私有信息、 個人投資者行為與股價異常波動①

孔 傲, 李昊驊, 李心丹, 朱洪亮

(1. 南京財經大學金融學院, 南京 210023; 2. 南京大學工程管理學院, 南京 210093)

0 引 言

股價暴漲暴跌,也稱股價異常波動,是股票價格短期內嚴重偏離其正常范圍的現象.在收益方面,股價異常波動會帶來遠大于普通交易日的收益或損失;在風險方面,頻繁的股價異常波動極易引發投資者的恐慌,導致個股流動性風險,甚至可能造成股市的動蕩.因此,股價異常波動一直以來都是投資者和監管者最為關注的問題之一.厘清股價異常波動的原因是投資者優化交易決策和監管機構制定有效監管政策的重要前提.

從消息層面來看,股價異常波動一般認為與宏觀政策、公共事件或公司公告等的消息沖擊相關[1, 2].不過,一些研究指出股市中只有不到一半的價格異常波動日伴隨著公開消息的發布[3-5],同時這些研究還發現公開消息并非一定會引發股價異常波動,因此尚未厘清股價異常波動的底層動因.

股票市場價格的變動最終取決于投資者的交易行為.根據信息獲取和挖掘能力的強弱,市場中的投資者可以劃分為信息優勢和信息劣勢投資者.信息優勢投資者不僅可以獲得劣勢投資者無法獲得的非公開消息,還可以對公開消息進行更專業的解讀.在現實中,機構投資者是典型的信息優勢投資者.有研究表明他們會利用所掌握的信息操縱股市、泡沫騎乘,有時也會表現出羊群行為,是股價大幅漲跌的助推器[6-10].不過也有研究認為,機構投資者是流動性的提供者,是穩定股市的重要力量[11-14].

與之相對,個人投資者是典型的信息劣勢投資者.一些觀點認為,個人投資者尤其是中小個人投資者具有顯著的羊群行為,采取順勢交易策略,追漲殺跌加劇股市波動[15-18].另一些觀點則認為個人投資者會通過頻繁的限價指令或逆勢交易為市場提供流動性,起到了穩定了市場的作用[7, 19-23].目前,關于機構投資者和個人投資者在個股波動時所扮演的角色,學術界仍存在很大爭議.此外,這些研究大多針對普通的股價波動、長期的股價泡沫或市場整體的流動性危機,而較少針對個股異常波動.與上述事件不同,股價異常波動是股價短時間內的特質性的極端表現,與之相關的信息層面的特征和投資者的表現都可能有顯著的特異性.因此與現有文獻不同,本文研究機構投資者和個人投資者在股價異常波動這一極端事件下的行為和作用.

機構投資者在挖掘和利用信息后,他們的訂單會傳遞出一些特質的信息,即私有信息[24].私有信息可能源于機構投資者對公開消息的不同于公眾的解讀和利用,或是源于其所掌握的不為公眾所知的內幕消息.我國股市對股價異常波動采取了嚴格的監管,機構投資者的信息挖掘和交易會盡量減小對市場的沖擊,因此私有信息是否以及如何引發股價異常波動是一個值得深入探討的問題.機構投資者的信息挖掘行為難以被直接觀測,只有當他們的信息挖掘反映到了股價中,形成了私有信息,才可以被個人投資者觀測到.因此,與現有文獻直接研究知情交易概率或機構投資者的訂單模式不同,本文基于信息挖掘、信息傳播和信息反饋的過程,考慮機構投資者傳遞的私有信息,研究私有信息與股價異常波動的關系.機構投資者和個人投資者的博弈是中國股市的主旋律.如果說私有信息一般是機構投資者傳播的,那么個人投資者在股價異常波動中起到了什么作用?中國A股市場有超過2億的個人投資者,持股市值約占市場總額的25%,貢獻超過60%的交易(1)數據來自上海證券交易所年鑒、深圳證券交易所年鑒..個人投資者是市場活力的重要來源,這啟發本文考慮私有信息傳播下個人投資者的中介作用.

