一冷一熱總關(guān)“情”：情緒beta與股票市場動態(tài)風(fēng)格轉(zhuǎn)換

胡昌生，陳 聰，池陽春

(1.武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072；2.深圳南風(fēng)阜財科技有限公司，廣東 深圳 518000)

一、引言

在沒有基本面信息變化的前提下，理性理論對投資者交易行為的預(yù)測是交易量很小或無交易，交易主要是滿足投資者流動性和再平衡的需要。而現(xiàn)實中的交易量遠(yuǎn)遠(yuǎn)超過理性理論的預(yù)測。已有研究表明，投資者的交易行為已超過了理性模型的解釋范疇，該現(xiàn)象被稱為“交易量之謎”。

交易量之謎是一種金融市場中的典型異象，理性理論對此難以解釋[1]。心理學(xué)實驗表明人們是過度自信的，過度自信導(dǎo)致人們高估其知識，低估其風(fēng)險，夸大對事件的掌控能力。在投資決策中同樣會發(fā)生過度自信的行為。過度自信使人們曲解信息的準(zhǔn)確性，高估分析信息的技能，從而過度交易，導(dǎo)致了交易量之謎的出現(xiàn)。因此，行為金融理論從投資者心理角度出發(fā)[2]，為解釋交易量之謎開辟了一條新道路。

然而，鮮有研究立足于風(fēng)格投資層面解釋交易量之謎。Kumar發(fā)現(xiàn)，風(fēng)格投資策略會產(chǎn)生顯著的風(fēng)格偏好動態(tài)轉(zhuǎn)換(style preference dynamic shift)，個體投資者會系統(tǒng)性地將偏好在價值/成長、大盤/小盤極端風(fēng)格組合之間轉(zhuǎn)換。這種轉(zhuǎn)換主要受前期極端組合收益差異和證券分析師的影響，與宏觀經(jīng)濟(jì)變量無關(guān)。并且，這種風(fēng)格偏好動態(tài)轉(zhuǎn)換能對股票收益產(chǎn)生系統(tǒng)性的影響[3]。

盡管Kumar證實了個體投資者行為會導(dǎo)致極端風(fēng)格組合交易之間呈現(xiàn)顯著的負(fù)相關(guān)性，卻未能捕捉到只分布于極端風(fēng)格組合的超額交易[3]。因此無法解釋風(fēng)格輪動這一風(fēng)格投資層面的交易量之謎。

二、文獻(xiàn)綜述

(一)風(fēng)格投資與交易量之謎

大量研究證據(jù)表明，過度自信可以充分解釋交易量之謎。過度自信的投資者會高估自己占有信息的準(zhǔn)確性，對信息做出有偏的解釋，即使在面臨交易成本與預(yù)期收益下跌之時，仍然表現(xiàn)出巨大的交易強度[4]。

行為金融研究在解釋交易量之謎上取得了重大進(jìn)展，但是主要立足于單個資產(chǎn)，對于風(fēng)格投資層面的探索鮮有問津。投資者往往為了簡化投資決策過程，會按照某一指標(biāo)對股票進(jìn)行分組，將資金配置于不同風(fēng)格組合中[5]。如果過度自信的投資者采取風(fēng)格投資策略，便會使得風(fēng)格組合表現(xiàn)出顯著的交易強度。然而，注意力是一種稀缺的認(rèn)知資源，投資者的交易會受到注意力驅(qū)動的影響[6]。即使將股票進(jìn)行分組之后，仍然只會關(guān)注那些特征明顯的風(fēng)格組合，即極端風(fēng)格組合。由此可得：風(fēng)格投資會使得極端風(fēng)格組合產(chǎn)生超額交易。此外，非理性投資者具有追逐前期收益的反饋交易特征，風(fēng)格投資者會根據(jù)極端組合的相對收益做出反應(yīng)。由于資金規(guī)模有限，在增加對某一極端風(fēng)格組合的交易時必須從另一極端風(fēng)格組合撤資、減少其交易，致使兩個極端風(fēng)格組合之間表現(xiàn)出顯著的負(fù)相關(guān)性[3]。

綜上，我們可以得出：市場風(fēng)格輪動屬于風(fēng)格投資層面的交易量之謎，必須滿足：極端風(fēng)格組合的超額交易和極端風(fēng)格組合之間的顯著負(fù)相關(guān)性這兩個條件。

(二)風(fēng)格分類指標(biāo)與情緒beta

現(xiàn)有研究中常見的風(fēng)格包括大盤/小盤、價值/成長、贏家/輸家、高/低股息收益等。Chen 等發(fā)現(xiàn)規(guī)模、賬市比和股息收益這三種股票特征能捕捉到股票收益中與風(fēng)格相關(guān)的趨勢，投資者可以通過追逐趨勢贏利(買入這些風(fēng)格中的贏家組合，賣出輸家組合)[7]。Froot等通過研究表明，機構(gòu)投資者會按照規(guī)模、價值/成長及部門這三種指標(biāo)對股票進(jìn)行風(fēng)格分類、形成風(fēng)格投資行為[8]。

