创业板市场羊群效应实证分析Word文档格式.docx

创业板市场羊群效应实证分析Word文档格式.docx

《创业板市场羊群效应实证分析Word文档格式.docx》由会员分享，可在线阅读，更多相关《创业板市场羊群效应实证分析Word文档格式.docx（24页珍藏版）》请在冰豆网上搜索。

羊群效应经常被认为是产生资产价格无效率、价格泡沫及其破灭的主要原因之一,对于市场运行的效率和稳定性有很大的影响。

投资者的理性与非理性行为都可以导致羊群效应。

Devenow和Welch（1996）提出,羊群效应从非理性观点来看,重点在投资者的心理活动,就是投资者忽视他们自己的信息,盲目跟随其他投资者;

从理性观点来看,主要是从委托和代理问题方面来研究,即经理人模仿其他经理人的行为,完全忽视他们自己的信息,以保持它们在资本市场上的声誉,即他们的表现并不比大多数经理人的表现差.

近些年,羊群效应引起了理论界的广泛关注,许多理论模型应运而生。

比如Admati,Pfleiderer（1998）的收入流效应模型,Scharfstein（1990）的委托-代理模型中的声誉效应羊群模型,Banerjee（1992）的外生排序羊群模型,Froot,Scharfstein和Stein（1991）的外生短视羊群等.这些模型从不同角度和依据不同的经济理论对羊群效应进行了探讨.Wermers（1999）在研究机构投资者的羊群行为时,把这些理论模型归结为四种情形.一是经理人忽视他们自己的私人信息,跟随大多数的投资行为,而不想冒失去名声的风险,表现得与众不同；

二是不同经理人的一致的投资行为,可能是因为他们都得到同样或相关的私人信息,或都用同一指标来分析;

三是不同经理人可能从前一期具有更多信息的经理人的投资行为获得同样的私人信息,导致一致的投资行为;

四是不同机构投资者可能具有同样的风险偏好,比如说偏好效益好,具有稳定红利回报的绩优股,导致一致的投资行为.

在实证分析方面,Christie和Huang（1995）利用截面收益标准差（CSSD）研究美国证券市场投资者的投资行为,宋军等（2001）用分散度方法研究我国股票市场的羊群效应.他们的研究认为,如果金融市场确实存在羊群效应,大多数投资者看法将趋向于市场舆论,这时一个合理的推断是:

在羊群效应显著时,个股的收益率将不会太偏离市场的收益率,分散度应该变小.这样,我们可以用个股收益率和资产组合的收益率的一致程度来定量检验市场是否存在羊群效应.这种方法计算简单,需要的数据容易获得,但它通常是低估了市场的羊群效应,是市场羊群效应的一个非常保守的度量.为了更好的解决这一问题,提高评估羊群效应的精度,Chang等（2000）拓展了Christie和Huang（1995）的工作,提出用截面收益的绝对偏差（CSAD）与市场收益的关系来判断羊群效应,并对美国、日本、韩国、台湾和香港等国家和地区金融市场的羊群效应进行分析.

在国内，具体的研究包括：

宋军和吴冲锋（2001）使用了个股收益率的分散度指标对中国股市以及美国等股市羊群行为进行了实证研究；

常志平和蒋馥（2002）采用横截面收益绝对差方法（CSAD法），对我国股票市场中的羊群行为进行了实证检验；

解保华（2008）通过对我国房地产市场羊群行为与股票市场羊群行为的对比分析，从行为经济学角度探讨其中的行为心理成因；

张宗强、金志国、伍海华（2005）同样采用横截面收益绝对差方法（CSAD法），对上证180指数样本股票的羊群行为进行检验；

董纪昌等利用CCK模型对我国创业板市场的羊群行为进行了实证研究。

总结发现，国内学者对羊群行为的研究主要集中于验证我国的证券市场是否存在羊群行为，多以我国沪深两市为主，很少单独从创业板市场的角度切入。

而目前对羊群行为研究的不足则主要集中在三个方面，一是所采用的实证模型多数沿用了国外学者已归纳的检验模型，创新较少；

二是所检验出的羊群行为无法判断其“真伪”，因无法得到个体投资者的私有信息，也就无法真正区分羊群行为是由基本面因素驱动的大众共同反应，还是个别投资者心理因素驱动的模仿行为；

