王志強，王　靜

(東北財經(jīng)大學(xué)a.金融學(xué)院；b.社會與行為跨學(xué)科研究中心，遼寧 大連　116025)

?

基于投資者意見分歧的風(fēng)險與收益關(guān)系實證研究

王志強a，王靜b

(東北財經(jīng)大學(xué)a.金融學(xué)院；b.社會與行為跨學(xué)科研究中心，遼寧 大連116025)

[摘要]以綜合A股市場為研究對象，檢驗投資者意見分歧對市場風(fēng)險—收益關(guān)系的影響。研究結(jié)果表明，當(dāng)市場分歧較小時，風(fēng)險和收益之間具有強烈的正相關(guān)性；當(dāng)市場分歧較大時，兩者之間的關(guān)系則變得十分微弱。投資者意見分歧會削弱市場上的風(fēng)險與收益關(guān)系，影響人們對風(fēng)險的厭惡程度。意見分歧不僅能夠直接預(yù)測收益，而且能通過影響風(fēng)險補償進而間接地預(yù)測收益，使風(fēng)險補償更快地發(fā)揮作用。

[關(guān)鍵詞]投資者意見分歧；風(fēng)險與收益關(guān)系；股市波動率；風(fēng)險補償；資產(chǎn)定價；市場風(fēng)險；投資風(fēng)險

一、引言

標準的資產(chǎn)定價模型，如CAPM，它假設(shè)投資者對于資產(chǎn)未來回報的概率分布具有一致判斷，即投資者有同質(zhì)信念。顯然，這一假設(shè)是不符合現(xiàn)實的。經(jīng)濟生活中關(guān)于異質(zhì)性和多樣性的證據(jù)是最重要的發(fā)現(xiàn)。首先，由于市場的弱勢有效甚至非有效，市場信息的傳遞渠道和傳遞速度對于每位投資者而言是不同的；其次，投資者的決策行為不僅受到自身固有的認知偏差的影響，同時也會被外界環(huán)境所干擾，故而每位投資者對信息的處理方式也是不同的?；谶@些原因，投資者之間很難具有同質(zhì)預(yù)期，而是更可能表現(xiàn)出千差萬別。也正是由于投資者對買賣的判斷不同，才會促成活躍的市場交易。因此，同質(zhì)信念假設(shè)是不符合現(xiàn)實的，投資者之間更可能具有異質(zhì)信念，表現(xiàn)為意見分歧。

早有理論研究表明，意見分歧會影響股票的未來收益，而大量的實證發(fā)現(xiàn)也支持這一觀點。在此基礎(chǔ)上，本文通過一系列理論分析，進而提出假設(shè)：投資者意見分歧會影響風(fēng)險與收益之間的權(quán)衡關(guān)系。本文將以我國A股市場為研究對象，驗證上述假設(shè)是否成立。一個明顯的事實是，我國資本市場中個人投資者的比例長期偏高，這一點與全球大部分市場完全不同。例如，根據(jù)深交所發(fā)布的報告，2011年深市A股個人投資者的持股戶數(shù)占比為99.83%，交易金額占比也在80%以上。結(jié)合這一事實與前文的推測，本文認為與國外成熟市場相比，我國國A股市場投資者意見分歧的程度較高。因此，恰如張維和張永杰所言，“中國A股市場為基于異質(zhì)信念的風(fēng)險資產(chǎn)定價研究提供了一個‘實驗室’”，“可以更清晰地發(fā)現(xiàn)在西方成熟市場不易發(fā)現(xiàn)的定價規(guī)律”[1]。

借鑒Yu的研究，本文采用“自底向上”的方法構(gòu)造了A股市場的整體分歧[2]。隨后，本文將整個樣本區(qū)間根據(jù)分歧水平高于還是低于其中值劃分為兩個時期，檢驗意見分歧對風(fēng)險與收益關(guān)系的影響。為了使分析更嚴謹、結(jié)果更可靠，本文使用了三種波動率模型和兩種收益率計算方法，并在基本回歸分析之后進行了一系列穩(wěn)健性檢驗。研究結(jié)果表明，意見分歧的確在風(fēng)險與收益關(guān)系中扮演了重要角色。具體而言，當(dāng)市場分歧較小時，風(fēng)險和收益之間具有強烈的正相關(guān)性；當(dāng)市場分歧較大時，兩者之間的關(guān)系則變得十分微弱。這一實證發(fā)現(xiàn)不僅支持了本文提出的假設(shè)，并且也為我們長久以來的經(jīng)濟認識提供了證據(jù)，即當(dāng)市場由理性投資者主導(dǎo)時，風(fēng)險能夠得到正的補償。

二、相關(guān)文獻回顧

(一)基于意見分歧假設(shè)的資產(chǎn)定價理論

張維和張永杰將意見分歧定義為不同投資者之間對相同股票在相同持有期下的收益分布有著不同的判斷[1]。顯然，投資者之間具有意見分歧是更符合資本市場真實運行狀況的假設(shè)。于是，為了更準確地描述金融市場中的價格確定機制，部分學(xué)者開始考慮從意見分歧的角度構(gòu)建資產(chǎn)定價理論。

早期的理論分析模型來自于Miller[3]。他認為市場上同時存在樂觀投資者和悲觀投資者，然而在賣空限制的假設(shè)下，悲觀投資者被排除在市場之外，只有對股票估值最高的樂觀投資者才會持有股票，于是股票價格主要反映了樂觀投資者的意見。這會造成股票價格相對于其真實價值的偏離，同時這種偏離會隨著投資者意見分歧的增大而增大，隨著賣空限制的增強而增強。然而隨著時間的推移，信息的傳遞逐漸充分，投資者的意見也慢慢趨于一致，最終股票價格會趨于其真實價值。因此，越是在當(dāng)期被高估的股票，其未來的收益就越低，可見意見分歧與股票未來收益呈負相關(guān)關(guān)系。Miller的模型提供了一個靜態(tài)的分析框架，但沒有考慮到分歧水平的變化及其所帶來的影響[3]。實際上，投資者意見分歧本身就具有動態(tài)特征。人們最早在共同知識的框架下，從先驗信念異質(zhì)性的角度解釋了交易量的產(chǎn)生以及交易量與價格之間的關(guān)系。如果意見分歧源于先驗信念的異質(zhì)性，那么通過不斷學(xué)習(xí)和信念調(diào)整，人們會逐漸了解證券收益的真實分布，使價格最終回歸到真實價值。

