李佳惠 丁寒雪

[摘 要] 本文以北京科技大學學院路公選課程《中國股票市場》的股票模擬交易數(shù)據(jù)為基礎，研究個人交易者中趨勢交易者和反趨勢交易者對于處置效應的傾向性。在理解處置效應的成因時，不僅以價值函數(shù)為基礎，還考慮了概率權(quán)重函數(shù)。在對處置效應的定量分析上選用DE1，DE2，DZ三個不同模型。對交易趨勢的定量分析，本文創(chuàng)新了SU、BD模型。本文的主要假設是反趨勢交易者比趨勢交易者更傾向于表現(xiàn)出處置效應。研究結(jié)果表明：①盡管是股票模擬交易，但大部分受測者仍表現(xiàn)出處置效應，且存在異質(zhì)性。②樣本的整體交易趨勢明顯，但仍存在異質(zhì)性。③與假設一致，反趨勢交易者更傾向于處置效應。且相比于跌勢，漲勢時處置效應表現(xiàn)得更明顯。

[關鍵詞] 趨勢和反趨勢交易；處置效應；價值函數(shù)；概率權(quán)重函數(shù)

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 18. 055

[中圖分類號] F832.48 [文獻標識碼] A [文章編號] 1673 - 0194（2014）18- 0084- 04

0 引 言

近年來，處置效應在行為金融領域已經(jīng)不再是一個新鮮的話題。然而縱觀國內(nèi)該方面研究，對處置效應的解釋仍主要依靠價值函數(shù)，研究方法也大都較為陳舊，仍主要采用Odean的定量模型DE1，且大部分研究仍停留在整體水平上，而忽略了處置效應的個體異質(zhì)性?；诖耍疚耐瑫r用價值函數(shù)和概率權(quán)重函數(shù)來解釋處置效應，分別從整體和個體角度出發(fā)，用國外最新模型DE2、DZ對處置效應進行定量分析來克服DE1模型的不足。

相比于處置效應，國內(nèi)關于交易趨勢的研究很少，甚至對于交易趨勢的稱謂也不盡相同。為避免含義模糊，本文將“高拋低吸”的交易趨勢名稱定為反趨勢交易；對于“追漲殺跌”，本文將其定名為趨勢交易。且國內(nèi)對于交易趨勢的研究大都側(cè)重利潤與交易趨勢之間的關系，鮮有研究對已有的真實交易數(shù)據(jù)進行交易趨勢辨別，分析投資者的交易趨勢傾向，關于辨別交易者交易趨勢的研究方法幾乎為零。

本文同時從價值函數(shù)和概率權(quán)重的角度，考察交易趨勢不同的交易者處置效應傾向。

1 研究數(shù)據(jù)和方法

1.1 數(shù)據(jù)

本文選取北京科技大學學院路公選課《中國股票市場》2012年10月25號場2的下降段和2012年11月8號場1的上升段的交易數(shù)據(jù)，見圖1～2。

選取該數(shù)據(jù)的原因如下：①《中國股票市場》是學院路的選修課，參與模擬股票交易的學生有120人，觀測值較多。該實驗受測者都是學生，避免了受測者影響處置效應的一些其他特質(zhì)（年齡段、工作、經(jīng)驗等等）。由于是學院路公選課，涵蓋的學生遍布學院路不同學校，不同專業(yè)，克服了受測者都是經(jīng)管專業(yè)的同年級學生的偏頗性。②選取的兩場數(shù)據(jù)都有大賬戶干預，保證了受測者本身交易不會影響股價的前提條件。且學校的模擬交易市場還排除了長期趨勢中一些噪聲（如隔天趨勢）的干擾。③由于投資者的決策參考點（判斷盈利/虧損的股價基準點）不同，因此本文選取兩段從開盤起就一直上升和下降的數(shù)據(jù)，不論投資者的參考點是什么，在上升段都盈利，下降段都虧損。由此克服了計算處置效應時不同投資者參考點不同帶來的麻煩。

選取的下降段交易數(shù)據(jù)受測者數(shù)量為93 （N1=93），上升段交易數(shù)據(jù)受測者數(shù)量為94 （N2=94），兩場的重疊受測者數(shù)量為64 （N=64）。兩場數(shù)據(jù)整場交易時間都為20分鐘，截取20121025場2開盤至開盤后11分鐘的交易數(shù)據(jù)，20121108場1從開盤至開盤后5.9分鐘的交易數(shù)據(jù)。

