孟衛(wèi)東++張夢雨++陸靜

摘要：文章采用主成分分析法分別構(gòu)造AH股市場綜合情緒指數(shù)，再運用條件貝塔參數(shù)隨著投資者情緒和公司特征值變化的兩階段條件資產(chǎn)定價模型進行實證分析，結(jié)果表明：加入投資者情緒的條件定價模型，AH股定價的規(guī)模效應(yīng)變得不顯著，A股定價的B/M效應(yīng)顯著性明顯下降，因此投資者情緒可以幫助定價模型捕捉股票定價異象，但A股定價受投資者情緒影響程度強于H股，不同市場的投資者情緒對資產(chǎn)定價影響程度差異是導(dǎo)致AH股雙重上市公司同股不同價的原因之一。

關(guān)鍵詞：投資者情緒；AH股價差；股票定價異象；條件資產(chǎn)定價模型

中圖分類號：F83091文獻標(biāo)志碼：A文章編號：

10085831（2016）02008010

一、研究問題與背景

在市場分割的條件下，具有相同企業(yè)背景和未來現(xiàn)金流的AH股雙重上市公司股票長期以來存在著同股不同價的現(xiàn)象，雖然其他國家、地區(qū)的資本市場上亦有類似現(xiàn)象，但中國是唯一一個內(nèi)資股相對于外資股存在較大幅度溢價的國家，這種現(xiàn)象被Fernald和Rogers[1]稱為“中國股票市場之迷”。這種“中國特例”在一定程度上反映了中國股票市場的制度和投資者構(gòu)成等特點。因此，研究分析導(dǎo)致A股與H股價格差異的因素，有助于深入了解中國大陸股票市場與香港股票市場的差異性，為中國證券市場的完善運行提供有力的理論參考。

眾多學(xué)者對AH股價差的影響因素進行了探討，但大都局限于傳統(tǒng)金融領(lǐng)域。Fama[2]在1970年提出的有效市場假說認(rèn)為資本市場上的行為人均為“理性經(jīng)濟人”，而投資者情緒作為一種背離理性的投資人心態(tài)，不會對股票價格和收益率產(chǎn)生影響。然而隨著學(xué)者們對金融市場的研究不斷深入，發(fā)現(xiàn)股票收益并不僅僅由股票市場風(fēng)險決定，資本市場仍然存在很多傳統(tǒng)資本資產(chǎn)定價模型（CAPM）無法解釋的異象，如規(guī)模效應(yīng)[3]、價值效應(yīng)[4]和動量效應(yīng)[5]等。行為金融學(xué)從投資者心理偏差視角對股票市場異象作出解釋。Baker和Wurgler[6]對投資者情緒給出了兩個經(jīng)典定義：投資者情緒描述了投資者的投機傾向，投資者情緒的高低通過影響投資者的投機需求，進而影響股票收益；投資者情緒的高低反映了投資者對市場的悲觀或樂觀的心態(tài)，影響了套利行為的風(fēng)險及成本，進而影響股票收益。因此，投資者情緒可以通過影響投機需求和市場套利行為，導(dǎo)致資本市場股票錯誤定價。2014年11月17日起，滬港通的正式實施給AH股市場提供了較好的套利通道，從理論上講AH價差應(yīng)該進一步縮小，然而，自滬港通開通以后，多數(shù)AH股價差不降反升，截至2014年12月31日，恒生AH溢價指數(shù)最高觸及12878點，創(chuàng)下近三年來的新高。不可否認(rèn)，這與2014年末A股進入牛市緊密相關(guān)，因此需要我們從投資者情緒的角度去解釋A股市場長期存在的非理性繁榮。

本文以AH股雙重上市公司股票為樣本，采用Baker和Wurgler[6]的主成分分析法分別構(gòu)建了A股市場和H股市場的月度綜合情緒指數(shù)，并將Avramov和Chordia[7]構(gòu)建的兩階段條件資產(chǎn)定價模型框架（The twopass conditional framework）予以延伸，使資產(chǎn)定價模型中的Beta參數(shù)隨著投資者情緒和公司特征值（市值和賬面市值比）變動，通過時間序列回歸和橫截面回歸，分析將投資者情緒作為條件信息加入時變的貝塔參數(shù)之后，是否有助于條件資產(chǎn)定價模型解釋A股和H股市場規(guī)模效應(yīng)、價值效應(yīng)、流動性效應(yīng)和動量效應(yīng)等股票市場定價異象，并探究不同市場投資者情緒對A股、H股市場資產(chǎn)定價的影響程度差異，結(jié)合AH股市場環(huán)境、制度和投資者組成等方面的差異，從投資者情緒角度解釋AH股價差。

本文的主要貢獻有以下三點：（1）打破了傳統(tǒng)金融理論的局限，從行為金融學(xué)理論出發(fā)，創(chuàng)新地將投資者情緒作為條件信息加入條件定價模型，給研究國內(nèi)外資本市場定價異象提供了新的方法；（2）從投資者情緒的角度去認(rèn)識AH股定價差異，有利于中國相關(guān)部門認(rèn)清A股市場投資者嚴(yán)重的投機心理和市場情緒化傾向，對于預(yù)警中國資本市場泡沫，完善和發(fā)展中國資本市場都有重要的指導(dǎo)意義；（3）本文的研究將行為金融學(xué)理論和含有投資者情緒的條件資產(chǎn)定價模型推廣到跨市場交叉上市股票價差研究領(lǐng)域，為該領(lǐng)域提供了一套更加實用的指導(dǎo)性工具。

