基于多模型的创业板市场羊群效应深度剖析与实证检验

基于多模型的创业板市场羊群效应深度剖析与实证检验一、引言1.1研究背景与意义随着中国资本市场的持续发展，创业板市场作为新兴市场展现出了巨大的增长潜力。自2009年10月30日首批28家创业板公司代表齐聚深圳敲响开市宝钟，创业板市场开启了它的发展历程。经过多年发展，创业板市场规模不断扩大，投资者数量持续增加，截至2024年10月29日，创业板已有1358家上市公司，投资者数量超过5000万，已成为全球最活跃的市场之一。创业板市场与传统主板市场相比，具有独特的特点。它的上市企业大多属于高新技术产业，创新性强、成长性好，更关注企业的发展前景和潜力，上市条件相对宽松。这些特点使其风险较高，市场信息不对称明显，流动性较差，市场参与者相互关联度较强。在这样的市场环境下，投资者更容易受到他人行为的影响，从而产生羊群效应。羊群效应是指投资者在决策过程中，不是基于自己对市场信息的独立分析和判断，而是受到他人行为的影响，盲目跟随大多数人的决策。这种行为在金融市场中普遍存在，在创业板市场尤为明显。例如，当市场上出现某种投资热点时，大量投资者会纷纷跟进，而不考虑自身的投资目标和风险承受能力；当市场出现恐慌情绪时，投资者又会集体抛售，导致市场进一步下跌。羊群效应的存在对创业板市场产生了诸多影响。适度的羊群效应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。但过度的羊群效应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。在2020-2021年新能源板块大热时，大量投资者涌入创业板的新能源相关企业，使得这些企业股价大幅上涨，出现了明显的泡沫；而在2022年初，以宁德时代为代表的新能源板块剧烈调整，投资者恐慌抛售，创业板指重挫，陷入技术性熊市，这都体现了羊群效应对市场的巨大影响。对创业板市场羊群效应进行研究具有重要的理论与现实意义。从理论层面看，有助于丰富金融市场投资者行为理论。目前关于羊群效应的研究虽有一定成果，但针对创业板市场这一特定环境下的深入研究仍有不足，通过本研究能进一步完善对不同市场环境中投资者行为的理解，为金融市场理论发展提供实证支持。从实践角度出发，对于投资者而言，了解羊群效应的存在及影响因素，能够帮助他们更好地认识市场，避免盲目跟风，做出更理性的投资决策，从而降低投资风险，提高投资收益；对于市场监管者来说，掌握羊群效应的规律，有助于制定更有效的监管政策，加强市场监管，提高信息披露透明度，减少信息不对称，维护市场的稳定和健康发展，促进创业板市场充分发挥其服务创新使命，助力我国经济发展和产业结构调整。1.2研究目的与创新点本研究的核心目的在于深入检验创业板市场中羊群效应的存在性，并全面剖析影响羊群效应的各类因素，为创业板市场的稳定发展与投资者的理性决策提供坚实依据。具体而言，本研究将运用多种成熟的实证模型，如CCK模型、LSV模型等，对创业板市场的历史交易数据展开严谨分析，以此精准判断羊群效应在创业板市场是否显著存在。在检验羊群效应存在性的基础上，深入探究影响羊群效应的因素，包括但不限于市场情绪、信息不对称、投资者风险偏好以及资金流入等，分析这些因素如何相互作用，进而对羊群效应产生影响。通过本研究，旨在为投资者提供切实可行的投资建议，助力他们有效规避羊群效应带来的负面影响，实现投资收益的最大化。同时，也期望为监管部门制定科学合理的监管政策提供有力的理论支持，以维护创业板市场的稳定运行，促进市场的健康发展。相较于以往的研究，本研究在多个方面展现出创新之处。在研究方法上，本研究采用多模型综合分析的方式，突破了单一模型的局限性，能够从多个维度对羊群效应进行全面检验和深入分析，使研究结果更具可靠性和说服力。在研究视角上，本研究不仅关注羊群效应的存在性，更深入探讨影响羊群效应的多种因素及其作用机制，拓宽了研究视野，为深入理解创业板市场的运行规律提供了新的思路。在数据选取上，本研究选取了更长时间跨度和更广泛范围的数据，增强了研究结果的普遍性和适用性，能够更准确地反映创业板市场羊群效应的实际情况。1.3研究方法与框架本研究主要采用实证分析方法，通过对创业板市场的相关数据进行量化分析，以检验羊群效应的存在性并探究其影响因素。在数据收集方面，选取创业板市场自2014年1月1日至2024年10月31日期间的日交易数据作为研究样本，数据来源包括万得（Wind）金融终端、东方财富Choice数据等权威数据库，以确保数据的准确性和完整性。收集的数据包括创业板市场中各股票的每日收盘价、成交量、流通股本等信息，同时还收集了创业板指数的相关数据，用于衡量市场整体表现。在模型选择上，运用CCK模型（Chang、Cheng和Khorana提出的模型）来检验创业板市场整体是否存在羊群效应。该模型通过构建横截面绝对偏离度（CSAD）与市场收益率之间的关系，判断当市场收益率波动较大时，个股收益率的分散程度是否出现异常变化，以此来识别羊群效应。具体而言，若CSAD与市场收益率之间呈现非线性关系，且在市场收益率较高或较低时，CSAD的变化趋势与正常情况下不同，则表明存在羊群效应。此外，还将采用LSV模型（Lakonishok、Shleifer和Vishny提出的模型）来分析机构投资者在创业板市场中的羊群行为。该模型通过计算机构投资者对某只股票的买卖比例与市场平均买卖比例的偏离程度，来衡量机构投资者的羊群行为强度。当偏离程度较大时，说明机构投资者存在明显的羊群行为。在分析步骤上，首先对收集到的数据进行预处理，包括数据清洗、缺失值处理和异常值剔除等，以保证数据质量。其次，运用CCK模型对创业板市场整体的羊群效应进行检验，通过回归分析确定CSAD与市场收益率之间的关系，并根据回归结果判断羊群效应的存在性。接着，使用LSV模型对机构投资者的羊群行为进行分析，计算各季度机构投资者对不同股票的买卖比例，进而得出机构投资者的羊群行为系数，评估其羊群行为的强度和方向。最后，综合考虑市场情绪、信息不对称、投资者风险偏好以及资金流入等因素，运用多元线性回归模型分析这些因素对羊群效应的影响，探究各因素与羊群效应之间的作用机制。本文的整体框架如下：第一章为引言，主要阐述研究背景与意义、研究目的与创新点以及研究方法与框架，为后续研究奠定基础。第二章是文献综述，梳理国内外关于羊群效应的相关理论和研究成果，总结现有研究的不足，明确本文的研究方向。第三章介绍创业板市场的特点、发展现状以及羊群效应在创业板市场中的表现形式和潜在影响，从理论层面分析创业板市场羊群效应产生的原因。