然而，現(xiàn)有的風(fēng)格指標(biāo)存在如下弊端：第一，Kumar發(fā)現(xiàn)極端風(fēng)格組合交易之間存在顯著的負(fù)相關(guān)性[3]，但是并未捕捉到完全分布于極端風(fēng)格組合上的超額交易。因此，現(xiàn)有風(fēng)格指標(biāo)無法代表市場風(fēng)格輪動，也無法直觀體現(xiàn)風(fēng)格投資是受基本面因素還是投資者情緒驅(qū)動。第二，投資者需要分別按照幾種風(fēng)格進(jìn)行分組，仍然存在一定的決策成本。風(fēng)格投資策略有待進(jìn)一步簡化。

基于上述弊端，我們提出情緒beta作為新的風(fēng)格指標(biāo)。首先，現(xiàn)有的風(fēng)格指標(biāo)均為研究所發(fā)現(xiàn)的結(jié)果，并非事先存在，也沒有研究限定哪些指標(biāo)可用于風(fēng)格分類。投資者不會完全依據(jù)現(xiàn)有風(fēng)格指標(biāo)進(jìn)行決策，因為市場風(fēng)格有時是對一些概念股的炒作，與基本面因素?zé)o關(guān)，投資者更傾向于通過股票與“概念”的相關(guān)性進(jìn)行分類，股票與“概念”的相關(guān)性通過股票的情緒特征——情緒beta進(jìn)行體現(xiàn)更為合適，可以更顯著地影響投資者對股票的關(guān)注度。其次，情緒beta由Glushkov所構(gòu)建，用于體現(xiàn)個股的情緒敏感性[9]。研究表明，高情緒beta股票等價于規(guī)模較小、高波動、上市時間較短與成長型股票[9]。如果我們按照情緒beta對股票進(jìn)行分組，便可全部囊括上述股票，進(jìn)一步簡化投資決策過程。并且，Glushkov發(fā)現(xiàn)，高情緒beta股票較之低情緒beta股票具有較高的超額收益，我們可以通過構(gòu)建相應(yīng)的風(fēng)格投資組合來獲取超額收益[9](1)從實務(wù)角度來看，中國的廣發(fā)證券公司已經(jīng)將情緒beta用于選股(http：//www.doc88.com/p-5397841724368.html)。。

(三)市場風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響機制

根據(jù)行為金融理論，非理性投資者不具有信息優(yōu)勢，會憑借諸如前期資產(chǎn)收益的噪音進(jìn)行交易，使得由前期資產(chǎn)價格變化引起的反饋交易成為非理性投資者的重要行為特征。因此，風(fēng)格偏好轉(zhuǎn)換可能受到極端風(fēng)格組合收益差異的影響：Barberis等發(fā)現(xiàn)，風(fēng)格投資者會買入前期上漲的風(fēng)格組合、賣出前期下跌的風(fēng)格組合，而與基本因素?zé)o關(guān)[5]。Teo等和Kumar分別發(fā)現(xiàn)了機構(gòu)投資者和個體投資者的風(fēng)格偏好轉(zhuǎn)換與風(fēng)格組合前期收益正相關(guān)的證據(jù)[3，10]。對于理性投資者而言，交易行為取決于基本面因素，風(fēng)格偏好轉(zhuǎn)換也會受到宏觀基本面因素的影響[11]。

然而，現(xiàn)有研究都是基于投資者層面，如果我們將風(fēng)格偏好動態(tài)轉(zhuǎn)換研究拓展至市場層面，又會產(chǎn)生何種結(jié)論？因此，本文借鑒Kumar的實證模型，對市場風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響機制進(jìn)行了分析。