模擬交易是委托制，沒有交易費用，是即買即賣制。在模擬交易中，受測者只可交易東凌糧油公司股票，且每個受測者都有一定虛擬資金，但互不相同。受測者只能與模擬股票市場而不能與其他受測者互相接觸，受測者之間也不可互相買賣股票。

由于受測者最終的成績排名和交易收益狀況排名一致，因此每個受測者的交易目的都是收益最大化，保證了數(shù)據(jù)的可取性。

1.2 研究方法

1.2.1 處置效應

參考Odean的方法，在盈利/虧損區(qū)間被賣出的股票數(shù)量記為RG（realized gain）/RL（realized loss），未賣出股票數(shù)量記為PG（paper gain）/PL（paper loss）。計算出每個受測者的RG、RL、PG、PL后，算出實現(xiàn)盈利比率和實現(xiàn)虧損比率：

PGR （the Proportion Of Gain Realized） =RG/（RG+PG） （1）

PLR （the Proportion Of Loss Realized） =RL/（RL+PL） （2）

接下來用3個模型來將處置效應定量化：

DE1=PGR-PLR （3）

這是Odean研究所用的方法。DE1為零，表明沒有交易傾向被揭示；DE1為正，表明有處置效應傾向；DE1為負，表明有與處置效應相反的交易傾向。當DE1為正值時，數(shù)值越大，處置效應傾向越強。但是，DE1指數(shù)會受到投資組合規(guī)模和交易頻率的影響：投資組合規(guī)模越大，交易頻率越大，則DE1指數(shù)越小。

DE2=PGR/PLR （4）

這是Odean提出的指數(shù)，該指數(shù)由于是實現(xiàn)盈利比率與實現(xiàn)虧損比率相除，因此不受投資組合規(guī)模和交易頻率的影響。DE2=1，沒有交易傾向被揭示；DE2>1，有處置效應傾向；DE2<1，有與處置效應相反的交易傾向。當DE2>1時，DE2指數(shù)越大，處置效應越強。

DZ= RG/RL-PG/PL （5）

DZ指數(shù)由Dhar和Zhu提出，該指數(shù)同樣不受投資組合規(guī)模和交易頻率的影響。DZ=0，沒有交易傾向被揭示；DZ>0，有處置效應傾向；DZ<0，有與處置效應相反的交易傾向。當DZ>0時，DZ指數(shù)越大，處置效應越強。

1.2.2 交易趨勢（趨勢交易和反趨勢交易）

為量化交易者的交易趨勢，計算每個交易者在上升/下降期間的買入股數(shù)、賣出股數(shù)，分別記為BU/BD、SU/SD。接著計算以下兩個比率：

下降趨勢中的買入比率（BD）

BD（Buying propensity during downtrends） =BD/（BD+SD）（6）

上升趨勢中的賣出比率（SU）

SU（Selling propensity during uptrends） = SU/（BU+SU）（7）

反趨勢交易者有較高的BD、SU指數(shù)。BD，SU的值在0與1之間，0意味著趨勢交易傾向，1意味著反趨勢交易傾向。雖然上升段、下降段時間不同，但BD，SU不會受到時間的影響，因此不需用時間進行加權(quán)。

1.3 趨勢和反趨勢交易者中的處置效應

本文首先提出疑問是否投資者對于處置效應的傾向性與交易趨勢有關。根據(jù)Dacey和 Zielonka 的研究，我們假設處置效應是由兩個因素導致的：①價值函數(shù)，②概率權(quán)重函數(shù)。趨勢交易者和反趨勢交易者的價值函數(shù)是一致的，他們都傾向于賣出盈利股票，持有虧損股票。然而，由于趨勢交易和反趨勢交易其本身的定義，兩種投資者評估未來股票價格變化趨勢的概率是不同的，因此兩者的概率權(quán)重函數(shù)不同。當趨勢交易者持有漲勢的股票時，他預計該趨勢會繼續(xù)；反趨勢交易者則會預計未來趨勢會反向發(fā)展。趨勢交易者賣出股票的傾向會減弱，而反趨勢交易者賣出股票的傾向會加強。反之亦然。因此，在股票處于漲勢時，反趨勢交易者賣掉股票的傾向比趨勢交易者大；在處于股票跌勢時，反趨勢交易者持有股票的動機比趨勢交易者大。

