投資者互動對資本市場定價效率影響的實證分析

金德環，李 巖，李思龍

（1.上海財經大學 金融學院；2.上海市金融信息技術研究重點實驗室，上海 200433）

0 引言

隨著信息技術的發展，互聯網已成為投資者信息獲取與交流的重要途徑，而近年來貼吧和微博等社交媒體的出現進一步加強了投資者間的互動行為。借助社交媒體，投資者間高效地交流信息、分享觀點，每個個體正逐漸從信息的接收者轉變為信息的生產者，信息呈爆炸式增長。在此背景下，投資者間的緊密互動將給股票市場帶來哪些變化？特別地，投資者互動將如何影響資本市場定價效率？

資本市場的定價效率體現在價格對公司信息變化的真實反映。在有效定價的市場中，資本逐利的本性通過市場價格有效地實現稀缺資本的最優配置，進而促進國民經濟的增長。然而在后起的新興資本市場中，其價格發現功能存在著一定程度的缺失，股票價格的變動往往包含著較大“噪音”，難以發揮引導資源有效配置的功能。新興資本市場的股價更多地受市場或行業因素的影響，往往表現為“同漲同跌”現象[1，2]。較高的股價同步性掩蓋了不同企業的特質，損害了公司治理和資本的合理配置[3-5]。因此，在互聯網大數據時代，深入研究投資者互動對股價同步性的影響機理，借助社交媒體探究降低股價同步性的可行方法，對提高我國資本市場的定價效率具有重要的理論意義與實踐價值。

目前國內還沒有專門的文獻研究社交媒體對資本市場定價效率的影響。本文則以投資者互動的視角出發，著力于研究其與股價同步性之間的關系。為此，借鑒Han和Yang（2013）[6]的模型，本文建立了投資者互動和市場定價效率的理論模型，同時選取東方財富股吧論壇中的網絡討論來度量投資者互動，利用2010—2015年中國A股上市公司的數據，檢驗了投資者互動對股價同步性的影響。

1 理論模型

借鑒Han和Yang（2013）[6]的模型，本文考慮包含一個無風險資產和一個風險資產的單期模型，其中無風險資產的價格恒定為1，風險資產的期初價格為p，期末價格為v。假設v服從期望為vˉ，精度（方差的倒數）為τv的正態分布。市場上投資者對于v的信息認知為

1.1.1 信息交流的設定

市場中有N個投資者在社交平臺上參與互動并分享個人信息，其他投資者接收到的信號為fi=si+ei，信號中額外包含了一個期望為0，精度為τe的噪音項ei。此時出于實際的考慮N將是一個較大的數，則噪音項的存在表明信號的傳遞會有損失，這與投資者信息交流時有所保留的現象相一致。一般地，當τe→∞時，投資者無保留的傳遞信息，當τe→0時，投資者無法分享信息。

1.1.2 投資者的設定

模型中有兩大類投資者：一是理性投資者，理性投資者的總人數為M，他們按照風險厭惡系數為γ的CARA效用函數進行投資，即在期初最大化效用函數U(W)=-exp(-γW)。進一步地，本文將理性投資者細分為兩類。（1）非社交理性投資者，占理性投資者的比例為1-μ，其投資不依賴社交媒體中其他投資者的信息。（2）社交理性投資者，占理性投資者的比例為μ，他們使用社交媒體中的信息輔助投資。二是噪音交易者，代表短期交易者或情緒交易者，他們僅向市場提供流動性x，其中x~N(1/τx)。

1.1 模型設定

1.2 模型求解

本文采用Grossman和Stiglitz（1980）[7]提出的理性預期均衡來求解模型，理性預期均衡要求投資者做決策時需要利用一切可得信息，特別地，投資者可以從價格中反推出價值信息。參照Hellwig（1980）[8]的研究，本模型理性預期均衡的求解可以歸結為如下一個不動點問題：一方面，投資者可以從市場價格中提取信息，故投資者的需求是均衡價格的函數；另一方面，均衡價格必須滿足供給與需求相等的市場出清條件，以至于均衡價格同時又是投資者的需求的函數。在M和N很大時，市場的出清價格p將不受噪音項的影響，其僅與期末價格v和供給x有關。簡單起見，本文將推導模型的線性解，并假設：

