個股模糊的測度與定價研究

DOI：10.3969/j.issn.1004-910X.2025.05.014" ［中圖分類號]F832.5；F830.9 [文獻標識碼]A

引言

不確定性（Uncertainty）一直都是金融學研究以及金融市場關(guān)注的焦點問題。在傳統(tǒng)的資本資產(chǎn)定價理論的假定中，資產(chǎn)收益率的分布是確定且唯一的，投資者面臨的不確定性只是不知道資產(chǎn)未來收益率的具體取值。然而，在現(xiàn)實市場中，投資者可能對資產(chǎn)收益率服從何種分布都是不確定的。早在1921年，Knight就對這兩類不確定性做過區(qū)分：前一類不確定性被稱為風險（Risk），也就是被傳統(tǒng)金融學理論廣泛研究的風險；后一類不確定性則被稱為Knight不確定性或者模糊（Ambiguity）。

現(xiàn)實中的投資者面臨的是充滿模糊的金融環(huán)境，模糊背景的設(shè)定比傳統(tǒng)的風險設(shè)定更具有現(xiàn)實意義。因此，模糊性也被越來越多地應用在金融學的研究領(lǐng)域，用來解釋許多的市場異象。如股權(quán)溢價之謎[1]、IPO折價之謎[2]、投資組合選擇的本地偏好[3]以及股票交易的高換手率[4]等。除了股票市場，模糊性也被廣泛應用在其他各類資本市場的相關(guān)研究中。如股指期貨市場[5]、股指期權(quán)市場[6]、保險市場[7]，甚至加密數(shù)字貨幣市場[8]等。

發(fā)展中國家由于金融制度和工具的不健全與不完善，通常市場定價效率較低，在投資者結(jié)構(gòu)、交易制度、市場監(jiān)管、信息披露以及法律法規(guī)等方面，均存在著諸多改進空間，市場特點通常不符合經(jīng)典的資產(chǎn)定價理論的假設(shè)。這些特征進一步使得市場中的投資者廣泛面臨著模糊不確定性，從而使資產(chǎn)出現(xiàn)錯誤定價，影響金融市場運行效率，威脅國家金融安全。中國作為最大的發(fā)展中國家，中國A股市場具有典型發(fā)展中國家股票市場特征。因此，考察中國A股市場中的模糊，準確地度量個股的模糊，科學地厘定個股模糊的影響，以便于精準地采取相應的應對措施，對于保障發(fā)展中國家金融市場穩(wěn)定、維護全球市場健康發(fā)展有著重要的意義。

基于此，本文利用中國A股市場2005年1月到2023年7月的5分鐘高頻交易數(shù)據(jù)，對個股的模糊進行了度量，并檢驗了個股模糊對股票預期收益具有獨立于傳統(tǒng)風險的顯著影響。進一步，本文在多因子定價模型中引入了模糊因子，驗證了個股模糊性的獨立定價能力主要來自于市場提供的系統(tǒng)模糊性口，高模糊組比低模糊組承擔了更大的系統(tǒng)性模糊敞口。最后，本文將個股模糊性分解成了系統(tǒng)模糊性和特質(zhì)模糊性兩部分，發(fā)現(xiàn)個股的特質(zhì)模糊性并未參與定價，個股模糊的定價能力來源于其系統(tǒng)模糊性部分。