第四章为实证检验部分，运用上述选定的模型和方法对创业板市场羊群效应进行实证分析，展示数据处理过程和实证结果。第五章对实证结果进行深入讨论，分析羊群效应存在的原因及其对创业板市场的影响，结合实际案例进行说明。第六章为结论与建议，总结研究的主要发现，针对研究结果提出相应的政策建议和投资建议，并指出研究的局限性和未来的研究方向。二、文献综述2.1羊群效应理论基础羊群效应，又被称为从众效应或羊群行为，是指在人类社会中，个体在决策时，放弃自身有价值的私有信息，而选择跟从大多数人的决策，最终致使自身与群体的决策行为趋于同质化的现象。这一概念最初源于对羊行为习性的观察，在羊群中，一只羊的行动往往会引发其他羊的跟随，即便它们并不清楚行动的缘由。在金融市场领域，羊群效应表现得尤为显著。投资者在进行决策时，常常不是依据自己对市场信息的独立分析与判断，而是受到其他投资者行为的影响，盲目地模仿和跟随大众的投资决策。从理论层面来看，羊群效应在金融市场中的产生主要源于以下几个关键因素：信息不对称：在金融市场中，信息的分布是不均衡的，并非所有投资者都能及时、准确且全面地获取市场信息。部分投资者可能因具备更优的信息渠道或更强的信息解读能力，率先获取到某些关键信息，并据此做出投资决策。其他投资者在无法充分掌握信息的情况下，往往会选择观察和模仿这些先行者的行为，认为他们的决策是基于充分信息做出的，具有一定的合理性和可靠性。在股票市场中，当一家上市公司发布了一则未经证实的利好消息时，部分投资者可能会迅速买入该股票。其他投资者由于难以判断该消息的真实性和可靠性，又担心错过投资机会，便纷纷跟风买入，从而引发羊群效应。社会学习与从众心理：人类天生具有社会学习的倾向，在面对复杂的决策情境时，人们常常会观察和模仿他人的行为，尤其是那些被认为是成功或权威的人士。在金融市场中，投资者也不例外，他们往往会关注那些投资经验丰富、业绩出色的投资者或机构的行为，并尝试模仿他们的投资策略。此外，投资者还存在从众心理，担心自己的决策与大多数人不同会导致不利后果，因此更倾向于跟随大众的选择，以获得一种安全感和归属感。当市场上的知名投资机构大量买入某一板块的股票时，许多投资者会认为该板块具有较大的投资潜力，进而纷纷跟进买入，形成羊群效应。认知偏差：投资者在决策过程中，不可避免地会受到各种认知偏差的影响。锚定效应使得投资者在做出决策时，过度依赖最初获得的信息，而忽视后续出现的新信息；代表性偏差导致投资者根据事物的某些特征来判断其所属类别，而忽略了其他重要信息；过度自信偏差使投资者高估自己的能力和判断，从而做出不合理的投资决策。这些认知偏差会导致投资者在面对市场信息时，无法进行客观、理性的分析和判断，进而更容易受到他人行为的影响，产生羊群效应。一些投资者可能会因为过去在某一股票上获得了较高的收益，就过度自信地认为自己对该股票的走势有准确的判断，在后续投资中盲目跟风，而忽视了市场环境的变化和股票基本面的改变。市场情绪：金融市场中存在着各种情绪，如乐观、悲观、恐惧、贪婪等，这些情绪会在投资者之间相互传播和感染。当市场处于牛市时，乐观情绪占据主导，投资者普遍对市场前景充满信心，容易产生过度乐观的预期，进而纷纷买入股票，推动股价不断上涨，形成正向的羊群效应；当市场进入熊市时，悲观情绪和恐惧心理迅速蔓延，投资者对市场失去信心，纷纷抛售股票，导致股价持续下跌，形成负向的羊群效应。在2020年初新冠疫情爆发初期，股市大幅下跌，投资者普遍陷入恐慌情绪，大量抛售股票，这就是市场情绪引发羊群效应的典型案例。2.2创业板市场羊群效应研究现状在创业板市场羊群效应的研究领域，众多学者运用不同的研究方法和模型，对其存在性、影响因素以及对市场的影响等方面展开了深入研究，取得了一系列有价值的成果。在羊群效应的存在性研究方面，李才赋（2020）运用CSAD模型对中国创业板市场进行研究，发现创业板市场整体存在着羊群效应，且在价格上涨和下跌阶段都存在明显的羊群效应，其中价格下跌时的羊群效应更为显著。这表明在市场下行时，投资者更容易受到他人行为的影响，产生恐慌性抛售。基于QRNN模型的实证分析也表明，创业板市场存在明显的羊群效应现象，投资者容易受到他人行为的影响而采取跟风行为。这进一步验证了创业板市场羊群效应的存在，并且揭示了投资者行为的从众特征。在影响因素的探究上，学者们普遍认为信息不对称、市场流动性、投资者心理因素等是影响创业板市场羊群效应的重要因素。创业板市场信息披露不全面，信息不对称明显，使得投资者难以获取准确的信息，从而更容易受到他人行为的影响，产生羊群效应。市场流动性较差，交易成本较高，也会导致投资者在决策时更加谨慎，倾向于跟随大众的选择，加剧羊群效应的产生。投资者的心理因素，如从众心理、恐惧和贪婪等，在羊群效应的形成过程中也起到了关键作用。当市场出现波动时，投资者往往会因为恐惧而盲目跟风，或者因为贪婪而过度追涨杀跌。关于羊群效应对创业板市场的影响，研究指出羊群效应会导致市场的非理性波动和不稳定性增加，进而影响市场效率和投资者的决策。非理性的羊群效应会使投资者的决策产生偏差，导致资产价格大幅偏离其内在价值，增加市场的波动性和风险。在市场上涨时，羊群效应可能会引发过度投资，导致股价泡沫；在市场下跌时，羊群效应则可能会加剧恐慌情绪，引发市场崩盘。羊群效应还可能导致市场信息传递链的中断，使市场无法有效反映基本面信息，降低市场的有效性。现有研究也存在一些不足之处。在研究方法上，部分研究仅采用单一模型进行分析，可能会导致研究结果的局限性。不同的模型有其各自的优缺点和适用范围，单一模型可能无法全面准确地揭示羊群效应的本质和规律。在影响因素的研究方面，虽然已经识别出一些主要因素，但对于各因素之间的相互作用机制以及它们如何共同影响羊群效应的研究还不够深入。未来的研究可以考虑运用多种模型进行综合分析，以提高研究结果的可靠性和全面性。进一步深入探讨各影响因素之间的复杂关系，构建更加完善的理论框架，也是未来研究的重要方向之一。2.3研究述评与启示现有研究在创业板市场羊群效应领域取得了显著成果，为后续研究奠定了坚实基础。从理论层面看，对羊群效应在金融市场产生的原因，如信息不对称、社会学习与从众心理、认知偏差以及市场情绪等方面的分析，已经较为全面和深入，为理解创业板市场羊群效应提供了重要的理论支撑。在实证研究方面，运用多种模型对创业板市场羊群效应的存在性进行检验，使我们对羊群效应在创业板市场的表现有了更直观的认识。研究还对影响羊群效应的因素以及其对创业板市场的影响进行了探讨，为市场参与者和监管者提供了有价值的参考。现有研究也存在一些值得改进和进一步探索的方向。在研究方法上，虽然多种模型被应用于羊群效应的研究，但部分研究对模型的选择和运用可能不够灵活和全面。