本文首先基于個股高頻交易數據中提取的平均每日高頻訂單中的私有信息檢驗私有信息與股價異常波動發生概率的關系,從而檢驗機構投資者的信息挖掘行為與股價異常波動的關系.其次,考慮機構投資者和個人投資者的博弈,則機構投資者交易的達成需要個人投資者的配合,個人投資者也可能由于感受到了私有信息而采取進一步的行動推動股價波動,因此基于主動成交訂單、成交訂單和委托訂單的買賣量考察個人投資者是否在私有信息與股價異常波動的關系中起到了中介作用.最后,考慮到買賣量只反映了個人投資者的交易活躍度而無法反映個人投資者買賣相抵之后的凈交易方向對股價的推動作用,進一步以主動成交訂單、成交訂單和委托訂單的買賣不均衡反映個人投資者的交易行為,基于隔日正/負反饋模型考察個人投資者在私有信息與股價異常波動的關系中的具體作用.

本文可能的邊際貢獻為:1) 現有關于機構投資者和個人投資者行為的文獻較少針對股價異常波動這一典型事件,考慮機構投資者的信息挖掘優勢,不僅發現其信息挖掘行為傳遞的私有信息顯著增大了股價異常波動的概率,同時發現個人投資者對于私有信息的反饋在這一過程中起到中介作用.這一結果表明機構投資者的信息挖掘和個人投資者活躍的交易共同影響股價異常波動;2) 關于個人投資者行為,現有研究大多發現其行為模式呈現單純的正反饋特征或是單純的負反饋特征.與現有文獻不同,本文排除市場因素的影響之后,發現個人投資者在股價上漲時表現出正反饋的交易特征,在股價下跌時表現出負反饋的交易特征.此外,私有信息與股價異常波動概率呈現正相關性的具體原因是私有信息增強了個人投資者的正反饋行為、減弱了其負反饋行為.

1 文獻綜述和研究假說

股價異常波動是新信息融入市場的結果.宏觀政策、公司公告、公共事件等公開消息是典型的信息形式.不過很多研究指出,股市中只有不到一半的股價異常波動可以由公開消息沖擊解釋.比如,Kapadia和Zekhnini[3]、Patel和Michayluk[4]指出在美國和澳大利亞等股市大約只有30%～45%的異常波動與公開消息有關;劉志東和楊競一[5]發現上海證交所的股票中只有20%的異常波動與公開信息披露有關.

除公開消息沖擊外,一些學者指出流動性沖擊是股價異常波動的原因[5, 25],但并未指出流動性沖擊的具體來源.Jin和Myers[26]從理論上證實了內部管理者和外部投資者之間在私有信息上的信息非對稱會導致股價暴跌;此后的很多學者為這一理論提供了實證證據[27-30],不過這些研究主要關注股價暴跌,且大多基于年度或季度低頻數據.

在高頻層面上,一些研究發現無論是否有公開消息發布,股價異常波動前都存在一些交易指標的異常變動,他們猜測股價異常波動可能存在知情交易[31, 32].龔樸和楊博理[33]發現在中國股市,股價的異常波動程度與知情交易概率之間有顯著的相關關系.Van Ness等[34]也發現在美國股市高頻數據中體現出的私有信息含量與股價異常波動同期的正相關性.另一方面,許靜霞等[35]、蘇冬蔚和彭松林[36]發現賣空交易者在利空公告前就提前進行了賣空交易,在利好公告前則顯著減少賣空頭寸;孟慶斌等[37]發現公司重大公告或公司傳聞發布前就存在異常交易量;葉彥藝等[38]指出股災年間降息降準的貨幣政策公布前也存在知情交易.這些研究說明即使是公開消息發布之前也存在信息泄露和內幕交易.

鑒于此,針對中國股市,本文猜測無論是否有公開消息發布,股價異常波動時都存在顯著的私有信息的傳播.特別地,對于與公開消息無關的股價異常波動,信息優勢投資者的價格操縱、知情交易或內幕交易等可能是推動股價的主要原因,在這種情況下股價異常波動的概率與訂單中私有信息含量的關系更加密切.由此,本文提出假說H1a和H1b.

H1a訂單中的私有信息含量與股價異常波動概率正相關.

H1b相比有公開消息的情形,無公開消息時訂單私有信息含量與股價異常波動概率的正相關性更強.

機構投資者和個人投資者的博弈始終是中國A股市場的主旋律.機構投資者是信息優勢投資者,一般認為是信息挖掘的主要力量,是私有信息的傳播者.機構投資者在信息利用的過程中會盡量掩飾其交易,減小其交易對股市的沖擊,但市場中仍能觀測到價差、交易量、內外盤差、委比等一些微觀指標的異常變動[31, 32],這些異動的指標是個人投資者可以感知和利用的交易信號.