1文獻綜述

模糊的度量方面。由于雙重不確定性，模糊難以與傳統(tǒng)風險區(qū)分開來單獨進行度量。許多實證研究一般選擇替代性指標去度量模糊。如Anto-niou等（2015）[9利用分析師對平均回報率預測的分散程度來代表模糊程度，研究了股票市場的有限參與問題。Shi（2019）[\"0]用專家預測的離散程度代表模糊程度，通過時變模糊和風險對于貼現(xiàn)率的調(diào)整，發(fā)現(xiàn)了風險和模糊都存在溢價。除了代理變量方法，也有研究使用期權(quán)數(shù)據(jù)去測度模糊。如叢明舒（2017）[1]使用期權(quán)價格數(shù)據(jù)度量了模糊程度和模糊厭惡大小，認為期權(quán)隱含波動率與已實現(xiàn)波動率之比可以衡量市場的模糊程度。Driouchi等（2018）[12]使用標普500看跌期權(quán)的價格構(gòu)建了期權(quán)隱含的模糊指標。此外，也有不少研究者類比風險的度量方法，以“概率分布的波動（或方差）”來度量模糊。如Izhakian（2012）[13]基于投影概率理論開創(chuàng)性地提出可以用已實現(xiàn)收益率中產(chǎn)生損失的概率的方差來測算模糊性程度。王春峰等（2015）[14]基于該方法度量了滬深300指數(shù)的模糊性程度，發(fā)現(xiàn)我國證券市場的模糊程度略小于美國，且呈現(xiàn)出遞減趨勢。Izhakian（2020）[15]基于不確定概率期望效用理論[1用收益率實現(xiàn)概率的方差的加權(quán)求和度量了模糊性程度，將風險從模糊度量中剔除出去，為模糊的實證研究提供了理論基礎(chǔ)。

模糊的定價方面，許多研究都表明市場模糊存在溢價，參與了定價。如Guido等（2018）[通過波動率標準差衡量模糊性，發(fā)現(xiàn)了模糊性的負溢價。Lee等（2019）[17]使用實際GDP增長預測的橫截面分歧的標準差作為模糊性度量，也發(fā)現(xiàn)模糊性具有顯著的負溢價。Brenner 和Izhakian（2018）[18]則發(fā)現(xiàn)當投資者是模糊厭惡時，模糊的價格為正，而當投資者為模糊偏好時，模糊的價格為負，肯定了模糊參與定價。Shi（2019）[10]和劉語等（2020）[19]也得到了相似的結(jié)論，即模糊和風險均可以提升資產(chǎn)收益，模糊參與定價。

學者們對市場模糊參與定價有著廣泛的研究和共識，但對個股模糊的研究則稍顯不足，尤其是發(fā)展中國家股票市場中的個股模糊。本文從個股層面出發(fā)，對中國A股市場中所有個股的模糊進行了度量，系統(tǒng)地考察了個股模糊的定價能力及定價來源，且對個股的特質(zhì)模糊是否參與定價進行了研究，彌補了中國A股市場中個股模糊研究的不足，有助于加深投資者對不確定性的理解，對提升金融市場風險防范以及監(jiān)管也具有重要的實踐意義。

2個股模糊的度量與特征

風險可以用收益率的波動進行度量[20]，模糊則可以用收益率概率分布的波動進行度量。因此，本文借鑒Izhakian（2020）[15]的模糊度量方法對A股市場中個股的模糊進行度量，其表達式如下：

其中， φ（r） 為收益率 的概率密度函數(shù)， E 為收益率 的概率密度的期望， 為收益率 r 的概率密度的方差。與代理變量的方法相比，該度量方法的最大優(yōu)點是剔除了風險的部分。代理變量方法并沒有充足的證據(jù)表明代理指標僅代表了模糊而沒有包含風險，風險與模糊的難以區(qū)分，導致難以論證模糊與預期收益率之間的關(guān)系是獨立于風險的。而上述度量方法度量的模糊僅與收益率的概率分布有關(guān)，與收益率的波動（或方差）無關(guān)，這意味著該方法度量的模糊是獨立于風險的，從而剔除了模糊中屬于傳統(tǒng)風險的部分。這就使得本文可以在控制風險的情況下，對模糊和預期收益率的關(guān)系進行實證檢驗。基于個股的5分鐘高頻交易數(shù)據(jù)，個股的模糊程度的具體計算步驟如下：

（1）根據(jù)式（2）、（3），由日內(nèi)5分鐘對數(shù)收益率數(shù)據(jù)①估計得到日對數(shù)收益率正態(tài)分布的均值 和方差 。