在金融市場中，套利者面臨資本約束和有限投資期限問題，難以準(zhǔn)確預(yù)測非理性投資者的偏好轉(zhuǎn)換[3]，致使風(fēng)格偏好在極端組合之間的轉(zhuǎn)換所形成的協(xié)同性需求沖擊無法通過套利充分消除，能夠?qū)善苯M合收益構(gòu)成系統(tǒng)性的影響。并且，當(dāng)某一風(fēng)格極端組合的前期收益上漲時，會使得投資者在當(dāng)期對未來風(fēng)格組合收益形成樂觀預(yù)期、增加對該風(fēng)格組合的需求。然而，由于投資者的資金規(guī)模有限，不得不賣出另一風(fēng)格極端組合的股票、減少需求，使得風(fēng)格偏好轉(zhuǎn)換能夠?qū)蓚€極端風(fēng)格組合收益構(gòu)成顯著、相反的影響[5](2)Barberis等的前提假設(shè)是風(fēng)格投資者具有正向追逐風(fēng)格前期收益的正反饋交易特征[5]。事實上，根據(jù)胡昌生等的研究，個體投資者受到損失厭惡與后悔厭惡的制約，更傾向于賣出已盈利的股票、買入已虧損的股票，表現(xiàn)出負(fù)反饋的交易特征[3]。并且，由于中國市場中的基本面交易者力量薄弱、個體投資者占據(jù)主導(dǎo)地位，市場層面的風(fēng)格偏好轉(zhuǎn)換可能也會與Barberis等的研究結(jié)論相悖：風(fēng)格投資者具有反向追逐風(fēng)格前期收益的負(fù)反饋交易特征。。此外，市場中還存在廣泛的賣空限制，使得這種影響會存在區(qū)別。當(dāng)市場中投資者情緒高漲時，由于賣空限制，理性投資者的意見不能得到充分的表達(dá)，非理性投資者占據(jù)主導(dǎo)；反之，當(dāng)市場中投資者情緒低落時，非理性投資者淡出市場，理性投資者占據(jù)主導(dǎo)。由于個體投資者是非理性主體的典型代表，與理性主體的代表——機構(gòu)投資者具有相反的需求特征與交易策略，導(dǎo)致不同情緒狀態(tài)下的風(fēng)格偏好動態(tài)轉(zhuǎn)換對兩個極端風(fēng)格組合構(gòu)成相反的影響。由于機構(gòu)投資者是衍生品市場的主要參與者，不會受到賣空限制的顯著影響[12]，致使賣空限制只會在情緒高漲時期對非理性投資者的賣出行為構(gòu)成顯著影響。

(四)文獻(xiàn)述評

從現(xiàn)有研究來看：第一，現(xiàn)有文獻(xiàn)只是基于投資者層面展開，尚未拓展至市場總量層面；第二，現(xiàn)有的風(fēng)格分類指標(biāo)無法捕捉到市場風(fēng)格輪動現(xiàn)象；第三，風(fēng)格投資策略依然會在一定程度上耗費投資者的精力與成本，有待進(jìn)一步精簡。因此，本文將從如下視角進(jìn)行研究：一是本文第一次將風(fēng)格偏好特征及其動態(tài)轉(zhuǎn)換的研究拓展到整個市場，并且發(fā)現(xiàn)市場層面與投資者層面的風(fēng)格偏好及其動態(tài)轉(zhuǎn)換有很重要的差異(3)與現(xiàn)有投資者層面研究不同的是，首先，市場層面的風(fēng)格偏好轉(zhuǎn)換與短期動量指標(biāo)(前1個月收益之差)并不存在顯著的關(guān)系，而是與中期動量指標(biāo)(前6個月平均收益之差)具有很強的負(fù)相關(guān)性。其次，在未給出的結(jié)果中，我們使用方差比率(Variance Ratio)和VAR分析檢驗了情緒beta極端組合風(fēng)格偏好的持續(xù)性，結(jié)果表明情緒beta極端組合風(fēng)格偏好并不具有持續(xù)性。這與Kumar的研究結(jié)論相反[3]。，不僅為我們理解投資者行為之間的相互作用和加總過程提供了一個有益的參考，而且對于中國股市所存在的熱點頻繁切換及風(fēng)格輪動雜亂現(xiàn)象提供了合理解釋，對于維護(hù)股市的健康運行具有重要的實踐意義；二是本文第一次將股票的情緒beta作為風(fēng)格分類指標(biāo)，結(jié)果表明在所有的風(fēng)格分類中，市場交易在高/低情緒beta極端組合之間的轉(zhuǎn)換能使得整個市場表現(xiàn)出最為顯著的風(fēng)格輪動現(xiàn)象，這不僅為我們理解市場中風(fēng)格產(chǎn)生和消失的機制提供了一個新的視角，更從風(fēng)格投資層面解釋了交易量之謎；三是在對極端組合收益的解釋中，本文將投資者情緒納入考慮，直接證明了投資者情緒在風(fēng)格輪動中的作用。

三、風(fēng)格特征的比較

風(fēng)格投資過程的第一步是投資者根據(jù)股票的某一特征進(jìn)行分組。在這一部分，我們選取了情緒beta、規(guī)模、賬市比和動量這些分組指標(biāo)，分別根據(jù)每一指標(biāo)的滯后一期值將當(dāng)期樣本股票按照從低到高的順序分為10組，主要考察不同股票分組之間交易的分布以及其相關(guān)性，具體如下：風(fēng)格的“輪動”，極端組合之間的交易是否存在顯著的替代關(guān)系(負(fù)相關(guān)性)；風(fēng)格的“熱度”，同一風(fēng)格分類的超額交易是否完全位于極端風(fēng)格組合。同時具有以上特點風(fēng)格分類更容易產(chǎn)生市場中此起彼伏的“熱點”。