很多研究都表明,在信息不對稱的市場中,以個人投資者為代表的非知情交易者在交易過程中容易受到市場信號的影響,會模仿其他交易者進行交易.比如,許泳昊等[39]發現中國股市的中小散戶會追隨大單買入信號進行交易,從而推高股價;高昊宇等[40]發現個人投資者會追隨機構投資者的賣出行為,從而導致股價暴跌;劉燕和朱宏泉[41]也認為機構投資者對個人投資者的行為有一定的示范作用.股價異常波動常常伴隨著異常大的交易量和隨后的價格反轉,這暗示股價異常波動可能與個人投資者的羊群行為或過度反應相關[42-44].此外,張寒漪和齊玉錄[42]還發現,投資者在異常波動時的反應過度與知情交易概率值之間有顯著的相關關系.Kaniel等[19]、Kelley和Tetlock[20]、Boehmer等[22]發現,個人投資者可以挖掘到一些未公開的公司層面的信息.因此,一個合理的猜測是在排除公開消息的影響后,股價異常波動與個人投資者對私有信息相關的市場信號的反應有關.據此,本文提出假說H2.

H2訂單私有信息含量與股價異常波動的關系中,個人投資者交易起到中介作用.

中國股市股價異常波動存在顯著的暴漲強于暴跌的非對稱性,這種非對稱性在無公開消息股價異常波動中更為強烈.中國股市雖然存在賣空限制,但是機構投資者持有大量股票,可以間接賣空,同時他們也可以通過融券機制賣空,那么從機構投資者的角度難以解釋股價異常波動的非對稱性.如果H1和H2得到證實,一個合理的推測是個人投資者在私有信息與股價異常波動的關系中起到了非對稱的中介作用.

中國股市有T+1的交易限制,因此前一日的股票行情是個人投資者決策的重要依據,這一決策的行為模式常常用正/負反饋模型來刻畫.在國外市場,一些研究指出,個人投資者的交易行為在日度上具有顯著的正反饋或負反饋特征[20, 21, 45].特別地,關于中國市場,一些研究認為個人投資者處于信息和技術劣勢,且非理性程度高,常常表現出追漲殺跌的正反饋交易特征[15, 39, 46-48];進一步,有學者發現,中國股市投資者的正反饋交易整體表現出顯著的追漲強于殺跌的不對稱性[49].他們認為這種不對稱性是由于大量投資者難以達到融券的門檻、處置效應較強,更傾向于通過買漲而非賣跌獲利,同時在虧損時不愿放棄股票;不過他們在實證過程中并沒有區別個人投資者和機構投資者.在國外市場,近期的研究還發現,當市場出現股價暴跌時,個人投資者卻增加了交易量,起到了穩定市場的作用[21, 23].盡管現有文獻對于個人投資者的交易模式并未達成共識,但結合H1和H2以及中國股市股價暴漲暴跌的非對稱性,本文給出推測H3.

H3個人投資者交易的中介作用在股價暴漲和暴跌時具有非對稱性.

2 數據和方法

2.1 數據

本文以A股股票為研究對象,所使用的Level-1高頻數據來自于深圳點寬網絡科技有限公司AT-edu量化研究交易平臺,記錄了個股每3秒鐘更新一次的五檔申報數據和最近一次成交數據.所使用的投資者賬戶數據由某中型券商提供.由于高頻數據和賬戶數據的可得性的限制,本文研究的時間跨度為2014年1月～2017年8月.此外,利用Python編寫的程序從百度指數查詢頁面抓取了2014年1月～2017年8月各股票的每月的百度搜索量,搜索關鍵詞為證券簡稱.本文使用的其它數據均下載于國泰安數據庫.

研究樣本中剔除金融行業股票和ST、PT股票.為了保證個股建模數據的充足,剔除交易天數少于100 d的股票,最后共保留2 993只股票.

2.2 變量定義

本文的核心變量包括股價異常波動,個股每日高頻交易訂單中蘊含的私有信息含量,個人投資者的買賣交易量等.所有變量的定義描述如下.

1) 股價異常波動

借鑒多數文獻[3, 27],定義股價異常波動為無法被現有定價模型解釋的個股特質收益中的極端值現象.首先計算每只股票的特質收益率

(1)

(2)

參考主流風險管理軟件制造商RiskMetrics的建議以及中國市場的有關研究[50, 51],這里λ取值為0.94.最后,基于如下規則定義個股收益率的日度異常波動識別指標

(3)

J(th)i,t=1表明第i只股票在第t日發生了異常波動.