其中， 為第 d 天的5分鐘對數(shù)收益率的數(shù)量， 為第 d 天的第 i 個5分鐘對數(shù)收益率， 為第 d 天的5分鐘對數(shù)收益率的樣本均值，即

（2）將日對數(shù)收益率從 -10%～10% 等分為100個間隔 （b i n） ，收益率間隔的寬度為 0.2% ，然后根據(jù)第一步估計的日對數(shù)收益率正態(tài)分布，計算收益率間隔的概率 。數(shù)據(jù)結(jié)構(gòu)如表1所示（假設(shè)該月有22個交易日）。

（3）月內(nèi)各交易日對數(shù)收益率的概率分布都是該交易日所在月份的月對數(shù)收益率概率分布的1種可能，這些概率分布的波動（或者說方差）的加權(quán)平均就是該月的模糊程度：

其中， E（P） 為概率分布的均值，同時也是對概率分布波動（或者說方差）進行加權(quán)平均時的權(quán)重， 為收益率間隔調(diào)整系數(shù)②， w=0.2% 。

圖1報告了各行業(yè)的平均月波動率和平均月模糊。由圖可知，月模糊較大的行業(yè)為計算機、國防軍工、有色金屬等，月模糊較小的行業(yè)為銀行、石油石化、食品飲料和家電等。計算機和有色金屬等行業(yè)的波動率和模糊程度都較大，而銀行及石油石化等行業(yè)的波動率和模糊程度都較小。從模糊度量的公式可知，日內(nèi)收益率的概率分布的方差更大的行業(yè)，模糊程度更高。換言之，日內(nèi)收益率的可能性分布更多的行業(yè)，模糊程度更高。而行業(yè)日內(nèi)收益率的可能性分布的多寡與該行業(yè)的透明度以及市值大小密切相關(guān)。銀行以及石油石化行業(yè)的透明度較高，市值較大也較為穩(wěn)定，因此，這些行業(yè)的模糊水平相對較低，投資者對這些行業(yè)的預期也較為穩(wěn)定。

3個股模糊的定價

3.1個股模糊與個股預期收益率

為了檢驗個股模糊在我國 A 股市場中是否被定價，本文借鑒Fama和French（1993）[21]的方法對所有個股的預期收益率基于其模糊水平進行組合的排序分組。具體地，每月按個股模糊性大小將所有個股從低到高排序并均分為5組，然后采取買人高模糊組合并賣出低模糊組合的策略，構(gòu)建一個多空組合，并持有至下一期。于是，就可以得到各組合的平均收益率以及經(jīng)過風險調(diào)整后的 α 收益，并對各組合的收益率以及 α 收益率是否為0進行統(tǒng)計檢驗。

表2給出了基于個股模糊性排序的組合收益率的結(jié)果，其中 A V G 代表各組合的平均收益率，CAPM和FF3分別代表經(jīng)過CAPM和Fama三因子調(diào)整后的 α 收益率。由表可知，低模糊組合每月的平均收益率為 1.34% ，而高模糊組合每月的平均收益率只有 0.89% ，高低模糊組合的平均收益率差額為 -0.45% ，且在 1% 的顯著性水平上顯著，表明個股模糊性與股票收益率之間有顯著的負相關(guān)關(guān)系。在分別經(jīng)過CAPM和Fama三因子的風險調(diào)整后，高低模糊組合的 α 收益差額也顯著為 -0.68% 左右，這表明高低模糊組合之間的這種差異不能被經(jīng)典的定價因子所解釋。綜上，個股模糊具有顯著的獨立于經(jīng)典定價因子的定價能力，它可能捕捉到了不能被風險所解釋的不確定性的溢價，且溢價為負。