基于Miller提出的理論框架，近些年，我國學(xué)者也開展了一系列關(guān)于投資者意見分歧的相關(guān)研究[3]。王明、孫韋從投資者的資金成本差異及信息不對稱的角度出發(fā)，構(gòu)建了一個不完美市場中的資產(chǎn)定價模型，針對不確定條件下異質(zhì)投資者對資產(chǎn)價格的影響進行了探討[4]。張維和張永杰提出了一個基于投資者意見分歧的風(fēng)險資產(chǎn)定價模型，證明了資產(chǎn)價格的高估程度取決于樂觀投資者和悲觀投資者的比例[1]。

(二)基于意見分歧假設(shè)的資產(chǎn)定價檢驗

除了理論探討之外，學(xué)者們也在現(xiàn)實世界中尋找意見分歧影響股票價格的證據(jù)。自Miller最早提出意見分歧會降低股票的未來收益之后，學(xué)術(shù)界涌現(xiàn)出大量優(yōu)秀的文章對其進行了實證檢驗[3]。Diether 等人利用1983—2000年美國上市公司的數(shù)據(jù)進行研究，發(fā)現(xiàn)分析師預(yù)測分散性與股票的未來收益負相關(guān)，且這種現(xiàn)象在小公司和過去業(yè)績差的公司中尤為明顯，他們還認為分析師盈余預(yù)測分散性可以被視為是投資者意見分歧的一種度量指標，且采用同樣的度量指標，將樣本推廣至澳大利亞和歐洲市場，結(jié)論均支持意見分歧與股票未來收益之間存在負相關(guān)性[5]。此外，得益于Miller提出的分析框架，意見分歧還可以用于解釋許多金融市場上的收益異象，例如“IPO長期收益弱勢”現(xiàn)象以及市場分割導(dǎo)致的股票折價現(xiàn)象[3]。

近些年來，我國學(xué)者也開展了許多關(guān)于投資者意見分歧的實證研究工作，研究結(jié)論均支持意見分歧與股票未來收益之間存在負相關(guān)關(guān)系。陳國進和張貽軍檢驗了意見分歧與我國股市個股暴跌現(xiàn)象之間的關(guān)系，結(jié)果表明，意見分歧越嚴重，市場(個股)發(fā)生暴跌的可能性越大[6]。陸靜等人假定分割市場中投資者存在信息處理能力上的差異，進而推導(dǎo)出一個兩階段定價模型，證明了意見分歧和賣空限制是導(dǎo)致我國H股價格低于A股價格的重要原因，并進行了實證檢驗[7]。

本文認為，目前我國學(xué)術(shù)界關(guān)于意見分歧的研究可能存在以下幾點不足：首先，大部分實證研究以直接檢驗Miller[3]的理論模型為主，即重點考察意見分歧對股票未來收益的預(yù)測能力，卻忽略了風(fēng)險因素的作用；其次，國內(nèi)學(xué)者普遍使用交易量作為意見分歧的代理指標，而實際上，交易量在實證研究中也常常被用于度量其他變量，如流動性等，因此與交易量有關(guān)的收益現(xiàn)象并不一定可以完全歸因于意見分歧；最后，現(xiàn)有的關(guān)于意見分歧的定價研究幾乎都是基于股票橫截面收益進行的，沒有考慮到意見分歧對市場收益的預(yù)測能力。

基于上述分析，本文將在前人研究的基礎(chǔ)上進行以下幾點改進：(1)將收益與風(fēng)險同時納入到研究中來，即考察意見分歧對風(fēng)險與收益權(quán)衡關(guān)系的影響；(2)同時使用交易量和分析師預(yù)測分散度作為投資者意見分歧的代理指標，以確保研究結(jié)論的可靠性(不過由于后者的相關(guān)數(shù)據(jù)十分有限，因此只將其作為穩(wěn)健性檢驗)；(3)從市場層面研究意見分歧對資產(chǎn)定價的影響。

三、理論分析與假設(shè)提出

Miller的理論分析表明投資者意見分歧會影響股票的未來收益[3]。在此基礎(chǔ)上，本文進一步推測意見分歧還會影響風(fēng)險與收益之間的權(quán)衡關(guān)系。

本文首先從意見分歧的形成機制之一，即信息不對稱的角度進行分析。傳統(tǒng)資產(chǎn)定價模型(如CAPM和APT)在“理性人”和“有效市場”兩大假說下，認為風(fēng)險與收益之間存在正相關(guān)關(guān)系，高風(fēng)險一定伴隨著高收益。理性的投資者是風(fēng)險厭惡的，對于承擔(dān)風(fēng)險會要求一定的風(fēng)險補償。這里的“理性”包括多層含義，其中有一層，意思指的是投資者能夠?qū)σ阎畔⒆龀稣_的加工處理，從而對市場進行無偏估計。然而，在真實投資世界中，由于“漸進的信息流”和市場分割等諸多因素，投資者之間的已知信息是不同的。故而，處于信息劣勢的個人投資者很難對市場做出無偏的估計，又由于他們是缺乏經(jīng)驗的“菜鳥投資者”(naive investors)，不懂得如何正確地評估風(fēng)險，結(jié)果導(dǎo)致了對資產(chǎn)風(fēng)險的錯估[8]。此外，機構(gòu)投資者具有高度的同質(zhì)性，可能對相同的外部信息做出相似的反應(yīng)。換言之，機構(gòu)投資者之間不會產(chǎn)生太大的分歧。與此不同的是，處于信息劣勢的個人投資者之間存在著較大的私人信息差異，由此帶來的后果是，市場中的個人投資者根據(jù)不同的私人信息進行決策，表現(xiàn)出千差萬別的主觀判斷，最終導(dǎo)致彼此之間的分歧越來越大。因此，我們可以發(fā)現(xiàn)，當(dāng)個人投資者較為活躍時，市場中的分歧程度比較嚴重。綜合上述分析，本文認為處于信息劣勢的個人投資者很難對市場做出無偏的估計，而是更容易形成對資產(chǎn)風(fēng)險的錯估，又由于在市場分歧嚴重時，個人投資者的參與度增加，對市場施加了更強烈的影響，因此導(dǎo)致了更低的風(fēng)險溢價，削弱了風(fēng)險與收益之間潛在的正相關(guān)性關(guān)系。