(一)樣本數(shù)據(jù)來源

本文的樣本數(shù)據(jù)為全部A股，變量來源于國泰安數(shù)據(jù)庫與Wind數(shù)據(jù)庫，基于數(shù)據(jù)可得性，樣本覆蓋區(qū)間為2003年1月至2018年12月(4)本文的樣本區(qū)間包含了2007年的世界經(jīng)濟(jì)危機。在經(jīng)濟(jì)危機期間，經(jīng)濟(jì)增長遭遇致命沖擊，為金融市場帶來系統(tǒng)性風(fēng)險，進(jìn)一步加劇了投資者對于未來市場的悲觀預(yù)期，增加股票收益的波動率。在此，詳細(xì)研究2007年的特殊時期將超出本文范圍，故不予詳述。。

(二)風(fēng)格分類指標(biāo)

1.情緒beta。我們借鑒Baker等的方法構(gòu)建投資者情緒指數(shù)[13](5)本文省略了構(gòu)造投資者情緒指數(shù)的具體過程，如有需要可與作者聯(lián)系索取。，并且遵循Glushkov的方法，通過如下實證模型進(jìn)行24個月的滾動回歸、提取情緒beta[9]：

rtj，t-rft=αi+βj，tSentit+γj，tRmrft+φj，tSmbt+φj，tHmlt+κj，tLiqt+εj，t

(1)

其中，rtj，t表示股票j在t時期的收益率，rft為無風(fēng)險利率，Sentit為投資者情緒指數(shù)，Rmrf、Smb與Hml為Fama and French三因子，Liq為Pastor and Stambaugh流動性指標(biāo)，αi為常數(shù)項，βj，t為情緒變量的回歸系數(shù)，即情緒beta，εj，t為隨機擾動項。

2.動量指標(biāo)。我們借鑒Kumar的方法，以前j個月的平均收益作為動量指標(biāo)[3]。為了避免考察期間不同導(dǎo)致的結(jié)果差異，我們選取多個月份指標(biāo)，分別考慮j為1、3、6、9、12的情形。具體計算方法為：

(2)

其中，momjl，t為第l只股票根據(jù)前j期收益計算得到的動量指標(biāo)，rtl，t為該股票第t期的收益。

3.規(guī)模指標(biāo)。為了減少價格變化的影響，我們將上一季度末的個股流通市值作為規(guī)模指標(biāo)：個股的流通股數(shù)與收盤價的乘積。

4.賬市比指標(biāo)。與規(guī)模指標(biāo)相一致，為了降低價格變化所產(chǎn)生的影響，我們通過上一季度末股票的賬面價值與市場價格之比作為賬市比指標(biāo)。

(三)風(fēng)格偏好的度量

在通過風(fēng)格分類指標(biāo)對樣本股進(jìn)行分組之后，本文計算市場對于每一組股票的風(fēng)格偏好程度?；谕顿Y者層面的研究常常用股票的持有量和買賣差異來反映風(fēng)格偏好[2]，這在拓展到市場層面時會遇到障礙。對于任何股票，市場層面的持有量(標(biāo)準(zhǔn)化后)始終為1，買賣始終相等。對此，我們用交易量來反映市場層面的風(fēng)格偏好(6)交易量也常常被用來反映投資者的有限關(guān)注[14-15]，對極端組合的風(fēng)格偏好在很大程度上也與投資者的有限關(guān)注有關(guān)。，計算每一組的平均成交額。為了剔除股票規(guī)模對結(jié)果的影響，我們對每一只股票的成交額進(jìn)行規(guī)模調(diào)整：

(3)

(4)

每一組股票非預(yù)期的風(fēng)格偏好為：

spus，t=sps，t-spes，t，s=1，2，…，10

(5)

(四)比較分析

為了比較不同風(fēng)格分類在捕捉到市場“熱點”輪動方面的代表性，我們考察基于哪一種風(fēng)格指標(biāo)的分類所得到的極端組合能具有高于市場平均水平的交易強度，并且極端組合之間的交易分布具有顯著的負(fù)相關(guān)性。

表1 Panel A中的前10行給出了每一種風(fēng)格分類的超額交易分布，最后一行給出的是極端組合超額交易的相關(guān)系數(shù)。在所有分類指標(biāo)中，情緒beta極端組合表現(xiàn)出了較強的負(fù)相關(guān)性(-0.696)，非預(yù)期交易主要集中在兩個極端組合上，見圖1。然而，對于其他風(fēng)格分類來說，普遍表現(xiàn)為負(fù)相關(guān)性不足或超額交易未完全分布于極端組合。

從Panel B可以發(fā)現(xiàn)，在所有的風(fēng)格分類指標(biāo)中，情緒beta極端組合交易的放大最具有對稱性，并且交易放大的程度也是最高的，極端組合之間產(chǎn)生“熱點”和風(fēng)格輪動的特征表現(xiàn)得最為明顯。而其他風(fēng)格分類要么“熱度”不夠，要么“熱點”只集中在極端組合的一端而難以發(fā)生“輪動”。