不同模型在检验羊群效应时各有优劣，单一模型可能无法充分捕捉到羊群效应的复杂特征。未来研究可以尝试结合多种模型进行综合分析，例如将CCK模型与QRNN模型相结合，既能利用CCK模型从市场整体收益率与个股收益率分散程度关系的角度检验羊群效应，又能借助QRNN模型对样本分布各分位点进行建模和预测的优势，更全面地分析羊群效应在不同市场条件下的表现。在影响因素研究方面，目前虽然已经识别出一些主要因素，但对于各因素之间的相互作用机制以及它们如何共同影响羊群效应的研究还不够深入。信息不对称与投资者心理因素之间可能存在复杂的交互作用，市场情绪如何与市场流动性相互影响进而作用于羊群效应等问题，都有待进一步研究。未来可以运用结构方程模型等方法，构建多因素相互作用的模型，深入剖析各因素之间的内在联系，从而更准确地揭示羊群效应的形成机制。在羊群效应对创业板市场影响的研究中，虽然已经认识到其对市场波动性和稳定性的影响，但对于如何量化这种影响以及如何制定有效的应对策略，还需要更多的实证研究和案例分析。可以通过构建风险评估模型，量化羊群效应对市场风险的影响程度，为监管部门制定风险预警机制和监管政策提供更具体的依据。同时，通过对实际市场案例的深入分析，总结经验教训，为投资者提供更具针对性的投资建议。这些研究现状和不足为本文的研究提供了明确的方向。在研究方法上，本文将采用多模型综合分析的方式，克服单一模型的局限性，提高研究结果的可靠性和全面性。在影响因素研究方面，将深入探讨各因素之间的相互作用机制，构建更完善的理论框架。在研究羊群效应对创业板市场的影响时，将注重量化分析和案例研究，为市场参与者和监管者提供更具操作性的建议。三、创业板市场羊群效应的理论分析3.1创业板市场特征创业板市场作为资本市场的重要组成部分，与主板市场相比，具有一系列独特的特征，这些特征使其成为羊群效应的高发地。高风险性是创业板市场的显著特征之一。创业板上市公司大多处于成长初期，规模相对较小，经营稳定性较差。这些企业往往面临着技术迭代快、市场竞争激烈、资金短缺等多重挑战，其盈利能力和发展前景存在较大的不确定性。以一些科技类创业公司为例，它们需要持续投入大量资金进行研发创新，以保持在行业中的竞争力，但研发结果具有高度不确定性，一旦研发失败或产品无法得到市场认可，企业可能面临巨大的经营困境，甚至破产倒闭。这种高风险性使得投资者在面对创业板投资时，往往感到信息不足和信心缺乏，更容易受到他人行为的影响，从而引发羊群效应。高成长性也是创业板市场的一大亮点。创业板市场为那些具有创新能力和高成长潜力的企业提供了融资和发展的平台。这些企业通常拥有独特的技术、商业模式或市场定位，有望在未来实现快速增长，为投资者带来丰厚的回报。一些互联网科技企业，凭借其创新的业务模式和强大的市场拓展能力，在短时间内实现了爆发式增长，其股价也随之大幅上涨。高成长性带来的巨大投资诱惑，吸引了众多投资者的关注和参与。在市场中，当部分投资者发现具有高成长潜力的企业并获得收益后，其他投资者往往会跟风买入，期望分享企业成长的红利，这就容易导致羊群效应的产生。信息不对称在创业板市场尤为突出。创业板上市公司的业务和技术往往较为复杂，普通投资者难以全面、准确地了解企业的真实情况。同时，部分企业在信息披露方面可能存在不及时、不充分或不准确的问题，进一步加剧了信息不对称的程度。一些新兴的生物医药企业，其研发的新药涉及专业的医学知识和复杂的临床试验过程，投资者很难对其研发进展、市场前景等做出准确判断。在这种情况下，投资者往往会依赖他人的信息和判断，如机构投资者的研究报告、市场传闻等，当他们看到其他投资者买入或卖出某只股票时，就会不假思索地跟随行动，从而引发羊群效应。市场流动性较差也是创业板市场的一个特点。与主板市场相比，创业板市场的上市公司数量相对较少，部分股票的流通股本较小，交易活跃度不高。这使得投资者在买卖股票时，可能面临较大的交易成本和流动性风险，难以快速、低成本地完成交易。当市场出现波动时，投资者由于担心无法及时卖出股票，往往会选择跟随大众的行动，导致羊群效应的加剧。在市场下跌时，投资者为了避免损失，纷纷抛售股票，但由于市场流动性不足，可能会出现卖盘堆积、股价大幅下跌的情况，进一步强化了羊群效应。市场参与者相互关联度较强也是创业板市场的一个现象。在创业板市场中，机构投资者、个人投资者以及上市公司之间存在着千丝万缕的联系。机构投资者的投资决策往往会对个人投资者产生示范效应，个人投资者会关注机构投资者的动向，并跟随其投资行为。上市公司的大股东、管理层与投资者之间也存在信息不对称和利益关联，他们的行为和言论可能会影响投资者的决策。当市场中出现一些热点事件或投资机会时，市场参与者之间的相互关联会使得信息迅速传播，投资者的行为更容易趋同，从而引发羊群效应。3.2羊群效应在创业板市场的形成机制羊群效应在创业板市场的形成是多种因素相互作用的结果，主要包括信息不对称、投资者心理、市场制度等方面，这些因素共同推动了羊群效应在创业板市场的产生和发展。信息不对称在创业板市场中表现得尤为突出，是羊群效应形成的重要原因之一。创业板上市公司大多处于成长初期，业务模式和技术创新较为复杂，普通投资者难以全面、准确地理解企业的真实价值和发展前景。部分企业在信息披露方面可能存在不及时、不充分或不准确的问题，进一步加剧了投资者与企业之间的信息差距。当投资者无法获取足够的信息来做出独立判断时，他们往往会依赖他人的信息和决策，如机构投资者的研究报告、市场传闻等。当看到其他投资者买入或卖出某只股票时，就会认为他们掌握了自己所不知道的信息，从而不假思索地跟随行动，引发羊群效应。在2021年，一些新能源概念的创业板公司，虽然其实际的技术研发进展和市场前景存在很大的不确定性，但由于市场上的一些乐观传闻和机构的推荐，大量投资者在缺乏深入了解的情况下纷纷买入，导致股价大幅上涨，形成了明显的羊群效应。投资者心理因素在羊群效应的形成过程中也起着关键作用。投资者普遍存在的从众心理，使得他们在面对市场不确定性时，更倾向于跟随大众的决策，以获得一种安全感和归属感。在创业板市场中，当部分投资者获得收益或遭受损失时，这种结果会对其他投资者的心理产生强烈的影响。看到他人获得收益，投资者会担心错过机会，从而跟风买入；看到他人遭受损失，投资者则会产生恐惧心理，纷纷抛售股票，以避免损失扩大。这种从众心理和情绪传染使得投资者的行为逐渐趋同，形成羊群效应。在市场上涨阶段，投资者的贪婪心理会被放大，他们往往会忽视股票的真实价值，盲目追涨，期望获取更高的收益；而在市场下跌阶段，恐惧心理会占据主导，投资者会过度悲观，不计成本地抛售股票，加剧市场的下跌趋势。