二、文獻回顧

A股和H股長期存在的價差問題一直受到國內(nèi)外眾多學(xué)者的關(guān)注，他們分別從流動性差異、需求差異、匯率風(fēng)險差異以及信息非對稱方面對AH股的價差作出解釋[8-12]。20世紀(jì)60年代提出的資本資產(chǎn)定價模型（CAPM）是現(xiàn)代金融理論的基石，然而70年代在股票橫截面收益中涌現(xiàn)的大量投資者異常行為和金融市場異象，讓學(xué)者們紛紛對傳統(tǒng)CAPM模型的有效性提出質(zhì)疑，F(xiàn)ama和French[13]將市值（size）和賬面市值比（B/M）加入定價模型中，并提出市值和賬面市值比這兩因子解釋股票市場橫截面收益的能力強于單一的市場系統(tǒng)風(fēng)險因子Beta，但是Fama-French三因子模型仍然沒有解釋動量效應(yīng)。因此，學(xué)者們開始嘗試從行為金融學(xué)的角度去解釋這些股票市場異象，而投資者情緒作為行為金融學(xué)重要的研究主題，成為了國內(nèi)外學(xué)者的研究熱點。已有研究成果表明：投資者情緒可以作為未來現(xiàn)金流和投資風(fēng)險的信念，與股票橫截面收益有著顯著的相關(guān)性，是影響資產(chǎn)定價的重要因素之一[14-17]。

與靜態(tài)的無條件資產(chǎn)定價模型相比，條件資產(chǎn)定價模型中考慮了風(fēng)險Beta參數(shù)的多變性，因此其解釋股票橫截面收益的能力優(yōu)于無條件定價模型[18]。已有學(xué)者發(fā)現(xiàn)公司市場特征值[19]和宏觀經(jīng)濟變量[20]在預(yù)測投資組合期望收益方面有著顯著的時變性。近年來越來越多的研究將重點放在動態(tài)的條件資產(chǎn)定價模型的研究上：Lettau和Ludvigson[21]將期限溢價、違約利差和消費—財富比（Consumption-Wealth Ratio）作為條件變量加入條件定價模型；Gomes[22]用股利價格比（D/P）、賬面市值比和公司市值等公司特征值去測量Beta參數(shù)；Ho和Huang[23]將投資者情緒作為條件信息加入時變的Beta參數(shù)，有助于深入觀測投資者情緒對風(fēng)險因子敏感性的影響，并發(fā)現(xiàn)投資者情緒是有效的條件信息之一。

本文的研究與國內(nèi)外同類研究的區(qū)別主要在于：（1）目前基于條件資產(chǎn)定價模型對股票市場收益的影響研究，其研究主體大多局限于發(fā)達資本市場的股票，而對新興資本市場，尤其是對于中國股票市場的研究較少，而本文的研究主體是同時在中國大陸和中國香港兩個新興資本市場交易的股票；（2）目前國內(nèi)關(guān)于投資者情緒研究的文獻中，大多僅將投資者情緒作為股票市場超額收益率的解釋變量，通過橫截面回歸分析它與股票市場超額收益率的相關(guān)性，而本文將投資者情緒作為條件信息加入資產(chǎn)定價模型，研究中國股票市場的定價異象；（3）Ho和Huang的研究只針對單一的美國資本市場，沒有涉及跨市場的投資者情緒對交叉上市公司條件資產(chǎn)定價模型的影響，而本文以雙重上市的AH股公司為樣本，旨在比較雙重上市股票定價如何受到不同地區(qū)情緒的影響，該方法在國內(nèi)外研究中屬首創(chuàng)。

三、市場綜合情緒值的構(gòu)造

研究投資者情緒的關(guān)鍵是構(gòu)造一個合理的投資者情緒指數(shù)，學(xué)者們早期的研究往往將某單一的指數(shù)作為反映市場投資者情緒的代理指標(biāo)，探究它們對股票市場收益和流動性的影響，但具體哪一個情緒代理指數(shù)能夠最直接地反映股票市場上投資者情緒的變化，國內(nèi)外學(xué)者尚未達成一致結(jié)論。單一的情緒代理變量有兩方面的缺陷：一是單一的情緒代理指數(shù)具有片面性，不能全面反映整個市場的投資者情緒；二是單一的情緒代理指數(shù)由于含有該指標(biāo)本身特有的信息，不能夠準(zhǔn)確地反映市場投資者的情緒信息。為了改善單一情緒代理變量在研究中的局限性，我們采用Baker和Wurgler提出的構(gòu)造綜合情緒的方法，分別構(gòu)造A股和H股市場的投資者綜合情緒代理指數(shù)。

（一）市場綜合情緒指數(shù)的構(gòu)造方法

構(gòu)造綜合情緒指數(shù)的步驟如下：（1）選取幾個合適的情緒代理指標(biāo)；（2）判斷所選指標(biāo)是否采用滯后一期值，根據(jù)Baker和Wurgler采用的主成分分析法，將選取的單一情緒指數(shù)標(biāo)準(zhǔn)化之后的當(dāng)期值和滯后一期值進行第一次主成分分析，選取特征根大于1的主成分，用特征值進行加權(quán)平均構(gòu)造一個中間指數(shù)，然后再進行相關(guān)性檢驗，根據(jù)所選指標(biāo)當(dāng)期值和滯后項與中間指數(shù)的相關(guān)性大小，決定選取該指標(biāo)是否采用滯后項；（3）用選定的指標(biāo)與宏觀經(jīng)濟變量進行正交化處理，為了排除選定的情緒代理指標(biāo)本身特有的宏觀經(jīng)濟信息的干擾，使其只包含投資者情緒信息，我們將其與宏觀經(jīng)濟變量進行回歸，提取回歸殘差項作為更準(zhǔn)確的情緒代理指標(biāo)，去構(gòu)造投資者綜合情緒值；（4）用正交之后的情緒代理指標(biāo)進行第二次主成分分析，同樣提取特征根大于1的主成分，構(gòu)造綜合情緒指數(shù)。為了保證構(gòu)造的綜合情緒指數(shù)能夠充分反映整個市場的投資者情緒波動，我們嚴(yán)格遵循主成分累計解釋力大于70%的準(zhǔn)則。

由于A股和H股市場發(fā)展程度和成熟度不同，能夠直觀反映這兩個市場投資者情緒的情緒代理指標(biāo)也不同，我們分別選取若干個可以更準(zhǔn)確反映A股和H股市場投資者情緒變化的情緒代理指標(biāo)，通過上述方法，分別構(gòu)建A股市場投資者綜合情緒指數(shù)和H股市場投資者綜合情緒指數(shù)。

