個體與機構投資者，誰左右A股股價變化？
——基于投資者異質信念的視角

劉 燕，朱宏泉

(1.西南交通大學經濟管理學院，四川 成都 610031; 2.重慶理工大學經濟金融學院，重慶 400054)

1 引言

在現實中，傳統資本資產定價模型的同質信念假設很難被滿足，而異質信念(Heterogenous Belief)無疑更符合真實情況[1-3]。異質信念通常指不同投資者對相同資產在相同持有期下收益分布有不同的預期，也被稱為意見分歧[3]。早在1977年Miller[4]就提出了異質信念對資產收益影響的理論假說：由于未來的不確定性，以及投資者主觀概率的差異，投資者之間對資產的估值存在分歧，資產價格在投資者異質信念和賣空限制的作用下會被高估。即當期投資者的異質信念程度越大，資產當期的價格就越高、未來一期的收益也就越低?；贛iller的理論假說，國內外學者進行了大量的實證分析，發現意見分歧可以解釋傳統資產定價模型所不能解釋的部分超額收益[5]。當期投資者異質信念程度越大，交易量也越大，與未來收益負相關[6]，即使進一步考慮賣空限制后，結論也無質的差異。另外，基于異質信念程度高低構建的套利組合所獲得的超額收益，不能被市場、規模和價值等風險因子解釋[7]，且高估的程度依賴于樂觀者和悲觀者的比例[2]。

在資本市場中，由于投資者異質信念指標不可直接獲取，目前測度異質信念的主要代理指標有分析師預測分歧[8]，收益波動率[5，9]、買賣價差和(未預期)交易量[10-11]?，F有文獻認為未預期交易量是投資者異質信念的代理指標。理性投資者之所以交易是由于對股票有不同的估值，特別是在盈余公告之后，投資者之間由于估價不同會做出不同的買賣決策，此時，交易量就是投資者信念異質性的直接體現。因此，將交易量作為投資者異質信念的代理變量具有一定的理論基礎。但是考慮到交易量的產生不僅僅來源于投資者的異質信念，還可能由投資者的流動性需求和各種公告帶來的信息含量所導致。因此，在將交易量作為投資者異質信念的代理指標時，需要將交易量中的流動性需求成分和信息含量成分分離出來。朱宏泉、余江、陳林[12]的研究表明：在國內A股市場，若以未預期交易量作為投資者的異質信念的度量，能很好地對A股定價，但該工作沒有區分個體與機構投資者。

現有的與異質性相關的工作，均是將投資者視為一個整體探討其對資產定價的影響，沒有考慮投資者間的異質性。周知，在金融市場中機構投資者與個體投資者無論是在投資理念、投資行為，還是在信息優勢、資金實力上均存在較大的差異。機構投資者實力強、經驗豐富，具有信息優勢，常被看作是知情交易者，他們通過對投資對象基本面的分析，買入并長期持有，因而也被稱作是價值投資者。相反，個體投資者由于信息缺乏，常被認為是非知情交易者，他們的交易行為易受到心理偏差和他人交易行為的影響[13]，且具有明顯的投機性[14]。因此，這些差異會促使機構投資者與個體投資者形成不同的異質信念，從而影響其交易行為，并進而對資產定價產生重要影響。

中國證券市場成立于1990年末。經過20多年的快速發展，現已成為全球第二大證券市場，市值已從1992年的1040億元增加到2015年的60萬億元。根據2014年中國證券登記結算統計年鑒，國內投資者從1992年的220萬戶增加到2014年末的19317.47萬戶，其中A股市場個體投資者為18970.23萬戶，機構投資者為87.31萬戶，個體投資者占比高達99.5%；流通市值小于10萬元的賬戶比例超過72%，而流通市值小于50萬元的賬戶比例則超過93%，這與以機構投資者為參與主體的成熟市場完全相反。為了改變這一狀況，早在2001年，監管部門就提出了“超常規發展機構投資者”戰略，不僅在存量上要求對現有機構投資者進行大規模的擴容，而且在增量上也全方位地引進新的機構投資者。根據2014年上海證券交易所統計年鑒數據，我國滬市機構投資者交易額占市場總交易額的17.76%；根據2014年深圳證券交易所金融創新實驗室發布的數據，深市主板市場中機構投資者交易額占比13.2%，中小板市場機構投資者交易額占比12.8%。