市场制度方面的因素也为羊群效应的形成提供了条件。创业板市场的涨跌幅限制相对主板市场更为宽松，这在一定程度上增加了市场的波动性和风险。当市场出现大幅波动时，投资者的情绪更容易受到影响，从而加剧羊群效应的产生。在股价大幅上涨或下跌时，投资者可能会因为担心错过机会或遭受更大损失，而更加盲目地跟随市场趋势。创业板市场的退市制度相对主板市场更为严格，一些业绩不佳的公司可能面临退市风险。这使得投资者在选择投资标的时更加谨慎，往往会倾向于选择那些被市场普遍看好的公司，从而导致市场上的投资行为更加集中，加剧了羊群效应。市场流动性也是影响羊群效应的重要因素。创业板市场中部分股票的流通股本较小，交易活跃度不高，这使得投资者在买卖股票时可能面临较大的交易成本和流动性风险。当市场出现波动时，投资者由于担心无法及时卖出股票，往往会选择跟随大众的行动，导致羊群效应的加剧。在市场下跌时，投资者为了避免损失，纷纷抛售股票，但由于市场流动性不足，可能会出现卖盘堆积、股价大幅下跌的情况，进一步强化了羊群效应。市场参与者之间的相互关联也在羊群效应的形成中发挥了作用。在创业板市场中，机构投资者、个人投资者以及上市公司之间存在着千丝万缕的联系。机构投资者的投资决策往往会对个人投资者产生示范效应，个人投资者会关注机构投资者的动向，并跟随其投资行为。上市公司的大股东、管理层与投资者之间也存在信息不对称和利益关联，他们的行为和言论可能会影响投资者的决策。当市场中出现一些热点事件或投资机会时，市场参与者之间的相互关联会使得信息迅速传播，投资者的行为更容易趋同，从而引发羊群效应。当某家创业板上市公司宣布获得重大投资或签订重要合作协议时，机构投资者可能会率先买入该公司股票，个人投资者看到机构的行动后，也会纷纷跟进，导致股价快速上涨，形成羊群效应。3.3羊群效应对创业板市场的影响羊群效应在创业板市场中产生的影响广泛而深远，对市场波动、资源配置以及投资者收益等方面均有着不容忽视的作用。羊群效应与市场波动之间存在着紧密的联系，它在很大程度上加剧了市场的不稳定性。当市场中出现羊群效应时，投资者的行为会出现高度的一致性，导致市场的买卖力量失衡。在市场上涨阶段，投资者的过度乐观情绪和跟风买入行为会推动股价迅速上涨，形成股价泡沫，使股价远远偏离其内在价值。在2020-2021年新能源板块大热时，大量投资者涌入创业板的新能源相关企业，使得这些企业股价大幅上涨，部分企业的市盈率高达上百倍，远远超出了其合理的估值范围。而一旦市场情绪发生转变，投资者开始恐慌抛售，股价又会迅速下跌，引发市场的剧烈波动。在2022年初，以宁德时代为代表的新能源板块剧烈调整，投资者恐慌抛售，创业板指重挫，陷入技术性熊市，短短几个月内指数跌幅超过20%，许多股票价格腰斩。这种股价的大幅波动不仅增加了投资者的投资风险，也给市场的稳定运行带来了巨大挑战。从资源配置的角度来看，羊群效应会导致市场资源的不合理配置。当投资者盲目跟风投资某些热门行业或股票时，资金会过度集中在这些领域，而其他具有潜在投资价值的行业或企业则可能得不到足够的资金支持，从而影响整个市场的资源配置效率。在某一时期，市场上对人工智能概念的股票追捧热度极高，大量资金涌入相关企业，使得这些企业能够轻松获得融资，进行大规模的扩张和投资。然而，一些传统制造业企业，虽然它们在技术创新和市场拓展方面也有一定的潜力，但由于投资者的关注度较低，难以获得足够的资金来支持其发展。这种资源的不合理配置可能会阻碍产业结构的优化升级，影响经济的可持续发展。羊群效应还会对投资者收益产生重要影响。对于个体投资者而言，盲目跟随羊群行为往往会导致投资决策失误，增加投资风险，从而降低投资收益。当投资者跟风买入热门股票时，往往是在股价已经处于高位时进入市场，一旦市场行情反转，他们将面临巨大的损失。在股票市场中，许多投资者看到某只股票价格持续上涨，便跟风买入，结果在股价达到顶点后开始下跌，这些投资者不仅没有获得预期的收益，反而遭受了惨重的损失。对于整个市场的投资者群体来说，羊群效应可能会导致市场的整体收益水平下降。由于投资者的行为趋同，市场的投资策略变得单一，缺乏多样性和灵活性，难以有效分散风险，从而降低了市场的整体收益水平。羊群效应在创业板市场中产生的影响是多方面的，它不仅加剧了市场波动，影响了资源的合理配置，还对投资者的收益造成了不利影响。因此，深入研究羊群效应，并采取相应的措施来抑制其负面影响，对于维护创业板市场的稳定健康发展具有重要意义。四、实证研究设计4.1数据来源与样本选择本研究的数据取自创业板市场，旨在通过对该市场股票交易数据的分析，深入探究羊群效应的存在性及影响因素。在股票样本的选取上，综合考虑了多方面因素。为确保数据的代表性和稳定性，选取了自2014年1月1日之前在创业板上市的所有A股股票作为初始样本。这些股票在市场中经历了一定时间的交易，其价格波动和交易行为能够较好地反映创业板市场的整体特征。同时，对样本进行了严格的筛选，剔除了在研究期间内被ST（特别处理）、ST（退市风险警示）以及数据缺失严重的股票。被ST或ST的股票通常面临着财务状况异常或其他重大风险，其交易行为可能与正常股票存在较大差异，会对研究结果产生干扰。而数据缺失严重的股票无法提供完整的信息，也会影响实证分析的准确性。经过筛选，最终确定了250只股票作为研究样本，这些股票涵盖了创业板市场中的多个行业，包括信息技术、生物医药、新能源、高端装备制造等，具有广泛的代表性。在时间范围的确定上，选取了2014年1月1日至2024年10月31日作为研究区间。这一时间跨度长达10年之久，能够涵盖不同的市场周期和经济环境，包括牛市、熊市以及震荡市等，使研究结果更具普遍性和可靠性。在这10年中，创业板市场经历了多次重大的政策调整、行业变革和市场波动，如2015年的牛市行情、2018年的熊市调整以及2020年以来的疫情冲击等，这些事件为研究羊群效应在不同市场条件下的表现提供了丰富的素材。通过对较长时间序列数据的分析，可以更全面地了解羊群效应的动态变化和发展趋势，避免因样本时间过短而导致的研究结果偏差。数据来源方面，主要依托于万得（Wind）金融终端和东方财富Choice数据这两个权威的金融数据提供商。万得金融终端是国内领先的金融数据平台，提供了丰富的金融市场数据，包括股票行情、财务报表、宏观经济数据等，其数据具有准确性、及时性和全面性的特点。东方财富Choice数据同样是专业的金融数据服务平台，涵盖了广泛的金融市场信息，在股票数据的收集和整理方面具有较高的质量和可靠性。通过这两个数据来源，获取了样本股票的每日收盘价、成交量、流通股本等关键数据，同时还收集了创业板指数的相关数据，用于衡量市场整体表现。