大漲大跌時股指期貨交易活躍程度與關注度

劉慕涵熊 熊

(1.天津大學管理與經濟學部,天津 300072;2.天津大學中國社會計算研究中心,天津 300072)

1 引 言

為了增加金融市場深度、豐富金融產品種類,進而更好地穩定股票市場和避免大幅波動,中國期貨市場于2010年4月16日推出了以滬深300 指數為標的的股指期貨產品,為投資者基于整體股票市場環境進行操作提供了工具.然而,滬深300 股指期貨推出以來,中國經歷了多個市場環境異常的時期(盡管股指期貨并不是造成市場異常的主要原因),其中以2015年“股災”最具代表性.為了緩解股市異常波動、抑制過度投機行為,中國金融期貨交易所(簡稱中金所)于2015年9月7日開始限制股指期貨的交易—–規定客戶在單個產品、單日開倉的交易量不得超過10手,否則構成“日內開倉交易量較大”的異常交易行為.盡管如此,近年來股市的大漲或大跌依然屢次發生.

交易限制導致股指期貨市場無法正常發揮應有的其功能.一方面,投資者在股指期貨市場“有心無力”,活躍程度嚴重不足(最直觀的體現為股指期貨成交量的大幅度下跌);另一方面,不論是媒體還是投資者本身對于股指期貨的關注度均大不如前,造成了信息傳播的遲緩甚至缺失、信息不對稱性加劇.然而,放松交易限制可能導致股票市場大漲或大跌時,大量投資者進入期貨市場盲目地進行交易、部分投資者憑借自身的信息和資本優勢進行惡意投機.這些行為均可能加劇股票市場的異常波動.那么,為了更好地發揮股指期貨在股票市場大漲或大跌時穩定市場的作用,監管者是否應進一步放松交易限制以吸引投資者進入市場? 若放松交易限制,應如何防止惡意投機和盲目交易帶來的負面影響?為了做出解答,本文在限制交易這一政策背景下研究了市場大漲或大跌時股指期貨市場上投資者的活躍程度與關注度之間的關系.具體包括三個研究問題:1)股票市場大漲或大跌時,投資者是否切實利用了股指期貨市場.2)投資者對股指期貨市場的關注度與活躍程度之間存在何種關系.3)能否利用投資者關注度減少信息不對稱性的作用來抑制大漲或大跌時的惡意投機和盲目交易.

已有研究表明,股指期貨不但具有套期保值或投機、價格發現、穩定市場供需和價格等期貨的基本功能,由于其以股票市場指數為現貨,對于整體市場存在比普通的商品期貨更加深遠的影響.具體來說,第一,Grossman等[1]、Grossman[2]、Froot等[3]的研究均表明,股指期貨交易可以使現貨市場的深度增加,市場整體的流動性也因股指期貨交易帶來的資金流入和資本流通而提高.第二,Bessembinder等[4]、Robinson[5]、McKenzie[6]、Drimbetas等[7]的研究均證明了股指期貨交易對市場上的信息傳遞過程具有促進作用,因信息不對稱所帶來的不良影響能夠由此減少.第三,股指期貨為投資者提供了管理或利用風險的途徑.風險規避者可以利用股指期貨的套期保值功能進行風險轉移,風險追求者能夠通過股指期貨投機交易謀取收益;同時,投資者也可以利用股指期貨產品對來自國際金融市場的風險沖擊進行一定的緩解或利用[8].總體來說,股指期貨交易可以有效地起到抑制市場風險、平穩市場波動的作用[9?12].而股票市場大漲或大跌時,由于可以通過股指期貨進行套期保值或投機交易,投資者會更有欲望和需求進入股指期貨市場.然而,關于這方面的證明較為有限.已有研究說明了大漲或大跌時投資者的交易行為會較平時更為活躍.例如,Seasholes 等[13]指出以漲停為代表的特殊事件會成為投資者的關注焦點,吸引投資者更多地進入市場;Alsayed等[14]發現價格下跌是造成投資者異常高頻率地進行股指期貨套利交易的最關鍵因素之一.基于此,本文提出了假設1: 現貨市場大漲或大跌時,投資者會更多地進入股指期貨市場尋求套期保值或投機,市場較平時更為活躍.

為了驗證這一假設,勢必需要對投資者在股指期貨市場進行交易的活躍程度進行量化.早在上世紀90年代,Becketti等[15]、Darrat 等[16]在研究股指期貨交易與股價波動之間的關系時,使用了持倉量和成交量作為股指期貨交易活躍程度的代表.Lucia等[17]在綜合了前人的量化方法的基礎上,基于股指期貨成交量、持倉量和持倉量變化量,通過計算比值構建了三種指標,分別衡量投資者在股指期貨市場上的長期交易(即套期保值交易)的活躍程度和隔夜交易(即投機交易)的活躍程度,并對三種指標的優劣進行了對比和分析.也有其他研究者通過類似的方法構建活躍程度指標,如Garcia等[18]、Ap Gwilym等[19].可見,以Lucia等[17]為代表的方法是行之有效的.此外,董珊珊等[20]出于對股指期貨市場與股票市場的聯動作用和中國市場現狀的考慮,使用滬深300股指期貨的成交量與滬深300現貨的成交量的比值構建活躍度指標,以此來反映股指期貨市場整體的活躍程度.在綜合考慮已有指標優劣的基礎上,本文借鑒Lucia等[17]和董珊珊等[20]的方法,分別構建了反映投資者套期保值和投機交易活躍程度的指標,以及反映股指期貨市場總體交易活躍程度的指標.之后,本文依據滬深300指數收益率的大小定義了市場暴漲、暴跌的虛擬變量,并構建回歸模型檢驗了在當前的政策環境下,股票市場大漲或大跌時投資者在股指期貨市場的活躍程度是否切實增加(即假設1).