本文將異常波動識別的臨界值設置為th=3和th=2,以Fama-French三因子定價模型識別出的異常波動為主線展示實證研究結果,基于其他定價模型的相關結果列在穩健性檢驗中.

2)私有信息含量

采用Hasbrouck[24]提出的方法測度股市交易中的私有信息含量.利用個股3秒頻率的level-1高頻數據構建滯后10期的VAR模型,并將其轉化為如下的VMA模型

(4a)

(4b)

(5)

3) 個人投資者的交易行為

本文基于主動買賣成交量aggBvoli,t和aggSvoli,t,買賣成交量exeBvoli,t和exeSvoli,t、買賣委托量quotBvoli,t和quotSvoli,t衡量個人投資者的交易行為.主動買賣訂單包括市價訂單和立刻成交的限價訂單(如Li等[53]提到的刺激性限價訂單);成交訂單不僅包括主動成交的訂單,還包括被動成交的訂單(被動成交的訂單指沒有立刻成交的限價訂單);委托訂單不僅包括成交訂單,還包括未成交的訂單.

對于買賣總成交量和買賣委托量,本文未能獲得全市場的數據,因此以某中型券商提供的近172萬個賬戶的逐筆交易數據作為全市場數據的抽樣樣本進行研究.需要說明的是,有研究指出個人投資者中的大戶具有信息優勢,與其他個人投資者的行為不同[18],因此在本研究過程中盡量排除這些大戶個人投資者,從而使其更能夠代表中國股市占絕對比重的中小投資者.本文基于每個賬戶在整個交易時間段的最大賬戶余額(作為投資者賬戶資本的近似估計量),將資本高于500萬元的賬戶從樣本中剔除(占所有賬戶的0.5%).

對于主動買賣成交量,國泰安數據庫提供了全市場不同大小訂單的主動買賣成交量數據;本文將單筆訂單小于20萬的主動成交訂單作為個人投資者主動成交訂單的近似量(約占每日主動交易量的60%).雖然機構投資者也會利用算法交易策略拆單提交小筆訂單,但在2017年前我國使用算法交易的機構還很少,因此使用2017年之前的數據時這種近似的誤差不會太大.

為了研究個人投資者行為的非對稱性,進一步計算個人投資者第t日在第i只股票上的主動買賣成交不均衡

aggImbi,t=(aggBvoli,t-aggSvoli,t)/

(aggBvoli,t+aggSvoli,t)

(6)

類似地,將式(6)中的aggBvoli,t和aggSvoli,t對應替換為exeBvoli,t和exeSvoli,t或quotBvoli,t和quotSvoli,t計算買賣成交不均衡exeImbi,t和買賣委托不均衡quotImbi,t.

4) 其它變量

在異質性分析中,將交易日分為與公開消息相關和與公開消息無關的兩類.對于公開消息,由于排除了市場風險的影響,只考慮公司公告.某個交易日前后3d內有公司公告發布,則認為此交易日受到公開信息的影響,即有公開消息交易日.據此構造虛擬變量ifnoannouni,t,如果當日股票i沒有受到公開消息的影響,則ifnoannouni,t=1,否則ifnoannouni,t=0.在穩健性檢驗中用到了融資融券資格ifmargini,t.ifmargini,t是虛擬變量,當日該股票可以融資融券則ifmargini,t=1,否則取0.此外,還用到了股票i在第m個月的百度搜索指數searchi,m,這一指數用于每個月將股票分為高搜索組和低搜索組.

2.3 實證設計

為了檢驗H1a,構造個體固定面板Logit模型分析股票每日平均每筆交易的私有信息含量與股價異常波動的關系

P(Ji,t=1)=Φ(μi+αprivi,t+

(7)

考慮到2015年股災期間包含在本文的樣本期間內,可能造成H1a的檢驗結果受到極端市場環境的影響,因此為了檢驗該結果的穩健性,對剔除了2015年6月15日～2015年9月30日的樣本重新進行了式(7)回歸.進一步,考慮到誤差項的標準化分布及樣本選擇的隨機性導致的隨機效應,本文同時使用基于Probit的隨機效應模型進行穩健性檢驗.此外,私有信息含量與股價異常波動之間的回歸可能存在由互為因果引發的內生性問題,因此本文再利用工具變量法進行檢驗.借鑒毛杰和劉紅忠[54],本文選用股票是否可以融資融券作為私有信息的工具變量,這是因為股票是否為融資融券標的與股價異常波動的發生沒有直接關系,但是股票的融資融券交易可能增加股市中的私有信息含量.如果兩個檢驗中privi,t的系數依然顯著為正,則可以進一步證實H1a.