關于機構投資者交易行為對資產定價的影響，國內外學者的研究結論也存在差異。在成熟的資本市場中，一方面機構投資者憑借其信息優勢和專業知識，能夠更準確地評估股票的內在價值，采取買入并長期持有的投資策略，具有穩定股市的功能；與個體投資者相比，機構投資者也更為理性，不易受到市場噪音的影響，可以抵消個體投資者非理性情緒的影響，因而可緩解市場的波動。但同時，大量理論與實踐也表明，機構投資者出于自身利益的考慮，具有操縱市場和資產價格的動機和行為[15]。當市場情緒持續樂觀向上時，機構投資者會采取正向交易策略，持續推高泡沫，因而會加劇市場風險。在國內市場，徐浩峰、朱松的研究進一步證實機構投資者的交易風格具有“投機”特征，導致了證券價格偏離內在價值，引發股市泡沫[16]；相反，潘寧寧和朱宏泉[17]的分析則認為證券投資基金的交易行為推動了股票價格對公司特有信息的吸收，能降低股價聯動性，從而提高市場的信息效率。

關于個體投資者的交易行為及其對資產定價的影響，現有文獻認為，一方面，個體投資者擁有較少專業知識和投資經驗，其交易行為更多是基于噪音，會間接阻止價格發現[18]，從而使得資產價格偏離基本面、產生偏差[19]；另一方面，投機交易則是個體投資者區別于機構投資者最主要、最明顯的特征。然而在國內證券市場上，個體投資者在交易中表現出強的處置效應[20]，但同時也普遍存在“政策依賴”、“過度自信”以及“過度交易”等認知偏差[21]，通過對比個人和機構投資者的情緒研究認為，在同期市場，個人投資者情緒在起主導作用。陳鵬程和周孝華[22]針對IPO抑價現象研究認為，IPO是否破發主要取決于散戶投資者的情緒,而不是機構投資者的私人信息。

由此可見，個體投資者與機構投資者無論是其投資理念、投資行為，還是對資產定價的作用程度，均存在顯著的差異[23]，然而現有的工作并沒有區分二者間的差異。尤其在中國證券市場上，機構投資者投資行為存在投機特性，而個體投資者情緒對股票價格影響大于機構投資者。因此，有必要進一步區分個體與機構投資者的異質信念、及其對A股定價的影響。就作者所知，相關的工作在國內外均還沒有過，因而具有意義。

本文以我國A股市場的上市公司為研究對象，首次從投資者異質信念的視角，構建個體投資者與機構投資者未預期交易量兩個異質信念測度指標，對比分析二者與股票收益的相關性。結果表明，個體投資者與機構投資者的異質信念與股票當期收益顯著正相關、與未來一期收益顯著負相關，但個體投資者異質信念的作用更強。表明在現階段的中國A股市場，個體投資者的異質信念仍是左右股票定價的主要因素；進一步，異質信念對小公司、價值型公司收益的影響更明顯；在控制了規模、價值等風險因子，以及不同時間區間和是否可以賣空等市場影響因素后，結論依然成立。

本文內容構成如下：第二部分引入投資者異質信念的測度方法，第三部分為樣本數據的基本統計特征分析和研究方案設計，第四部分是基于個體和(或)機構投資者未預期交易量分組的組合收益分析，第五部分為基于Fama-Macbeth回歸、時間序列回歸的計量分析，第六部分為穩健性檢驗，結論在第七部分。

2 異質信念指標構建

目前常用的異質信念測度指標主要有三種：分析師預測分歧、股票收益波動率、未預期交易量。雖然分析師預測分歧是大多實證分析中常用來測度異質信念的指標，但它存在以下兩方面的缺陷。第一，不是所有的投資者都會根據分析師的預測進行決策，分析師預測分歧只代表了職業經理人的信念差異，不代表市場中所有投資者的實際判斷，特別是在個體投資者為主體的中國證券市場，這一問題更加突出；第二，分析師預測分歧含有不確定性。如分析師出于自身利益考慮，發布的盈余預測普遍高估，導致分析師預測分歧作為異質信念的度量存在偏差[24]。而收益波動率，因包含了由信息、風險引起的波動，用它作為異質信念的代理變量也難以讓人信服。

理論上，市場中的交易主要是由三方面因素引起的：①投資者外生的流動性需求；②信息沖擊；③投資者意見分歧[10]。預期交易量是由于信息所導致的，其余部分為未預期交易量，可以用來測度異質信念。Garfinkel和Sokobin[10]首次提出了利用未預期交易量作為異質信念的代理指標。Garfinkel[25]通過對比分析，得到未預期交易量較分析師意見差異、收益波動率等能更好地刻畫異質信念。同樣，Chen Lin等[7]、Qin Lu和Zhu Hongquan[11]的分析結果也表明，在中國證券市場上未預期交易量是測度投資者異質信念的最有效的代理變量。為此，本文仍以未預期交易量作為異質信念的測度指標。與Garfinkel[25]、Chen Lin等[7]類似，首先計算經過市場調整的未預期交易量：