另一方面,學術界對于投資者關注度的研究由來已久.關注是一種主觀的信息輸入行為,個體的關注能力可以使人們的信息需求得到滿足[21].出于以下三種原因:1)資本市場的信息不完全,使得投資者無法了解市場上所有的信息[22];2)不同投資者掌握的信息存在差異,即信息分布在投資者之中是不對稱的[23];3)信息的收集和處理需要成本[24],且投資者會受到各方面條件的制約,對信息的獲取和分析是無法完全做到的[24,25],在進行投資決策時投資者往往會部分或完全依賴市場上的信息中介(如媒體報道)或其他投資者(如股票論壇)來獲取相關的信息和建議.這也為度量投資者關注度提供了思路.歸納前人的研究發現,投資者的關注行為分為被動接受和主動參與兩種.一方面,投資者會被動接受他們易于獲知的信息,在一定程度上,媒體發布的信息的數量越多,投資者的關注程度也越高.Fang等[26]使用權威報紙上的文章數量來衡量投資者的被動關注行為,發現新聞報道作為投資者的關注焦點能夠吸引投資者進行交易.另一方面,越來越多的投資者可以便捷地利用手機、電腦等設備隨時隨地地在社交媒體上獲取信息和發表觀點.來源于互聯網的非結構化數據可以為衡量投資者主動關注行為提供良好的工具,并利用其進行深入研究[27].其中,一部分研究者基于投資者的互聯網搜索情況,例如Guzman[28]使用了谷歌趨勢中關鍵詞的搜索指數;另一部分研究者基于投資者在股票論壇的行為,例如Das 等[29]、Henry等[30]均基于論壇數據構建了投資者情緒指數,發現投資者關注行為與股票市場活動有一定的相關關系.然而,國內基于網絡數據進行投資者關注行為的研究尚處于摸索階段,且并未形成受到廣泛認同的方法.參考上述研究,本文從投資者在論壇上的主動參與行為和通過媒體報道被動接收信息兩個角度構建了投資者關注度指標,以對投資者兩類關注行為進行更有針對性地刻畫.

歸納前人對于投資者關注度作用的研究可以看出:第一,關注度可以提升投資者參與交易的意愿[13,31].Amihud等[32]指出,投資者關注度越高,參與交易的投資者數量越多,流動性越高.第二,關注度的提高可以改善信息不對稱帶來的不良影響.信息不對稱導致了知情交易發生,進而使得股價波動增大、流動性變差[33?35].投資者關注度的增加可以帶來信息不透明程度的下降[33,34,36,37]、知情交易者的信息優勢的逐步減少[38,39]、市場信息環境的改善[40]和投資者處理信息所需個人成本的降低[41],這些都有助于提升投資者進入市場進行交易的信心.綜合上述研究可以看出,投資者關注度與投資者交易活躍程度之間存在一定的關系.Merton[22]的“投資者有限注意理論”認為由于投資者的注意力有限,在金融市場中只有對個體有足夠刺激的信息才會受到關注.因市場活躍程度不足而帶來的媒體相關報道數量減少、投資者對于相關信息的主動討論和傳播頻率降低會導致缺少引起投資者足夠關注的刺激因素,進而加劇投資者關注度的不足;同時,若投資者不關注市場,其交易的活躍程度勢必會降低.

綜上所述,第一,投資者關注度有機會轉化為具體的買賣行為.第二,關注度的上升對于降低信息不對稱性造成的不良影響有積極的作用.然而,在我國處于特殊政策背景下的股指期貨市場上,這兩點結論是否成立,依然存在一定的研究空白.在現實層面,為了恢復股指期貨市場的正常功能,監管者已經開始嘗試逐漸放開交易限制,然而放開交易限制后可能發生的部分投資者利用信息優勢進行惡意投機這一事實,依然令解除交易限制存在顧慮.于是,本文基于已有文獻提出了假設2.1: 投資者對股指期貨市場的關注程度與股指期貨市場的活躍程度之間存在著顯著的相互關系.并進一步提出了假設2.2: 投資者關注度的增加可以顯著抑制股指期貨市場上的投機和過度交易.之后,本文通過協整檢驗和格蘭杰因果檢驗來研究交易限制這一背景下,股指期貨市場上投資者關注度與活躍程度之間是否存在、存在何種關系(即假設2.1).之后依據滬深300收益率的大小對樣本進行分組回歸來分析不同市場環境下這一關系是否有所差異(即假設2.2).