由此，價格中的信息可表示為：

其中，θ|v~N(v，1/τθ)，τθ=(av/ax)2τx，τθ越大，資產的定價效率越高。

基于已有信息，投資者通過最大化期末預期資產的效用來決定最優投資決策，CARA效用函數的假定將問題歸結為最大化，F是投資者的信息集。若投資者期初的財富為W0，對風險資產的需求為d，則期末財富W=W0+d*(v-p)。故，求解最優函數，得到

命題：模型存在如下唯一的線性理性預期均衡解：

證明：非社交理性投資者的信息集為F={p;s}，則

社交理性投資者的信息集為F={p;s;f1，...，fN}，則

風險資產的均衡價格滿足市場出清的條件：

比較上式兩端的系數命題可證。

由命題可知：，資本市場的定價效率與τε+μNτf正相關。第一項τε表示市場上投資者感知價格的精度，第二項μNτf表示社交媒體中的N個信號通過影響其他投資者而增加的精度。

2 理論分析與研究假設

2.1 投資者互動與股價同步性

國內外學者多支持股價同步性負向反映資本市場定價效率的觀點。Morck等（2000）[1]使用R2作為股價同步性的代理變量，從“信息效率”的角度研究了不同市場間股價同步性的差異，他們認為公司特質信息融入股價的程度決定了股價同步性的高低。相比成熟證券市場，新興證券市場國家中較低的產權保護制度降低了套利交易者挖掘公司特質信息的動力，增加了股價的“同漲同跌”現象。Jin和Myers（2006）[5]研究了信息透明度對股價同步性的影響機制，信息透明度越低，投資者可用來預測公司股價的信息越少，信息質量也越差，股價同步性越高。已有研究表明開通微博的上市公司借助微博披露了大量公司特質信息[9]。胡軍和王甄（2015）[10]認為微博信息提高了分析師盈余預測的準確度，分析師對微博信息的正確解讀降低了股價同步性。如今，互聯網已成為投資者信息獲取的重要途徑，貼吧等社交媒體為擁有不同信息源的投資者提供了信息交流與溝通的平臺。模型結果可知，市場定價效率與投資者的信號數正相關，表明投資者互動促進了信息及時高效的傳播，投資者對互動信息的挖掘可以將公司特質信息融入股價，提高資本市場的定價效率，為此提出本文的第一個假設：

假設1：在其他條件相同的情況下，投資者互動有助于降低股價同步性。

2.2 投資者互動、分析師關注和股價同步性

證券分析師作為資本市場中的重要組成部分，專業知識扎實，受過系統培養，其在信息搜集和分析方面具有特長。他們通過調研上市公司，分析財務報表，向投資者提供了大量有用信息，分析師的信息搜集活動提高了證券市場的運行效率。朱紅軍等（2007）[11]研究了證券分析師與股價同步性間的關系，發現分析師為市場提供了公司特質信息。Xu等（2013）[12]和伊志宏等（2015）[13]還指出明星分析師及女性分析師更有能力挖掘公司信息，由他們跟蹤的公司具有更低的股價同步性。一方面，分析師報告更容易吸引投資者的焦點，出于注意力的稀缺性，投資者將更少的依賴投資者互動信息；另一方面，分析師關注越多，股價信息含量越高，這減少了投資者進一步挖掘公司特質信息的意愿，從而降低對投資者互動信息的需求。由于，故低投資者關注提高了投資者互動信息的需求μ，從而增加了投資者互動對市場定價效率的影響。本文認為分析師關注和投資者互動間存在著“互補”關系，并提出本文的第二個假設：