（二）A股和H股市場投資者綜合情緒指數(shù)

根據(jù)已有研究成果[24-27]，在構(gòu)造A股市場投資者綜合情緒指數(shù)時，本文引入了封閉式基金折價率、消費者信心指數(shù)、新增開戶數(shù)、市盈率和換手率這5個綜合情緒指數(shù)組成指標(biāo)。

我們將A股市場上述5個情緒代理指標(biāo)月度數(shù)據(jù)當(dāng)期值和滯后一期值標(biāo)準(zhǔn)化后，用前文提到的主成分分析法進行市場投資者綜合情緒值的構(gòu)造，樣本區(qū)間為2003年1月至2013年12月，其中：由于換手率在樣本期間內(nèi)呈現(xiàn)了一種指數(shù)型正向趨勢，為了去除這種趨勢，我們將原始的換手率值取自然對數(shù)后，再進行5年移動平均處理；另外，我們選取居民消費者指數(shù)（CPI）、凈出口（NEX）和工業(yè)增長率（IGR）這3個宏觀經(jīng)濟指標(biāo)對選定的代理變量當(dāng)期值或滯后項進行正交化處理。最終我們構(gòu)造的A股市場綜合情緒指數(shù)表達式如下：

SentA⊥t=-0.401 9CEFD⊥t-1+0435 5CCI⊥t-1+1.318 2NSA⊥t+1.348 9PE⊥t+1.276 0Turnover⊥t-1

（1）

CEFD⊥表示經(jīng)正交化處理后的封閉式基金折價率；CCI⊥表示經(jīng)正交化處理后的消費者信心指數(shù)；NSA⊥表示經(jīng)正交化處理后的新增開戶數(shù)；PE⊥表示經(jīng)正交化處理后的市盈率；Turnover⊥為經(jīng)正交化處理后的市場換手率；每個代理指標(biāo)下綴t和t-1分別表示該指標(biāo)當(dāng)期值和滯后一期值。通過主成分分析構(gòu)造的A股市場投資者綜合情緒指數(shù)累計解釋力為7250%，因此我們認(rèn)為該綜合情緒指數(shù)涵蓋了A股市場大部分投資者情緒波動。

與A股市場相同，我們在構(gòu)造H股市場投資者綜合情緒指數(shù)時同樣選取了封閉式基金折價率、換手率作為情緒代理變量。由于H股是較為成熟的市場，機構(gòu)投資者偏多，因此消費者信心指數(shù)、新增開戶數(shù)、市盈率受投資者情緒影響不如A股市場明顯。為了更好地體現(xiàn)H股市場投資者情緒變化，我們選取了IPO數(shù)量、IPO首日收益率、市場交易量和股本發(fā)行量作為衡量H股投資者情緒代理指標(biāo)[28-30]。

同樣地，我們對H股市場上述投資者情緒代理變量月度當(dāng)期值和滯后項數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，換手率取自然對數(shù)后，5年移動平均去趨勢化處理，以及與宏觀經(jīng)濟變量CPI和貨幣供應(yīng)量（M3）正交化處理，樣本區(qū)間同樣為2003年1月至2013年12月。最終得到的H股市場投資者綜合情緒指數(shù)為：

SentH⊥t=-0.352 7CEFD⊥t-1+0371 4NIPO⊥t-1+1.398 8RIPO⊥t+0.464 8Share⊥t+1.428 7Turnover⊥t-1

（2）

其中，NIPO⊥代表每月IPO數(shù)量，RIPO⊥代表每月IPO首日收益率，Share⊥代表普通股份額。通過主成分分析構(gòu)造的H股市場投資者綜合情緒指數(shù)累計解釋力為73%，因此我們認(rèn)為該綜合情緒指數(shù)涵蓋了H股市場大部分投資者情緒波動。

四、研究設(shè)計

（一）第一階段時間序列回歸模型的建立

1靜態(tài)的無條件資產(chǎn)的定價模型

本文主要以資本資產(chǎn)定價模型（CAPM）和Fama-French三因子模型（FF）為基礎(chǔ)進行實證回歸分析。傳統(tǒng)的無條件資產(chǎn)定價模型假設(shè)風(fēng)險參數(shù)Beta為恒定不變，故無條件的CAPM模型與無條件的FF模型的表達式如下所示。

（1）無條件的資本資產(chǎn)定價模型。

rit=αi+βiMRMt+εit（3）

其中，rit=Rit-Rft為個股超額收益率，Rit為個股i在t時刻的收益率，Rft為無風(fēng)險收益率；RMt為市場指數(shù)在t時刻的超額收益率，εit為誤差項。CAPM模型是最基本的資產(chǎn)定價模型，其中只包含了1個風(fēng)險因子，即是市場投資組合的超額收益，該風(fēng)險因子的風(fēng)險系數(shù)βiM為常數(shù)。

（2）無條件的Fama-French三因子模型。

rit=αi+βimRMt+βiSMBSMBt+βiHMLHMLt+εit（4）

其中，SMBt為時期t的市值因子的模擬組合收益率，HMLt為時間t的賬面市值比因子的模擬組合收益率。Fama和French認(rèn)為，包含了市場投資組合（

Rmt）、市值因子（SMB）、賬面市值比因子（HML）這3個風(fēng)險因子的資產(chǎn)定價模型可以更好地解釋單個股票或投資組合的超額回報率，同樣的，3個風(fēng)險因子的風(fēng)險系數(shù)（

βim，βiSMB和βiHML）均為常數(shù)。

2時變的條件資產(chǎn)定價模型

靜態(tài)的無條件資產(chǎn)定價模型忽略了風(fēng)險因子的時變性，因此無法完全解釋股票市場上的超額收益率。已有研究表明，公司特征值在預(yù)測投資組合收益方面具有顯著的時變性，應(yīng)作為條件信息加入條件資產(chǎn)定價模型的Beta參數(shù)?；谕顿Y者情緒可以反映金融市場目前的狀況和未來的前景，本文將投資者情緒同樣作為條件信息加入條件資產(chǎn)定價模型。