與已有的研究相比,本文的研究結果表明與股指期貨相關的信息傳播越廣泛,投資者關注度越高,股指期貨市場上的交易行為越謹慎.這一發現豐富了前人關于投資者關注度的研究[33,34,36,37],將前人的研究結果推廣至股指期貨市場上.本文基于限制股指期貨交易這一政策背景,為特定政策下投資者行為的研究做出了一定的貢獻.考慮到2015年9月7日后實行股指期貨交易限制造成的前后市場環境極大的不同這一事實,與現有的研究相比,更加貼近中國市場監管的現狀.對于政策出臺前后市場環境的對比,為本文的研究結論找到了現實原因,并為監管者之后為改善市場環境可以采取的政策提出了建議.已有的研究對市場大漲時的情形有一定的關注,而對市場大跌時的研究較少.然而,從股指期貨推出以來中國金融市場的發展歷程來看,大漲與大跌都應該引起監管者的關注.因此,本文的研究同時分別考慮了這兩種情形,豐富了現有的研究空白.本文基于中國股票論壇的大數據構建了投資者關注度的指標,將投資者在社交媒體上的現實行為與在市場上的交易行為之間的關聯和反映程度做了研究.這部分工作豐富了前人[29,30]基于大數據背景進行投資者行為研究的已有成果.第五,國內目前關于股指期貨的研究主要集中于股指期貨跨市場價格發現這一功能,而對于在我國的金融環境下股指期貨的風險管理功能的研究寥寥無幾.本文的研究關注了當市場環境異常時投資者對股指期貨套期保值或投機功能的利用程度,填補了國內現有研究的空白.

2 數據說明與指標構建

利用以滬深300指數(交易代碼為‘000300’)為標的的、當月連續的股指期貨產品(交易代碼為‘IF0Y00’)作為研究對象,一方面是由于‘IF0Y00’的現貨標的滬深300指數以滬深兩市中最具代表性的300只大盤股為成分股,是中國證券市場環境最直觀的體現;另一方面是由于中國的股指期貨產品起步較晚,‘IF0Y00’作為最先推出的股指期貨產品數據最為齊全.之后,構建了反映投資者在股指期貨市場上活躍程度的指標和反映投資者對股指期貨市場關注程度的指標,并依據滬深300收益率分別定義了股票市場暴漲、暴跌虛擬變量.變量及符號見于表1.

表1 變量說明Table 1 Variable description

2.1 股指期貨市場活躍程度指標

盡管成交量可以最直觀地反映出股指期貨市場的交易數量,然而期貨交易中交割日的存在,造成了投資者的持倉量具有在臨近交割日時急劇下跌、在交割日過后急劇上漲的特點,進而對成交量的變化造成了巨大的影響.因此,直接使用成交量進行研究存在一定的局限性.參考Lucia等[17]的做法,利用股指期貨成交量(記為VOLt)和持倉量(記為OIt)的日數據,構建了如下的指標1

指標1的構建參考了股票換手率的計算方法(=股票成交量/股票市值),通過計算成交量相對于持倉量的大小,更準確地反映了投資者在股指期貨上的活躍程度.由于交割日當天的持倉量為0,此時指標1等于正無窮,因此需要對交割日數據進行處理.另外Lucia 等[17]指出,由于持倉量不但與當日的交易情況有關,也不排除會受到歷史數據的影響(如交割日的問題),指標1可能無法確切反映出樣本觀測日當天的情況.為此,構建了如下的指標2’

指標2’利用持倉量變化量的絕對值,更傾向于反映短期投機者的活躍程度.然而,指標2’存在兩個問題:第一,絕對值的使用忽視了持倉量的增加和減少所包含的不同意義,即投資者隔夜新持有的倉位和結算掉的倉位哪個更大[17].第二,|?OIt|可能會很小,甚至等于0,這會造成指標2’無量綱(有可能非常大),而利用實際數據進行計算后的結果證明了這一問題的存在.因此,構建了如下的指標2

理論上,?OIt的值在?VOLt到VOLt之間,故該指標的大小在?1到1之間;當VOLt和?OIt都等于0時,該指標無定義[17](在本文的研究區間內未發現這一情形).指標2 給出了一個方向,負值說明持倉量減小,投資者結算行為更活躍;正值說明投資者持有行為更活躍.實際的研究中發現,該指標總是為負(因為交割日的存在,投資者總體來說是在逐步進行平倉的).

同時,期貨與現貨市場之間存在聯動作用,投資者在期貨市場的交易行為會對現貨市場造成影響,反之亦然.例如,何楓等[42]研究發現滬深300股指期貨與其現貨市場存在聯動關系,現貨市場的波動沖擊對現貨和期貨市場的影響更為顯著.考慮到股指期貨交易的活躍程度與股票市場整體活躍程度的相關性,參考董珊珊等[20]的研究構建了如下的指標

其中VOLHSt表示當日滬深300指數全體成分股的成交量.指標3反映了股指期貨市場相對于現貨市場的活躍程度.