不過，即使市場上的所有投資者都具有相同的已知信息，也很難形成對市場的一致無偏估計，因為我們無法保證每位投資者都能夠以正確的方式對信息進行加工處理。“理性人假設(shè)”實則規(guī)定了投資者在決策過程中遵循貝葉斯法則，然而，在現(xiàn)實世界中，囿于有限的認知能力，我們總是試圖把復(fù)雜的問題簡單化，結(jié)果導(dǎo)致各種各樣的認知偏差，這是人類的弱點，即使是最精明老練的投資者也無法完全避免。不過相比之下，個人投資者更容易受到認知偏差的影響[1]。例如，個人投資者在決策過程中存在明顯的處置效應(yīng)，即傾向于賣出盈利的股票而持有虧損的股票。因此，Yu和Yuan認為即使個人投資者能夠正確地評估風(fēng)險，但是由于認知偏差的存在，與基于風(fēng)險補償進行投資的理性投資者相比，個人投資者可能會以犧牲風(fēng)險補償為代價去追求收益或者是避免風(fēng)險，因而導(dǎo)致風(fēng)險與收益關(guān)系被削弱[8]。例如，如果人們手中持有的是具有正偏收益分布的股票，那么這些投資者的效用會得到提高。但隨之導(dǎo)致的結(jié)果是，面對正偏收益分布的股票，這些存在認知偏差的投資者會要求更低的風(fēng)險補償，因此弱化了風(fēng)險與收益之間的權(quán)衡關(guān)系。個人投資者是風(fēng)險偏好的，而理性的機構(gòu)投資者則是風(fēng)險厭惡的。因此，基于上述分析本文認為，非理性的個人投資者由于受到認知偏差的影響，因而會要求較低的風(fēng)險溢價，導(dǎo)致風(fēng)險與收益之間的權(quán)衡關(guān)系被削弱。此外，個人投資者之間的認知偏差也會導(dǎo)致嚴重的意見分歧。理性的投資者根據(jù)貝葉斯法則進行判斷，因而具有恒定的決策標準，更容易達成一致的判斷。然而，各種各樣認知偏差的存在表明個人投資者的決策行為是難以預(yù)測的，不存在一個恒定的決策標準，因而非常容易產(chǎn)生千差萬別的主觀判斷，形成嚴重的意見分歧。于是，當(dāng)個人投資者較為活躍時，我們可以預(yù)測市場中的分歧程度會比較嚴重。因此，綜合上述分析，本文認為，即使個人投資者能夠正確地評估風(fēng)險，但是由于認知偏差的存在，他們也會做出不理性的投資行為，導(dǎo)致更低的風(fēng)險溢價，又由于在市場分歧嚴重時，個人投資者的參與度增加，對市場施加了更強烈的影響，因此最終削弱了風(fēng)險與收益之間潛在的正相關(guān)關(guān)系。

綜上，本文從理論上分析了意見分歧可以通過影響風(fēng)險資產(chǎn)的風(fēng)險溢價，進而間接地預(yù)測其未來收益，即意見分歧會影響風(fēng)險與收益之間的權(quán)衡關(guān)系。具體而言，個人投資者是意見分歧的主要來源群體，他們一來容易錯估風(fēng)險，二來容易受到認知偏差的影響進而做出非理性的決策行為，因此，當(dāng)市場上分歧嚴重時，個人投資者的頻繁交易會導(dǎo)致更低的風(fēng)險溢價。于是，本文提出假說1。

假說1：投資者意見分歧會弱化市場的風(fēng)險與收益權(quán)衡關(guān)系。

當(dāng)市場上分歧較小時，說明理性投資者的交易占據(jù)了主導(dǎo)位置，他們能夠正確地評估風(fēng)險，也不容易受到認知偏差的影響，因此會要求正的風(fēng)險補償，這導(dǎo)致了風(fēng)險與收益之間的正相關(guān)性。于是，本文提出假設(shè)2。

假說2：當(dāng)市場分歧較小時，風(fēng)險與收益之間正相關(guān)。

四、數(shù)據(jù)和方法

(一)波動率模型

波動率因其是金融資產(chǎn)風(fēng)險的一種簡潔度量指標而在金融理論研究和實物操作中占據(jù)著核心地位。早期研究的一般假定波動率是一個靜態(tài)值，從而可以使用一段時間內(nèi)收益率的方差來近似度量某個時點的波動率。然而大量有關(guān)金融數(shù)據(jù)的實證研究表明，許多金融變量的方差是隨時間變化的，同時存在聚類效應(yīng)。因而在實際應(yīng)用中，學(xué)者們對波動率的估計往往采用動態(tài)模型。GARCH模型是比較常用的估計波動率的動態(tài)模型，它是ARCH模型的推廣。

風(fēng)險與收益的實證關(guān)系嚴重依賴于所選取的條件方差模型。因此，為了確保研究結(jié)論的可靠性和穩(wěn)健性，本文將采取三種波動率模型來衡量風(fēng)險，分別是滾動窗口模型、GARCH(1，1)模型和EGARCH(1，1)模型，同時用滯后的已實現(xiàn)波動率作為下一期波動率的預(yù)期值。

估計收益的條件方差，最直觀的方法是使用滾動窗口模型。它屬于靜態(tài)模型，已經(jīng)成為廣為接受的度量風(fēng)險的方法。該模型用本月的已實現(xiàn)方差作為下個月收益的條件方差，且股票已實現(xiàn)收益的方差與股票預(yù)期收益的方差有很大的相關(guān)性。具體計算方法如下：