(1)

其中，Voli,t代表股票i在t期的交易量，Shsi,t代表股票i于t期發行在外的股份，Volt代表t期市場總成交量，Shst代表市場t期發行在外的股票總量，N代表控制周期的天數。每只股票的交易量不僅受到公司因素影響，也受到市場信息的影響，因此，在式(1)中，等號右邊第一個中括弧中用股票的實際換手率減去市場換手率來代表每只股票由于公司信息變化帶來的凈影響。而市場中交易除了異質信念外，還存在流動性需求，由于每只股票的流動性交易特性一般不隨時間變化，因此，選擇一定控制周期 N，減去平均流動性交易需求，其結果就是基于交易量的投資者異質信念代理指標。

由于股票i在t期的交易由個體投資者和機構投資者構成，股票i在t期的總交易量Voli,t可分解為：Voli,t=IVoli,t+BVoli,t，其中IVoli,t、BVoli,t分別代表個體投資者、機構投資者在t期的交易量。代入上式，可分別得到t期內個體投資者未預期交易量(記為HBR_I)和機構投資者未預期交易量(記為HBR_B)。該指標值越大，表明該期間內投資者的異質信念程度也越高。

3 樣本數據及研究設計

3.1 樣本數據

本文研究對象為所有A股上市公司，包括滬深兩市主板、中小板、創業板上市公司，考慮到我國大筆交易數據從2003年才開始統計，因此樣本區間選取從2004年開始，時間區間為2004至2014年。為了保證數據的穩定性，剔除公司上市后22天的數據，同時也剔除ST、PT的公司。文中所用A股日交易數據、月交易數據以及上市公司財務數據，均來自CSMAR數據庫。時間單元為季度，如果以月度或(半)年度為時間單元，結果無質的差異。

表1給出了各變量2004-2014年期間的年度基本統計特征。RET為一個年度內個股月收益的均值，股票數、HBR_B和HBR_I為一年內4個季度有效樣本數的平均。BETA為系統性風險(β)，基于CAPM模型由前一年個股日收益計算而得到。SIZE為公司總市值(單位：億元)的自然對數，BM為公司賬面市值比的自然對數，市值以前一年末的總市值計算。為了去除極端值對分析結果的潛在影響，BETA、SIZE、BM、HBR_B、HBR_I均抹平了上下1%的數值。

從表1中可知，一方面，個體投資者的異質信念遠大于機構投資者的異質信念，二者平均相差4.52倍；另一方面，個體和機構投資者的異質信念，在不同年度之間也存在較大的差異。這表明在中國證券市場上，不同類型的投資者、或相同類型的投資者在不同時點上，對資產價值的評估存在顯著的差異。另外，個股的收益、規模、帳面市值比，在不同的年度也存在大的差異。

表1分年度樣本各變量描述性統計結果

注：RET代表一個年度內個股月收益均值，股票數、BETA、 SIZE、 BM為一年內的每個季度的有效樣本數的平均。BETA為β系數，SIZE為公司總市值(單位：億元)的自然對數，BM為公司賬面市值比的自然對數，市值以前一年末的總市值計算，HBR_B、HBR_I分別為機構投資者、個體投資者的未預期交易量。為了去除極端值對分析結果的影響，對BETA、SIZE、BM、HBR_B、HBR_I進行上下1%抹平。

表2給出了主要變量間的相關系數及顯著性水平，Rt為當期收益，Rt+1為下一期收益。從表2可以看出，公司規模越大，投資者異質信念程度越低。大公司由于信息不對稱程度低，因而投資者意見分歧小；個體和機構投資者的異質信念均與BETA、BM正相關，與SIZE負相關，其中，BM為上市公司價值因子，與HBR_B顯著正相關，而與HBR_I雖然正相關，但是不顯著，原因在于，個體投資者相對機構投資者處于信息弱勢地位，其自身處理信息能力有限，因此對上市公司價值因素關注不充分。HBR_B與HBR_I之間顯著正相關，系數為0.580，可以看出我國股市中個體投資者與機構投資者的異質信念高度一致，有可能是由于機構投資者對個體投資者具有示范作用。

此外，在當期，由于上市公司存在規模效應，SIZE與Rt顯著負相關，由于上市公司存在價值效應，BM與Rt顯著正相關、而BETA與Rt顯著負相關，HBR_B和HBR_I均與Rt顯著正相關；在下一期，除BM與Rt+1顯著正相關外，其他主要變量均與Rt+1不顯著相關，其中，BETA、SIZE、HBR_B與Rt+1負相關，HBR_I與Rt+1正相關。