所構建的三個活躍程度指標各有側重.具體來說,指標1和指標2作為投資者在股指期貨市場上進行套期保值(投機)交易的活躍程度的指標,而指標3反映了股指期貨市場整體層面上的活躍程度.由于投機頭寸(短期交易,很少隔夜持有)與對沖頭寸(長期交易)的區別在于頭寸持有時間的長短[19],指標2使用持倉量的變化量進行計算,更加側重于反映非隔夜持有者的行為,因此更多的衡量了投資者進行投機交易的活躍程度.指標1越大,指標2越小,說明投資者進行套期保值(投機)交易的活躍程度越大[17];指標3越大,說明總體來說投資者更加活躍.需要說明的是,雖然三個指標均反映了投資者的活躍程度,但是三者的性質和特點并不必須相同.

2.2 投資者關注度指標

隨著大數據時代的到來,計算機技術和文本挖掘技術的發展為個人投資者行為難以量化研究這一難題提供了大量行之有效的解決方法.作為投資者意見積聚、傳播的平臺,股票論壇具備匿名性、互動性、草根性的傳媒特征.參考前人的研究(Das等[29]、Henry等[30]),利用其中的大數據資源,構建了投資者對股指期貨的關注度的代理變量.具體來說,本文基于中國最具代表性的股票論壇-東方財富網下屬的股票論壇“股吧”中股指期貨吧的大量的發帖及相關數據,爬取并計算了每一日的總發帖量(記為POSTt)、所有發帖的總閱讀量(記為READt)和總評論量(記為COMMENTt),以此從主動參與的角度衡量投資者關注度.同時,參考Fang等[26]的研究,我們使用每一日新聞數量從被動接收的角度衡量投資者關注度.新聞數量越多,投資者接觸到新信息的可能性越大,相應地投資者的關注程度越高.因此本文同時引入每一日與股指期貨相關的新聞數量(記為NEWSt)反映與股指期貨相關的信息的曝光程度,新聞來源為官方認證的媒體(如新華社、中國證券報等).

本文使用的關注度指標反映了投資者關注度不同角度的特點.其中,每日的發帖量和新聞數量衡量了與股指期貨相關的信息的曝光程度,即投資者接觸到信息的可能性.新聞數量反映了較為可信的官方信息的曝光水平,而發帖量反映了投資者對自己擁有的信息進行自發傳播或發起討論等行為的活躍程度.雖然閱讀量和評論量均反映了投資者對于特定發帖的內容“有興趣”,但是投資者閱讀帖子并不代表會對其進行評論.評論量體現了投資者對發帖內容(其中的信息)是否存在自己的看法和意見,與閱讀量相比,反映了更加具體的投資者人群的關注度.需要說明的是,發帖量直接反映了投資者當日的關注程度;由于熱門帖子發布后的幾天依然會有人閱讀或評論,因此閱讀量和評論量不僅包含了發布當天的關注度信息,可能也包含了發布后一兩日的信息;新聞的發布者為主流報刊、網站等,因此可能會領先于論壇中的投資者,反映的投資者群體存在一定的差別.

2.3 暴漲、暴跌虛擬變量

為了對暴漲暴跌時投資者在股指期貨市場的活躍程度和投資者關注度進行研究,需要依據滬深300指數收益率定義暴漲暴跌虛擬變量.首先計算研究窗口期內滬深300 指數收益率和股指期貨收益率的各分位數,如下圖1(橫軸表示分位數,縱軸為收益率,實線為滬深300收益率,虛線為股指期貨收益率):

觀察圖中走勢可以看出,滬深300指數的收益率和股指期貨的收益率均在10%(90%)分位數附近呈現出一定程度的偏離,在5%(95%)分位數附近開始變得陡峭;同時考慮到回歸模型對樣本數量的要求,以10%(90%)分位數為標準各計算一組虛擬變量.具體來說,后文中暴漲、暴跌虛擬變量定義為

2.4 數據說明

首先收集自滬深300當月連續期貨合約上市以來,2010年4月16日至2018年9月28日共2 058個交易日的行情數據、新聞數據和論壇發帖情況數據.之后對原始數據進行了以下的篩選和處理.具體地

第一,本文的研究對象為股指期貨市場,不同于股票市場的研究,在數據的選取和處理上需要考慮交割日(到期日)的存在.Samuelson[43]首次研究了金融衍生品的到期日效應,提出了著名的“薩繆爾森假設”(Samuelson hypothesis): 越臨近到期日,期貨合約價格的波動率越大.為了避免股票市場上“月末效應”的影響,不同于其他國家通常在月末進行期貨交割,根據《滬深300股指期貨合約》(征求意見稿)中規定,中國期貨市場的交割日為”合約到期月份的第三個周五,遇國家法定假日順延”.根據計算,每月的交割日大多在當月的中旬.具體到本文,交割日會帶來以下的負面影響:1)交割日當天的持倉量為0,相應地活躍程度指標1會出現正無窮.2)交割日的前后,持倉量的變化幅度比平時大,經過對實際數據的考察,這一現象在交割日前后各一個交易日最為明顯.3)已有研究表明,臨近交割日時股票現貨市場的成交量會顯著高于平時[44?46],這會導致本文構建的活躍度指標3出現異常變化.出于上述的原因,本文刪除了每個月交割日及其前后各一個交易日的數據,以減輕因到期日帶來的不良影響.