其中，ri代表t月日收益的離差， Nt代表t月的實際交易天數(shù)，21表示我國股市平均每月有21個交易日。

(二)投資者意見分歧

1.選取合適的度量指標

交易量作為投資者意見分歧的代理指標具有較堅實的理論基礎(chǔ)。交易的產(chǎn)生是由于新的信息進入市場，投資者根據(jù)新的信息更新信念后進行交易，分歧越大，交易就越多，因而他們認為交易量能夠衡量投資者之間的分歧程度。盈余公告時期的交易量非常高，這很可能是源于投資者對盈余公告的不同解讀而導(dǎo)致的嚴重意見分歧。分析師預(yù)測分歧是另一個常被用于衡量投資者意見分歧的代理指標。

然而，無論是交易量還是分析師預(yù)測分歧，都不是投資者意見分歧的完美度量指標。因此，為了保證研究結(jié)論的可靠性和穩(wěn)健性，本文將在實證分析部分使用交易量指標來衡量投資者的意見分歧，然后在穩(wěn)健性檢驗部分使用分析師預(yù)測分歧指標對上述實證結(jié)果進行驗證。

2.選取合適的構(gòu)造方法

由于本文的研究對象是綜合A股市場，因此我們需要度量的是整個市場的分歧程度，相當(dāng)于一個市場投資組合，與以往以個股為研究對象的文獻有很大的不同。目前，從投資組合的角度出發(fā)去研究意見分歧的實證研究主要是使用了分析師預(yù)測分歧指標作為代理變量，區(qū)別則是各自采用了不同的組合分歧構(gòu)造方法，如運用一種“自頂向下”(top-down)的構(gòu)造方法，或直接用分析師對S&P500指數(shù)的盈余預(yù)測分歧來衡量市場組合分歧。不過，Yu認為這種方法不夠直接，相比之下，用“自底向上”(bottom-up)的方法來構(gòu)建組合分歧是更好、更穩(wěn)健的，同時具有更高的信噪比(signal-to-noiseratio)[8]。具體操作上，Yu將組合分歧定義為個股分歧的加權(quán)平均[8]。本文更傾向于Yu的做法，因為這種構(gòu)造方法能更多地考慮到個股橫截面差異的影響[2]。因而，本文將采用“自底向上”的方法來構(gòu)造A股市場的意見分歧。

3.綜合A股市場的投資者意見分歧

(1)異常交易量。本文在實證部分構(gòu)造了異常交易量指標作為投資者意見分歧的代理變量，認為交易量可以被分解為正常交易量和異常交易量，且異常交易量較好地刻畫了投資者分歧的變化。由于我國股票市場上的持股時間較短，同時考慮到月度交易量之間顯著的正序列相關(guān)性，因此可將上一期的交易量作為當(dāng)期交易量的預(yù)期值，將異常交易量定義為本期和上期交易金額的比值。使用交易金額，是為了避免因股改而造成流通股數(shù)量的突然上升。不過交易金額也難以純粹地衡量意見分歧，因為它同時反映了“價”和“量”的變化。本文在定義異常交易量時，使用的是成交量，而非交易金額，不過兩者相差不大。

綜上，本文在實證部分構(gòu)造了異常交易量指標作為投資者意見分歧的代理變量，并通過“自底向上”的方法來構(gòu)造綜合A股市場的整體分歧：

其中，Disgi,t代表股票i在t期的分歧，表示為t期和t-1期成交量的比值，Sizei,t是市值。

(2)分析師預(yù)測分歧。本文在穩(wěn)健性檢驗部分使用分析師對上市公司EPS的長期預(yù)測作為投資者意見的代理變量，這一方法在學(xué)界被廣泛使用，例如Yu[2]。在我國，分析師一般會對公司t年、t+1年和t+2年的EPS進行預(yù)測。而Yu認為，選擇EPS的長期預(yù)測具有更多的好處。因此，本文使用的是分析師對公司t+2年EPS的預(yù)測數(shù)據(jù)，于是個股分歧可以表示為：

其中，Disgi,t表示股票i在t期的分歧，等于跟蹤公司i的所有分析師在t期對股票i的EPS預(yù)測標準差除以其預(yù)測均值的絕對值。

(三)數(shù)據(jù)及統(tǒng)計分析

本文以綜合A股市場為研究對象，檢驗前文提出的假說1和假說2。本文所選取的樣本區(qū)間為1995年1月至2014年4月，共232個觀測值。關(guān)于收益率指標，本文分別選取了A股市場中的考慮現(xiàn)金紅利再投資的等權(quán)收益率和總市值加權(quán)收益率。之所以采用兩種收益率，主要是因為實證研究發(fā)現(xiàn)投資者意見分歧對股票未來收益的影響在小規(guī)模公司中尤為顯著[5，8]。因此，為了保證研究結(jié)論不受公司規(guī)模的影響，本文在實證部分將分別采用市場的等權(quán)收益率和加權(quán)收益率。根據(jù)復(fù)利計算方法，本文將整存整取的一年期定期存款利率轉(zhuǎn)化為月度的無風(fēng)險利率。數(shù)據(jù)來源為CSMAR數(shù)據(jù)庫。

表1概括了綜合A股市場月度超額收益率及其已實現(xiàn)方差的描述性統(tǒng)計情況。根據(jù)前文提出的異常交易量指標，通過“自底向上”的方法計算每個月的市場整體分歧，之后在全樣本區(qū)間(232個月)內(nèi)進行排序，將分歧較小的116個月視為市場分歧較小時期，剩余的116個月視為市場分歧較大時期。