3.2 研究設計

為了更直觀地分析個體投資者異質信念及其測度指標與股票收益間的相關性，按照股票的某一特征(或某些特征)分組，構建投資組合比較某一維度下不同組合的收益差異，檢驗不同因素對資產價格是否存在規律性影響；然后再通過截面回歸分析，證明其對資產價格的作用程度及差異；進而通過組合收益率差異的影響因素分析，再判斷該特征是否對組合收益率差異有顯著影響。具體步驟如下：

表2主要變量間的相關系數矩陣

注：Rt為當期收益，Rt+1為下一期收益，BETA為系統風險，BM為上市公司價值因子， SIZE為公司總市值，HBR_B、HBR_I分別為機構投資者、個體投資者的未預期交易量。括號中的數據為t統計量值，***、**、*分別表示在1%、5%、10%水平下顯著。

首先，本文以個體投資者異質信念或機構投資者異質信念分組，測度在單一代理變量下，個體投資者異質信念與股票收益間的關系；接著在單一異質信念指標分組的基礎上，再按另一異質信念變量分組，進一步判斷不同類型投資者異質信念代理變量的測度有效性與信息增量提供能力。在每個季度末，按機構投資者(或個體投資者)未預期交易量的大小將樣本均分為五組(注：這樣分組可以保持組內股票數目相對平均，避免組合股票數目的差異對結果的影響)，并持有一個季度，計算每組在當前季度和下一季度的月收益；

其次，在前一分組的基礎上，按該季度個體投資者(或機構投資者)未預期交易量的大小，將每組內的樣本再均分成五個小組，得到5*5=25個組合，同樣持有一個季度、并計算每個組在當前季度和下一季度的月收益；

再次，為了控制其它風險因子，如市場風險、規模與價值因子等對組合收益率差異的潛在影響，本文通過構建多因素模型，進一步驗證并對比個體投資者與機構投資者異質信念的定價能力；

最后，考慮到賣空限制對不同類型投資者異質信念測度指標的影響，本文還選擇在不同市場環境下檢驗兩類投資者異質信念測度指標的有效性與適用性，并對比分析其對股票收益的影響。

Miller[4]認為在賣空限制下，持悲觀態度的投資者不能充分地表達和參與市場交易。其結果是資產價格主要反映了樂觀投資者的態度，造成資產價格相對其真實價值的高估。投資者意見分歧的程度越大，該資產被高估的程度就越高；越是受到賣空條件的限制，資產被高估的程度也越嚴重。隨著時間的推移，當信息傳遞逐漸充分，投資者意見逐漸趨于一致時，價格會趨于真實價值。所以，當期越是被高估的資產，未來收益越低，異質信念與資產未來的收益呈負相關關系。因此，本文選取全時間段樣本、2004～2009年分時間段樣本和2011～2014年分時間段樣本，分別驗證個體投資者異質信念與機構投資者異質信念在賣空限制存在前后對股票收益的影響。

此外，CAPM模型中，不同資產的收益差異是由于它們的系統性風險(β)或者說對市場整體收益的敏感程度不同造成的；在Fama-French三因子模型中，股票規模(SIZE)和賬面市值比(B/M)對股票收益也有很大的影響，小公司股票相對大公司股票有較高的收益，而價值股(高B/M值的公司股票)比成長股(低B/M值的公司股票)有更高的收益。因此，本文再次用CAPM模型和Fama-French三因子模型從市場風險、規模風險和價值風險的角度剖析個體投資者異質信念的影響因素。再有，本文借用Fama和French等文獻的分組方式，通過改變分組方式，進一步驗證結論有效性，同時考慮規模、價值作為控制變量，分別從3個方面進行穩健性檢驗。

4 股票收益分析

按照前文研究設計，表3中第一欄給出了不同分組模式下，不同類型投資者異質信念與當期月收益率之間的關系，以及異質信念高、低的組之間差值的均值和均值是否為零的t檢驗值。

在當期，表3中第一欄的數據可知，無論采取何種分組模式，兩類異質信念測度指標與股票組合當期月收益顯著正相關。單一指標分組模式下，單獨按HBR_B分組，HBR_B高的股票組合月收益率大于HBR_B低的股票組合，二者平均相差4.447%，且在1%水平下顯著大于零；單獨按HBR_I分組，HBR_I高的股票組合月收益率大于HBR_I值低的股票組合，二者平均相差5.488%，且在1%水平下顯著大于零。