第二,由于自2015年9月7日開始實行的限制交易,造成當日前后中國股指期貨市場環境迥異.股指期貨的交易量數據以2015年9月7日為界,呈現出了斷崖式的下跌,直接導致了活躍程度指標出現巨大的波動.另一方面,政策出臺后,迅速引發了激烈的討論和大量的報道,隨后不久各個關注度指標均出現了巨大的下滑(如圖2,繪圖所使用的數據均經過標準化處理).為了避免因特殊事件造成的數據異常劇烈變動帶來的影響,同時考慮到交割日的問題,因果關系研究中使用的數據為從2015年9月7日的下一個交割日(2015年9月18日)的后兩個交易日(即2015年9月22日)開始,至2018年9月28日結束,共631個交易日的有效數據.

所使用的數據來源分為兩部分,滬深300指數行情數據、股指期貨行情數據以及股指期貨新聞數據來源于銳思數據庫,投資者在論壇的發帖情況數據通過編寫爬蟲代碼獲取.

3 大漲大跌時投資者活躍程度的研究

自中國期貨市場于2010年4月16日第一次推出股指期貨產品至今,在不足九年的時間里中國股市經歷了數次大漲或大跌.盡管推出股指期貨的初衷在于減少股市的大幅波動,由于市場政策依然存在有待于優化之處,加之自2015年9月7日后中金所開始限制股指期貨交易,投資者對于股指期貨交易的參與程度不足,進而導致中國股指期貨市場并未充分發揮其控制風險的作用.

本節主要針對假設1,基于實證檢驗來量化研究市場暴漲暴跌時,投資者在股指期貨市場上的活躍程度.為此,構建如下回歸模型

其中ACT為投資者在股指期貨市場的活躍程度指標(2.1部分構建的指標1～指標3),Dummy為市場暴漲/暴跌虛擬變量(2.3部分構建的指標AbUPt和AbDOWNt).同時,選擇如下類型的變量,一方面作為方程的控制變量CONTROLi,另一方面作為描述市場環境特點的指標:

首先,參考Bessembinder等[47]對期貨市場活躍程度的研究,在控制變量中加入如下兩種變量: 1) 滬深300的成交量(記為VOLHSt),另外以滬深300 的成交額(記為TVOLHSt)作為穩健性檢驗.2)滬深300的流通市值(記為CMVHSt),作為股票市場深度的代表.

之后,為了控制股票市場交易的活躍程度,參考股票換手率的計算方法,在控制變量中加入滬深300交易的活躍度指標=滬深300的成交額/滬深300的流通市值,另外考慮到滬深300指數反映了A股主板部分的情形,使用整體A股市場的換手率作為穩健性檢驗.

最后,參考陳夢根等[48],構建如下變量來反映股票市場的風險和投資者的獲利空間: 第一,將市場風險定義為滬深300收益率在一月內的標準差,記為RISKHSt.另外,投資者的獲利空間利用股價的波動幅度(記為AMPLITUDEHSt)來表示,具體定義為一月內滬深300指數的最高價與最低價之差除以當月滬深300指數的平均價.對于每一個交易日來說,滾動計算上一個月的該日至當日之間的滬深300價格的標準差和波動幅度.若上月的該日為非交易日,則向前順延至最近的交易日.由此可以得到現貨市場風險和投資者獲利空間的日頻數據.

在完成變量計算和模型構建的基礎上,為了驗證假設1,主要進行如下的實證檢驗,結果如表2至表4所示.首先對所有變量進行了描述性統計,結果見表2.根據描述性統計可以看出:一方面,活躍度指標3的均值為1.539 1×10?6,最小值和最大值分別為4.080 0×10?6和5.310 0×10?6,說明現階段我國股指期貨市場的總體活躍程度非常低(以現貨市場為基準來看),這一結果與限制交易政策的施行是分不開的.另一方面,不同的變量之間存在數量級差異,為了使回歸結果更加可信,在回歸時將變量進行標準化處理.

表2 全體變量的描述性統計Table 2 Descriptive statistics of all variables

表3 活躍程度指標和市場收益按照滬深300收益率排序分組后的描述性統計Table 3 Descriptive statistics of activity indexes and market returns sorted by the HS300 return

表4 暴漲暴跌虛擬變量的回歸結果Table 4 The regression results of surge and crash dummies

續表4Table 4 Continues

之后,為了對不同市場環境下股指期貨市場活躍程度的特點有一個初步的認識,按照滬深300收益率的大小進行排序,將所有的樣本分為十組后分別做描述性統計,結果見表3.分析表3中的結果,可以看出:第一,ACT1t和ACT3t在分組1和分組10的均值明顯大于其他分組,說明市場大漲或大跌時投資者在股指期貨市場上的總體層面下的和套期保值交易的活躍程度高于平時;ACT2t在分組2、3、10的均值比其他分組更大,

說明投資者利用股指期貨進行的隔夜投機的活躍程度在市場跌至谷底和將近峰頂時不如平時活躍.第二,除了分組10中股指期貨收益率的標準差略小于滬深300 收益率的標準差外,其他分組中股指期貨收益率的標準差均明顯大于滬深300收益率的標準差,說明股指期貨的風險通常大于現貨市場風險.分組1、分組10中股指期貨收益率的均值為0.023 1、?0.024 9,滬深300收益率的均值為0.020 1、?0.023 8,說明股票市場大漲或大跌時,股指期貨市場的漲跌幅度更為劇烈.