為了檢驗H1b,在式(7)中引入虛擬變量ifnoannouni,t對比有/無公開消息發布時私有信息含量與股價異常波動的關系

ifnoannouni,t+α3ifnoannouni,t+

(8)

如果privi,t×ifnoannouni,t的系數顯著為正,則證實了H1b.

為了檢驗H2,構造下式檢驗私有信息含量與個人投資者交易的關系

Bvoli,t(或Svoli,t)=μi+λt+αprivi,t+

(9)

式中Bvoli,t為aggBvoli,t、exeBvoli,t或quotBvoli,t,Svoli,t為aggSvoli,t、exeSvoli,t或quotSvoli,t.該面板回歸控制了個體效應和時間效應.考慮到已經控制了時間效應,因此與式(7)相比控制變量剔除了mkvolt和Tuet、Wedt、Thurt、Frit.如果式中privi,t的系數顯著,則可以證實私有信息含量會影響個人投資者的行為.

為了進一步證實H2,設計以下兩個異質性檢驗.首先,在中國股市,個人投資者獲取公司信息的主要途徑是網絡搜索,因此可以通過比較一只股票的網絡搜索量來比較非知情交易者對這只股票的關注度.投資者只有關注了一只股票,才會交易這只股票,也會更加仔細觀察股票交易中的微觀動態.因此,如果H2成立,那么私有信息對股價異常波動的影響作用在高搜索量的股票中應該相對更強.故在每個交易日t,按照上個月股票百度搜索量將股票樣本分為高、低搜索量兩組,構造虛擬變量ifhighsearchi,t.ifhighsearchi,t=1表明股票歸類為高搜索量一組,ifhighsearchi,t=0表明股票歸類為低搜索量一組,在式(7)中引入交乘項privi,t×ifhighsearchi,t構造下式

ifhighsearchi,t+α3ifhighsearchi,t+

(10)

如果privi,t×ifhighsearchi,t的系數顯著為正,則可以進一步證實H2.其次,創業板實行投資者適當性管理制度,規定在創業板開立賬戶的投資者前20個交易日證券賬戶及資金賬戶內的資產日均不低于人民幣10萬元,有兩年以上的證券交易經驗,這就將一些個人投資者排除在了創業板的股票交易之外,而這些個人投資者又恰恰是經驗不足、信息劣勢最為明顯一類個人投資者.因此,如果H2成立,那么相對于主板股票,私有信息對股價異常波動的影響作用在創業板股票中應該相對較弱.故構造虛擬變量ifgemi.ifgemi=1表明股票在創業板上市,ifgemi=0表明股票在主板上市.在式(7)中引入交乘項privi,t×ifgemi構造下式

(11)

如果privi,t×ifgemi的系數顯著為負,則可以進一步證實H2.

為了檢驗假設H3,首先構造下式進一步研究個人投資者基于前一日市場行情的正/負反饋交易模式

(12)

在式(12)的基礎上,構造下式檢驗私有信息對個人投資者交易行為的影響

(13)

3 實證分析

3.1 變量的描述性統計

本文在式(3)中分別令th=3和th=2,識別出樣本數據上的個股異常波動,將這兩個集合分別記為J(3)和J(2),描述性統計如表1所示.從表中可以看出,在所有股票約180萬個樣本交易日(2 993只股票,896 d,剔除無交易日天數)中,以th=3為標準識別的異常波動日大約為3.2萬,占所有交易日的1.8%,暴漲日數量大約是暴跌日數量的6.9倍,暴漲幅度超過暴跌0.5%以上;以th=2為標準識別的異常波動日約占5.8%,暴漲日數量大約是暴跌日數量的3.3倍,暴漲幅度超過暴跌0.7%以上.

表1 個股異常波動的描述性統計

本文排除了市場風險的影響,在公開消息方面只考慮公司公告.公司公告包括經營交易、股東大會、定期報告、融資、股權變動或并購重組、董事會與監事會會議以及董監高變動等不同類型.

