创业板市场羊群效应实证分析

1我国创业板市场的羊群行为研究摘要： 本文着重探讨了我国创业板市场的羊群行为。首先，对国内现有的羊群行为研究作了理论回顾，总结前人的经验与不足。其次，归纳概括了目前检验羊群行为的主要方法，并比较了其各自的优劣，为本文将要进行的实证检验提供了选择。然后，通过选取近一年我国创业板市场所有股票的数据，运用 CCK 模型对创业板整体和行业羊群行为进行了实证检验，并针对实证结果进行了分析。最后对全文的论述作出了总结，并提出了建议。关键词：创业板；羊群行为；CCK 模型Abstract: This article focuses on the herd behavior in Chinas GEM（Growth Enterprises Market ）board. First, a theory review has been made among the existing domestic research of herd behavior, in which summarized the previous experience and inadequate. Second, the current methods of testing herd behavior have been generalized and compared , especially their respective advantages and disadvantages, for this empirical test to be undertaken to provide a choice. Then, by choosing all stocks data of Chinas GEM board in the recent year , based on the CCK model , the empirical study has been done. Finally a summary of the discussion has been given and suggestions put forward.Key words: GEM board；Herd Behavior；CCK Model羊群行为（Herd Behavior）是指投资者在信息环境不确定的情况下，行为受到其他投资者或舆论的影响，模仿他人决策的行为。市场中，适度的羊群行为在一定程度上会加快股价对市场信息的吸收速度，提高市场效率。但过度的羊群行为则可能导致市场反应剧烈，造成巨大的股价泡沫；中断市场信息的有效传递，加剧市场的系统风险和不稳定性。羊群行为在证券交易中是极其普遍的,尤其在我国这样不成熟的证券市场中更为多见。我国创业板和创业板指数自从推出以来，经过最近几年的发展，成绩不俗，为我国很多具有科技含量和成长性的中小企业拓宽了融资渠道。但不可否认的是，创业板市场作为一个成立至今不足十年的年轻市场，也存在着难以忽视的弊端和不足。本文以创业板市场作为研究对象，原因有两方面。一是目前创业板市场中已上市的企业大多属于高新技2术产业，成长性较好，可以给投资者带来无限的机会和巨大的收益；二是创业板市场是一个前瞻性市场，它更关注企业的发展前景和潜力，因此其上市条件相对宽松，更易产生市场操纵和内幕交易等问题，从而造成股价的剧烈波动和泡沫，最终导致羊群行为的发生。由 K 线图可以看出，我国创业板指数波动较剧烈。因此，明确近年来我国创业板市场是否存在羊群行为，若存在,并找出原因并加以改进，对我国小到投资者、监管部门，大到创业板市场、乃至整个证券市场的发展都有重要意义。一、羊群行为理论回顾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) 3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-Sectional Standard Deviation of returns），故又称为 CSSD法，其计算公式为： 21NitmtitRCSD（ ）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2N（ ） it tmtRN票在第 期的平均收益率。tChang，Cheng 和 Khorana（2000）则提出用 CSAD（横截面收益绝对差，Cross-Sectional Absolute Deviation of returns）方法来衡量投资者决策的一致性，其计算公式为：41NtitmttCSADR其中， 为投资组合的股票数量， 为股票在第 期的收益率， 为市场等权股票组合Nit tmtR在第 期的收益率。t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5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i溢价，即有：（1）()()tifitmfERrr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。fri ()tmER经计算，由（1）式可得（2）()1()titmitmfERr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()tmfr（2）式取绝对值并在等式两边分别简单平均后得到：（3）1 1() ()NNtitmitfi iERr 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itR收益率为 ，那么市场在交易日 的横截面绝对偏离度为：mtRt1Nt itmtiCSADR（3）式左边即对横截面绝对偏离度的期望值 ，因此有()tECSA（4）1()Nt itmfiEr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()tR， 。1( 0)tNiitmCSAD22()0ttmESADR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）21tmtttCSADrR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。2r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）212upupupt mtmttCSADrRr6（7）212downdowndowndont mt mttCSADrRr其中 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uptupmtR和 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downtSAdont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，tCSADmtR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。2r创业板整体Dependent Variable: CSADIncluded observations: 245Variable Coefficient Std. Error t-Statistic Prob. C 0.013482 0.000476 28.33638 0.0000X1 -0.000681 0.055606 -0.012254 0.9902X2 3.260843 1.252356 2.603766 0.0098R-squared 0.190833 Mean dependent var 0.014553Adjusted R-squared 0.184146 S.D. dependent var 0.003778S.E. of regression 0.003412 Akaike info criterion -8.510794Sum squared resid 0.002818 Schwarz criterion -8.467921Log likelihood 1045.572 F-statistic 28.53658Durbin-Watson stat 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Dependent Variable: CSADIncluded observations: 119Variable Coefficient Std. Error t-Statistic Prob. C 0.013593 0.000687 19.79555 0.0000X1 -0.090183 0.090922 -0.991877 0.3233X2 4.490484 2.288707 1.962018 0.0522R-squared 0.076200 Mean dependent var 0.013606Adjusted R-squared 0.060273 S.D. dependent var 0.003601S.E. of regression 0.003491 Akaike info criterion -8.452350Sum squared resid 0.001414 Schwarz criterion -8.382288Log likelihood 505.9148 F-statistic 4.784165Durbin-Watson stat 1.374381 Prob(F-statistic) 0.0100817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upr升市中不存在羊群效应。 