11月和12月,2010年9月。10月和11月,2011年4月。5月。10月和11月,2012年的4月和9月及2013年的2月和3月中的绝大多数交易日和其他一些交易日中的p值小于01,即在这些时期的子样本中投资者关注度对市场收益存在影响。

图1GZD非RET格兰杰原因的滚动窗口检验p值

尽管全样本的BootstrapLR检验表明市场收益的变动会引起投资者关注度的变动,但从图2中可以看出,p值大于01的子样本不在少数。其中只有2009年8月至2010年2月,2010年5月至2011年1月,2011年5月。6月。10月。11月,以及2013年1月和6月中的绝大部分交易日和其他一些交易日可拒绝原假设,即这些时期中市场收益能有效解释投资者关注度的变化。

比较上述结果,可以发现在2009年12月,2010年9月。10月,2011年10月。11月的绝大多数交易日和其他一些交易日中,市场收益和投资者关注度存在双向因果关系。但就总体而言,投资者关注度对市场收益的影响要弱于市场收益对投资关注度的影响。样本期间内RET非GZD格兰杰原因“原假设被拒绝的可能性比拒绝假设GZD非RET格兰杰原因“高出147百分号。Wald统计量的Bootstrapp值,与图1。图2中的结果相类似,无实质性变化鉴于篇幅原因,此处省略了Wald统计量Bootstrapp值检验图,有兴趣的读者可向作者索取。。

图2RET非GZD格兰杰原因的滚动窗口检验p值

为了进一步研究投资者关注度和市场收益之间的影响方向和影响程度,本文借助所有滚动窗口VAR模型的估计系数的均值来衡量。结合等式(1),投资者关注度对市场收益的影响程度可具体表示为N-1bpk=1^星号21,k,类似地,市场收益对投资者关注度的影响可表示为N-1bpk=1^星号12,k。其中Nb表示Bootstrap循环次数,^星号12,k,^星号21,k分别为(1)式中VAR模型的估计系数。我们只选取[0025,0975]分位区间的数据计算影响系数。同时分别利用^星号12,k和^星号21,k在0025分位数以下的数据作为各自下边界的计算样本,以及利用0975分位数以上^星号12,k和^星号21,k样本数据计算各自影响系数的上边界。

图3为关注度对市场收益的影响程度,其中阴影柱表示的是投资者关注度对市场收益存在格兰杰影响的时期。从图中可以看出,2009年6月期间投资者关注度对市场收益的负效应最大,影响系数达到-0297。虽然2011年9月。10月和12月,2012年的3月和12月以及2013年2月和3月等存在个别交易日出现微弱的正向效应,但总体而言,投资者关注度与市场收益存在显著负相关性,即较高的关注度往往会减弱市场收益,这与王春和徐龙炳[17]。Fang和Peress[6]的研究结果相类似。同时,上述结果也证明了假设2的论断。

图3投资者关注度对市场收益的滚动影响系数

对比各个子样本发现,沿着窗口滚动方向,投资者关注度作为市场收益变动的格兰杰原因的可能性在逐渐下降。同时,RET影响系数的波动幅度逐渐减小,成收敛的态势,且2013年之后投资者关注度对市场收益的影响呈现出围绕0值上下波动的形态。综上所述,投资者关注度对市场收益的解释能力随时间在减弱。本文认为,这一趋势出现的主要原因是市场有效性在逐渐提高。

朱孔来和李静静[16]。李学峰等[41]在研究股票市场有效性时,发现市场有效性在逐渐增强,可以认为已经初步形成了弱势有效市场。为了进一步说明股票市场有效性增强,本文引入了动态Hurst指数彼得斯提出的分形市场假说认为,有效市场中价格的变化应遵循随机的布朗运动。上述前提假设,他借助了Hurst指数来检验市场有效性。而Hurst指数一般在05―10之间波动,当Hurst指数越大时,说明股价未来的变动与过去的增量相关,市场是非有效的;当Hurst指数趋向于05时,序列遵循随机布朗运动,市场属于有效性市场。参见[美]埃德加?E。彼得斯分形市场分析――将混沌理论应用到投资与经济理论上,储海林。殷勤译,(北京)经济科学出版社2002年版,第4460页。来衡量市场有效性(图4)。