總體而言，市場的收益分布在不同的分歧時期表現(xiàn)出較明顯的差異。在市場分歧較大時期，方差、偏度和峰度的值都要顯著高于市場分歧較小時期(這三個統(tǒng)計量常被用于描述市場收益的波動性)。這樣的統(tǒng)計結(jié)果與我們之前的推斷相符：在市場分歧嚴重時期，非理性的個人投資者對市場價格的影響更強烈。不過，表1也同時呈現(xiàn)出一個與我們的經(jīng)驗證據(jù)不符的現(xiàn)象，即在不同的分歧時期，市場收益并沒有明顯的差異。因此，在本文的樣本區(qū)間內(nèi)出現(xiàn)的這種現(xiàn)象無疑是奇怪的，我們將在回歸分析部分進一步觀察。

表1　綜合A股市場月度超額收益率及其已實現(xiàn)方差的描述性統(tǒng)計

五、實證分析

在這一部分，本文將通過回歸分析的方式來驗證前文提出的假設(shè)。我們可以通過模型1來檢驗市場的風(fēng)險與收益關(guān)系：

Rt+1=α+βVar(Rt+1)+εt+1

(模型1)

其中，Rt+1代表市場的月度超額收益，而Var(Rt+1)則表示收益的條件方差，它們根據(jù)前文提到的三種波動率模型分別計算得出。需要補充說明的是，收益和條件方差的數(shù)據(jù)是相對應(yīng)的，即Rt+1使用等權(quán)(總市值加權(quán))月收益率，那么對波動率的估計就使用等權(quán)(總市值加權(quán))日收益率。

模型1屬于單狀態(tài)模型，沒有考慮到市場中不同分歧水平的影響。而如果想要驗證本文的假設(shè)，我們需要用到模型2：

Rt+1=α1+β1Var(Rt+1)+α2Dt+β2DtVar(Rt+1)εt+1

(模型2)

表2　基于滾動窗口模型的風(fēng)險—收益回歸分析

注：括號內(nèi)報告的是經(jīng)過Newey-West調(diào)整的t統(tǒng)計值，*、**和***分別代表在10%、5%和1%的顯著性水平下顯著，下同。

模型2是一個兩狀態(tài)模型，Dt是虛擬變量。如前文所述，本文根據(jù)分歧的大小將樣本劃分為兩個時期，其中，分歧較小的116個月視為市場分歧較小時期，Dt=0；分歧較大的116個月視為市場分歧較大時期，Dt=1。如果本文提出的假說1成立，投資者意見分歧確實會弱化市場的風(fēng)險與收益關(guān)系，那么β2應(yīng)該為負；如果假說2成立，我們預(yù)期β1為正，因為在市場分歧較小時期，非理性的個人投資者較少，對市場的影響較弱，因而預(yù)期市場在理性環(huán)境下會存在正的風(fēng)險補償。

表2報告了以滾動窗口模型估計條件方差的風(fēng)險與收益回歸結(jié)果。從模型1的結(jié)果來看，風(fēng)險和收益之間的關(guān)系是非常微弱、模糊的，它們的回歸系數(shù)β為0.226，對應(yīng)的t值是0.37，模型的擬合優(yōu)度也很低，僅為0.1%。

在模型1中加入描述分歧差異的虛擬變量Dt，使之變成一個兩狀態(tài)模型，于是模型2的回歸結(jié)果顯示出更明確的風(fēng)險至收益關(guān)系。以Panel A的結(jié)果為例，在分歧較小時期，市場上存在顯著的風(fēng)險補償(β1=2.275，t=2.07)，意味著風(fēng)險和收益之間是正相關(guān)的，投資者表現(xiàn)為風(fēng)險厭惡；而在分歧較大時期，這種正相關(guān)性卻被明顯弱化了(β2=-2.443，t=-2.03)，風(fēng)險至收益關(guān)系的斜率接近于0(β1+β2=-0.168，F(xiàn)=0.11)，表明此時風(fēng)險和收益之間不具有相關(guān)性，投資者傾向于風(fēng)險中性，甚至是輕微的風(fēng)險偏好。以上回歸結(jié)果不僅在統(tǒng)計意義上顯著，而且具有重要的經(jīng)濟含義。例如，β1=2.275和β2=-2.443分別意味著在市場分歧較小時期，條件方差每增加一個標準差單位，會帶來超額收益上升1.65%；而在市場分歧較大時期，條件方差每增加一個標準差單位，會帶來超額收益下降3.96%。此外，相比于單狀態(tài)模型，兩狀態(tài)模型能夠更好地擬合數(shù)據(jù)，表現(xiàn)為從0.1%提高至1.4%。

表3　基于等權(quán)日收益率的條件方差相關(guān)系數(shù)矩陣

我們可以在Panel B的回歸結(jié)果中觀察到類似的顯著性。這表明意見分歧對風(fēng)險與收益關(guān)系的影響并不局限于小公司，而是普遍存在于各種規(guī)模的公司之中。不過，對比Panel A和Panel B的結(jié)果，可以發(fā)現(xiàn)意見分歧的影響并沒有在小規(guī)模公司中更顯著，這與已有的實證結(jié)論不符。

本文共采用了三種波動率模型來估計收益的條件方差，分別是滾動窗口模型、GARCH(1，1)模型和EGARCH(1，1)模型。以等權(quán)日收益率的估計結(jié)果為例，表3列出了這三種模型估計結(jié)果的相關(guān)系數(shù)矩陣，其中上三角矩陣是Pearson相關(guān)系數(shù)，下三角矩陣是Spearman相關(guān)系數(shù)?？梢钥吹?，三種模型估計的條件方差總體上是高度相關(guān)的，但相比之下，滾動窗口模型和GARCH族模型的估計結(jié)果還是有一些差異。因而，非常有必要用GARCH族模型估計的條件方差來檢驗本文的理論假設(shè)。

表4　基于GARCH(1，1)模型的風(fēng)險與收益回歸分析

由于篇幅有限，本文只匯報了基于EGARCH(1，1)模型的風(fēng)險與收益回歸結(jié)果，如表4所示?？傮w而言，不論是單狀態(tài)模型還是兩狀態(tài)模型，我們都得到了和表2類似的結(jié)果。兩個關(guān)鍵系數(shù)的估計值在統(tǒng)計意義和經(jīng)濟意義上都是顯著的，但這種顯著性略有下降。