三是所得到的实证结果只验证了羊群行为是否存在，对羊群行为缺少可量化可比较的测度指标。

二、羊群行为实证检验方法

目前检验整个市场的羊群行为均是以股价分散度为指标，主要有CH法和CCK法。

Christie&

Huang（1995，以下简称CH）认为，在股价大幅波动期间，个股收益率若紧密分布于市场收益率周围，则有可能出现了羊群行为。

因为该方法用到了横截面收益标准差CSSD（Cross-SectionalStandardDeviationofreturns），故又称为CSSD法，其计算公式为：

其中，假设共有

只股票，

为股票在第

期的收益率，

为资产组合中

只股票在第

期的平均收益率。

Chang，Cheng和Khorana（2000）则提出用CSAD（横截面收益绝对差，Cross-SectionalAbsoluteDeviationofreturns）方法来衡量投资者决策的一致性，其计算公式为：

其中，

为投资组合的股票数量，

为市场等权股票组合在第

期的收益率。

经对比，CH法只是对羊群行为的一个保守估计，只有当大多数投资者对于所有股票都表现出强烈的羊群行为时，大多数股票的收益率才会出现趋同，因此CH法低估了羊群行为的程度。

而CCK方法弥补了这一点不足，不仅可以检测到市场中强烈的羊群行为，更可以在股市波动幅度较小的情况中较为准确地检测出羊群行为的存在。

截止到目前，CCK法也是受到国内外经济学者认可度最高的羊群行为检验方法之一。

所以本文将以资本资产定价模型（CAPM）为基础，建立模型即个股收益率对市场整体收益率的横截面绝对偏离度（CSAD，即CCK法）来检验羊群行为的存在。

三、本文实证分析

（一）样本选择

考虑到样本的代表性和数据的连贯性，本文选取了创业板市场中2012年1月6日以前上市的所有股票自2011年1月6日全年的交易日数据。

在样本的筛选和处理过程中，充分考虑了由于送配股等原因引起的股价波动，并尽量剔除了异常交易日和异常股票。

最终的样本数量为281只股票，观测时间为245个交易日。

其中，由于实证需要，上涨行情与下跌行情根据创业板指数进行区分（为了更全面地反映创业板市场情况，向投资者提供更多的可交易的指数产品和金融衍生工具的标的物，推进指数基金产品以及丰富证券市场产品品种，深圳证券交易所于2010年6月1日起正式编制和发布创业板指数。

创业板指数从创业板股票中选取100只组成样本股，以反映创业板市场层次的运行情况），其中上涨行情共119个交易日，下跌行情共126个交易日。

然后又将所有的样本股进行行业细分，分类的标准参照CSRC行业分类标准，共分为五大类：

其中188只样本股属于C类制造业，58只属于G类信息技术业，11个属于K类社会服务业，8个样本股属于K类社会服务业，剩余的16只股票归类于其他（5个属于A类农、林、牧、渔业，3个属于B类采掘业，2个属于E类建筑业，3个属于F类交通运输、仓储业，1个属于M类综合类，1个属于D类电力、煤气及水的生产和供应业，1个属于H类批发和零售贸易）

股票收益率数据来自于CCER数据库，个股收益率采用了该数据库中不考虑分红的回报率，不考虑分红的回报率计算方式：

r（t）=（p（t）*f（t）/p（t-1））-1。

价格调整因子：

f（t）=（（1+k1+k2）*p（t-1））/（p（t-1）+k1*p1’+k2*p2’），其中k1,k2是流通A股股本变动因子，p（t-1）是前日收盘价，p1’,p2’是配股、增发价格，分为1和2是因为有时候一天内有不同的配股、增发价格。