3.2模糊因子與個股預期收益率

根據(jù)套利定價理論，系統(tǒng)模糊性敞口可能在因子模型中被定價，即個股模糊的獨立定價能力是來自于其在模糊因子上的風險暴露。本節(jié)研究個股模糊的獨立定價能力是否主要來自于模糊因子，或者說市場提供的系統(tǒng)模糊性口。

3.2.1 因子構(gòu)造和描述

本文定價模型所涉及的因子如表3所示。市場組合的月收益率為考慮了分紅再投資的滬深300指數(shù)的月對數(shù)收益率，無風險組合的月收益率為進行了月度化處理的1年期銀行存款利率。傳統(tǒng)的市場風險因子同時包含市場風險和市場模糊的溢價，不是一個準確的市場“風險”因子。因此，需要針對市場風險單獨構(gòu)建市場風險因子 R I S K 在剔除退市、停牌及ST類股票，以及刪除觀測數(shù)少于24個月的股票，并且去除個股上市180天之內(nèi)的交易數(shù)據(jù)之后，最終得到3539只個股時間跨度為 2005.1～2023.7 的面板數(shù)據(jù)。每月將個股按其上月波動率和模糊的大小分為高低兩組，以市值為權(quán)重得到兩組的加權(quán)月回報率，高波動組合減低波動組合的月收益率為市場風險因子RISK，高模糊組合減低模糊組合的月收益率為市場模糊因子AMB。規(guī)模風險因子和價值風險因子的構(gòu)造方法與Fama和French（1993）[21]相同，小市值組合減大市值組合的月收益率為規(guī)模風險因子 S M B 高賬面市值比（BM）組合減低賬面市值組合的月收益率為價值風險因子 H M L 。

表4給出了各因子的描述統(tǒng)計結(jié)果。由表可知，市場組合的超額回報（ 每月平均為 0.79% ，最小為 -30.23% ，最大為 24.44% ，標準差為 8% ，說明中國A股市場的起伏較大。小市值股票比大市值股票超額回報高（ S M Bgt;0 ），平均每月高 0.73% ：高BM股票比低BM股票超額回報高（ H M Lgt;0 ），平均每月高 0.31% ；高模糊股票則比低模糊股票超額回報低（ A M Blt;0 ），平均每月低 0.41% 。

由于市場風險因子RISK以及市場模糊因子AMB的構(gòu)造方法都是高不確定性組合減低不確定性組合的收益率，兩者皆為負，說明中國A股市場中市場風險和市場模糊都是負溢價，表明A股市場中的投資者整體是喜好風險和模糊的，愿意犧牲部分預期收益來追逐不確定性。規(guī)模風險因子SMB和價值風險因子HML都為正，說明中國A股市場中規(guī)模風險和價值風險都是正溢價，投資者持有小盤股或者價值股時，要求更高的預期收益作為承擔這兩種系統(tǒng)性風險的補償。

3.2.2 模糊因子的定價

本文采用分組回歸的方式來研究個股模糊的獨立定價能力是否主要來自于模糊因子，或者說市場提供的系統(tǒng)模糊性敞口。具體地，每月將所有個股按模糊程度由低到高進行排序等分為5組，并考慮如下股票組合的多因子定價模型：

其中， p=1，2，3，4，5 ，分別代表模糊程度由低到高的股票組合。 為股票組合 p 在 期的預期超額收益率， 為 期時市場模糊因子的大小， 為 期時市場風險因子的大小， 為 期時規(guī)模因子的大小， 為 期時價值因子的大小。