表2進一步將股價異常波動分為有消息異常波動(Ji,t=1且ifnoannouni,t=0)和無消息異常波動(Ji,t=1且ifnoannouni,t=1).從表中可以看出,以th=3為標準識別出的32 175個異常波動日里,有19 258個有消息的異常波動日,以th=2識別出的104 257個異常波動日里,有63 156個有消息異常波動日,這說明大約有40%的異常波動無法由公開消息解釋.由于本文認定前后3 d有公司公告發布的交易日即為有公開消息日,這一寬松的匹配可能低估了這一比例.

表2 公開消息與個股異常波動

同時,從表2中可以看出,在th=3時,無消息暴漲日數量大約是暴跌日數量的9倍,暴漲暴跌日的幅度差為1.45%,均高于有公開消息日的5.54和1.07%.當th=2時,暴漲暴跌日的數量比和幅度差在無公開消息日分別為3.61和1.16%,也都高于有公開消息日.

本文所使用變量的描述性統計展示在表3中.在核心變量中,私有信息含量為負數,這是因為在構造該變量時就取了對數.無論從主動成交量、成交量還是委托量來看,個人投資者的買賣量的均值差異不大,方差均較小,說明一般情況下個人投資者的買賣量基本持平.在控制變量里,公有信息含量為負數也是因為取了自然對數,同時可看出公有信息含量的均值大于私有信息含量,但方差小于私有信息含量.股票的市值賬面比、波動率和換手率,以及市場波動率的方差與均值相比都較大,表明股票的價值、波動性、交易活躍度和市場整體的波動較大.

表3 變量的描述性統計

3.2 私有信息與個股異常波動

表4的第1列和表4第2列報告了基于Logit模型的式(7)的回歸結果.從結果中可以看出,無論是否包含控制變量,私有信息含量priv的回歸系數均為顯著的正數,支持假設H1a,即訂單中的私有信息含量與個股異常波動的概率正相關.

表4 私有信息與個股異常波動的關系檢驗

表4第3列報告了式(8)的回歸結果. 可以看出,priv×ifnoannoun的系數為顯著的正數,表明無公開消息時,私有信息與股價異常波動的相關性更強.同時無論ifnoannoun取值為1還是0,priv的系數(α1+α2ifnoannoun)始終為正數,表明無論是否有公開消息,私有信息與股價異常波動都是正相關性,支持H1b.

3.3 個人投資者的中介作用

表5展示了式(9)的回歸結果.從表5第1列和表5第2列中可以看出,在對個人投資者主動成交買量Bvol和賣量Svol的回歸中,私有信息含量priv的系數為顯著的正數,表明私有信息含量越高,個人投資者主動買和主動賣的交易越活躍.類似地,表5第3列～表5第4列、表5第5列～表5第6列的結果表明,私有信息含量對于個人投資者成交量和委托量也有顯著正向的影響.

表5 私有信息對個人投資者行為的影響檢驗

主動成交單指市價訂單或可立刻成交的限價訂單,提交這類訂單的投資者一般為急于成交的激進型投資者.成交單不僅包括主動成交單,還包括被動成交單.被動成交單指限價訂單,提交這類訂單的投資者一般為耐心的投資者,通過等待主動成交單達成交易.委托單既包括成交單,又包括未成交的訂單,而能夠成交的訂單一般比未能成交訂單的價格更為合理,即能夠成交的訂單提交者更為理性.因此,表5的結果表明,三類訂單所代表的激進的個人投資者、理性的個人投資者和所有的個人投資者,其行為都受到私有信息的正向影響,從而支持假設H2,即個人投資者在私有信息與個股異常波動的關系中起到了中介作用.