基于以上定性分析，我們提出主要假設：反趨勢交易者比趨勢交易者更易表現(xiàn)出處置效應。

下面進行定量分析，檢驗該假設。分別將每個投資者的，BD、SU指標作為自變量，處置效應的3個指標作為因變量，構(gòu)造回歸模型：

DE1=αBD+βSU +γ （回歸1）

DE2=αBD+βSU+γ （回歸2）

DZ = αBD+β SU+γ （回歸3）

由于BD、SU越接近于1，投資者越有反趨勢交易的傾向，因此，若回歸系數(shù)α、β大于0，則假設成立，反趨勢交易者比趨勢交易者更易表現(xiàn)出處置效應；若回歸系數(shù)α、β等于0，則不同交易趨勢投資者的處置效應傾向性一致；若回歸系數(shù)α、β小于0，則與假設相反，趨勢交易者比反趨勢交易者更易表現(xiàn)出處置效應。當然，還要檢驗相關系數(shù)的顯著性。

2 實證分析

2.1 處置效應

首先，對股票模擬市場進行一個整體上的分析，發(fā)現(xiàn)虧損段買入數(shù)量為3 124股，賣出數(shù)量為855股；在盈利段買入數(shù)量為601股，賣出數(shù)量為1 266股。虧損段買入股票比賣出股票數(shù)量多2 269股，盈利段賣出股票比買入股票數(shù)量多665股。受測者整體上有“賣贏持虧”的傾向性。

由于虧損段時間為11分鐘，盈利段時間為5.9分鐘，這種時間上的偏差會影響PGR、PLR指數(shù)。為排除時間偏差，分別計算虧損段和盈利段每分鐘買賣數(shù)量。在分鐘化的數(shù)據(jù)基礎上，我們計算了模擬交易市場整體上的PGR= 0.001 129， PLR= 0.000 212，DE1= 0.000 917，DE2=5.325 DZ=4.328 2?？梢园l(fā)現(xiàn)，受測者整體上有處置效應傾向。

計算每個受測者的PGR、PLR、DE1、DE2、DZ指標。結(jié)果顯示，受測者的3個指標結(jié)果一致。DE1指標沒有無效結(jié)果，但DE2和DZ指標公式中由于有除法，因此有些受測者無法計算處置效應：一些受測者PLR為0，也就是受測者在虧損時沒有賣出股票，這導致DE2值無法計算；一些投資者的PL、RL為0，也就是虧損時沒有賣出或沒有買入，這導致DZ值無法計算。刪除沒有交易和持股數(shù)量為0的受測者，剩余57名有效受測者，其中有處置效應傾向的受測者為47名，反處置效應傾向的受測者有10名。表現(xiàn)出處置效應的受測者占整體樣本的82.14%。這表明模擬交易市場上大部分受測者有處置效應傾向，但也有少數(shù)受測者有反處置效應傾向，受測者的處置效應傾向有異質(zhì)性。

2.2 交易趨勢（趨勢交易和反趨勢交易）

首先，進行整體上的分析。分別計算模擬交易市場上升段和下降段的每分鐘買賣數(shù)量。下降時買入、賣出數(shù)量分別為3 124、855股，上升時買入、賣出數(shù)量分別為601、1 266股，下降時買入股數(shù)比賣出股數(shù)多2 269股，上升時賣出股數(shù)比買入股數(shù)多665股。受測者整體上在下降時更傾向于買入，上升時更傾向于賣出，有反趨勢交易傾向。計算整體的SU=1 266/1 867=0.68>0.5，BD=3 124/3 979=0.79>0.5，這同樣說明受測者整體上呈反趨勢交易傾向。

計算每個人的BD、SU指數(shù)。結(jié)果顯示，模擬市場中的57名受測者，有36名在上升段和下降段的交易趨勢一致（其中7名趨勢交易者，29名反趨勢交易者），有21名在漲勢和跌勢的交易趨勢不一致。由此可以得出以下結(jié)論：大部分受測者交易策略穩(wěn)定（36名受測者，占樣本受測者的63.16%）。在漲勢和跌勢采取相同交易趨勢的受測者中，趨勢交易者有7名，占12.28%，反趨勢交易者有29名，占50.88%，可見大部分受測者為反趨勢交易者。