綜上所述，表2、表4的實證結(jié)果支持了本文提出的假說1和假說2：意見分歧會弱化市場的風(fēng)險與收益關(guān)系，導(dǎo)致時變的風(fēng)險溢價。當(dāng)市場分歧較小時，投資者是風(fēng)險厭惡的，對于承擔(dān)風(fēng)險會要求一定的風(fēng)險補償，故此時風(fēng)險與收益之間正相關(guān)。然而這種正相關(guān)性卻在分歧嚴重時被明顯削弱了，導(dǎo)致風(fēng)險與收益關(guān)系變得模糊、不明確。以上實證發(fā)現(xiàn)不僅很好地驗證了前文的論斷，即個人投資者在市場分歧嚴重時期對股票價格施加的非理性影響會削弱市場的風(fēng)險與收益關(guān)系，也為我們長久以來的經(jīng)濟直覺提供了證據(jù)：當(dāng)市場由理性投資者主導(dǎo)時，風(fēng)險能夠得到正的補償。在小分歧時期，衡量風(fēng)險與收益關(guān)系的系數(shù)β1具有重要的經(jīng)濟含義。然而，當(dāng)市場分歧嚴重時，風(fēng)險與收益關(guān)系的斜率接近于0，即β1+β2不顯著，表明此時市場被非理性的個人投資者主導(dǎo)，風(fēng)險難以得到補償。另外，我們的實證結(jié)果也是十分穩(wěn)健的，不依賴于收益率數(shù)據(jù)和條件方差模型的選取。

不過，一個很奇怪的現(xiàn)象是，雖然定義分歧的虛擬變量和條件方差構(gòu)成的交互項的預(yù)測能力(β2)是顯著的，然而虛擬變量本身的預(yù)測能力(α2)卻并不顯著，這一點我們早在分析表1的時候就已經(jīng)有所察覺。意見分歧與股票未來收益具有相關(guān)性已經(jīng)取得了普遍的實證證據(jù)，即當(dāng)期的投資者意見分歧會降低股票的未來收益，因而我們預(yù)期α2為負。但是顯然，我們的實證結(jié)果表明分歧對收益的預(yù)測能力并不顯著，更準確地說，在滯后期為一個月的情況下并不顯著。本文認為可以從以下兩個方面進行解釋：第一，本文的研究對象是綜合A股市場，而以往的經(jīng)驗證據(jù)幾乎都來自于個股層面。前者側(cè)重的是整個市場在時間維度上的分歧水平，后者則著重考察了公司橫截面上的分歧差異。顯然，投資者之間的意見分歧更多的體現(xiàn)在不同股票之間，而不是同一只股票的不同時期。而本文采用“自底向上”的分歧構(gòu)造方法，用個股分歧加權(quán)得出市場組合的整體分歧，難免會模糊了公司橫截面之間的差異，因而可能會弱化意見分歧與股票收益之間的關(guān)系。第二，以投資組合為研究對象的實證發(fā)現(xiàn)表明，意見分歧對股票未來收益的預(yù)測能力在短期并不顯著。Yu發(fā)現(xiàn)，投資者意見分歧具有均值回歸的性質(zhì)[2]。其中，極小比例的分歧會在一個月內(nèi)開始均值回歸，一年左右分歧受到的沖擊進入半衰期，三年后全部回歸到均值。與均值回歸的速度相對應(yīng)，分歧對未來一個月收益的預(yù)測能力十分微弱，而對未來一年到三年收益的預(yù)測能力則非常強。簡而言之，Yu的研究結(jié)論表明意見分歧對中長期收益的預(yù)測能力要明顯優(yōu)于短期，這也很好地解釋了本文α2不顯著的原因[2]。不過，由于定義分歧的虛擬變量和條件方差構(gòu)成的交互項的預(yù)測能力(β2)是顯著的，因而我們可以推斷分歧可以通過影響風(fēng)險補償進而間接地預(yù)測收益。顯然，本文的實證結(jié)果表明與分歧本身對收益的直接預(yù)測能力相比，這種間接的預(yù)測能力會更快地發(fā)揮作用，因為分歧在中長期才開始快速地向其均值回歸。

六、穩(wěn)健性檢驗

在這一部分，本文將會對以上實證結(jié)果進行必要的穩(wěn)健性檢驗。首先，本文使用分析師預(yù)測分歧替代異常交易量作為度量投資者意見分歧的指標，考察上述研究結(jié)論是否依賴于關(guān)鍵變量度量方法的選??；其次，使用包含經(jīng)濟周期信息的宏觀經(jīng)濟變量替代意見分歧，檢驗是否只有意見分歧能夠?qū)е律鲜龅娘L(fēng)險與收益模式。

(一)以分析師預(yù)測分歧度量投資者意見分歧

如前文所言，交易量作為投資者意見分歧代理指標的最大問題在于，它不僅僅度量了分歧。大部分有趣的價格和收益現(xiàn)象都與交易量的變動緊密相關(guān)。因此，本文的實證發(fā)現(xiàn)很可能也會遭到這樣的質(zhì)疑，即影響市場風(fēng)險與收益關(guān)系的因素是交易量，而非投資者意見分歧。顯而易見，為了證明本文研究結(jié)論的可靠性，最直接、有效的方法就是采用交易量以外的其他指標作為投資者意見分歧的代理變量，重新進行實證檢驗。如果仍然可以得到相同的實證結(jié)果，那么將可以有力地證明我們的結(jié)論是穩(wěn)健、可靠的。