在数据收集过程中，对数据进行了严格的核对和验证，确保数据的准确性和完整性，为后续的实证分析奠定了坚实的基础。4.2实证检验指标选取在对创业板市场羊群效应进行实证检验时，合理选取检验指标至关重要，本研究将运用CSSD、CSAD、LSV等模型，通过对这些模型中相关指标的计算和分析，来准确判断羊群效应的存在性及强度。4.2.1CSSD模型指标选取CSSD（Cross-sectionalStandardDeviationofReturns）即横截面收益标准差，是检验羊群效应的重要指标之一。其计算公式为：CSSD_t=\sqrt{\frac{1}{N-1}\sum_{i=1}^{N}(R_{it}-R_{mt})^2}其中，R_{it}表示第i只股票在t时刻的收益率，R_{mt}表示市场组合在t时刻的收益率，N为样本股票的数量。在实际计算中，首先需要确定样本股票的范围，本研究选取了前文所述的250只创业板股票作为样本。对于股票收益率R_{it}，采用对数收益率进行计算，即R_{it}=\ln(\frac{P_{it}}{P_{i,t-1}})，其中P_{it}为第i只股票在t时刻的收盘价，P_{i,t-1}为第i只股票在t-1时刻的收盘价。市场组合收益率R_{mt}则以创业板指数收益率来代表，同样采用对数收益率计算方法，R_{mt}=\ln(\frac{I_{t}}{I_{t-1}})，I_{t}为创业板指数在t时刻的收盘点位，I_{t-1}为创业板指数在t-1时刻的收盘点位。通过计算CSSD值，可以衡量个股收益率相对于市场收益率的离散程度。在不存在羊群效应的有效市场中，个股收益率应呈现出较为分散的状态，CSSD值相对稳定。当市场中存在羊群效应时，投资者的行为趋同，个股收益率会向市场收益率靠拢，导致CSSD值在市场波动较大时出现异常变化，如显著减小。4.2.2CSAD模型指标选取CSAD（Cross-sectionalAbsoluteDeviationofReturns）即横截面绝对偏离度，也是常用的羊群效应检验指标，与CSSD模型相比，CSAD模型能更直接地反映个股收益率与市场收益率的偏离程度。其计算公式为：CSAD_t=\frac{1}{N}\sum_{i=1}^{N}|R_{it}-R_{mt}|各参数含义与CSSD模型中一致。在计算过程中，同样先确定样本股票范围和收益率计算方式。与CSSD模型不同的是，CSAD模型直接计算个股收益率与市场收益率差值的绝对值之和，并取平均值。在正常市场情况下，CSAD与市场收益率之间应呈现出一定的线性关系。但当存在羊群效应时，投资者的跟风行为会使得个股收益率在市场极端情况下（上涨或下跌幅度较大时）向市场收益率集中，导致CSAD与市场收益率之间的线性关系被破坏，出现非线性特征。当市场大幅上涨或下跌时，CSAD值不随市场收益率的变化而正常增大，反而保持相对稳定甚至减小，这就表明市场中存在羊群效应。4.2.3LSV模型指标选取LSV（Lakonishok、Shleifer和Vishny模型）主要用于衡量机构投资者的羊群行为，其核心指标为羊群行为度（HerdingMeasure，HM）。计算公式为：HM_{jt}=\left|\frac{B_{jt}}{B_{jt}+S_{jt}}-p_j\right|-E\left[\left|\frac{B_{jt}}{B_{jt}+S_{jt}}-p_j\right|\right]其中，B_{jt}表示在第t期买入第j只股票的机构投资者数量，S_{jt}表示在第t期卖出第j只股票的机构投资者数量，p_j表示市场中买入股票的机构投资者占总机构投资者数量的平均比例。在实际应用中，首先需要确定机构投资者的交易数据来源，本研究从万得（Wind）金融终端获取机构投资者对样本股票的季度交易数据。对于p_j的计算，通过统计市场中所有机构投资者在各季度的买入和卖出行为，计算出买入股票的机构投资者占总机构投资者数量的平均比例。HM_{jt}的值越大，表明机构投资者在第t期对第j只股票的羊群行为越明显。当HM_{jt}显著大于0时，说明机构投资者在该时期对该股票存在明显的同向交易行为，即羊群行为；当HM_{jt}接近0时，则表示机构投资者的交易行为较为分散，羊群行为不明显。通过计算不同股票在不同时期的HM_{jt}值，可以全面了解机构投资者在创业板市场中的羊群行为特征和变化趋势。4.3实证模型构建为了深入检验创业板市场羊群效应的存在性并探究其影响因素，本研究构建了一系列实证模型，包括用于检验市场整体羊群效应的CCK模型，分析机构投资者羊群行为的LSV模型，以及探究影响因素的多元线性回归模型。4.3.1CCK模型CCK模型由Chang、Cheng和Khorana提出，是检验羊群效应的经典模型之一。该模型基于资本资产定价模型（CAPM），通过构建横截面绝对偏离度（CSAD）与市场收益率之间的关系来判断羊群效应的存在。在有效市场中，个股收益率应符合CAPM，CSAD与市场收益率呈线性关系。当市场存在羊群效应时，投资者行为趋同，个股收益率向市场收益率靠拢，导致CSAD与市场收益率的线性关系被破坏，呈现出非线性特征。CCK模型的具体形式如下：CSAD_t=\alpha_0+\alpha_1|R_{mt}|+\alpha_2R_{mt}^2+\varepsilon_t其中，CSAD_t为t时刻的横截面绝对偏离度，计算公式为CSAD_t=\frac{1}{N}\sum_{i=1}^{N}|R_{it}-R_{mt}|，R_{it}表示第i只股票在t时刻的收益率，R_{mt}表示市场组合在t时刻的收益率，N为样本股票的数量；\alpha_0为常数项；\alpha_1和\alpha_2为回归系数；\varepsilon_t为随机误差项。在该模型中，若市场不存在羊群效应，根据CAPM理论，\alpha_2应等于0，此时CSAD与|R_{mt}|呈线性关系。当市场存在羊群效应时，投资者的跟风行为会使得个股收益率在市场极端情况下（上涨或下跌幅度较大时）向市场收益率集中，导致CSAD与|R_{mt}|之间的线性关系被破坏，\alpha_2显著不为0。当市场大幅上涨或下跌时，CSAD值不随|R_{mt}|的变化而正常增大，反而保持相对稳定甚至减小，即\alpha_2\lt0，这就表明市场中存在羊群效应。通过对该模型的回归分析，观察\alpha_2的显著性和符号，即可判断创业板市场是否存在羊群效应。4.3.2LSV模型LSV模型由Lakonishok、Shleifer和Vishny提出，主要用于衡量机构投资者的羊群行为。机构投资者在金融市场中具有重要影响力，其投资决策往往会对市场产生较大影响。