假設2：分析師關注越低，投資者互動對股價同步性的減緩作用越強。

3 研究設計

3.1 數據來源與樣本選擇

為搜尋最具代表性的投資者互動數據，基于數據可得性、可追溯性的考慮，本文選取東方財富股吧論壇中的網絡討論來度量投資者互動。鑒于東方財富股吧論壇數據最早起始于2009年，且當年數據較少，故本文的研究樣本選擇滬深兩市所有A股2010—2015年的數據。參照現有相關文獻的做法，對初始樣本進行如下篩選：（1）剔除樣本期間被ST、*ST的樣本；（2）剔除當年IPO的樣本；（3）剔除金融保險類上市公司；（4）剔除數據缺失的樣本。為降低極端值的影響，本文還將主要變量在1%和99%分位上做了縮尾處理。最后，得到9768個有效樣本數據，本文除了網絡數據來自東方財富網以外其他數據均來自CSMAR數據庫和WIND數據庫。

3.2 變量定義與度量

3.2.1 股價同步性（SYNCH）

本文主要研究的是投資者互動對股價同步性的影響，對于股價同步性的衡量，主要參考何賢杰等（2016）[9]的方法。具體而言，本文對A股上市公司分年份做如下回歸：

其中，RETi,t表示第i個公司在第t周的個股收益率，MKTRETt和INDRETj,t分別為第t周市場和行業按流通市值加權得到的收益率，以上回歸得到每個公司在各個年度的擬合優度R2。接下來利用公式（12）對R2做對數變換，得到股價同步性指標SYNCH。

SYNCH越大，則R2也越大，表明市場收益變動解釋個股收益變動的程度較高，股價“同漲同跌”現象嚴重。

3.2.2 投資者互動（INTERACT）

本文選取東方財富股吧論壇中的數據來代理投資者互動，原因主要基于以下三點：（1）用戶使用量大，據國際權威第三方數據ALEXA數據顯示，東方財富網位居全球中文網站前十名，中國財經類網站第1名，日均頁面瀏覽量超過1億次；（2）用戶活躍度高，東方財富股吧論壇的發帖量遠超其他同類論壇；（3）數據可追溯性強，東方財富股吧論壇中的每家上市公司都有相應的股吧討論區，其數據可以追溯到2009年以后所有發帖信息。因此，本文通過網絡爬蟲的方式抓取了東方財富股吧中所有上市公司的論壇數據，將年發帖數取對數作為投資者互動的代理變量。

3.2.3 分析師關注（Analyst）

本文以每年對上市公司發布盈余預測的分析師為基礎構建分析師關注指標。對于那些在同一年對同一家公司發布多篇報告的分析師，本文只取最后一次數據計算。并將跟蹤的分析師人數加一取對數作為分析師關注的代理變量。

3.2.4 控制變量

參照現有文獻[9,14]，本文還控制了公司性質（SOE）、大股東持股比例（Lholding）、上市時間（Age）、公司規模（Size）、市值賬面比（MB）、資產負債率（Lev）、公司贏利能力（Roa）、審計質量（Big4）、外資持股比例（Qfii）等變量，具體變量說明見表1。此外，本文還在所有的模型中加入了年度啞變量和行業啞變量來控制年度和行業固定效應。

表1 變量定義與度量

3.3 模型設定

首先，本文運用如下模型來檢驗投資者互動對股價同步性的影響，進而驗證假設1：

這里，SYNCHi,t為公司i在第t年的股價同步性指標變量，SYNCHi,t越高說明公司的收益波動與市場的收益波動越一致，股價中包含的特質信息就越少。INTERACTi,t為同期個股論壇中發帖量的對數值，INTERACTi,t越大表明個股投資者互動量越多。ControlVariablesi,t為本文中采用的一系列控制變量。若假設1成立，β1的系數應顯著為負。