表1 超額交易分布

注：括號中表示的是相關(guān)性檢驗所產(chǎn)生的p統(tǒng)計值。50%，L1(50%，H10)表示當(dāng)H10(L1)組交易下降50%時，L1(H10)組的交易水平。0.01，L1(0.01，H10)表示當(dāng)H10(L1)組交易下降至0.01時，L1(H10)組的交易水平。

為了進(jìn)一步理解市場中風(fēng)格輪動的動態(tài)特征，我們在圖2中給出了情緒beta極端組合標(biāo)準(zhǔn)化后的交易時間序列圖。結(jié)果與表1的分析高度吻合。

(a) 情緒beta

(b) B/M圖1 非預(yù)期交易分布

圖2 情緒極端組合時間序列(標(biāo)準(zhǔn)化)

(五)替代效應(yīng)

投資者將極端組合視為特殊組合忽略掉中間情形，其交易偏好在極端組合之間轉(zhuǎn)換會使極端組合之間的交易分布具有負(fù)相關(guān)性。需要注意的是，即使不把極端組合當(dāng)成特殊組合，當(dāng)投資者增加某一些股票的交易時，相對而言，其他股票的交易會減少，產(chǎn)生交易偏好的負(fù)相關(guān)性，即所謂的“替代效應(yīng)”[3]。但是，如果投資者不把極端組合特殊對待，那么，對其他股票交易的減少應(yīng)該是均勻分布的，而不是集中在另一極端組合上，從而產(chǎn)生的負(fù)相關(guān)程度也會較低，為了排除極端組合交易分布的負(fù)相關(guān)性是由替代效應(yīng)所致這一可能性，我們考察比較極端組合交易分布負(fù)相關(guān)程度是否遠(yuǎn)遠(yuǎn)大于由替代引致的負(fù)相關(guān)水平。

為了計算由替代效應(yīng)導(dǎo)致的負(fù)相關(guān)性，我們考慮將股票分為q+1組。假設(shè)一個沖擊使得某一極端組合的交易需求隨機增加ε。如果只是由于替代效應(yīng)，那么投資者應(yīng)該以相同的概率隨機地從其他q組股票減少交易。設(shè)u是一個隨機變量，服從二項分布(1，1/q；0，1-1/q)。另一極端組合交易相應(yīng)的變化為-uε，二者的相關(guān)系數(shù)為：

(6)

從上式可以看到，由替代效應(yīng)導(dǎo)致的負(fù)相關(guān)性隨著分組的減少而增強，如果我們只把股票分為兩組(q=1)，那么相關(guān)性必為-1。在10組的情況下(q=9)，如果對極端組合的需求沒有趨勢(E(ε)=0)，上式達(dá)到最大值-1/3。在最大限度地排除替代效應(yīng)后，情緒beta、賬市比和規(guī)模極端組合仍然具有很強的負(fù)相關(guān)性。其他風(fēng)格分類極端組合的負(fù)相關(guān)性在最大限度地排除替代效應(yīng)后則會變得十分微弱，甚至為正。當(dāng)然，如果考慮到極端組合需求的趨勢(E(ε)≠0)，由替代效應(yīng)引起的負(fù)相關(guān)性會減弱，從而在排除替代效應(yīng)后極端組合能保持更強的替代關(guān)系(7)本文所考慮的是替代效應(yīng)的最大可能情形，Kumar用模擬的方法檢驗了極端組合之間的替代效應(yīng)，結(jié)果相對于本文偏低[3]。。

綜上，可以看到基于情緒beta指標(biāo)的風(fēng)格分類能很好地捕捉到市場中的“熱點”產(chǎn)生和風(fēng)格輪動現(xiàn)象，因此在接下來的兩個部分，我們主要考慮基于情緒beta的風(fēng)格分類。

四、情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響因素

根據(jù)Kumar，非理性投資者往往會基于股票的歷史收益對未來收益進(jìn)行預(yù)測，表現(xiàn)出反饋交易的行為特征。因此，風(fēng)格偏好動態(tài)轉(zhuǎn)換可能會受到極端風(fēng)格組合收益差異的影響[3](8)與單個資產(chǎn)的反饋交易不同，風(fēng)格層面的非理性投資者是根據(jù)極端風(fēng)格組合的相對收益變化做出決策，表現(xiàn)出相對收益追逐(relative performance chasing)的行為特征[5]。。另外，理性投資者屬于知情主體，會根據(jù)基本面信息做出交易決策。因此，風(fēng)格偏好動態(tài)轉(zhuǎn)換也會受到宏觀基本面因素的驅(qū)動。綜上，我們在本節(jié)借鑒Kumar的實證模型，選取動量指標(biāo)、公司盈利指標(biāo)與宏觀經(jīng)濟(jì)指標(biāo)作為解釋變量[2]。具體的變量來源及構(gòu)建方法如下。

(一)變量介紹

1.風(fēng)格偏好動態(tài)轉(zhuǎn)換。在同一風(fēng)格之內(nèi)，我們用該風(fēng)格組合中所有股票月頻交易差異的等權(quán)平均值來表示整個市場對該投資組合風(fēng)格偏好的動態(tài)轉(zhuǎn)換。具體的計算公式為：