LSV模型通过计算机构投资者对某只股票的买卖比例与市场平均买卖比例的偏离程度，来衡量机构投资者的羊群行为强度。LSV模型的核心指标为羊群行为度（HerdingMeasure，HM），计算公式为：HM_{jt}=\left|\frac{B_{jt}}{B_{jt}+S_{jt}}-p_j\right|-E\left[\left|\frac{B_{jt}}{B_{jt}+S_{jt}}-p_j\right|\right]其中，B_{jt}表示在第t期买入第j只股票的机构投资者数量，S_{jt}表示在第t期卖出第j只股票的机构投资者数量，p_j表示市场中买入股票的机构投资者占总机构投资者数量的平均比例。在实际应用中，首先需要确定机构投资者的交易数据来源，本研究从万得（Wind）金融终端获取机构投资者对样本股票的季度交易数据。对于p_j的计算，通过统计市场中所有机构投资者在各季度的买入和卖出行为，计算出买入股票的机构投资者占总机构投资者数量的平均比例。HM_{jt}的值越大，表明机构投资者在第t期对第j只股票的羊群行为越明显。当HM_{jt}显著大于0时，说明机构投资者在该时期对该股票存在明显的同向交易行为，即羊群行为；当HM_{jt}接近0时，则表示机构投资者的交易行为较为分散，羊群行为不明显。通过计算不同股票在不同时期的HM_{jt}值，可以全面了解机构投资者在创业板市场中的羊群行为特征和变化趋势。4.3.3多元线性回归模型为了探究影响创业板市场羊群效应的因素，构建多元线性回归模型，将羊群效应指标（如CSAD或HM）作为被解释变量，将市场情绪、信息不对称、投资者风险偏好、资金流入等因素作为解释变量。多元线性回归模型的一般形式为：Y=\beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_nX_n+\varepsilon其中，Y为被解释变量，即羊群效应指标；\beta_0为常数项；\beta_1,\beta_2,\cdots,\beta_n为回归系数；X_1,X_2,\cdots,X_n为解释变量，分别代表市场情绪、信息不对称、投资者风险偏好、资金流入等因素；\varepsilon为随机误差项。对于市场情绪，选取投资者情绪指数作为衡量指标，该指数可通过对投资者的调查数据、市场成交量、换手率等多个指标进行综合计算得到。信息不对称则采用分析师预测分歧度来衡量，分析师预测分歧度越大，说明市场中关于该股票的信息越不一致，信息不对称程度越高。投资者风险偏好通过风险溢价来表示，风险溢价等于市场收益率减去无风险收益率，风险溢价越高，表明投资者的风险偏好越高。资金流入以股票的净流入资金量来衡量，净流入资金量越大，说明市场对该股票的资金关注度越高。通过对多元线性回归模型的估计和分析，可以确定各影响因素对羊群效应的影响方向和程度，从而深入了解羊群效应的形成机制，为投资者和监管部门提供有针对性的建议。五、实证结果与分析5.1描述性统计分析对样本数据进行描述性统计分析，结果如表1所示，涵盖了样本股票数量、时间跨度、市场收益率、个股收益率以及横截面绝对偏离度（CSAD）等关键指标。表1：样本数据描述性统计统计量样本股票数量时间跨度（天）市场收益率（%）个股收益率（%）CSAD（%）均值25027350.0420.0450.021中位数25027350.0380.0400.019最大值25027355.68019.8500.102最小值2502735-7.890-20.1200.001标准差001.2402.3600.015在样本股票数量方面，始终保持为250只，确保了样本的稳定性和一致性。时间跨度共计2735天，涵盖了不同的市场周期，包括牛市、熊市以及震荡市等，使研究结果更具普遍性和可靠性。市场收益率均值为0.042%，反映了市场在该时间段内的平均收益水平。中位数为0.038%，与均值较为接近，说明市场收益率的分布相对较为集中。最大值达到5.680%，出现在市场大幅上涨的时期，如2020-2021年新能源板块大热时，创业板指数大幅上涨，带动市场收益率大幅提升；最小值为-7.890%，发生在市场急剧下跌阶段，如2022年初，以宁德时代为代表的新能源板块剧烈调整，创业板指重挫，市场收益率大幅下降。标准差为1.240%，表明市场收益率存在一定的波动。个股收益率均值为0.045%，略高于市场收益率均值，体现了个股的收益表现存在差异。中位数为0.040%，最大值为19.850%，最小值为-20.120%，标准差为2.360%，这些数据显示个股收益率的波动幅度较大，不同个股之间的收益表现差异明显。部分热门股票在市场热点的推动下，股价大幅上涨，收益率极高；而一些业绩不佳或受到市场负面消息影响的股票，则出现了大幅下跌，收益率为负且绝对值较大。CSAD均值为0.021%，中位数为0.019%，反映了个股收益率与市场收益率的平均偏离程度。最大值为0.102%，最小值为0.001%，标准差为0.015%，表明CSAD的波动也较为明显，这与市场的波动以及投资者的行为密切相关。在市场波动较大时，投资者的行为趋同，个股收益率向市场收益率靠拢，导致CSAD值发生变化。通过描述性统计分析，可以初步了解样本数据的基本特征和分布情况，为后续的实证检验提供基础。市场收益率和个股收益率的波动情况以及CSAD的变化，都暗示了创业板市场可能存在羊群效应，需要进一步通过实证模型进行检验和分析。5.2平稳性检验在进行时间序列分析时，平稳性是一个至关重要的前提条件。对于本研究中涉及的市场收益率、个股收益率以及横截面绝对偏离度（CSAD）等时间序列数据，进行平稳性检验是确保后续实证分析准确性和可靠性的关键步骤。若数据不具备平稳性，可能会导致伪回归问题，使模型的参数估计结果失去有效性和解释力。为了检验数据的平稳性，本研究采用了单位根检验中的ADF（AugmentedDickey-Fuller）检验方法。ADF检验通过构建回归方程，检验时间序列中是否存在单位根，若存在单位根，则序列为非平稳序列；反之，若不存在单位根，则序列是平稳的。对市场收益率时间序列进行ADF检验，构建如下回归方程：\DeltaR_{mt}=\alpha+\betat+\gammaR_{m,t-1}+\sum_{i=1}^{p}\delta_i\DeltaR_{m,t-i}+\varepsilon_t其中，\DeltaR_{mt}表示市场收益率在t时刻的一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为滞后一期市场收益率的系数，\delta_i为一阶差分滞后项的系数，p为滞后阶数，\varepsilon_t为随机误差项。