根據(jù)本文提出的變量構(gòu)造說明，我們使用分析師對上市公司t+2年EPS預(yù)測的數(shù)據(jù)，同時通過“自底向上”的方法來構(gòu)造綜合A股市場的整體分歧。數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫。眾所周知，我國證券分析師行業(yè)發(fā)展較晚，分析師數(shù)據(jù)庫的建立與完善更是在近十幾年才開始起步的，這就導(dǎo)致了我們可獲取的早期分析師數(shù)據(jù)十分稀少，甚至為零。根據(jù)本文的統(tǒng)計，我國從2001年開始有公開的分析師預(yù)測數(shù)據(jù)，不過和數(shù)量龐大的A股上市公司相比，預(yù)測的覆蓋率非常低。然而從2007年開始，不論是分析師人數(shù)還是分析師預(yù)測次數(shù)都有了大幅度的提高，且涵蓋了大部分A股上市公司。因此，為了使得分析師預(yù)測分歧能夠更準確地度量A股市場的投資者意見分歧，本文檢驗的樣本區(qū)間是從2007年1月到2014年4月。

所選的樣本數(shù)據(jù)還需要依次進行以下兩項篩選：首先，如果同一家券商在t月對公司i進行了多次預(yù)測，那么只保留最后一次預(yù)測的結(jié)果；其次，我們想要計算分析師的預(yù)測分歧，顯然只有兩個以上不同分析師的意見才能稱之為分歧，因而刪除掉每個月只有一家券商預(yù)測的樣本觀測。

表5　回歸系數(shù)及其顯著性

下面檢驗的思想及步驟與本文第四部分完全相同，由于篇幅有限，本文沒有給出詳細的檢驗結(jié)果，而是將關(guān)鍵系數(shù)的回歸結(jié)果匯總在表5當(dāng)中。可以看出，用分析師預(yù)測分歧度量的投資者意見分歧依然具備這樣的能力即可以區(qū)分出風(fēng)險厭惡程度不同的兩種市場狀態(tài)。當(dāng)市場分歧較小時，投資者是風(fēng)險厭惡的，對于承擔(dān)風(fēng)險會要求一定的風(fēng)險補償，故此時風(fēng)險與收益之間正相關(guān)。然而，這種正相關(guān)性卻在市場分歧加大時被明顯弱化了，投資者傾向于風(fēng)險中性，甚至是風(fēng)險偏好。因此，不論是使用交易量還是分析師預(yù)測分歧，所得的實證結(jié)論均能夠有力地支持本文提出的理論假設(shè)，由此可以很好地證明我們的實證結(jié)論是十分穩(wěn)健的，不依賴于度量指標的選取，即能夠影響市場風(fēng)險與收益關(guān)系的因素是投資者意見分歧，而非交易量。

(二)以宏觀經(jīng)濟變量代替投資者意見分歧

第五部分的實證結(jié)果表明，意見分歧有一種能力，可以區(qū)分出風(fēng)險厭惡程度不同的兩種市場狀態(tài)?？墒?，大量的實證研究表明股票的超額收益是可以預(yù)測的，風(fēng)險溢價與經(jīng)濟周期呈反向變動趨勢：在經(jīng)濟蕭條時更高，在經(jīng)濟擴張時更低[8-10]。這意味著預(yù)期收益是隨著經(jīng)濟周期的變化而變動的，存在著逆周期的風(fēng)險厭惡，因此很可能導(dǎo)致時變的風(fēng)險與收益關(guān)系。于是，對于本文實證結(jié)論的一種可能的懷疑是：我們使用的意見分歧度量方法包含了經(jīng)濟周期信息，因而導(dǎo)致了風(fēng)險與收益之間的權(quán)衡關(guān)系具有時變特征。為了檢驗這種可能性，我們直接用宏觀經(jīng)濟變量代替投資者意見分歧，考察其是否能夠區(qū)分出風(fēng)險厭惡程度不同的兩個市場階段。

本文在這里使用的宏觀經(jīng)濟變量是長短期利差，它包含了大量的經(jīng)濟周期信息。長短期利差是對未來四個季度經(jīng)濟增長的極好預(yù)測指標。利差序列同經(jīng)濟景氣指數(shù)之間呈現(xiàn)出一致性變化的趨勢；國債即期收益率長短期名義利差對GDP、工業(yè)增加值等宏觀經(jīng)濟變量具有良好的預(yù)測作用；在考慮貨幣政策因素后，利率期限結(jié)構(gòu)包含了未來兩年左右的經(jīng)濟增長信息。因此，在我國利率期限結(jié)構(gòu)對宏觀經(jīng)濟的預(yù)測作用是非常穩(wěn)健、可靠的，是良好的宏觀經(jīng)濟指示器。由于銀行間市場是我國債券市場的主體，因此我們選取的是中債銀行間市場固定利率國債即期收益率數(shù)據(jù)。數(shù)據(jù)來源為Wind數(shù)據(jù)庫。由于Wind數(shù)據(jù)庫只提供2006年3月以來的即期收益率數(shù)據(jù)，故而本文檢驗的樣本期為2006年3月至2014年4月。

檢驗的思想及詳細內(nèi)容仍然與本文第四部分一致，只是我們用國債長短期利差來代替投資者意見分歧，隨后用相同的模型進行了回歸分析驗證。如果長短期利差變量具有這樣的能力，即能夠區(qū)分出風(fēng)險厭惡程度不同的兩種市場狀態(tài)，那么我們預(yù)期為負，并且希望這種結(jié)果在兩種收益率計算方法及三種波動率模型下具有一致性。然而，回歸結(jié)果表明，回歸系數(shù)有正有負，更重要的是，沒有一種結(jié)果在10%的顯著性水平上顯著。因此，我們認為長短期利差不具備與投資者意見分歧類似的能力，故本文第四部分的實證結(jié)果不太可能是由經(jīng)濟周期所導(dǎo)致的。