其次，為探究投資者互動與分析師關注間是否存在著“互補”關系，本文估計以下方程：

其中，Analysti,t為第t年公司i的分析師關注變量，如果假設2成立，則β2的系數應顯著為正。

除此之外，考慮到本文所使用的數據為典型的時間短橫截面樣本多的短面板，為了使結果更加穩健，本文所有的回歸模型均使用公司層面聚類調整的標準誤。

4 實證檢驗

4.1 描述性統計分析

表2給出了本文所用變量的描述性統計結果。結果顯示股價同步性SYNCH的均值為-0.160，中位數為-0.088，在Gul等（2010）[14]的研究中，美國公司的股價同步性均值為-1.742，可見我國股票市場的股價“同漲同跌”現象較為明顯。SYNCH的最大值為1.503，最小值為-2.442，表明公司間的股價同步性差異較大。本文的主要解釋變量投資者互動（INTERACT）的最小值和最大值分別為5.916和12.902，說明公司間的投資者互動差異明顯。其中，均值和中位數分別為8.556和8.526，投資者互動分布較為對稱。分析師關注（Analyst）的最大值和最小值分別為4.174和0，一部分公司沒有分析師跟蹤，另一部分公司有大量分析師覆蓋，分析師關注具有一定的“羊群效應”，這也從側面反映了分析師“報喜不報憂”的特點，大量公司未受分析師跟蹤致使投資者尋求社交媒體獲取信息。

表2 描述性統計分析

4.2 回歸結果分析

4.2.1 假設1的檢驗

表3中前兩列詳細報告了投資者互動對股價同步性的影響分析。（1）第一列給出了方程（13）的回歸結果，在控制影響股價同步性的相關變量后，投資者互動（INTERACT）的系數為-0.098在1%的統計水平下顯著異于零。這說明公司特質信息經投資者間的互動行為被更多投資者感知，從而增加了信息的有效傳遞。投資者間的信息交流和溝通有助于將公司特質信息融入股價中，最終降低了股價同步性。與現有文獻一致，本文也發現股價同步性與Size、SOE顯著正相關，與MB、Lev和Roa顯著負相關。（2）已有學者研究指出機構投資者[15]和大股東持股[14]是影響股價同步性的重要因素。因此在第二列中，本文分別將機構投資者持股比例（Hold）、第一大股東持股比例（Lholding）納入模型并重新做了相關檢驗，結果發現機構投資者持股高和大股東持股比例大的公司信息更加透明，股價同步性更低。其次，投資者互動的回歸系數為-0.120在1%的水平下顯著。綜合起來，表3中的結果表明投資者互動可以促進公司特質信息在投資者間的傳遞，并經投資者的交易行為融入股價，與假設1的預期相符。

表3 投資者互動、分析師關注與股價同步性

4.2.2 假設2的檢驗

表3后兩列總結了方程（14）的檢驗結果。（1）在第三列中，分析師關注的系數為-0.305，顯著為負，說明分析師可以有效挖掘上市公司的信息，這些信息經分析報告的形式傳遞到市場中，與朱紅軍等（2007）[11]的研究結果一致。投資者互動和分析師關注的交互項INTERACT*Analyst的系數為0.037在1%水平下顯著為正，合理的解釋是：當分析師跟蹤較多時，一方面，信息的傳遞方式更為多元化，社交媒體的作用趨于弱化；另一方面，分析師關注多的公司股價信息含量豐富，此時投資者沒有動力進一步挖掘公司信息。這兩種效果導致分析師覆蓋多的公司，社交媒體僅能影響較低比例的投資者，投資者互動減緩股價同步性的作用變低。第二列中本文加入了Hold和Lholding變量，結論依然成立。以上結果驗證了本文的假設2。

4.3 穩健性檢驗

盡管以上結果證實了投資者互動為投資者提供了公司特質信息，這些信息有效地改善了公司的信息環境，提升了股價信息含量。然而在前文投資者互動指標中，東方財富論壇中有一半的帖子無人回復，如果將這些帖子也納為投資者互動的范疇，將夸大個股的投資者互動量，本文結果的穩健性可能受到影響，因此本文將這些無人回復的帖子視為無效數據并予以刪除，重新對本文中的假設做了實證檢驗，結果未變，見表4。