原假设为H_0:\gamma=0，即存在单位根，序列非平稳；备择假设为H_1:\gamma\neq0，即不存在单位根，序列平稳。运用Eviews软件对市场收益率数据进行ADF检验，选择包含常数项和时间趋势项的检验形式，通过赤池信息准则（AIC）确定最优滞后阶数为3。检验结果显示，ADF检验统计量为-3.56，小于1%显著性水平下的临界值-3.44，p值为0.005，小于0.01，因此在1%的显著性水平下拒绝原假设，表明市场收益率时间序列是平稳的。对于个股收益率时间序列，同样采用ADF检验，构建回归方程：\DeltaR_{it}=\alpha+\betat+\gammaR_{i,t-1}+\sum_{i=1}^{p}\delta_i\DeltaR_{i,t-i}+\varepsilon_t各参数含义与市场收益率ADF检验方程类似。对样本中的250只股票的收益率数据分别进行ADF检验，检验形式选择包含常数项和时间趋势项，根据AIC准则确定最优滞后阶数。结果显示，250只股票中，有235只股票的ADF检验统计量小于1%显著性水平下的临界值，p值小于0.01，在1%的显著性水平下拒绝原假设，表明这些股票的收益率时间序列是平稳的；其余15只股票的ADF检验统计量在5%的显著性水平下小于临界值，p值小于0.05，在5%的显著性水平下拒绝原假设，也认为这些股票的收益率时间序列是平稳的。总体而言，个股收益率时间序列满足平稳性要求。对横截面绝对偏离度（CSAD）时间序列进行ADF检验，回归方程为：\DeltaCSAD_t=\alpha+\betat+\gammaCSAD_{t-1}+\sum_{i=1}^{p}\delta_i\DeltaCSAD_{t-i}+\varepsilon_t选择包含常数项和时间趋势项的检验形式，AIC准则确定最优滞后阶数为2。检验结果表明，ADF检验统计量为-3.89，小于1%显著性水平下的临界值-3.44，p值为0.003，小于0.01，在1%的显著性水平下拒绝原假设，说明CSAD时间序列是平稳的。通过ADF检验，市场收益率、个股收益率以及CSAD时间序列均为平稳序列，满足后续实证分析对数据平稳性的要求，为运用CCK模型、LSV模型等进行羊群效应的检验和分析奠定了坚实的基础，能够有效避免因数据非平稳导致的伪回归问题，确保实证结果的准确性和可靠性。5.3创业板市场羊群效应存在性检验运用CCK模型对创业板市场羊群效应的存在性进行检验，通过回归分析确定横截面绝对偏离度（CSAD）与市场收益率之间的关系，进而判断羊群效应是否存在。基于CCK模型，构建如下回归方程：CSAD_t=\alpha_0+\alpha_1|R_{mt}|+\alpha_2R_{mt}^2+\varepsilon_t其中，CSAD_t为t时刻的横截面绝对偏离度，计算公式为CSAD_t=\frac{1}{N}\sum_{i=1}^{N}|R_{it}-R_{mt}|，R_{it}表示第i只股票在t时刻的收益率，R_{mt}表示市场组合在t时刻的收益率，N为样本股票的数量；\alpha_0为常数项；\alpha_1和\alpha_2为回归系数；\varepsilon_t为随机误差项。运用Eviews软件对2014年1月1日至2024年10月31日的样本数据进行回归分析，结果如表2所示：表2：CCK模型回归结果变量系数标准误差t统计量p值\alpha_00.0120.0026.0000.000\alpha_10.1050.01010.5000.000\alpha_2-0.0010.000-2.5000.012从回归结果来看，\alpha_2的系数为-0.001，且在5%的显著性水平下显著不为零（p值为0.012小于0.05）。这表明在创业板市场中，横截面绝对偏离度（CSAD）与市场收益率之间呈现出非线性关系，当市场收益率发生变化时，CSAD的变化并非如有效市场假设下的线性变化，而是出现了异常。具体而言，\alpha_2\lt0，说明当市场收益率较高或较低时，个股收益率的分散程度并没有按照正常的线性关系增加，反而出现了减小的趋势，即个股收益率向市场收益率靠拢，这符合羊群效应的特征。为了更直观地理解，当市场大幅上涨时，按照有效市场理论，个股收益率应该呈现出较为分散的状态，CSAD值会随着市场收益率的增加而增大。但实际回归结果显示，\alpha_2\lt0，意味着此时CSAD值并没有正常增大，反而有所减小，说明投资者在市场上涨时，行为趋同，纷纷买入股票，导致个股收益率向市场收益率集中，产生了羊群效应。同样，在市场大幅下跌时，投资者恐慌抛售，行为一致性增强，个股收益率也向市场收益率靠拢，使得CSAD值减小，进一步验证了羊群效应的存在。通过CCK模型的实证检验，可以得出结论：在2014年1月1日至2024年10月31日期间，创业板市场存在显著的羊群效应。这种羊群效应的存在，会对市场的稳定性和有效性产生重要影响，可能导致市场波动加剧，资源配置不合理等问题，需要投资者和监管部门予以高度关注。5.4羊群效应影响因素分析为深入探究创业板市场羊群效应的影响因素，构建多元线性回归模型，将羊群效应指标（以横截面绝对偏离度CSAD衡量）作为被解释变量，选取市场情绪、信息不对称、投资者风险偏好、资金流入等因素作为解释变量。市场情绪对羊群效应具有显著影响。当市场情绪乐观时，投资者往往过度自信，对市场前景充满乐观预期，容易受到他人行为的影响，盲目跟风买入股票，导致羊群效应加剧。在2020-2021年新能源板块大热期间，市场弥漫着乐观情绪，投资者普遍看好新能源产业的发展前景，大量资金涌入创业板的新能源相关企业，股价持续上涨，形成了明显的羊群效应。相反，当市场情绪悲观时，投资者容易产生恐慌情绪，对市场失去信心，纷纷抛售股票，以避免损失扩大，这同样会加剧羊群效应。在2022年初，市场对经济增长前景担忧，创业板市场情绪悲观，投资者恐慌抛售，创业板指重挫，羊群效应显著增强。为衡量市场情绪，选取投资者情绪指数作为指标，该指数通过对投资者的调查数据、市场成交量、换手率等多个指标进行综合计算得到。回归结果显示，市场情绪指数与CSAD呈显著负相关关系，即市场情绪越乐观，CSAD值越小，羊群效应越明显。信息不对称也是影响羊群效应的重要因素。在创业板市场中，由于上市公司大多处于成长初期，业务和技术较为复杂，普通投资者难以全面、准确地了解企业的真实情况。部分企业在信息披露方面可能存在不及时、不充分或不准确的问题，进一步加剧了信息不对称的程度。当投资者无法获取足够的信息来做出独立判断时，他们往往会依赖他人的信息和决策，从而引发羊群效应。