七、結(jié)論

本文的研究結(jié)果表明，投資者的意見分歧會影響市場的風(fēng)險與收益關(guān)系。具體而言，當(dāng)市場分歧較小時，投資者是風(fēng)險厭惡的，風(fēng)險與收益之間顯著正相關(guān)。然而這種相關(guān)性卻在高分歧時期被嚴重削弱了，導(dǎo)致風(fēng)險與收益關(guān)系變得模糊、不明確。以上實證發(fā)現(xiàn)很好地印證了本文提出的理論假設(shè)，即個人投資者在市場分歧嚴重時期對股票價格施加的非理性影響會削弱市場的風(fēng)險與收益關(guān)系，同時也為我們長久以來的經(jīng)濟認識提供了證據(jù)，既當(dāng)市場由理性投資者主導(dǎo)時，風(fēng)險能夠得到正的補償。雖然在我們的回歸結(jié)果中，投資者意見分歧本身對股票未來收益的預(yù)測能力并不顯著，這與以往大部分實證發(fā)現(xiàn)不符。然而，本文認為這樣的結(jié)果也在情理之中，并且給出了一些可能的解釋。本文對以上實證結(jié)果進行了穩(wěn)健性檢驗，檢驗結(jié)果可用表6來概括。表6匯報了模型中兩個關(guān)鍵系數(shù)(和)的估計值顯著的數(shù)量，同時將它們分為“符號正確”和“符號錯誤”兩類，兩者相減計算出一個得分。由于本文是用三種波動率模型和兩種收益率計算方法來估計的和，因此滿分應(yīng)為12分。顯然，無論是用異常交易量還是分析師預(yù)測分歧作為投資者意見分歧的衡量指標，都能夠取得一致且符合理論預(yù)期的結(jié)果；而使用長短期利差變量則完全不能得到類似的結(jié)果?？傊?，本文的實證結(jié)果是穩(wěn)健的、一致的：投資者意見分歧具有一種獨特的能力，可以區(qū)分出風(fēng)險厭惡程度不同的兩個市場階段，導(dǎo)致不同的風(fēng)險與收益關(guān)系。同時，不論選取何種指標作為意見分歧的代理變量，都不影響最終結(jié)果。

表6　系數(shù)估計值的顯著性情況

本文的研究結(jié)果對資產(chǎn)定價研究具有一定的借鑒意義，因為以往多數(shù)研究關(guān)注的是投資者意見分歧對股票收益的直接影響。然而，本文為這種關(guān)系找到了一種新的作用機理，既分歧可以通過影響風(fēng)險補償進而間接地預(yù)測收益。不僅如此，本文的實證結(jié)果甚至表明，與分歧本身對收益的直接預(yù)測能力相比，這種間接的預(yù)測能力會更快地發(fā)揮作用。此外，本文的研究發(fā)現(xiàn)也為風(fēng)險與收益關(guān)系的相關(guān)研究提供了新的思路。已有的實證研究無法在這一問題上達成共識，然而本文認為如果加入投資者意見分歧變量，風(fēng)險與收益關(guān)系就會變得穩(wěn)健、明確。因此，后續(xù)的相關(guān)研究可以考慮在資產(chǎn)定價模型中加入投資者意見分歧，使之發(fā)揮重要的作用。

參考文獻：

[1]張維，張永杰.異質(zhì)信念、賣空限制與風(fēng)險資產(chǎn)價格[J].管理科學(xué)學(xué)報，2006，9：58-64.

[2]Yu J.Disagreement and return predictability of stock portfolios[J].Journal of Financial Economics，2011，99(5)：162-183.

[3]Miller E M. Risk，uncertainty，and divergence of opinion[J].Journal of Finance，1977，32(2)：1151-1168.

[4]王明虎，王煒.企業(yè)規(guī)模、融資約束與資本結(jié)構(gòu)波動[J].南京審計學(xué)院學(xué)報，20155(2)：12-18.

[5]Diether K，Malloy C, Scherbina A. Differences of opinion and the cross section of stock returns[J].Journal of Finance，2002，57(5)：2113-2141.

[6]陳國進，張貽軍.異質(zhì)信念、賣空限制與我國股市的暴跌現(xiàn)象研究[J].金融研究，2009(4)：80-91.

[7]陸靜，曹國華，唐小我.基于異質(zhì)信念和賣空限制的分割市場股票定價[J].管理科學(xué)學(xué)報，2011(1)：13-26.

[8]Yu J ，Yuan Y. Investor sentiment and the mean-variance relation[J].Journal of Financial Economics，2011，100(2)：367-381.

[9]Kim J S，Ryu D，Seo S W.Investor sentiment and return predictability of disagreement[J].Journal of Banking & Finance，2014，42(2)：166-178.

[10]Fama E F，F(xiàn)rench K R. Business conditions and expected returns on stocks and bonds[J].Journal of Financial Economics，1989，25(1)：23-49.

[責(zé)任編輯：楊志輝]

Empirical Research on Risk-return Relation Based on Investor Divergent Opinions

WANG Zhiqianga，WANG Jingb

(a. School of Finance，Dongbei University of Finance and Economics，Dalian 116025, China；b. Interdisciplinary Center for Social and Behavioral Studies，Dongbei University of Finance and Economics，Dalian116025, China)

Abstract:This paper examines the influence of investor divergent opinions on the market’s risk-return tradeoff based on A-share stock market. The result shows that there is a strong positive tradeoff in low-divergence periods but little if any relation in high-divergence periods. Hence， investor divergent opinions attenuates the link between risk and expected return，resulting in time-varying risk aversion. To ensure the reliability of research conclusions above，we use three volatility models as well as two widely acknowledged proxies for investor divergent opinions，which are volume and analyst forecast dispersion. At last，the conclusion is proved to be robust across all the checks above. This paper contributes a lot to asset pricing studies based on investor divergent opinions，since our findings shows that the disagreement not only predicts return directly，but also return indirectly through its effects on risk premium，and what’s more，the latter one comes into play faster.

Key Words:investor divergent opinions；risk-return relation；stock market volatility rate; risk compensation; asset pricing; market risk; investment risk

[中圖分類號]F830.59

[文獻標識碼]A

[文章編號]1004-4833(2015)04-0085-10

[作者簡介]王志強(1965—)，男，內(nèi)蒙古烏海人，東北財經(jīng)大學(xué)金融學(xué)院教授，博士生導(dǎo)師，從事金融學(xué)和數(shù)量經(jīng)濟學(xué)研究；王靜(1988—)，女，遼寧丹東人，東北財經(jīng)大學(xué)博士研究生，從事行為金融研究。

[收稿日期]2014-11-21