2.3 趨勢和反趨勢交易者中的處置效應

為檢驗本文主要假設，分別對回歸1、回歸2、回歸3方程進行回歸。

回歸（1）由于DE1值太小，因此將因變量擴大1 000倍對56名受測者進行回歸。方程R2（8.9%）不是很大，擬合程度不是很好，F(xiàn)檢驗值2.5740.05，整體是不顯著。SU、BD變量前系數(shù)都不顯著，回歸（1）整體的擬合度、顯著性都不符合要求，這可能是與之前所述的DE1沒有排除交易頻率和投資組合大小的原因有關?；貧w（2）剔除了21（37.5%）名受測者的數(shù)據(jù)，因為他們可能由于在虧損時沒有賣出股票，使得PLR為0，從而無法計算出DE2的值，對剩余35名受測者進行回歸分析，方程R2（22.3%）雖然不是很大，但擬合程度明顯比回歸1要好得多，F(xiàn)0.05（2，32）值為3.3，F(xiàn)檢驗值4.581>F0.05（2，32），P值為0.018<0.05，整體上顯著。t0.025（32）值為0.683，SU、BD前系數(shù)t值> t0.025（32），變量顯著?；貧w（3）剔除21（37.5%）名受測者數(shù)據(jù)，理由如回歸（2）。對剩余35名受測者進行回歸分析，方程R2（17.4%）雖然不是很大，但擬合程度明顯比回歸1要好得多，F(xiàn)0.05（2，32）值為3.3，F(xiàn)檢驗值4.581>F0.05（2，32），P值為0.018<0.05，整體上顯著。SU、BD前系數(shù)t值> t0.025（32），變量顯著。

雖然DE1、DE2、DZ三個指數(shù)分別從不同角度來解釋處置效應，其中，回歸（1）的回歸效果不好，這可能是由于受交易頻率和投資組合規(guī)模的影響，因此去除回歸（1）。而回歸（2）、（3）的結(jié)果很好且很一致，SU、BD前系數(shù)幾乎一致，因此采用回歸（2）、（3）。SU、 BD 前系數(shù)為正數(shù)，這驗證了本文假設，反趨勢交易者比趨勢交易者更易表現(xiàn)出處置效應。SU前系數(shù)21.17，BD前系數(shù)12.35，這表明SU每增加一個單位，處置效應會增加21.17單位，BD每增加一個單位，處置效應會增加12.35個單位?？梢娊灰宗厔輰τ谔幹眯獌A向的影響很大。而SU前系數(shù)幾乎是比BD前系數(shù)的兩倍，說明反趨勢交易者在漲勢時比跌勢時更易表現(xiàn)出處置效應。

3 結(jié)論及政策建議

本文用北京科技大學股票模擬實驗室的交易數(shù)據(jù)，研究趨勢交易者和反趨勢交易者之間的處置效應。研究結(jié)果表明：①82.14%受測者存在處置效應，但仍有一部分人沒有表現(xiàn)出處置效應或表現(xiàn)出反處置效應，且個體處置效應存在異質(zhì)性。②模擬市場整體上呈反趨勢交易傾向，但趨勢傾向存在異質(zhì)性，大部分個體是反趨勢交易者。③驗證了假設：反趨勢交易者比趨勢交易者更易表現(xiàn)出處置效應。且反趨勢交易者在漲勢時比跌勢時更易表現(xiàn)出處置效應。

基于以上結(jié)論，本文建議：①使交易者了解其交易趨勢。政府相關部門及機構(gòu)應制定相關政策，規(guī)定證券公司在交易者開戶前教育交易者了解處置效應的存在及影響，并通過調(diào)查問卷或模擬交易等形式使交易者了解其交易趨勢，尤其提醒反趨勢交易者更加注意股票的盈利和虧損，防范處置效應。由于以往都認為處置效應在跌勢時的惡果更嚴重，因此提醒交易者更注意止損，而本文發(fā)現(xiàn)反趨勢交易者漲勢時更易受到處置效應的影響，因此要在漲勢時同樣要注意防范處置效應。②加強交易者的教育。我國大部分交易者經(jīng)常由于專業(yè)知識不足而無法有效利用市場信息，因此政府、各大券商、中介機構(gòu)應對交易者進行投資基本知識的教育，也進行相關投資心理學的教育，提高交易者的理性程度，盡量避免非理性行為。

主要參考文獻

[1]R Dhar，N Zhu. Up Close and Personal： Investor Sophistication and the Disposition Effect[J]. Management Science， 2006， 52（5）： 726-740.

[2]趙學軍，王永宏. 中國股市“處置效應”的實證分析[J].金融研究， 2001（7）：92-97.

[3]孫建軍，陳耕云，王美今.證券交易中處置效應的實驗研究[J]. 心理科學，2007，30（3）：731-734.

[4]W N Goetzmann，M Massa. Daily Momentum and Contrarian Behavior of Index Fund Investors[R]. National Bureau of Economic Research， 2000.

[5]T Odean. Are Investors Reluctant to Realize Their Losses？[J]. The Journal of Finance， 1998， 53（5）： 1775-1798.