最后,為了從因果的角度驗證假設1,根據式(7)的形式進行回歸檢驗,結果如表4所示.根據表4中的結果可以看出:第一,以ACT1t為被解釋變量的回歸方程中,AbUPt和AbDOWNt的回歸系數均顯著為正(見表4第2列～第4列),AbUPt的系數大于AbDOWNt的系數,且加入控制變量后并不影響總體結果.該結果說明市場大漲或大跌時投資者套期保值行為的活躍程度均會顯著增加,且市場大漲對套期保值活躍程度的正向影響更大.第二,以ACT2t為被解釋變量的回歸方程中,未加入控制變量RISKHSt和AMPLITUDEHSt時AbDOWNt的回歸系數顯著為正,但是AbUPt的回歸系數均不顯著(見表4第5 列～第7 列),該結果說明反映投資者短期(隔夜)投機活躍程度的指標只受到市場大跌的顯著影響,且投機活躍程度會降低.第三,以ACT3t為被解釋變量的回歸方程中,AbUPt和AbDOWNt的回歸系數均顯著為正(見表4第8列～第10列),且加入控制變量后AbUPt的系數大于AbDOWNt的系數.該結果說明投資者在股指期貨市場的總體活躍程度會因為市場大漲和大跌而顯著提高,且與市場大跌時相比大漲時投資者更為活躍.第四,總體來看,加入控制變量并未對結論造成實質的影響.

綜合上述結果說明,當股票市場大漲或大跌時投資者會更多地進入股指期貨市場,且大漲和大跌對投資者不同類型活躍程度的影響具有一定的不對稱性.然而,由于交易限制的存在,股指期貨市場的總體活躍程度依然很低,勢必難以發揮對現貨市場的影響作用.

4 股指期貨市場活躍程度與投資者關注度關系的研究

盡管現貨市場的大漲或大跌會顯著增加投資者在股指期貨市場的活躍程度,由于交易限制的存在,股指期貨市場不足以在大漲或大跌時起到足夠令人滿意的控制風險的作用.通過描述性統計對交易限制前后市場的情況做出對比(結果見表5).可以看出股指期貨市場和現貨市場上的各方面指標均有所下降,這些下降勢必會帶來不良的影響.具體來說: 關注度方面,由于缺少信息的披露(2010年推出股指期貨開始,共230家媒體發布過相關新聞,而限制交易推行后僅有55家媒體進行過新聞的發布),勢必會增加信息不對稱的程度,使內幕交易、盲目交易更容易發生,造成交易成本的增加,令投機者有利可圖[33?35,49];股指期貨市場活躍程度方面,由于可操作空間受到限制,必然令期貨市場套期保值的功能大打折扣;盡管現貨市場的風險因政策出臺下降了,投資者的獲利空間也受到了一定的影響.總之,限制交易的政策確實有效地抵制了投機者的惡意操作、在一定程度上降低了股票市場風險,但是也令股指期貨市場失去了對投資者的吸引力(投資者有心而無力也是客觀事實).

結合上一部分的結果,事實上,在當前的政策環境下,大漲或大跌會顯著造成投資者在股指期貨市場上的活躍程度的增加,投資者較平常更多地利用股指期貨進行套期保值.那么,這一現象的發生與投資者關注度的改變之間是否存在因果關系?結合前人的研究(如Seasholes等[13]、Barber 等[31]),作者提出了假設2.1,之后對該假設進行實證檢驗的結果見表6至表9.需要說明的是,一方面,中國的股指期貨交易自2010年開始,至今仍處于起步階段,而已有的研究表明在新興的期貨市場中,短期的期現套利是有效的,而長期套利無效(Bialkowski等[50]);另一方面,Huberman等[51]的研究表明,即使是一則轟動性的報道,對市場的沖擊也是短期的.結合本節的研究目的,過長的時間窗口不利于考察投資者關注度和投資者在股指期貨市場活躍程度之間真實的相互影響,因此在研究過程中涉及到滯后項選取的部分,均最多取到五階滯后項(考慮到五個交易日至少涵蓋一周的時間).

首先對投資者關注度指標與投資者活躍程度指標之間的相關性進行了檢驗,結果見表6.通過計算關注度與活躍度指標的偏度和峰度可以看出兩類指標無法嚴格服從標準的正態分布,故在進行檢驗時同時計算了皮爾遜相關系數和斯皮爾曼相關系數.結合兩種方法所得結果的共同之處可以看出:第一,不同的投資者關注度指標之間存在顯著的正相關性.第二,活躍度ACT1t與ACT2t顯著負相關、與ACT3t顯著正相關,ACT2t和ACT3t顯著正相關.結合ACT1t、ACT3t越大,ACT2t越小,投資者越活躍,可以看出套期保值活躍程度越大,隔夜投機程度和總體活躍程度均越大;市場總體越活躍,隔夜投機程度越低,這一結果可能是因為更多的投資者進入市場所帶來的關注度增加減少了短期投機的可能性.第三,ACT1t與新聞數量顯著負相關,ACT2t與發帖量、閱讀量顯著正相關,初步說明了投資者的關注度增加可以帶來股指期貨市場投機程度減少.ACT3t與新聞數量顯著負相關,說明相關信息的曝光可能會造成投資者總體活躍程度的減少,可能是因為新聞的增加造成了投資者的猶豫和觀望態度.