表4 穩健性檢驗：剔除無效的投資者互動數據

5 結論與啟示

本文建立了投資者互動與市場定價效率之間的理論模型來揭示兩者間的內在聯系，并以論壇討論數據來代理投資者互動實證檢驗了其對資本市場定價效率的影響。結果發現：（1）社交媒體中投資者間的互動行為加速了公司信息的傳遞，降低了股價同步性，提升了資本市場的定價效率。（2）進一步的研究顯示，分析師跟蹤越少，投資者互動對股價同步性的減緩作用越強，分析師關注與投資者互動間存在著“互補”關系。

作為世界上最大的經濟體，中國目前正處于經濟增速換擋和產業結構轉型的重要時期，其中證券市場的有效運行起著重要作用。然而我國證券市場中存在著嚴重的“同漲同跌”現象，較高的股價同步性扭曲了資源的合理配置。因此，尋找股價同步性的成因，探究減小股價同步性的可行路徑，對我國證券市場的健康發展極具理論和現實意義。本文的結論顯示，社交媒體的合理使用將是一個有效途徑，投資者互動推動了企業信息透明化，有利于提高股價的信息含量。本文認為上市公司與投資者間的交流不應拘泥于傳統模式，建議公司應充分使用互聯網，通過開設官方微博、在相關論壇中增開專欄等形式與投資者建立良性的互動行為，改善公司的信息環境。并建議監管部門應加強監督，確保上市公司更加規范地使用互聯網。

參考文獻：

[1] Morck R,Yeung B,Yu W.The Information Content of Stock Markets:Why Do Emerging Markets Have Synchronous Stock Price Move?ments?[J].Journal of Financial Economics,2000,(58).

[2] Fernandes N,Ferreira M A.Insider Trading Laws and Stock Price In?formativeness[J].The Review of Financial Studies,2009,22(5).

[3] Defond M,Hung M.Investor Protection and Corporate Governance:Evidence From Worldwide CEO Turnover[J].Journal of Accounting Research,2004,42(2).

[4] Durnev A,Morck R,Yeung B.Value-Enhancing Capital Budgeting and Firm-Specific Stock Return Variation[J].The Journal of Finance,2004,59(1).

[5] Jin L,Myers S C.R2Around the World:New Theory and New Tests[J].Journal of Financial Economics,2006,79(2).

[6] Han B,Yang L.Social Networks,Information Acquisition,and Asset Prices[J].Management Science,2013,59(6).

[7] Grossman S J,Stiglitz J E.On the Impossibility of Informationally Effi?cient Markets[J].The American Economic Review,1980,70(3).

[8] Hellwig M F.On the Aggregation of Information in Competitive Mar?kets[J].Journal of Economic Theory,1980,22(3).

[9] 何賢杰等.上市公司網絡新媒體信息披露研究：基于微博的實證分析[J].財經研究,2016,(3).

[10] 胡軍，王甄.微博、特質性信息披露與股價同步性[J].金融研究,2015,(11).

[11] 朱紅軍，何賢杰，陶林.中國的證券分析師能夠提高資本市場的效率嗎?——基于股價同步性和股價信息含量的經驗證據[J].金融研究,2006,(2).

[12] Xu N X,et al.Do Star Analysts Know More Firm-specific Informa?tion?Evidence From China[J].Journal of Banking&Finance,2013,37(1).

[13] 伊志宏,李穎，江軒宇.女性分析師關注與股價同步性[J].金融研究,2015,(11).

[14] Gul F A,Kim J B,Qiu A A.Ownership Concentration,Foreign Shareholding,Audit Quality,and Stock Price Synchronicity:Evi?dence from China[J].Journal of Financial Economics,2010,95(3).

[15] An H,Zhang T.Stock Price Synchronicity,Crash Risk,and Institu?tional Investors[J].Journal of Corporate Finance,2013,(21).