接下來本文以最簡單的CAPM模型為例，對時變的條件資產(chǎn)定價模型進行描述。無條件的資產(chǎn)定價模型假定模型中風(fēng)險因子的Beta系數(shù)是恒定不變的，而本文提出風(fēng)險參數(shù)

βit-1

是隨著市場投資者情緒（Sentt-1）和公司特征值（SIZEit-1、B/Mit-1）時變的，時變的Beta參數(shù)可以用以下公式表示：

βit-1=βia+βibsentt-1+（βic+βidSentt-1）SIZEit-1

+（βie+βifSentt-1）（B/M）it-1（5）

若為無條件定價模型，那么除了βia之外的所有βiS均為0，即β為常數(shù)。根據(jù)式（5）我們可以構(gòu)造3個不同的時變風(fēng)險β參數(shù)，其表達式如下。

（1）參數(shù)A：用包含了投資者情緒，公司市值和賬面市值比三個解釋變量的表達式表示，即式（5）中所有的βiS均不為0；

（2）參數(shù)B：用包含了公司市值和賬面市值比兩個公司特征值的表達式表示，即式（5）中βib=βid=βif=0；

（3）參數(shù)C：用只包含投資者情緒變量的表達式表示，即式（5）中βc=βd=βe=βf=0。

因此，含所有條件信息的風(fēng)險參數(shù)A的條件CAPM模型如下所示：

rit=αi+βiaRMt+βibSentt-1RMt+βicSIZEit-1RMt+βidSentt-1SIZEit-1RMt+

βieB/Mit-1RMt+

βifSentt-1B/Mit-1RMt+Dummy1+Dummy2+εit

（6）

其中，投資者情緒和公司特征值為滯后一期變量。為了使回歸結(jié)果更穩(wěn)健，我們在模型中加入2個宏觀經(jīng)濟變量的虛擬變量：Dummy1代表中國匯改的虛擬變量，2005年7月21日匯率制度機制改革之前取0，匯率機制改革形成之后取1；Dummy2代表A股股改虛擬變量，A股股改完畢之前取0，A股股改完畢之后取1。

本文分別對無條件資產(chǎn)定價模型和含有不同條件信息的條件資產(chǎn)定價模型進行時間序列回歸，得到的截距項和誤差項之和（R*it=αi+εit）為風(fēng)險調(diào)節(jié)收益。

（二）第二階段橫截面回歸模型的建立

我們將第一階段時間序列回歸中的截距項（定價誤差，pricing error）和殘差項之和（風(fēng)險調(diào)節(jié)收益）作為被解釋變量，再使其與公司市值、賬面市值比、換手率以及累計收益率等公司特征值進行橫截面回歸。原假設(shè)為在第一階段時間序列回歸過程中，定價模型有效地捕捉了股票市場異象，因此，在第二階段橫截面回歸模型中，公司市值、賬面市值比、換手率以及累計收益率與風(fēng)險調(diào)節(jié)收益沒有顯著的相關(guān)性。綜上，我們將第二階段橫截面回歸模型歸納為以下的一般形式：

R*it=α0t+γsize，tSIZEt-1+γBM，tBMt-1+γturn，tTURNt-1+

γRET，tRETt-1+πit

（7）

其中，R*it代表股票i在t時刻的風(fēng)險調(diào)節(jié)收益，它等于第一階段時間序列回歸中截距項和殘差項的總和；式（7）中的解釋變量分別為公司市值（Size）、賬面市值比（BM）、換手率（TURN）和個股累計收益率（RET）；γcharacter，t代表特征值與風(fēng)險調(diào)節(jié)收益的相關(guān)系數(shù)。

式（7）所描述的橫截面回歸將個股每月的風(fēng)險調(diào)節(jié)收益與公司市值、賬面市值比、換手率和累計收益率進行回歸，如果回歸結(jié)果接受原假設(shè)，即規(guī)模效應(yīng)、價值效應(yīng)、換手率效應(yīng)、動量效應(yīng)等定價異象的系數(shù)均為零并且結(jié)果在統(tǒng)計學(xué)上不顯著?；貧w結(jié)果中調(diào)整后的R方（R2）可以用作比較不同的條件Beta參數(shù)的定價模型整體表現(xiàn)的指標(biāo)。較小的R2說明第一階段時間序列回歸中的資產(chǎn)定價模型對股票收益有較強的解釋力。在橫截面回歸中，參考Ho和Huang的方法，解釋變量將采用公司特征值的偏差（即減去樣本平均值）進行回歸分析，這暗示著對于每一個無風(fēng)險的公司特征值，股票的平均價值為零，因此只有風(fēng)險因子可以決定股票的預(yù)期收益。同時，為了避免風(fēng)險調(diào)節(jié)收益受到股票市場上買賣效應(yīng)和交投疏落的影響，我們采用公司特征值的滯后變量進行回歸。

五、實證分析

（一）樣本選取與數(shù)據(jù)來源

截至2014年12月，已有86家公司成功實現(xiàn)AH股雙重上市，為了保證樣本交易數(shù)據(jù)具有時效性、合理性以及普遍性，我們要求所選取的公司樣本同時具有A股和H股市場上市3年的交易數(shù)據(jù)，因此我們剔除了23家2011年之后才完成雙重上市的公司；另外，剩下的樣本中含8家經(jīng)過特殊處理（ST或PT）的公司，價格具有特殊性，我們同樣將其從樣本中剔除，將最后剩下的55家AH股雙重上市公司作為本文研究樣本。

（二）第一階段時間序列回歸中α顯著性檢驗

通過第一階段對個股月超額收益的時間序列回歸得到的截距項被定義為定價誤差，它代表著超額收益中未被定價模型中風(fēng)險因子解釋的那一部分收益。如果加入條件信息的條件定價模型能夠完全解釋股票市場橫截面的平均回報率，那么時間序列回歸中的截距項應(yīng)該全部顯著為0。我們根據(jù)Shanken的方法，將條件αit用含有條件信息解釋變量（conditioning instruments）的線性公式表示：