為了進一步證實H2,表6的第1列和表6第2列分別展示了式(10)和式(11)的異質性檢驗的結果.從第1列的結果中可以看出,priv×ifhighsearch的系數為顯著的正數,表明高搜索量股票中私有信息與股價異常波動的正相關性更強.高搜索量意味著個人投資者的高關注.如果個人投資者會受到私有信息的影響而交易股票,那么顯然會更傾向于交易其關注的股票.因此這一回歸結果可以間接佐證個人投資者在私有信息與個股異常波動關系中的中介作用,即支持假設H2.從表6第2列的結果中可以看出,priv×ifgem的系數為顯著的負數,表明在創業板股票中私有信息與股價異常波動的正相關性更弱.如果個人投資者由于信息劣勢而會受到私有信息的影響,那么信息劣勢越明顯的個人投資者,其跟隨私有信息進行投資的行為應該更為強烈.創業板將信息劣勢最明顯的一部分個人投資者排除在外,在這一情形下,私有信息與個股異常波動的正相關性更弱的回歸結果符合假設H2的邏輯,也可以間接佐證H2．

表6 私有信息與個股異常波動關系的異質性檢驗

3.4 穩健性檢驗

1)考慮股災影響、模型設定和內生性

本文對剔除了2015年6月15日～2015年9月30日的樣本重新進行了式(7)的回歸,結果報告在表7的第1列中.為了排除模型設定的問題,基于Probit的隨機效應模型重新進行式(7)的回歸,結果報告在表7的第2列中.為了排除內生性問題,基于工具變量法和Probit模型基于式(7)進行二階段回歸,結果報告在表7的第3列和表7第4列.從表7第1列、表7第2列、表7第4列中可以看出,priv的回歸系數為顯著的正數,與表4的結果一致,進一步證實了假設H1a.值得注意的是,在工具變量回歸的兩階段結果中,股票是否可融資融券ifmargin的系數在兩個回歸中都為顯著的正數,這一結果與融資融券交易會增加股市中的私有信息含量一致,表明ifmargin確為有效的工具變量.

表7 私有信息與個股異常波動的關系的穩健性檢驗: 考慮股災、模型設定和內生性

2)考慮股價異常波動識別標準

以上結果針對以th=3為標準識別的股價異常波動.基于以th=2識別的股價異常波動對表4和表6的結果進行穩健性檢驗,結果與兩張表一致,進一步證實了假設H1a和H2,由于篇幅限制文中不作展示,結果留存備索.

3)考慮股價異常波動識別基準模型

以上結果針對以Fama-French 三因子為定價模型識別的股價異常波動.基于CAPM和Fama-French 五因子(FF5)模型識別的股價異常波動對表4和表6的結果進行穩健性檢驗,結果與兩張表一致,也進一步證實了H1a和H2,由于篇幅限制文中不作展示,結果留存備索.

3.5 私有信息影響下的個人投資者反饋交易

表8展示了式(12)的回歸.可以看出,無論基于主動成交單、成交單還是委托單,回歸結果中ridioI{ridio>0}的系數都為顯著的正數,而ridioI{ridio<0}的系數都為顯著的負數,說明當前一日股價上漲時,個人投資者的買多于賣,平均來看呈現正反饋交易特征,而當前一日股價下跌時個人投資者也是買多于賣,平均來看呈現負反饋交易特征;也就是說,前一日股票特質收益越極端,個人投資者整體越傾向于買入該股票.Wan 等[49]發現中國股市投資者整體存在追漲強于殺跌的非對稱交易特征,而與之不同,本文發現個人投資者追漲并追跌的非對稱交易特征.這可能是由于一方面我國股市存在賣空限制,個人投資者難以跨入融券門檻,導致看空的個人投資者難以實現賣空交易;另一方面,一些個人投資者在股價上漲時盲目跟風,而在股價下跌時又想要通過抄底獲得收益.

表8 個人投資者的反饋交易

表9報告了式(13)的回歸結果.可以看出,無論是對于主動成交單、成交單還是委托單,ridioI{ridio>0}×priv系數均為顯著的正數,證實了私有信息對個人投資者在股價上漲時的正反饋交易有顯著正向影響,即私有信息越強烈,個人投資者整體的買漲熱情越高.而ridioI{ridio<0}×priv的系數也為顯著的正數,證實了私有信息對個人投資者在股價下跌時的負反饋交易有顯著的反向影響,即私有信息越強烈,個人投資者整體買跌的熱情越低.私有信息對個人投資者追漲和追跌行為的非對稱影響可能是因為當私有信息較為強烈時,個人投資者可以基于私有信息正確判斷股價走勢,從而增強了個人投資者跟風買漲的熱情,但卻使其抄底買跌的行為更為理性．而私有信息正是通過增強個人投資者的買漲行為和抑制其買跌行為增大了股價異常波動的概率。通過簡單計算還可以看出,當priv較大時(75%的分位數為-8.874),ridioI{ridio>0}的系數α1+α3privi,t為正數,ridioI{ridio<0}的系數α2+α4privi,t為負數,這表明個人投資者在私有信息較為強烈即股價異常波動概率較大時仍然表現出買漲和買跌的非對稱反饋交易特征.