(7)

其中，spss，t表示風(fēng)格組合s第t期的偏好轉(zhuǎn)換，其他符號的定義與式(5)相同。進(jìn)一步，極端組合的風(fēng)格偏好動態(tài)轉(zhuǎn)換為：

spsdt=sps10，t-sps1，t

(8)

spsd變量能夠捕捉到市場對于風(fēng)格1或10組合的偏好，spsd大于0表明了市場對風(fēng)格10組合具有更顯著的樂觀預(yù)期。

2.動量指標(biāo)。由于非理性投資者會表現(xiàn)出追逐“熱點”的反饋交易行為，對基本面因素表現(xiàn)出反應(yīng)過度或反應(yīng)不足，風(fēng)格偏好動態(tài)轉(zhuǎn)換可能受到極端風(fēng)格組合收益差異的影響[3]。為了避免過于依賴所考察的收益期間，同時也為了避免相互重疊的區(qū)間過多，我們考慮短期、中期和長期三種情形，首先選取前1、6、12個月的動量指標(biāo)，計算方法如式(4)所示。因此，極端組合之間動量收益的差為：

momjdt=momj10，t-momj1，t，j=1，6，12

(9)

3.公司盈利指標(biāo)。除了極端風(fēng)格組合收益差異之外，投資者也會通過盈余來預(yù)測未來資產(chǎn)收益[3]。因此，本文選取了每股盈余、營業(yè)收入增長率和盈余動量作為公司層面的盈余指標(biāo)。

極端組合之間每股盈余(e_be)的差為：

e_bedt=e_be10，t-e_be1，t

(10)

營業(yè)收入為公司經(jīng)營過程中確認(rèn)的營業(yè)收入，其增長率(gst)為：

gsi，t=salei，t/salei，t-1

(11)

其中，salet為第t期的營業(yè)收入，極端組合之間的營業(yè)收入差為：

gsdt=gs10，t-gs1，t

(12)

盈余動量的構(gòu)建方法來源于Chan 等[16]和Kumar[3]，計算公式為：

(13)

emdq=em10，q-em1，q

(14)

4.宏觀經(jīng)濟(jì)指標(biāo)。如果投資者屬于理性主體，會根據(jù)基本面因素做出投資決策，風(fēng)格偏好動態(tài)轉(zhuǎn)換可能會受到宏觀經(jīng)濟(jì)變量的影響[3]。在宏觀經(jīng)濟(jì)指標(biāo)的選取上，基于數(shù)據(jù)的可得性和對中國實體經(jīng)濟(jì)運行狀況的反映程度，我們選取工業(yè)增加值增速比率(iavr)、居民消費價格指數(shù)(cpi)和宏觀景氣指數(shù)(mci)這三個指標(biāo)。

(二)回歸分析

為了研究風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響因素，我們考慮如下多因素回歸模型：

spsdt=α0+α1mom1dt+α2mom6dt+α3mom12dt+α4emdq-1+α5gsdt-1+α6e_bedt-1+α7iavrt-1+α8cpit-1+α9mcit-1+εt

(15)

上式可以適用于所有風(fēng)格分類動態(tài)轉(zhuǎn)換影響因素的研究，在這一部分，我們主要考慮將情緒beta極端組合風(fēng)格偏好動態(tài)轉(zhuǎn)換的差異作為被解釋變量(spsd)。對于其他風(fēng)格分類指標(biāo)，我們將在后續(xù)進(jìn)行統(tǒng)一的比較。

回歸結(jié)果如表2所示。在列(1)單獨以動量指標(biāo)作為解釋變量的回歸中，中期動量指標(biāo)(mom6d)是風(fēng)格偏好動態(tài)轉(zhuǎn)換最為顯著的影響因素(9)調(diào)整的R方達(dá)到了26.1%，遠(yuǎn)遠(yuǎn)高于用公司盈利指標(biāo)和宏觀經(jīng)濟(jì)變量單獨進(jìn)行回歸的調(diào)整的R方。。在列(4)控制其他影響因素之后，中期動量指標(biāo)仍然在1%水平上具有顯著性。因此，某一極端風(fēng)格前6個月平均收益越低，越可能成為市場中的“熱點”，使得風(fēng)格偏好發(fā)生轉(zhuǎn)換。反之，短期與長期動量指標(biāo)都不具有顯著性，無法構(gòu)成風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響因素。

在其他的影響因素中，盡管列(3)中宏觀經(jīng)濟(jì)變量具有顯著性，但是居民消費價格指數(shù)(cpi)的顯著性水平并不高，并且調(diào)整的R方僅為5.8%。公司盈利指標(biāo)雖然在單獨回歸中(列(2))只有盈余動量(emd)具有顯著性，但是調(diào)整的R方達(dá)到了8.4%，高于宏觀經(jīng)濟(jì)變量。在納入所有影響因素的回歸中(列(4))，公司盈利指標(biāo)與宏觀經(jīng)濟(jì)變量均不具有顯著性，但是中期動量指標(biāo)(mom6d)依然在1%水平上具有顯著性。