進一步對比兩個組合收益率差值，單獨按HBR_I分組的高-低組合收益差異率顯著大于HBR_B分組的高-低組合，兩組合收益率差值序列之差的均值為1.04%，在1%水平下顯著(t統計量值為3.386)，由此可以說明，個體投資者異質信念對當期股票組合收益的影響顯著大于機構投資者異質信念對當期股票組合收益的影響。

交叉分組模式下，表3第一欄的左邊，HBR_B_HBR_I(高，高)股票組合，與HBR_B_HBR_I(低，低)股票組合，月收益之差的均值為9.282%，且在1%的水平下顯著，機構投資者異質信念分組在考慮了個體投資者異質信念分組標識后，依然顯著與當期收益率正相關；相反，先按HBR_I單一指標分組的情況下，HBR_I_HBR_B(高，高)與HBR_I_HBR_B(低，低)的股票組合收益差的均值為8.692%，但不顯著，可以看出：加入HBR_I指標后，HBR_B對當期收益率的解釋力度增強。

在下一期，表3中第二欄的數據可知，不同分組模式下，兩類異質信念測度指標與股票組合下一期月收益均值負相關，且上述結論依然存在。單一分組模式下，HBR_B高、低組合預期月平均收益之差僅為-0.437%、且在10%水平下顯著(t統計量為-1.77)，HBR_I高、低組合預期月平均收益之差為-0.669%、且在5%水平下顯著(t統計量為-2.42)；交叉分組模式下，先按照HBR_B分組后，又考慮了HBR_I后，各組異質信念指標與下一期月平均收益五個組合中有四組都存在顯著負相關關系。相反的，先按照HBR_I分組后，又考慮了HBR_B后，各組異質信念指標與下一期月平均收益五個組合僅有一組存在顯著負相關關系。

表3不同投資者異質信念分組模式下，各股票組合月收益率(%)的均值和統計量(2004年1月至2014年12月)

注：在季度末，以個股在該季度的機構投資者未預期交易量(HBR_B)或個體投資者未預期交易量(HBR_I)值的大小進行單變量分組和交叉分組，單變量分組分別得到5個組合，交叉分組分別得到25個組合(分點均取0.2、0.4、0.6、0.8分位數)。分別計算每個組合在當前季度和下一個季度的月平均收益率。括號中的數據為t統計量值，***、**、*分別表示在1%、5%、10%水平下顯著。

綜上所述，無論是按單一指標單獨分組、還是按兩個指標交叉分組，無論是組合的當期收益、還是未來一期收益，HBR_I與股票收益相關程度顯著大于HBR_B。不僅證實了未預期交易量在我國股市中的資產定價能力，更為重要的是，個體投資者未預期交易量與股票組合當期收益(未來一期收益)的之間的相關程度顯著高于機構投資者。即：機構投資者異質信念、個體投資者異質信念對我國股市資產定價都有顯著影響；基于我國股市現有投資者結構和機構投資者自身發展水平，從異質信念角度看，機構投資者異質信念資產定價能力不如個體投資者異質信念，但也不排除機構投資者對我國股市資產定價的影響，會通過示范效用，影響個體投資者的投資行為，最終反映在股票收益上。

5 回歸分析

為了進一步分析不同類型投資者異質信念對資產定價的影響，本文運用Fama-Macbeth回歸檢驗兩類異質信念測度指標與股票組合當期和下一期收益的相關性。構建回歸模型如下：

Ri,t-Rf,t=c0+c1HBRi,q+c2BETAi,T+c3SIZEi,T+c4BMi,T+εi,t

(1)

其中，Ri,t，Rf,t分別為t月個股i的收益和無風險收益。HBRi,q為個股i在q季度的投資者異質信念(包括HBR_B和HBR_I)，BETAi,T、SIZEi,T、BMi,T分別為個股在T年初的貝塔系數、規模和賬面市值比。BETAi,T系數基于CAPM 模型由T-1年個股日收益率計算得到，規模和賬面市值比均由個股在T-1年末的總市值計算，并取對數。當考慮個股當期異質信念與當期、未來一期收益間的相關性時，分別用q季度的異質信念對q季度、q+1季度內每個月的收益做回歸，從而得到異質信念與當期、未來一期收益的回歸系數的時間序列。表4給出了時間序列的均值和零均值檢驗的t統計量值。