表6.1 皮爾遜相關性檢驗Table 6.1 Pearson correlation test

表6.2 斯皮爾曼相關性檢驗Table 6.2 Spearman correlation test

之后從協整檢驗和格蘭杰因果檢驗兩個角度對投資者關注度與投資者活躍程度之間的相互關系進行研究.具體來說,在進行協整檢驗之前首先需要對變量的平穩性進行檢驗,結果見表7.這里的平穩性檢驗使用ADF檢驗.檢驗結果表明,除了ACT3t以外,所有序列均為平穩序列,服從零階單整;而ACT3t的差分序列平穩,服從一階單整.故可以直接對ACT1t、ACT2t與關注度指標之間的協整關系進行檢驗,同時檢驗ACT3t的差分序列與關注度指標之間協整關系.

表7 平穩性檢驗Table 7 Stationarity test

基于平穩性檢驗的結果,我們對投資者關注度和投資者交易活躍程度之間的協整關系進行研究,結果如表8所示.通過分析表8中的結果可以看出:第一,對于ACT1t,ACT1t與新聞數量之間存在顯著的反向相互影響,說明與股指期貨相關新聞的曝光程度越高,投資者的總體投機(套期保值)活躍程度越低,信息不對稱程度越低(與Kutsuna等[40]相一致).四組均值方程的殘差序列均平穩,說明ACT1t與關注度指標之間存在長期穩定的協整關系.第二,對于ACT2t,ACT2t與發帖量、閱讀量之間存在顯著的正向相互影響,說明相關信息的曝光和傳播越多、投資者對于信息的了解越多,可以顯著抑制投資者在股指期貨市場的短期投機行為.四組均值方程的殘差序列均平穩,說明ACT2t與關注度指標之間存在長期穩定的協整關系.第三,對于ACT3t,ACT3t與閱讀量、評論量和新聞數量之間均存在顯著的反向相互影響,說明投資者對于信息的了解和討論越多,參與股指期貨交易的活躍程度越低,更多的關注可能會令投資者進入市場時更加謹慎.第四,ACT3t的變化量與關注度之前存在長期穩定的協整關系.

表8 協整檢驗和誤差修正模型結果Table 8 Results of cointegration test and error correction model

續表8Table 8 Continues

另一方面,表9給出了投資者關注度和投資者交易活躍程度之間的格蘭杰因果檢驗結果.由表9可以看出投資者關注度與活躍程度之間互為持續的格蘭杰原因.在股指期貨市場上,投資者不同的交易行為會影響媒體對股指期貨相關信息的曝光量以及投資者主動參與討論、傳播等行為的積極程度;而投資者關注度的變化會進而影響之后投資者進行股指期貨交易和利用股指期貨進行投機的活躍程度.

表9 格蘭杰因果檢驗結果Table 9 Results of Granger causality test

已完成的研究在一定程度上驗證了假設2.1,即投資者關注度與股指期貨市場活躍程度之間存在著顯著的相互關聯.那么,在不同的市場環境下,特別是股票市場大漲或大跌時,二者之間的關系有何特點? 為了解答這一問題,進而對假設2.2進行驗證,基于滬深300收益率對樣本數據進行了分組研究,結果見表10至表12.

表10 關注度指標按照滬深300收益率排序分組后的描述性統計Table 10 Descriptive statistics of attention indexes sorted by the HS300 return

表11 大漲時關注度指標與活躍度指標的回歸結果Table 11 The regression results between attention index and activity index when surges

表12 大跌時關注度指標與活躍度指標的回歸結果Table 12 The regression results between attention index and activity index when crashes

表10沿用表3中的方法,對于按照滬深300收益率分組后的關注度指標進行了描述性統計.根據表10可以看出,在分組1和分組10中四種關注度指標的均值和標準差均明顯大于其他分組,且較全體樣本的均值為大.這一結果表明市場大漲或大跌時,投資者的關注程度明顯高于平時,與市場相關的信息會得到更多的曝光和傳播,投資者也會更多地進行信息的收集和討論.

在此基礎上,在大漲組(分組1)和大跌組(分組10)中以投資者活躍度指標為被解釋變量,分別以投資者關注度指標及其1至5階滯后項為解釋變量進行回歸,結果如表11 和表12所示.根據表11中的回歸結果可以看出,市場大漲時,新聞數量的1、3、5階滯后項對ACT1t具有顯著的反向作用,發帖量、閱讀量和評論量及其部分滯后項對ACT2t的大小具有顯著的正向作用,所有關注度指標及其滯后項均對ACT3t具體顯著的反向作用.根據表12 中的回歸結果可以看出,市場大跌時,關注度指標及其大部分滯后項均對ACT1t有顯著的反向作用,所有關注度指標及其滯后項均對ACT3t具有顯著的反向作用,除了新聞數的3階滯后項外,關注度指標及其滯后項對ACT2t均不存在顯著影響.對比表11和表12 中回歸系數的大小和顯著性可以發現,第一,市場大跌時投資者主動參與和被動接收兩個層面的關注度增加均對套期保值的活躍程度產生顯著的影響,而市場大漲時僅被動接收層面的關注度指標(新聞數量)系數顯著.第二,市場大漲時關注度的提高對投機行為的抑制作用比大跌時更顯著.