图4上证A股动态Hurst指数及其趋势图

本文利用重标极差(R/S)分析法计算Hurst指数。同时,参考赵仕军和徐丙振的做法,设置滚动窗口期为210天,以此作为平均循环周期。Hurst_Index为滚动的Hurst指数,而指数(Hurst_Index)表示Hurst_Index的指数型趋势线。参见赵仕军。徐丙振动态Hurst指数对股票价格(指数)趋势的判断,载宁波大学学报(理工版)2011年第4期,第7982页。

由图4可知,动态Hurst指数从2009年至2013年经历了波动下降,平均水平由最初的0662下降至0606。同时,本文给出的动态Hurst_index的指数型趋势线也呈现明显下降态势。由此可知,样本期内股票市场的有效性得到了明显提升。此外,本文对RET影响系数和Hurst指数进行了回归,具体结果如下所示:

RET_Coef=-0。0852076+0。0822346×Hurst_Index

(-3。09)(1。97)

由上述回归等式可以看出,RET_Coef与Hurst_Index存在显著正相关关系,这表明投资者关注对市场收益的解释能力与市场有效性存在显著负相关关系。这进一步印证了上述现象,即样本期间内随着市场有效性的增强,投资者关注度对市场收益的解释能力大幅下降。

图5为市场收益对投资者关注度的影响,类似地,图中阴影部分为格兰杰检验在10百分号置信水平显著的子样本集合。2010年10月。11月期间市场收益对投资者关注度的正效应达到最大,GZD影响系数达到22400。其中2010年5月和6月,2012年的1月。2月。3月。11月和12月,2013年1月。2月。9月和10月期间部分交易日出现微弱的负效应。但综合整体趋势而言,市场收益与投资者关注度显著正相关,即市场收益的上升能提高投资者对市场的关注度,这也与假设3相一致。图5市场收益对投资者关注度的滚动影响系数

同时,从图5中可以发现,除2012年3月7日为起点的子样本外,2012年期间其余子样本中市场关注度作为投资者关注度变动的格兰杰原因“的假设均未通过格兰杰检验,且2013年期间市场收益对投资者关注度的解释能力也在下降。本文认为市场收益的波动是市场收益对投资者关注度产生格兰杰影响的中间介质。因为波动率的上升表明市场不确定性在增加,投资者为了降低投资风险,就必须去获取市场公开信息,相应地,投资者对市场的关注度也会随之上升。从图6中可以看出,2009―2011年期间市场收益的波动率较大,投资者为了降低投资风险,尽可能地去关注市场动态,从而使投资者关注度显著增加;相反,在2012―2013年期间市场不确定性减小,市场收益对关注度影响的显著性逐渐减弱。

图6市场收益波动率和投资者关注度对比图图中市场收益波动率为月度数据,本文用月内交易日的收益方差衡量波动率。

五。结论

本文主要运用了残差自举法的全样本因果检验和滚动窗口检验方法,对投资者关注度和市场整体收益间相互影响的问题进行了深入研究。实证研究结果表明:(1)投资者关注度对市场收益的影响具有结构性变化,采用动态视角考虑两者间的相关关系更为合理。(2)Bootstrap滚动窗口的研究结果显示,投资者关注度对市场收益具有显著负向效应,即关注度的提高往往伴随着市场收益的下降。但综合滚动窗口检验和影响系数分析发现,投资者关注度对市场收益的解释能力和负向效应强度都在逐步减弱,主要原因是市场有效性在逐渐增强。(3)另一方面,市场收益对投资者关注度存在显著正效应,即较高的市场收益会提高市场关注度。且市场收益对投资者关注度变动的解释能力较强,和全样本中结果相类似。特别是2009年和2010年期间,绝大多数的子样本检验结果显示市场收益是投资者关注度的格兰杰原因。但市场收益对投资者关注度的影响也随着市场波动的减小而减弱。

上述分析可知,当前投资者可以通过关注度与市场收益间的负向效应来判断未来市场走势。但由于资本市场有效性的逐渐增强,投资者借助关注度指标来预测未来市场走势从而获得超额收益的可能性在逐渐降低甚至消失。本文的不足之处在于在研究两者动态关系时没有构建个股面板数据的滚动窗口模型,研究深度有限。同时受限于样本跨度较短,样本频率选择为日度,未来随着数据量增加可尝试以月度频率样本作为研究对象,结果可能更为稳健。

投资者关注度与市场收益间动态关系研究