αit=αi0+αi1Xit（8）

其中，αi0為標(biāo)量，αi1為線性回歸參數(shù)矢量，Xit為條件αit的條件信息變量（投資者情緒、Size和B/M比率）的矢量，有以下四種情況。

（1）若為無條件定價模型（UNCOND），Xit中不含任何條件信息，則Xit=0；

（2）當(dāng)條件資產(chǎn)定價模型中風(fēng)險參數(shù)為A時，Xit=Xit（Sent；Sizet；BMt）；

（3）當(dāng)條件資產(chǎn)定價模型中風(fēng)險參數(shù)為B時，Xit=Xit（Sizet；BMt）；

（4）當(dāng)條件資產(chǎn)定價模型中風(fēng)險參數(shù)為C時，Xit=Xit（Sent）。

為了檢驗本文中的條件定價模型是否完全解釋條件預(yù)期收益，即定價誤差為0，我們對原假設(shè)：條件αi0=0（αi0=αi1=0），進行F檢驗。表1報告了樣本公司在時間序列回歸中得到的條件αit的顯著性檢驗結(jié)果。

表1中的數(shù)據(jù)為p-value小于005的樣本公司占比，當(dāng)p-value小于005時，我們拒絕原假設(shè)，條件αit顯著不為0。以A股CAPM模型為例，在5%的水平下，無條件定價模型（UNCOND）條件αit拒絕為0的公司比例為2181%；加入條件信息以后，條件αit拒絕為0的公司比例下降到1818%與1091%之間；參數(shù)A所對應(yīng)的條件定價模型，包含了所有的條件信息，在預(yù)測預(yù)期收益時的表現(xiàn)優(yōu)于其他條件定價模型，僅有1091%的公司拒絕原假設(shè)?；贏股的FF模型以及H股的CAPM模型、FF模型的顯著性檢驗也得能得到相似結(jié)論。因此，我們認(rèn)為條件定價模型解釋投資組合預(yù)期收益的能力的確優(yōu)于無條件定價模型。

（三）第二階段橫截面回歸分析

1A股市場橫截面回歸結(jié)果

接下來我們通過橫截面回歸結(jié)果，探究無條件定價模型和含有不同時變風(fēng)險參數(shù)的條件定價模型對股票市場定價異象的解釋能力。我們將樣本公司在A股市場的風(fēng)險調(diào)節(jié)收益作為被解釋變量（第一階段時間序列回歸截距項與殘差項之和）與股票異象解釋變量（Size，B/M，換手率與RET2-3，RET4-6，RET7-12）進行橫截面回歸，得到結(jié)果如表2所示。表2中，Panel A報告的是基于無條件CAPM模型和條件CAPM模型的回歸結(jié)果；Panel B報告的是基于無條件的FF模型和條件FF模型的回歸結(jié)果。表中第一列列出了無條件的定價模型（UNCOND）和不同條件Beta參數(shù)（參數(shù)A、參數(shù)B和參數(shù)C）的條件定價模型；隨后幾列數(shù)據(jù)所報告的是各解釋變量在橫截面回歸中的系數(shù)以及系數(shù)對應(yīng)的t值；最后一列呈現(xiàn)的是基于不同定價模型的橫截面回歸調(diào)整后的R方均值以及對應(yīng)的置信區(qū)間。

我們可以從以下三個方面對表2的回歸結(jié)果進行分析。

（1）無條件CAPM模型與條件CAPM模型的對比。

首先，無條件（UNCOND）的CAPM模型的回歸結(jié)果顯示，Size、Turn、B/M和RET的系數(shù)全部不為0且顯著，即市場規(guī)模較小、流動性較弱、賬面市值比較高以及過去收益較高的股票有著較高的風(fēng)險調(diào)節(jié)收益，無條件的CAPM模型不能解釋任何股票定價異象，因此，無條件定價模型關(guān)于個股市場Beta恒定不變的假設(shè)是有誤的。其次，在隨后三個條件CAPM模型相對于無條件的CAPM模型，Size、Turn、B/M和RET2-3，RET4-6的系數(shù)的t值均有所下降，說明時變的Beta參數(shù)解釋股票市場異象的能力優(yōu)于恒定不變的Beta參數(shù)。再次，僅將公司特征值作為條件信息（參數(shù)B）加入條件CAPM中，Size系數(shù)的t值絕對值為1727，A股市場規(guī)模效應(yīng)仍然顯著，但將投資者情緒作為條件信息加入Beta參數(shù)后（參數(shù)A），Size系數(shù)的t值絕對值從2507下降到了1476，Size效應(yīng)變得不再顯著，因此，將投資者情緒作為條件信息加入條件CAPM模型，可以幫助模型有效地捕捉A股市場的規(guī)模效應(yīng)，Ho和Huang在對美國股市定價異象的橫截面回歸中也得到了相似結(jié)論；另外，對比參數(shù)B和參數(shù)C的條件CAPM模型回歸結(jié)果發(fā)現(xiàn)，僅含有投資者情緒的參數(shù)C的Size系數(shù)和BM系數(shù)的t值絕對值（分別為1589和1964）均低于僅含有公司特征值的參數(shù)B對應(yīng)的t值（1727和2050），顯著性也有明顯下降，說明投資者情緒是更有效的條件信息，比公司特征值更能夠捕捉A股市場上的Size效應(yīng)和BM效應(yīng)。最后，對比三個條件CAPM模型的AdjR2，加入投資者情緒（參數(shù)A和參數(shù)C）的條件CAPM的AdjR2小于參數(shù)B的條件CAPM模型，因此，加入投資者情緒可以優(yōu)化條件CAPM預(yù)測A股市場上投資組合收益率的能力。