綜合上述結果,當股票市場大漲或大跌時,與股指期貨相關的新聞曝光越多、投資者的關注程度越高,投資者在股指期貨市場進行投資越謹慎,投機交易的活躍程度越低.結合前人的研究[33,34,36,37],之所以出現這一結果是因為投資者關注度的增加有效地促進了信息的傳播、減少信息不對稱性的不良影響.因此,監管者應加大市場異常時股指期貨相關信息的曝光程度,鼓勵更多投資者對其進行關注并參與討論,以此來消除信息不對稱帶來的不良影響,降低惡意投機行為發生的可能性.

5 穩健性檢驗

本節主要對前文的研究過程做出一定的補充.考慮到篇幅問題和可讀性,穩健性檢驗的結果表在附錄中給出.

5.1 按照滬深300收益率排序分組的描述性統計

表3和表10中,按照滬深300收益率的大小將樣本分為10組分別進行描述性統計,以研究不同市場環境下投資者在股指期貨市場上的活躍程度和關注度的特點.本節首先根據滬深300收益率的正負將全體樣本分為兩部分,之后分別在每一部分中按照滬深300 收益率的大小分成5組,共得到10組樣本進行描述性統計.根據統計結果可以看出市場大漲或大跌時: 第一,投資者在總體層面下的和套期保值交易的活躍程度高于平時;第二,投資者利用股指期貨進行的隔夜投機的活躍程度在市場跌至谷底和將近峰頂時較平時活躍;第三,投資者的關注程度明顯增加.上述結果與前文的結論是相符的.

5.2 交易限制前后市場對比

在表5中,通過描述性統計對交易限制前后市場的情況做出對比.結果發現,限制交易后股票市場風險得到了降低,然而投資者對股指期貨市場的關注程度、在股指期貨市場上的可操作空間以及投資者的獲利空間均受到了不良的影響.為了提高結果的可信程度,穩健性檢驗中使用表5中各個變量的月度數據進行描述性統計.需要說明的是,與表5中的匹配方法相同,選擇了限制交易前后的有效月度數據各36條;考慮到交割日的問題,2015年9月7日前最近的交割日為2015年8月21日,遵循之前刪除數據的原則,從2015年8月向前截取數據.結合描述性統計的結果可以發現上述的結論依然成立.

5.3 大漲或大跌對投資者活躍程度的影響

前文限于篇幅限制對于式(7)的回歸結果只給出了有代表性的一部分(見表4).穩健性檢驗中將控制變量中的滬深300成交量替換為滬深300成交額.考慮到控制變量中的滬深300現貨交易的活躍程度指標等于滬深300成交額除以滬深300流通市值,進行控制變量替換后勢必會出現共線性的問題.由于滬深300 指數包含了A 股市場的主要大盤股,故使用A股市場總市值加權的換手率代替滬深300現貨交易的活躍程度指標作為控制變量.結果依然支持由表4得到的結論,即當股票市場大漲或大跌時,投資者在股指期貨市場的交易行為會更為活躍,且大漲和大跌對投資者不同類型活躍程度的影響具有一定的不對稱性.

6 結束語

本文基于股指期貨交易限制這一政策背景,利用交易數據、新聞數據和投資者在“股吧”中的行為數據研究了股票市場大漲或大跌時股指期貨市場上投資者的活躍程度與關注度之間的關系.綜合本文的研究結果,提出如下建議:1)監管者應適當地放開交易限制,吸引更多資金進入股指期貨市場,增加市場流動性.2)監管者應鼓勵官方媒體加強對于股指期貨相關信息的披露以增加信息透明度,同時嚴格把控信息質量,避免“以訛傳訛”.3)監管者應鼓勵和幫助以網絡論壇為代表的社交媒體的健康發展,為投資者提供主動參與信息分析和交流的平臺,通過發揮其主觀能動性更好地進行投資者教育.

后續的研究中,作者繼續跟蹤股指期貨交易限制逐步放開的過程中投資者行為的演變,也將更為具體地對投資者關注度與信息不對稱性之間的因果關系進行量化分析.

附錄 穩健性檢驗結果

表13對應5.1部分，表14對應5.2部分，表15對應5.3部分.

表13 按照滬深300收益率排序分組后的描述性統計（根據漲跌各分五組）Table 13 Descriptive statistics of observations sorted by the HS300 return(surge and crash respectively in five groups)

表13(續) 按照滬深300收益率排序分組后的描述性統計（根據漲跌各分五組）Table 13(continued) Descriptive statistics of observations sorted by the HS300 return(surge and crash respectively in five groups)

表14 限制交易前后的描述性統計(基于月度數據)Table 14 Descriptive statistics before and after the trading restriction(based on monthly data)

表15 暴漲暴跌虛擬變量的回歸結果補充Table 15 The supplementary regression results of surge and crash dummies