表9 私有信息對個人投資者的反饋交易的影響檢驗

現有很多研究證實,中國股市個股異常波動前就存在市場微觀指標的異常變動,即使是與公開消息發布相關的股價異常波動,之前也存在信息泄露和內幕交易[31, 32,35-38].本研究仿照萬諜等[31]的方法也做了類似的研究,發現收益率、有效價差、成交量、成交次數、每次成交量和內外盤差等指標在股價異常波動前一日的確存的顯著的異常變動,且收益率的變動與股價異常波動日同向。同時,本文也基于T-檢驗將股價異常波動前一日的私有信息含量與普通交易日進行了對比,發現異常波動前一日就存在比普通交易日強的私有信息傳播.這些結果表明,股價異常波動前,信息優勢投資者就已經提前行動,股價異常波動伴隨著私有信息的愈演愈烈.由于篇幅限制,文中不作展示,結果留存備索.結合上述結論,可以認為個人投資者在私有信息強烈時的買漲行為起到了推動股價進一步上漲的作用,而買跌行為起到了抑制股價進一步下跌、穩定股市的作用,從而證實了H3.

本文的這一結論與現有關于個人投資者交易模式的研究結果均不相同.現有文獻認為個人投資者的交易行為具有單純的正反饋交易模式或負反饋交易特征[7,15-23],而本文發現個人投資者在股價上漲時的正反饋交易特征和股價下跌時的負反饋交易特征.換句話說,前一日的股價變動越大(無論方向),個人投資者越傾向于買入股票,這在一定程度上可以解釋我國股市個股漲強于跌的非對稱性.無獨有偶,Barber等[55]在美國市場也發現一些小戶個人投資者受到交易平臺公布的股票漲跌排行榜的影響,傾向于交易最受關注的股票,無論股票上一期是漲是跌,這與本文的結論有一定的相似性.

4 結束語

基于股市高頻數據中提取的股票交易私有信息含量,本文考察了私有信息與中國股市個股異常波動概率的關系,發現私有信息含量與個股異常波動概率顯著正相關,在無公開消息發布時,這一正相關性更為顯著.私有信息與以機構投資者為代表的信息優勢投資者的交易相關,這一結果的啟示是機構投資者在股價暴漲暴跌時起到了推動作用.

同時,基于個人投資者的主動買賣、成交買賣和委托買賣交易數據,本文發現三類訂單所代表的激進個人投資者、理性個人投資者以及所有個人投資者的交易行為都受到私有信息的影響;同時,本文發現私有信息和個股異常波動概率的正相關性在個人投資者關注度高、以及個人投資者多的股票市場中更為顯著,這些結果表明個人投資者的交易行為受到私有信息的影響,并在私有信息與股價異常波動中起到了中介作用.

中國股市交易有T+1的限制,因此個人投資者的交易行為會受到前一日股市的影響.本文的研究發現,個人投資者的交易行為與前一日的股價趨勢相關,具有股價上漲時買漲和股價下跌時買跌的非對稱反饋特征.進一步,私有信息會影響個人投資者的這一非對稱交易特征:當市場中的私有信息含量較高時,個人投資者買漲的正反饋特征增強,買跌的負反饋特征減弱,這兩種效果都會導致股價暴漲暴跌概率的增大.考慮到現有研究以及本文關于股價異常波動前信息泄露和市場微觀異動的結論,中國股市中的個人投資者可能在股價異常波動前的就感知到了私有信息的傳播,從而采取跟風買漲或抄底買跌的交易策略;而次日私有信息含量越大,個人投資者跟風買漲的熱情越高,但抄底買跌的行為卻受到了一定的抑制.不過即便如此,個人投資者在股價下跌時仍然表現為凈買入行為,提供了流動性.因此可以說,個人投資者在股價暴漲時跟隨機構投資者交易,起到了推動股價波動的作用,而在股價暴跌時雖然受到機構投資者的影響,但仍起到了穩定股價的作用.

本文以上的結論有助于幫助市場監管者客觀認識到機構投資者和個人投資者在股價異常波動過程中所起的作用,對于規范交易機制和市場監管,促進股市健康發展有重要的指導意義.