（2）無條件FF模型和條件FF模型的對比。

同樣的，由于假定Beta參數(shù)恒定不變，橫截面回歸結(jié)果中，無條件的FF模型中所有解釋變量的系數(shù)均不為0且顯著，因此，無條件的FF模型同樣無法捕捉任何股票市場定價異象；僅含有公司特征值（參數(shù)B）的條件FF，Size系數(shù)的t值絕對值和BM系數(shù)的t值有所下降，但其規(guī)模效應(yīng)和價值效應(yīng)仍呈現(xiàn)弱顯著性，而在條件FF中加入投資者情緒作為條件信息之后，Size系數(shù)的t值的絕對值從2003下降到1285（參數(shù)A），BM系數(shù)的t值從1994下降到1642（參數(shù)A），Size效應(yīng)和BM效應(yīng)變得不再顯著，說明投資者情緒是有效的條件信息之一，有助于條件FF模型有效地解釋股票市場的規(guī)模效應(yīng)和價值效應(yīng)。與CAPM類似地，參數(shù)C的條件FF捕捉Size效應(yīng)和BM效應(yīng)的能力優(yōu)于參數(shù)B的條件FF模型，說明投資者情緒作為條件信息比公司特征值更有效。我們從表2-Panel B的回歸結(jié)果中得到，加入投資者情緒之后，股票市場上短期動量效應(yīng)顯著性下降，表現(xiàn)在解釋變量RET2-3的t明顯下降，從2317（UNCOND）分別下降到1970（參數(shù)A）和1998（參數(shù)C）。Avramov和Chordia在類似研究中沒有將投資者情緒作為條件信息加入條件資產(chǎn)定價模型，他們的實證結(jié)果顯示條件的FF模型不能解釋股票市場定價的動量效應(yīng)。因此，本文認(rèn)為投資者情緒在捕捉股票市場動量效應(yīng)方面發(fā)揮著重要作用。

（3）單因子CAPM模型和三因子FF模型的對比。

對比Panel A和Panel B的回歸結(jié)果，無條件FF模型中所有解釋變量的t值的絕對值均小于無條件CAPM模型中解釋變量的t值，因此，加入SMB和HML風(fēng)險因子可以改善定價模型對A股市場上投資組合收益的預(yù)測能力。此外，條件FF模型的AdjR2均小于無條件的FF模型和所有的CAPM模型的AdjR2，再次驗證了三因子的FF模型在資產(chǎn)定價方面的表現(xiàn)優(yōu)于單因子的CAPM模型。

2H股市場橫截面回歸結(jié)果分析

與前文相似，我們同樣從三個方面分析H股的橫截面回歸結(jié)果（表3）。

（1）無條件CAPM模型與條件CAPM模型的對比。

首先，在無條件的CAPM模型中，所有解釋變量的系數(shù)均不為0且顯著，說明無條件的CAPM模型無法捕捉H股市場的股票定價異象；在條件CAPM中，解釋變量TURN的系數(shù)的顯著性明顯下降，說明時變的Beta參數(shù)可以成功捕捉H股市場的流動性效應(yīng)；對比參數(shù)B和參數(shù)A的條件CAPM模型，我們發(fā)現(xiàn)參數(shù)B的條件CAPM中Size系數(shù)的t值絕對值雖然相對于UNCOND有所下降，但是H股市場上的Size效應(yīng)仍然顯著，但將投資情緒作為條件信息加入條件CAPM模型以后，H股市場的規(guī)模效應(yīng)顯著性降低，Size系數(shù)的t值絕對值從2281（UNCOND）下降到1721（參數(shù)A），同樣說明了投資者情緒有助于條件CAPM模型捕捉H股市場上的規(guī)模效應(yīng)。其次，對比參數(shù)B和參數(shù)C的條件CAPM模型：參數(shù)B的Size系數(shù)t值絕對值為2021，規(guī)模效應(yīng)仍然顯著，而參數(shù)C的條件模型規(guī)模效應(yīng)變得不再顯著，說明投資者情緒捕捉H股市場規(guī)模效應(yīng)的能力，同樣優(yōu)于公司特征值，但與A股市場不同的是，參數(shù)C的BM系數(shù)的顯著性并沒有相對于參數(shù)B明顯下降，下一節(jié)將對AH股市場這一區(qū)別作進一步分析。最后，對比無條件CAPM和條件CAPM的AdjR2得到：條件CAPM模型優(yōu)于無條件CAPM模型，其中包含投資者情緒和公司特征值條件信息（參數(shù)A）的條件CAPM模型表現(xiàn)最優(yōu)，AdjR2僅為0199 7。

（2）無條件的FF模型與條件FF模型的對比。

在無條件的FF模型中，Size、B/M和RET的系數(shù)均不為0且顯著，即H股市場上存在顯著的規(guī)模效應(yīng)、價值效應(yīng)和動量效應(yīng)，是無條件FF模型無法解釋的。參數(shù)A和參數(shù)C的條件FF的Size系數(shù)t絕對值分別為1566和1571，明顯低于參數(shù)B的條件FF模型對于的t值（1719），H股市場上的規(guī)模效應(yīng)不再顯著，說明投資者情緒可以幫助條件FF模型解釋H股市場上的規(guī)模效應(yīng)；與A股市場回歸結(jié)果不同的是，加入投資者情緒的條件FF模型，并沒有使H股的BM系數(shù)的t值明顯下降，因此，投資者情緒不能幫助FF定價模型解釋H股市場的價值效應(yīng)。總體看，條件FF模型的AdjR2普遍低于無條件的FF模型，說明動態(tài)的FF模型預(yù)測H股市場投資組合收益率的能力優(yōu)于靜態(tài)的無條FF模型。

（3）單因子CAPM模型和三因子FF模型的對比。

將表3中無條件CAPM模型和無條件FF模型進行對比發(fā)現(xiàn)，無條件的FF模型TURN系數(shù)的t值絕對值明顯下降，從1705（CAPM-UNCOND）下降到1206（FF-UNCOND），流動性效應(yīng)變得不顯著，表明加入SMB和HML風(fēng)險因子可以捕捉H股市場上的流動性效應(yīng)；條件FF模型中解釋變量的t值與回歸模型AdjR2均低于對應(yīng)的條件CAPM模型，表明條件FF模型在捕捉H股市場股票定價異象，H股市場上預(yù)測投資組合收益率的能力優(yōu)于條件CAPM模型。