以一些新兴的生物医药企业为例，其研发的新药涉及专业的医学知识和复杂的临床试验过程，投资者很难对其研发进展、市场前景等做出准确判断。在这种情况下，投资者往往会关注机构投资者的研究报告、市场传闻等，当看到其他投资者买入或卖出某只股票时，就会不假思索地跟随行动。采用分析师预测分歧度来衡量信息不对称，分析师预测分歧度越大，说明市场中关于该股票的信息越不一致，信息不对称程度越高。回归结果表明，分析师预测分歧度与CSAD呈显著正相关关系，即信息不对称程度越高，CSAD值越大，羊群效应越明显。投资者风险偏好对羊群效应也有一定影响。风险偏好较高的投资者更愿意承担风险，追求高收益，他们更容易受到市场热点的吸引，跟随他人的投资行为，从而引发羊群效应。一些追求高风险高回报的投资者，在市场中看到某一板块或某只股票表现强劲时，会毫不犹豫地跟风买入，期望获取高额收益。而风险偏好较低的投资者则相对谨慎，更注重风险控制，他们在投资决策时会更加理性，受他人行为的影响相对较小。通过风险溢价来表示投资者风险偏好，风险溢价等于市场收益率减去无风险收益率，风险溢价越高，表明投资者的风险偏好越高。回归结果显示，风险溢价与CSAD呈显著负相关关系，即投资者风险偏好越高，CSAD值越小，羊群效应越明显。资金流入对羊群效应同样产生影响。当大量资金流入创业板市场时，会营造出一种繁荣的市场氛围，吸引更多投资者跟风进入。资金的集中流入会导致股价上涨，进一步激发投资者的跟风热情，加剧羊群效应。在某一时期，市场对半导体板块关注度极高，大量资金流入创业板的半导体相关企业，吸引了众多投资者跟风买入，股价大幅上涨，羊群效应显著。以股票的净流入资金量来衡量资金流入，净流入资金量越大，说明市场对该股票的资金关注度越高。回归结果表明，净流入资金量与CSAD呈显著负相关关系，即资金流入越多，CSAD值越小，羊群效应越明显。通过多元线性回归分析可知，市场情绪、信息不对称、投资者风险偏好以及资金流入等因素均对创业板市场羊群效应产生显著影响。市场情绪越乐观、信息不对称程度越高、投资者风险偏好越高以及资金流入越多，羊群效应越明显。这些因素相互作用，共同影响着创业板市场投资者的行为，加剧了市场的波动性和不稳定性。5.5稳健性检验为了确保实证结果的可靠性和稳定性，本研究从替换样本、改变模型这两个方面对前文的实证结果进行稳健性检验。在替换样本方面，本研究扩大了样本范围，将2014年1月1日之后上市的创业板股票也纳入研究范围，新增样本股票1108只，使样本股票总数达到1358只。同时，缩短了样本时间跨度，选取2019年1月1日至2024年10月31日作为新的研究区间，时间跨度为6年。运用CCK模型对新样本进行羊群效应存在性检验，回归结果显示\alpha_2的系数依然为负，且在5%的显著性水平下显著不为零。这表明在扩大样本范围和缩短样本时间跨度后，创业板市场仍然存在显著的羊群效应，与前文实证结果一致，说明羊群效应的存在性结果具有稳健性。在改变模型方面，本研究采用CSSD模型（Cross-sectionalStandardDeviationofReturns，横截面收益标准差模型）替代CCK模型进行羊群效应存在性检验。CSSD模型通过衡量个股收益率相对于市场收益率的离散程度来判断羊群效应的存在，若在市场波动较大时，CSSD值出现异常减小，则表明存在羊群效应。基于CSSD模型构建回归方程：CSSD_t=\alpha_0+\alpha_1|R_{mt}|+\alpha_2R_{mt}^2+\alpha_3D_{t}^U+\alpha_4D_{t}^D+\varepsilon_t其中，CSSD_t为t时刻的横截面收益标准差，R_{mt}为市场组合在t时刻的收益率，D_{t}^U和D_{t}^D为虚拟变量，当市场收益率处于极高水平时，D_{t}^U=1，否则D_{t}^U=0；当市场收益率处于极低水平时，D_{t}^D=1，否则D_{t}^D=0；\alpha_0-\alpha_4为回归系数，\varepsilon_t为随机误差项。对原样本数据进行CSSD模型回归分析，结果显示，在市场收益率处于极高或极低水平时，\alpha_3和\alpha_4的系数显著为负，表明此时CSSD值出现异常减小，个股收益率向市场收益率靠拢，存在羊群效应。这与CCK模型的检验结果一致，进一步验证了创业板市场羊群效应的存在，说明研究结果在改变模型的情况下依然稳健。通过替换样本和改变模型进行稳健性检验，结果均表明前文关于创业板市场羊群效应存在性及影响因素的实证结果具有可靠性和稳定性，增强了研究结论的说服力。六、研究结论与政策建议6.1研究结论总结本研究通过对创业板市场羊群效应的深入研究，得出了以下重要结论：羊群效应存在性：运用CCK模型对2014年1月1日至2024年10月31日的创业板市场数据进行实证检验，结果显示横截面绝对偏离度（CSAD）与市场收益率之间呈现出显著的非线性关系，\alpha_2系数显著为负，有力地证明了创业板市场存在明显的羊群效应。这表明在创业板市场中，投资者的决策并非完全基于自身对市场信息的独立分析和判断，而是在很大程度上受到他人行为的影响，存在跟风投资的现象。在市场上涨或下跌幅度较大时，投资者的行为趋同更加明显，个股收益率向市场收益率靠拢，进一步验证了羊群效应的存在。通过替换样本和改变模型进行稳健性检验，结果均表明创业板市场羊群效应的存在具有可靠性和稳定性，不受样本范围和模型选择的影响。影响因素分析：通过构建多元线性回归模型，对羊群效应的影响因素进行分析，发现市场情绪、信息不对称、投资者风险偏好以及资金流入等因素均对创业板市场羊群效应产生显著影响。当市场情绪乐观时，投资者往往过度自信，对市场前景充满乐观预期，容易受到他人行为的影响，盲目跟风买入股票，导致羊群效应加剧；相反，当市场情绪悲观时，投资者容易产生恐慌情绪，纷纷抛售股票，也会加剧羊群效应。在2020-2021年新能源板块大热期间，市场情绪乐观，投资者大量涌入创业板的新能源相关企业，股价持续上涨，羊群效应显著；而在2022年初，市场情绪悲观，投资者恐慌抛售，创业板指重挫，羊群效应同样明显。信息不对称也是影响羊群效应的重要因素，由于创业板上市公司大多处于成长初期，业务和技术较为复杂，投资者难以全面、准确地了解企业的真实情况，部分企业信息披露不及时、不充分或不准确，进一步加剧了信息不对称的程度，使得投资者更容易依赖他人的信息和决策，从而引发羊群效应。以一些新兴的生物医药企业为例，其研发的新药涉及专业的医学知识和复杂的临床试验过程，投资者很难对其研发进展、市场前景等做出准确判断，往往会关注机构投资者的研究报告、市场传闻等，当看到其他投资者买入或卖