總的來說，中期動量指標(biāo)是情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換最為重要的影響因素，情緒beta風(fēng)格偏好的動態(tài)轉(zhuǎn)換具有很強的反向追隨中期收益的特點。公司盈利指標(biāo)和宏觀經(jīng)濟(jì)變量對風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響都相對微弱。

表2 情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響因素

注：對風(fēng)格偏好動態(tài)轉(zhuǎn)換變量(spsd)進(jìn)行標(biāo)準(zhǔn)化處理。L.表示滯后算子。*、**、***分別表示10%、5%、1%的顯著性水平。括號中給出的是經(jīng)過Newey-West調(diào)整的t統(tǒng)計量。不再贅述。

在本節(jié)的穩(wěn)健性檢驗中，我們根據(jù)其他幾種風(fēng)格分類指標(biāo)來重復(fù)第四部分的實證研究。研究結(jié)果與第四部分高度吻合。

五、情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換與收益

為了研究情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換對極端組合收益的影響，我們借鑒了Kumar的做法[3]，將風(fēng)格偏好動態(tài)轉(zhuǎn)換差異(spsd)作為共同因子，引入Fama和French三因子作為控制變量，并把投資者情緒作為條件變量，構(gòu)建一個用于市場橫截面收益研究的多因子模型，以此檢驗風(fēng)格偏好動態(tài)轉(zhuǎn)換是否對極端組合收益具有增量解釋力以及投資者情緒狀態(tài)在風(fēng)格偏好轉(zhuǎn)換影響極端組合收益中的作用。不同的是，我們沒有考慮動量因子，因為我們在回歸中將投資者情緒作為狀態(tài)變量，以直接說明風(fēng)格偏好轉(zhuǎn)換對收益的影響受到情緒的驅(qū)動，但是非理性投資者往往會對前期價格變化做出反應(yīng)，具有追逐動量的特征，容易與動量因子所包含的非理性成份產(chǎn)生沖突、導(dǎo)致共線性的存在，我們因此將動量因子從模型中舍去。

由于賣空限制，不同情緒狀態(tài)下的風(fēng)格偏好動態(tài)轉(zhuǎn)換會對極端風(fēng)格組合收益構(gòu)成不同的影響，我們在風(fēng)格偏好動態(tài)轉(zhuǎn)換變量的回歸系數(shù)中引入情緒虛擬變量，以考察情緒beta的spsd對收益的影響程度與情緒狀態(tài)之間的關(guān)系，基本的回歸方程為：

rts，t-rft=α+β1rmrft+β2smbt+β3hmlt+

(β4+β5Dt)×spsdt+εs，t

(16)

其中，rts，t表示風(fēng)格組合s的收益率(10)屬于風(fēng)格s的所有股票的等權(quán)收益率。，rft為無風(fēng)險利率，rmrft，smbt和hmlt分別為市場因子、規(guī)模因子和賬市比因子，Dt為虛擬變量，在情緒高漲時期取1(11)本文借鑒姜永宏等的方法，以上證指數(shù)月收益率>(<)0作為牛(熊)市的衡量標(biāo)準(zhǔn)，并將牛(熊)市設(shè)定為情緒高漲與低落時期[17]。，εs，t為隨機擾動項。在這一部分，我們用情緒beta極端組合的動態(tài)偏好轉(zhuǎn)換變量(spsd)作為傳統(tǒng)三因子之外的解釋變量，將極端組合超額收益作為被解釋變量進(jìn)行上式的回歸(12)即情緒beta極端組合之間的spsd對高情緒beta組合和低情緒beta組合的收益分別進(jìn)行回歸，在式(15)的基礎(chǔ)上，一共產(chǎn)生2種回歸形式。。

實證結(jié)果如表3所示。首先，在不考慮投資者情緒作為虛擬變量的回歸中(行(2)、(5))，情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換對兩個極端組合的收益都有顯著的影響，并且其系數(shù)符號具有相反性(13)投資者面臨資金規(guī)模約束，在配置資產(chǎn)過程中，不同風(fēng)格組合會形成競爭。由于spsd是通過兩個極端組合風(fēng)格偏好動態(tài)轉(zhuǎn)換之差得到，當(dāng)投資者對極端組合的關(guān)注度及未來預(yù)期形成差異時，由風(fēng)格偏好轉(zhuǎn)換所引致的資金在不同極端組合之間的流動會對組合收益構(gòu)成顯著、相反的影響。。