（四）投資者情緒對AH股定價影響的進一步分析

通過上述回歸結(jié)果分析，對比中國大陸和香港市場的投資者情緒對A股和H股定價的影響，我們得出以下結(jié)論。

1A股市場股票價格受投資者情緒影響程度大于H股

表2和表3的回歸結(jié)果表明，市場投資者情緒的確是有效的條件定價信息，但其對A股和H股市場的股票定價影響程度不同，A股受投資者情緒影響較大，主要表現(xiàn)在：（1）將投資者情緒作為條件信息加入條件Beta參數(shù)以后，A股的規(guī)模效應(yīng)從顯著變得不顯著，賬面市值比效應(yīng)顯著性明顯下降，而H股只有規(guī)模效應(yīng)從顯著變得不顯著，賬面市值比效應(yīng)顯著性沒有明顯的改善；（2）A股市場上，將投資者情緒作為單一條件信息比公司特征值更能夠捕捉市場上存在的規(guī)模效應(yīng)和價值效應(yīng)，但在H股市場上，單一的投資者情緒在改善條件定價模型捕捉價值效應(yīng)的能力方面，效果不明顯。究其原因，主要有兩點：一是A股市場個人投資者比例高于H股市場，個人投資者的投資行為主觀性較強，使A股價格受情緒影響較大；二是A股市場自2010年才有賣空機制，融資融券交易門檻要求過高，導(dǎo)致A股市場套利套匯難度較大，同樣使A股價格受投資者情緒影響較大。

本文統(tǒng)計了2007年至2013年上海證券交易所和香港證券交易所個人投資者和機構(gòu)投資者占比情況，結(jié)果顯示，上證A股的個人投資者持股賬戶數(shù)占比平均為9954%，持股市值平均占比8006%，遠遠高于相應(yīng)的機構(gòu)投資；而香港市場情況正好相反，機構(gòu)投資者的持股賬戶占比平均為7058%，持股市值占比平均為7050%，均高于H股市場的個人投資者。

2A股市場非理性成分高于H股市場

從表2看到，A股市場流動性效應(yīng)和動量效應(yīng)在無條件和條件CAPM模型、FF模型中均呈現(xiàn)為顯著，而表3報告的H股橫截面回歸的結(jié)果顯示，僅無條件CAPM模型的流動性效應(yīng)呈現(xiàn)弱顯著性，其余資產(chǎn)定價模型中H股市場流動性效應(yīng)均不顯著。另外，H股市場的動量效應(yīng)顯著性普遍低于A股市場。因此，我們認(rèn)為A股市場存在的非理性成分高于H股市場。造成該現(xiàn)象的原因可能是由于A股市場存在較多缺乏專業(yè)投資知識的個人投資者，非理性的個體投資者傾向于頻繁交易，A股較高的換手率推高了A股的價格，從而造成流動性效應(yīng)；短期內(nèi)缺乏投資經(jīng)驗的個體投資者對市場反應(yīng)不足導(dǎo)致A股市場存在顯著的動量效應(yīng)。

3投資者情緒是造成AH股價差的原因之一

由前文分析可知，市場投資者情緒可以影響股票定價，但是由于市場制度和投資者組成差異，不同市場受投資者情緒的影響不同，因此，同一家公司A股和H股，由于上市地不一樣，情緒的影響程度也不一樣，從而造成AH股雙重上市公司同股不同價現(xiàn)象，主要表現(xiàn)在A股溢價。本文統(tǒng)計了2005年至2014年AH股溢價情況，近10年間，A股平均溢價率為3269%。

六、結(jié)論

本文采用Baker和Wurgler的主成分分析法分別構(gòu)造了A股和H股的月度市場投資者綜合情緒指數(shù)，再將投資者綜合情緒指數(shù)與公司特征值（Size和B/M）作為條件信息加入條件定價模型的Beta參數(shù)中，利用Avramov和Chordia提出的兩階段回歸框架，探究加入投資者情緒的條件定價模型是否能夠解釋股票定價異象。實證研究發(fā)現(xiàn)：無條件定價模型關(guān)于Beta恒定不變的假設(shè)是有誤的，風(fēng)險因子是隨著條件信息時變的，而投資者情緒是有效的條件定價信息之一；但AH股雙重上市公司由于上市地點不同，受投資者情緒的影響程度也不一樣，從而造成了A股H股同股不同價現(xiàn)象。究其原因，該現(xiàn)象主要A股個人投資者比例偏高，套利套匯難度偏大，使得A股受投資者情緒影響程度大于H股。而A股市場較H股市場而言，非理性成分較高，股票異象效應(yīng)更明顯。因此，中國資本市場監(jiān)管部門在加快中國市場化改革的過程中，應(yīng)當(dāng)高度重視投資者情緒對資本市場資產(chǎn)定價的影響，一方面進一步加強中國機構(gòu)投資者建設(shè)，并加強對中國中小投資者的理性投資指導(dǎo)，以減少投資者非理性行為對市場的沖擊；另一方面，加強A股市場的風(fēng)險監(jiān)控，抑制利用投資者情緒惡意投機的行為。

在本文時間序列回歸結(jié)果中，仍然存在顯著的條件三因子FF無法解釋的風(fēng)險調(diào)節(jié)收益。Pastor和Stambaugh[31]提出在FF三因子模型的基礎(chǔ)上加入流動性風(fēng)險因子，可以提高定價模型捕捉投資者組合收益率的能力?；谶@種研究思路，我們可以將本文的條件資產(chǎn)定價模型進行改進，在FF的基礎(chǔ)上加入流動性風(fēng)險因子，甚至動量風(fēng)險因子，探究多因子的條件資產(chǎn)定價模型對解釋資本市場超額收益率，捕捉股票市場定價異象的能力。本文的研究方法給跨市場投資者情緒對交叉上市公司股票定價的影響提供了新的研究思路，此研究方法同樣可以用于AB股交叉上市公司，研究A股市場投資者情緒和B股市場投資者情緒對AB股資產(chǎn)定價的影響。另外，美國存托憑證（ADR）一直是非美公司在美國交叉上市的主要方式，卻與其基礎(chǔ)證券價格長期存在價差，目前國內(nèi)鮮少有文獻對交叉上市的ADR價差進行研究。因此在后續(xù)的研究中，我們可以將本文的研究方法運用于投資者情緒對基礎(chǔ)證券為A股基于基礎(chǔ)證券為H股的美國ADR的定價研究，既可以幫助國內(nèi)投資者和上市公司進一步認(rèn)識ADR價差，也可以彌補國內(nèi)關(guān)于ADR研究的缺乏。參考文獻：