本文所有计算结果都是通过Excel2010和Eviews5.0计算获得。

（二）分析过程

根据资本资产定价模型（CAPM），股票

的期望收益率等于无风险利率加上系统风险溢价，即有：

（1）

其中

为无风险利率，

为股票

系统风险衡量指标，

是市场组合的预期收益率。

经计算，由

（1）式可得

（2）

由于股市存在风险溢价，因此市场组合的预期收益率

将大于无风险利率

，据此对

（2）式取绝对值并在等式两边分别简单平均后得到：

（3）

而如上文所述，假设市场上有

种股票，股票

在交易日

的收益率为

，市场组合收益率为

，那么市场在交易日

的横截面绝对偏离度为：

（3）式左边即对横截面绝对偏离度的期望值

，因此有

（4）

分别对市场组合的预期收益率即

的一阶导数和二阶导数后得

，

。

由此可以得出横截面绝对偏离度CSAD和市场收益率

之间平均应为线性递增关系。

当存在羊群行为时，个股的收益率将向市场收益率趋近，CSAD和

之间的线性递增关系被破坏，呈现出非线性的关系。

（5）

因此，我们考察羊群行为可以对方程（5）进行回归，若

显著为负，则存在羊群行为。

考虑到市场上涨和下跌时羊群行为的程度可能有所不同，因此我们对上升行情和下跌行情分别进行研究，即分别对下面两个方程进行回归分析：

（6）

（7）

和

分别为市场上涨时的横截面绝对偏离度和市场收益率绝对值，而

分别为市场下跌时的横截面绝对偏离度和市场收益率绝对值。

如果在市场大幅变动时投资者确实存在羊群行为，那么

将随着

的增加而下降。

因此，当（6）和（7）中的回归系数

显著为负时，可以认为市场上存在羊群行为。

创业板整体

DependentVariable:

CSAD

Includedobservations:

245

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

0.013482

0.000476

28.33638

0.0000

X1

-0.000681

0.055606

-0.012254

0.9902

X2

3.260843

1.252356

2.603766

0.0098

R-squared

0.190833

Meandependentvar

0.014553

AdjustedR-squared

0.184146

S.D.dependentvar

0.003778

S.E.ofregression

0.003412

Akaikeinfocriterion

-8.510794

Sumsquaredresid

0.002818

Schwarzcriterion

-8.467921

Loglikelihood

1045.572

F-statistic

28.53658

Durbin-Watsonstat

1.316024

Prob（F-statistic）

0.000000

根据回归结果可以看出Rmt2的系数显著为正数，说明我国创业板市场整体上不存在羊群效应。

整体上升市

119

0.013593

0.000687

19.79555

-0.090183

0.090922

-0.991877

0.3233

4.490484

2.288707

1.962018

0.0522

0.076200

0.013606

0.060273

0.003601

0.003491

-8.452350

0.001414

-8.382288

505.9148

4.784165

1.374381

0.010081

由回归结果可以看出，（

）2的系数显著为正，说明我国创业板市场在上升市中不存在羊群效应。

整体下降市

126

0.013341

0.000431

30.93546

1.293361

0.870623

1.485559

0.1400

-0.104179

0.037380

-2.787021

0.0062

0.313459

0.015447

0.302296

0.003736

0.003120

-8.678308

0.001197

-8.610777

549.7334

28.07949

1.564162

）2的系数显著为负，说明我国创业板市场在下降市中存在显著的羊群效应。

行业C的总体

0.015215

0.000791

19.24005

0.203355

0.123198

1.650634

0.1001

1.383130

3.894414

0.355157

0.7228

0.119231

0.017705

0.111952

0.005921

0.005580

-7.527184

0.007534

-7.484312

925.0801

16.38001

1.537856

行业C的上升市

0.013456

0.001291

10.42022

0.332142

0.233228

1.424109

0.1571

0.333671

8.492673

0.039289

0.9687

0.169971

0.016979

0.155660

0.006158

0.005659

-7.486365

0.003714

-7.416304

448.4387

11.87704

1.716327

0.000020

行业C下降市

0.016871

0.001026

16.44274

0.070065

0.151892

0.461279

0.6454

3.364598

4.484233

0.750317

0.4545

0.086396

0.018390

0.071541

0.005627

0.005422

-7.573353

0.003615

-7.505823

480.1212

5.815842

1.614928

0.003860

行业G总体

0.013333

0.000669

19.92740

-0.032604

0.072745

-0.448192

0.6544

4.152349

1.527718

2.718008

0.0070

0.142847

0.0143