5.1 回歸分析結果

我國在2010年3月31日正式在中信證券等6家券商啟動融資融券試點。截止到2013年，融資融券標的股從原來的90只增加到278只。為了探討取消賣空限制前后，兩類異質信念測度指標的變化與股票收益相關性的影響。在引入融資融券交易初期，由于樣本股數量有限，允許融資融券的券商家數較少，交易門檻限制過高，融資融券交易并不活躍，如此一來，賣空限制的放開對投資者異質信念影響并不會太大，所以第二個時間段從2011年1月開始。以2010年為界，將時間區間劃分為兩段，即2004年1月～2009年12月、2011年1月～2014年12月，在2011年1月～2014年12月期間，本文在上述回歸模型中增加了兩類投資者異質信念和允許賣空的交乘項HBRi,q*NSSCi,q，變量NSSCi,q(No short-sale Constraint)是一個虛擬變量：若該股票i在季度q允許賣空，NSSC取值為1，若該股仍然限制賣空，它就取值為0。

從表4的Panel A和Panel B 中方程(1)與(4)、(2)與(5)可知，在控制BETA、SIZE、BM影響后，無論是在全時間段(2004年1月～2014年12月)、還是融資融券被引入前的時間段(2004年1月～2009年12月)，HBR_I與HBR_B分別對股票當期收益的回歸系數均顯著大于零，對未來一期收益的回歸系數均顯著小于零。表明，兩類投資者異質信念程度越高，股票當期的收益就越大，未來一期的收益也就越小，兩類未預期交易量能有效地測度兩類投資者的異質信念。另外，對比全時間段方程(1)與(3)，(4)與(6)的Adj.R2分別增加了2.6%和0.3%，說明個體投資者未預期交易量在機構投資者未預期交易量之上還有信息增量提供能力。同樣，在融資融券被引入前的時間段，Adj.R2也在增大。因此，Fama-Macbeth回歸分析進一步驗證了文中第四部分的組合分析結論。

表4不同投資者異質信念對股票月收益的Fama-macbeth截面回歸結果

注：HBR_B、HBR_I分別是機構投資者未預期交易量和個體投資者未預期交易量，控制變量BETA、SIZE、BM 分別為個股的貝塔系數、總市值、賬面市值比。變量NSSC(No Short-Sale Constraint)為虛擬變量：如果該股票是允許賣空的，賦值為1，否則賦值0。括號內是t 統計量值，Adj.R2是調整后的R2，***、**、*分別表示在1%、5%、10%水平下顯著。

Panel C給出了融資融券被引入后的時間段(2011年1月～2014年12月)，兩類測度指標對股票收益的回歸結果。在市場存在賣空限制的情形下，悲觀投資者的意見無法通過交易自由表達，導致異質信念程度越大，當期的價格越高，未來收益越低。當市場允許賣空后，悲觀投資者參與到市場中來，并最終反映在股價上，因此，賣空限制會削弱異質信念否對股票收益的影響。從Panel C中可以看到，方程(1)與(2)中，HBR_B對股票當期收益顯著正相關，HBR_B與允許賣空NSSC交乘項的系數為3.825，但不顯著；方程(5)與(6)的結果顯示，HBR_B對股票未來收益顯著負相關，而方程(6)中HBR_B與 NSSC交乘項的系數為正，在5%水平下顯著，這表明，允許賣空的股票和限制賣空的股票相比，機構投資者異質信念對當期股票收益的影響沒有減弱，而對下一期股票收益的影響反而增加。另一方面，從方程(3)與(4)可知，HBR_I對股票當期收益顯著正相關，HBR_I與允許賣空NSSC交乘項的系數為1.513，但不顯著；方程(7)與(8)的結果顯示，HBR_I對股票未來收益顯著負相關，而方程(8)中與(4)相同，HBR_I與NSSC交乘項的系數也為正值，但不顯著。這表明，允許賣空和限制賣空的股票相比，個體投資者異質信念無論對當期還是下一期的股票收益影響不顯著，也進一步證明，當前我國雖然實施了融資融券交易制度，但由于門檻限制，個體投資者仍無法通過融資融券交易表達自己對未來資產價格的看法，進而影響資產價格變化。

5.2 組合收益率的影響因素分析

前文分析結果表明，通過細分不同投資者類型的異質信念測度指標，考慮了機構投資者異質信念指標后，個體投資者異質信念程度高與低組合收益之差，在當期顯著為正、未來一期顯著為負。為了進一步驗證差額收益是否與市場的系統風險、價值風險、規模風險有關，本文分別用CAPM、Fama-French 三因子模型進行回歸分析。表5中給出了模型擬合結果。

CAPM模型

Rp,t-Rf,t=α+βm(Rm,t-Rf,t)+εt

(2)

Fama-French三因子模型

Rp,t-Rf,t=α+βm(Rm,t-Rf,t)+βsSMBt+βhHMLt+εt

(3)