[1]FERNALD J，ROGERS HPuzzles in the Chinese stock market[J]Review of Economics and Statistics，2002，84：416-432

[2]FAMA EEfficient capital markets： A review of theory and empirical work[J]Journal of Finance，1970，25（2）：383-417

[3]BANZ RThe relationship between return and market value of common stock[J]Journal of Financial Economics，1981（9）：3-18

[4]CHAN K，HAMAO Y，LAKONISHOKFundamentals and stock returns in Japan[J]Journal of Finance，1991，46：1739-1764

[5]JEGADEESH N，TITMAN SReturns to buying winners and selling losers：Implications for stock market efficiency[J]Journal of Finance，1993，48：65-91

[6]BAKER M， WURGLER JInvestor sentiment and the crosssection of stock returns[J]Journal of Finance，2006，61：1645-1680

[7]AVRAMOV D，CHORDIA TAsset pricing models and financial market anomalies[J]Review of Financial Studies，2006，19：1001-1040

[8]AMIHUD Y，MENDELSON HAsset pricing and the bidask spread[J]Journal of Financial Economics，1986，17：223-249

[9]STULZ R，WASSERFALLEN WForeign equity investment restrictions， capital flight， and shareholder wealth maximization： Theory and evidence[J]Review of Financial Studies，1995，18（4）：1019-1057

[10]ALEXANDER G，EUN C，JANAKIRAMANAN SAsset pricing and dual listing on foreign capital markets：A note[J]The Journal of Finance，1987，42（1）：151-158

[11]楊中銘中國A+H股雙重上市公司股價差異理論探究[J]現(xiàn)代商業(yè)， 2012（26）：47

[12]KAROLYI G，LI LA resolution of the chinese discount puzzle[R]Dice Center Working Paper No2003-34

[13]FAMA E，F(xiàn)RENCH KCommon risk factors in the returns on stocks and bonds[J]Journal of Financial Economics，1993，33：3-56

[14]De LONG J，SHLEIFER A，SUMMERS L，et alNoise trader risk in financial markets[J]Journal of Political Economy，1990，98：703-738

[15]SWAMINATHAN BTimevarying expected small firm returns and closedend fund discounts[J]Review of Financial Studies，1996（9）：845-887

[16]CHUANG W I，LEE B SAn empirical evaluation of the overconfidence hypothesis[J]Journal of Banking and Finance，2006，30：2489-2515

[17]韓立巖，伍燕然投資者情緒與IP0s之謎——抑價或者溢價[J]管理世界，2007（3）：51-61

[18]FERSON W KANDEL S，STAMBAUGH RTests of asset pricing with time varying expected risk premiums and market betas[J]. Journal of Finance，1987（42）：201-220

[19]LEWELLEN JThe timeseries relations among expected return，risk，and booktomarket[J]Journal of Financial Economics，1999，54：5-43

[20]FERSON W，HARVEY CConditioning variables and the cross section of stock returns[J]Journal of Finance，1999，54：1325-1360

[21]LETTAU M，LUDVIGSON SResurrecting the CAPM：A crosssectional test when risk premium are timevarying[J]Journal of Political Economy，2001，109：1238-1287

[22]GOMES J，KOGAN L，ZHANG LEquilibrium crosssection of returns[J]Journal of Political Economy，2003，111：693-732

[23]HO C W，HUANG C HInvestor sentiment as conditioning information in asset pricing[J]Journal of Banking and Finance，2009，33：892-903

[24]ZWEIG M EAn investor expectations stock price predictive model using closedend fund premiums[J]Journal of Finance，1973，28：67-78

[25]KALOTAY E，GRAY P，SIN SConsumer expectations and shorthorizon return predictability[J]Journal of Banking and Finance，2007，31：3102-3124

[26]BAKER M，STEIN JMarket liquidity as a sentiment indicator[J]Journal of Financial Markets2004（7）：271-299

[27]JONES CA century of stock market liquidity and trading costs[R]Working Paper， Columbia University，2001

[28]STIGLER G JPublic regulation of the securities markets[J]Journal of Business，1964，37：117-142

[29]RITTER JThe longrun performance of initial public offerings[J]Journal of Finance，199146：3-27

[30]BAKER M，WURGLER JThe equity share in new issues and aggregate stock returns[J]Journal of Finance，2000，55：2219-2257

[31]PASTOR L，STAMBAUGH RLiquidity risk and expected stock returns[J]Journal of Political Economy，2003，111：642-685

Investor sentiment and conditional assetpricing of crosslisted AH shares

MENG Weidong， ZHANG Mengyu，LU Jing

（School of Economics and Business Administration， Chongqing University， Chongqing 400044， PRChina）

Abstract：

Using principal component analysis， this paper separately constructs Ashares and Hshares composite indexes as proxy for market investor sentimentIn the twopass conditional assetpricing framework， this paper allows the Beta varying with investor sentiment and firm characteristicsThe empirical results indicate： after incorporating investor sentiments in conditional pricing models， the size effects of Ashare market and Hshare market are no longer significant； meanwhile， the B/M effect of Ashare market becomes less significantTherefore， this paper draws the conclusion that incorporating investor sentiment as conditioning information in conditional assetpricing models improves the model performance in capturing assetpricing anomalies， however， the improvement on Ashare pricing is stronger than that on Hshares， which demonstrates that different market investor sentiments have different degrees of impacts on asset pricing， resulting in the price difference of duallisted A and Hshares

Key words： investor sentiment； price difference of A and Hshare； assetpricing anomalies； conditional assetpricing model

（責(zé)任編輯傅旭東）