整体下降市Dependent Variable: CSADIncluded observations: 126Variable Coefficient Std. Error t-Statistic Prob. C 0.013341 0.000431 30.93546 0.0000X1 1.293361 0.870623 1.485559 0.1400X2 -0.104179 0.037380 -2.787021 0.0062R-squared 0.313459 Mean dependent var 0.015447Adjusted R-squared 0.302296 S.D. dependent var 0.003736S.E. of regression 0.003120 Akaike info criterion -8.678308Sum squared resid 0.001197 Schwarz criterion -8.610777Log likelihood 549.7334 F-statistic 28.07949Durbin-Watson stat 1.564162 Prob(F-statistic) 0.000000由回归结果可以看出，（ ） 2的系数显著为负，说明我国创业板市场在downr下降市中存在显著的羊群效应。行业C的总体Variable Coefficient Std. Error t-Statistic Prob. C 0.015215 0.000791 19.24005 0.0000X1 0.203355 0.123198 1.650634 0.1001X2 1.383130 3.894414 0.355157 0.7228R-squared 0.119231 Mean dependent var 0.017705Adjusted R-squared 0.111952 S.D. dependent var 0.005921S.E. of regression 0.005580 Akaike info criterion -7.527184Sum squared resid 0.007534 Schwarz criterion -7.484312Log likelihood 925.0801 F-statistic 16.38001Durbin-Watson stat 1.537856 Prob(F-statistic) 0.000000行业C的上升市Variable Coefficient Std. Error t-Statistic Prob. 8C 0.013456 0.001291 10.42022 0.0000X1 0.332142 0.233228 1.424109 0.1571X2 0.333671 8.492673 0.039289 0.9687R-squared 0.169971 Mean dependent var 0.016979Adjusted R-squared 0.155660 S.D. dependent var 0.006158S.E. of regression 0.005659 Akaike info criterion -7.486365Sum squared resid 0.003714 Schwarz criterion -7.416304Log likelihood 448.4387 F-statistic 11.87704Durbin-Watson stat 1.716327 Prob(F-statistic) 0.000020行业C下降市Variable Coefficient Std. Error t-Statistic Prob. C 0.016871 0.001026 16.44274 0.0000X1 0.070065 0.151892 0.461279 0.6454X2 3.364598 4.484233 0.750317 0.4545R-squared 0.086396 Mean dependent var 0.018390Adjusted R-squared 0.071541 S.D. dependent var 0.005627S.E. of regression 0.005422 Akaike info criterion -7.573353Sum squared resid 0.003615 Schwarz criterion -7.505823Log likelihood 480.1212 F-statistic 5.815842Durbin-Watson stat 1.614928 Prob(F-statistic) 0.003860行业G总体Variable Coefficient Std. Error t-Statistic Prob. C 0.013333 0.000669 19.92740 0.0000X1 -0.032604 0.072745 -0.448192 0.6544X2 4.152349 1.527718 2.718008 0.0070R-squared 0.142847 Mean dependent var 0.014308Adjusted R-squared 0.135763 S.D. dependent var 0.005218S.E. of regression 0.004851 Akaike info criterion -7.806954Sum squared resid 0.005696 Schwarz criterion -7.764081Log likelihood 959.3518 F-statistic 20.16505Durbin-Watson stat 1.598148 Prob(F-statistic) 0.000000行业G上升市9Variable Coefficient Std. Error t-Statistic Prob. C 0.012985 0.000830 15.64584 0.0000X1 -0.112658 0.101574 -1.109122 0.2697X2 6.727026 2.366182 2.842988 0.0053R-squared 0.180189 Mean dependent var 0.013373Adjusted R-squared 0.166175 S.D. dependent var 0.004654S.E. of regression 0.004250 Akaike info criterion -8.059188Sum squared resid 0.002113 Schwarz criterion -7.989500Log likelihood 486.5513 F-statistic 12.85792Durbin-Watson stat 1.739062 Prob(F-statistic) 0.000009行业G下降市Variable Coefficient Std. Error t-Statistic Prob. C 0.014192 0.001060 13.38632 0.0000X1 -0.026156 0.105851 -0.247099 0.8052X2 3.394530 2.090813 1.623545 0.1071R-squared 0.112264 Mean dependent var 0.015205Adjusted R-squared 0.097711 S.D. dependent var 0.005581S.E. of regression 0.005301 Akaike info criterion -7.618173Sum squared resid 0.003428 Schwarz criterion -7.550294Log likelihood 479.1358 F-statistic 7.714154Durbin-Watson stat 1.622628 Prob(F-statistic) 0.000700行业K总体Variable Coefficient Std. Error t-Statistic Prob. C 0.015865 0.001468 10.80616 0.0000X1 -0.578047 0.146209 -3.953555 0.0001X2 22.34458 2.840953 7.865171 0.0000R-squared 0.372331 Mean dependent var 0.016013Adjusted R-squared 0.367144 S.D. dependent var 0.013728S.E. of regression 0.010921 Akaike info criterion -6.184119Sum squared resid 0.028862 Schwarz criterion -6.141246Log likelihood 760.5545 F-statistic 71.77680Durbin-Watson stat 1.867959 Prob(F-statistic) 0.00000010行业K上升市Variable Coefficient Std. Error t-Statistic Prob. C 0.014380 0.002302 6.246078 0.0000X1 -0.406334 0.261541 -1.553614 0.1230X2 19.81413 5.558301 3.564781