其中，Rp,t為t月不同異質信念程度高與低組合間的收益之差，Rm,t、Rf,t、SMBt、HMLt分別是第t 月的市場收益、無風險收益、規模因子和價值因子，其中市場收益為流通市值加權平均值。本文分別選取了僅按HBR_I單獨分組的高低組合收益差值序列，以及在考慮HBR_B后，再按HBR_I的六個組合收益差值序列進行研究。

從表5可知，無論是否控制機構投資者異質信念指標，無論CAPM 模型、還是Fama-French三因子模型，市場風險、規模因子和價值因子的回歸系數均不顯著，截距的取值與組合收益的均值相當、且顯著大于零(當期)或小于零(未來一期)。這表明，中國證券市場中與個體投資者異質信念程度相關的超額收益，與市場風險、規模風險和價值風險無關。個體投資者異質信念是獨立于市場風險、規模風險和價值風險以外的影響資產定價的風險因子。

6 穩健性檢驗

為了驗證所得結果的有效性，本文參照Fama和French的分組方式，在每個季度末，首先按規模的大小將樣本均分為三組，在每個組內再按個體(機構)投資者異質信念的大小，將樣本再均分成三個組。結果顯示，HBR_I對股票組合當月和下一個月收益的影響依然顯著,并且個體投資者異質信念程度(HBR_I)高的組合當月收益顯著地高于異質信念程度低的組合，而預期收益呈現相反的關系(限于篇幅，文中未給出這些數據，但可向作者索取)。

與規模交叉分組類似，按公司的價值(用賬面市值比度量)交叉分組，或者是先按規模分組、其次在每個組中再按價值分組，最后在每個組中按投資者異質信念分組，檢驗在控制了公司的價值、規模和價值后，投資者異質信念對股票未來收益的影響。數據結果仍無質的差異(同樣限于篇幅，文中未給出數據)。

表52004年1月-2014年12月，不同投資者異質信念程度高、低的股票組合月收益(%)之差的回歸結果

注：HBR_B(*)、HBR_I(*)分別代表以機構投資者未預期交易量或個體投資者未預期交易量的大小分組，*=1、2、3、4、5，分別對應于投資者未預期交易量從高到低，HBR_I(H)-HBR_I(L) 代表個體投資者未預期交易量高與低的組合月收益之差。HBR_B_HBR_I(*,*)為在機構投資者未預期交易量分組的基礎上，再以個體投資者未預期交易量分組。例如：HBR_B_HBR_I(1，1)-HBR_B_HBR_I(1,5)為機構投資者未預期交易量最高的組合中，個體投資者未預期交易量高與低的組合股票月收益之差，其它表達方式類似。括號內是t 統計量， ***、**、* 分別表示在1%、5%、10%水平下顯著。

7 結語

異質信念作為重要的資產定價因素，從投資者預期形成過程出發，給予投資者更多的“微觀”關注，注重分析投資者個體差異對資產定價的影響。本文從異質信念角度，按照我國股市投資者結構將異質信念分為個體投資者異質信念和機構投資者異質信念兩類，選擇未預期交易量作為異質信念的代理指標，以A股上市公司為樣本，通過組合分析、回歸分析探討了國內證券市場不同類型投資者的異質信念與股票收益間的相關性，并對比分析了兩類投資者異質信念度量指標的有效性與信息增量提供能力。

本文實證研究結果表明，機構投資者異質信念與個體投資者異質信念之間存在顯著正相關關系，相比機構投資者，個體投資者未預期交易量越大，股票當期的收益就越高、未來一期的收益也越低，當控制規模、價值等風險因子，以及不同時間區間和是否可以賣空等市場影響因素，結論依然成立。這就意味著：(1)機構投資者對個體投資者投資行為有一定示范作用；(2)個體投資者未預期交易量具有顯著的定價能力，并且在機構投資者未預期交易量之上還有信息增量提供能力；(3)與個體投資者異質信念程度相關的超額收益，不能被市場風險、規模風險和價值風險解釋，即使考慮賣空等因素后結論依然成立。

吳忠群和張群群[26]認為，不同類型交易者間的數量關系及其分布特征，即交易者結構，會通過投資者稟賦差異和市場力差別影響資產價格，而且交易者結構對價格的影響不只是事后才存在，而是事先即對交易者的決策產生影響。與成熟資本市場不同，中國證券市場以個體投資者為主，而個體與機構投資者之間稟賦差異較大，個體投資者實力弱、投資經驗欠缺，并處于信息劣勢，其投資行為往往會跟隨機構投資者，如：跟莊操作；此外，中國證券市場上，個體投資者無論是交易量還是投資市值都遠大于機構投資者，其市場力會通過直接或間接渠道影響資產價格，因此，可能會造成個體投資者對未來資產價格的預期差異會顯著影響資產價格，而這一作用機理與中國證券市場特殊的市場結構有關，無法被現有定價因子解釋。因此，在對中國證券市場A股股票定價時，需要進一步考慮個體投資者異質信念的影響。

參考文獻：

[1] Basak S. Asset pricing with heterogeneous beliefs [J]. Journal of Banking & Finance， 2005, 29(11): 2849-2881.