其次，當(dāng)把投資者情緒作為虛擬變量納入回歸方程后，不同情緒狀態(tài)下的風(fēng)格偏好動態(tài)轉(zhuǎn)換對極端風(fēng)格組合構(gòu)成了相反的影響。在投資者情緒的低落時期(Dt=0)，spsd對高情緒beta極端組合收益構(gòu)成了顯著的正向影響，對低情緒beta極端組合收益也構(gòu)成了顯著的反向影響(14)因為理性投資者是衍生品市場的主要參與者，賣出行為不會受到賣空限制的顯著影響[12]。。反之，在投資者情緒的高漲時期(Dt=1)，spsd×D對于兩個極端組合的系數(shù)符號與情緒低落時期完全相反(15)由于非理性投資者與理性投資者的反向交易行為所致。。但是，風(fēng)格偏好動態(tài)轉(zhuǎn)換并未強化高情緒beta極端組合收益的趨勢，反而降低了該組合的當(dāng)期收益，說明情緒高漲時期的風(fēng)格偏好動態(tài)轉(zhuǎn)換未能準(zhǔn)確體現(xiàn)股票價格走勢，只是包含了噪音。此外，spsd×D對高情緒beta極端組合收益的反向影響不具有顯著性，是因為非理性投資者所面臨的賣空限制所致。所以，在考慮投資者情緒狀態(tài)之后，情緒beta的spsd對極端組合收益的影響在情緒低落時期更加顯著。

根據(jù)這部分實證結(jié)果，我們可以據(jù)此構(gòu)建投資策略：通過在情緒低落時期買入高情緒beta極端組合、賣出低情緒beta極端組合，在情緒高漲時期買入低情緒beta極端組合、賣出高情緒beta極端組合，分別獲取0.74%-(-0.69%)=2.43%與1.7%-(-0.49%)=2.19%的無風(fēng)險收益率。

表3 風(fēng)格偏好動態(tài)轉(zhuǎn)移與收益的關(guān)系

在以上穩(wěn)健性檢驗中，我們通過其余幾種風(fēng)格分類指標(biāo)進(jìn)行第五部分的研究。實證結(jié)果與上文保持一致。

六、總結(jié)

本文基于投資者非理性的視角，對現(xiàn)有的風(fēng)格分類指標(biāo)進(jìn)行了拓展，提出了情緒beta這一更具代表性的風(fēng)格分類指標(biāo)，并與傳統(tǒng)的規(guī)模、賬市比和動量等風(fēng)格分類指標(biāo)進(jìn)行了廣泛的比較：考察了不同風(fēng)格分類指標(biāo)所形成的超額交易分布與極端風(fēng)格組合之間的替代關(guān)系，研究了市場風(fēng)格偏好動態(tài)轉(zhuǎn)換的影響因素，并對風(fēng)格偏好動態(tài)轉(zhuǎn)換對股票收益的影響進(jìn)行了分析。研究結(jié)果表明：第一，在所有風(fēng)格分類中，情緒beta極端組合產(chǎn)生了僅次于賬市比與規(guī)模分類的負(fù)相關(guān)性與集中在極端組合的超額交易、具有“U”形特征，從而能產(chǎn)生市場風(fēng)格，并使風(fēng)格發(fā)生“輪動”；第二，市場層面的風(fēng)格偏好動態(tài)轉(zhuǎn)換具有反向追逐中期收益的特征，是一種負(fù)反饋的非理性行為；第三，情緒beta風(fēng)格偏好動態(tài)轉(zhuǎn)換對組合收益具有系統(tǒng)性的影響，由于不同情緒狀態(tài)下的投資者結(jié)構(gòu)存有差異，使得系數(shù)在情緒高漲與低落時期形成相反的符號，分別產(chǎn)生顯著的動量效應(yīng)、微弱的反轉(zhuǎn)效應(yīng)與顯著的動量效應(yīng)、反轉(zhuǎn)效應(yīng)。因此，在市場層面，“熱點”產(chǎn)生及風(fēng)格輪動的顯著特征是市場的風(fēng)格偏好在高情緒beta和低情緒beta組合之間相互轉(zhuǎn)換，并伴隨著當(dāng)前流行風(fēng)格交易量的放大和價格的上升。

綜上，本文從風(fēng)格投資層面解釋了交易量之謎，豐富了投資者情緒理論，具有一定的理論意義。對于金融監(jiān)管和指導(dǎo)投資也具有重要的借鑒意義。在金融監(jiān)管方面，可以幫助我們更好地理解資產(chǎn)價格在橫截面上發(fā)生波動的驅(qū)動因素，分析投資者情緒的作用，撫平資產(chǎn)價格的過度波動。在指導(dǎo)投資實踐方面，我們可以通過構(gòu)造在情緒低落時期買入高情緒beta極端組合、賣出低情緒beta極端組合，在情緒高漲時期買入低情緒beta極端組合、賣出高情緒beta極端組合的投資策略，獲取可觀的無風(fēng)險收益，幫助投資者從紛繁復(fù)亂、難以琢磨的市場流行趨勢中找到市場“熱點”產(chǎn)生及其動態(tài)變化的基本特征，把握市場的“脈搏”。