[2] 張維，張永杰.異質信念、賣空限制與風險資產價格[J].管理科學學報， 2006(4)：58-64.

[3] Hong H, Stein J C. Disagreement and the stock market [J].Journal of Economic Perspectives, 2007, 21(2): 109-128.

[4] Miller E M. Risk, uncertainty, and divergence of opinion [J]. The Journal of Finance, 1977, 32(4): 1151-1168.

[5] Goetzmann W N, Massa M. Dispersion of opinion and stock returns [J]. Journal of Financial Markets, 2005, 8(3): 324-349.

[6] Diether K B, Malloy C J, Scherbina A. Differences of opinion and the cross-section of stock returns [J]. The Journal of Finance, 2002, 57(5): 2113-2141.

[7] Chen Lin, Qin Lu, Zhu Hongquan. Opinion divergence, unexpected trading volume and stock returns: Evidence from China [J]. International Review of Economics & Finance, 2015, 36: 119-127.

[8] Yu Jialin. Disagreement and return predictability of stock portfolios [J].Journal of Financial Economics, 2011, 99(1): 162-183.

[9] Boehme R D, Danielsen B R, Sorescu S M. Short-sale constraints, differences of opinion, and overvaluation [J]. The Journal of Financial and Quantitative Analysis, 2006, 41(02): 455-487.

[10] Garfinkel J A, Sokobin J. Volume, opinion divergence, and returns: A study of post-earnings announcement Drift [J]. Journal of Accounting Research, 2006, 44(1): 85-112.

[11] Qin Lu, Zhu Hongquan. Efficiency of heterogeneity measures: An asset pricing perspective [J]. China Finance Review International, 2015,5(4): 371-385.

[12] 朱宏泉，余江，陳林.異質信念、賣空限制與股票收益--基于中國證券市場的分析[J].管理科學學報,2016,19(7)：115-126.

[13] Kaniel R, Saar G, Titman S. Individual investor trading and stock returns [J]. The Journal of Finance, 2008, 63(1): 273-310.

[14] Lee B S, Li Wei, Wang S S.The dynamics of individual and institutional trading on the Shanghai Stock Exchange [J]. Pacific-Basin Finance Journal, 2010, 18(1): 116-137.

[15] Allen F, Litov L, Mei Jianping. Large investors, price manipulation, and limits to arbitrage: An anatomy of market corners [J].Review of Finance, 2006, 10(4): 645-693.

[16] 徐浩峰,朱松. 機構投資者與股市泡沫的形成[J]. 中國管理科學,2012,20(4)：18-26.

[17] 潘寧寧,朱宏泉.基金持股與交易行為對股價聯動的影響分析—基于中國證券市場的數據[J].管理科學學報.2015,18(3)：90-103.

[18] Qian Xiaolin. Small investor sentiment, differences of opinion and stock overvaluation [J].The Journal of Financial Markets,2014, 19: 219-246.

[19] Hvidkjaer S. Small trades and the cross-section of stock returns [J]. Review of Financial Studies, 2008,21(3):1123-1151.

[20] 陳志娟，鄭振龍.個人投資者交易行為研究——來自臺灣股市的證據[J].經濟研究,2011,(S1)：67-79.

[21] 劉維奇, 劉新新. 個人和機構投資者情緒與股票收益——基于上證 A 股市場的研究[J].管理科學學報, 2014, 17(3)：70-87.

[22] 陳鵬程,周孝華. 機構投資者私人信息、散戶投資者情緒與IPO首日回報率[J].中國管理科學,2016,24(4)：37-44.

[23] Barber B M, Odean T. All that glitters: the effect of attention and news on the buying behavior of individual and institutional investors [J]. Review of Financial Studies, 2008, 21(2): 785-818.

[24] Liu Xiaohui, Natarajan R. The effect of financial analysts' strategic behavior on analysts' forecast dispersion [J]. The Accounting Review, 2012, 87(6): 2123-2149.

[25] Garfinkel J A. Measuring investors' opinion divergence [J].Journal of Accounting Research,2009, 47(5): 1317-1348.

[26] 吳忠群,張群群. 市場信息效率理論的新進展[J]. 經濟學動態,2012,(5)：129-136.