表5給出了四因子定價模型（5）的分組回歸結(jié)果。由結(jié)果可知，在控制了系統(tǒng)風險（市場風險、規(guī)模風險以及價值風險）后， 的估計值仍然均在 1% 的顯著性水平上顯著，說明股票組合的系統(tǒng)模糊對股票組合的預期超額收益有顯著影響； 的估計值隨著組合的模糊程度上升而增加，說明高模糊組比低模糊組承擔了更大的系統(tǒng)模糊（市場模糊敞口）。 的估計值均在 1% 的顯著性水平上顯著，說明組合的系統(tǒng)風險對組合的預期超額收益有顯著影響； 的估計值隨著組合的模糊程度上升并沒有明顯的變化趨勢，說明高模糊組與低模糊組承擔的市場風險（市場風險敞口）沒有太大差異。 的估計值均在 1% 的顯著性水平上顯著，說明組合的規(guī)模風險對組合的預期超額收益有顯著影響； 的估計值隨著組合的模糊程度上升并沒有明顯的變化趨勢，說明高模糊組與低模糊組承擔的規(guī)模風險沒有明顯差異。 的估計值均在 1% 的顯著性水平上顯著，說明組合的價值風險對組合的預期超額收益有顯著影響； 的估計值隨著組合的模糊程度上升并沒有明顯的變化趨勢，說明高模糊組與低模糊組承擔的價值風險沒有明顯差異。 ，說明組合 p 的預期超額收益率和價值風險因子之間是負相關(guān)的，也就是說，對于“買入一份高BM資產(chǎn)并賣出一份低BM資產(chǎn)”的多空組合來說，組合 p 相當于其對沖資產(chǎn)，具有保險功能。持有組合 p 的投資者為了獲得價值風險因子的對沖和保險，愿意讓渡一部分預期收益，即 。

綜上可知，個股（或組合）模糊是個股（或組合）預期收益的影響因素，其定價能力獨立于市場風險因子、規(guī)模風險因子以及價值風險因子，且主要來源于其系統(tǒng)模糊（市場模糊敞口）。

3.2.3 穩(wěn)健性檢驗

個股模糊對個股收益率的影響在不同的市場周期中可能有所差異。為了排除這一可能性對研究結(jié)論的影響，本文分別在牛市和熊市時期對兩者的關(guān)系進行了檢驗。具體地，選定2005年6月～2007年10月為牛市區(qū)間（共29個月），2009年8月 ～2012 年12月為熊市區(qū)間（共41個月），實證結(jié)果如表6和表7所示。由結(jié)果可知，個股（或組合）模糊是個股（或組合）預期收益的顯著影響因素，個股模糊的定價能力獨立于市場風險因子、規(guī)模風險因子以及價值風險因子，且主要來源于其系統(tǒng)模糊，結(jié)論穩(wěn)健。

此外，行業(yè)分布可能共同影響著個股收益率和個股模糊程度，使得個股模糊對個股收益率的顯著影響可能只是行業(yè)分布引起的。為了排除這一可能，本文對個股模糊進行行業(yè)中性化處理，具體地，在每一期的橫截面上用所有個股的模糊程度做如下橫截面回歸：

其中，Industryj為行業(yè)虛擬變量，若個股 i 屬于行業(yè) j ，則 ，否則為 0 ?；貧w的殘差 就是經(jīng)過行業(yè)中性化后的個股模糊程度。

表8給出了對模糊因子進行行業(yè)中性化后，對四因子定價模型（5）進行分組回歸后的結(jié)果。個股（或組合）模糊是個股（或組合）預期收益的影響因素，其定價能力獨立于市場風險因子、規(guī)模風險因子以及價值風險因子，且主要來源于其系統(tǒng)模糊（市場模糊敞口），結(jié)論不變④

最后，為了排除行業(yè)的模糊特征影響整體結(jié)論，本文還分別對高模糊水平的計算機行業(yè)和低模糊水平的石油石化行業(yè)進行了分組回歸分析（因篇幅所限，相關(guān)內(nèi)容留存?zhèn)渌鳎瑱z驗了不同模糊水平的行業(yè)中個股模糊與預期收益的關(guān)系，主要結(jié)論保持不變，說明行業(yè)的模糊特征不影響整體結(jié)論。

3.3個股的模糊 β 與個股預期收益率

前兩節(jié)中本文驗證了個股模糊具備獨立于風險的定價能力，且其定價能力來源于其在模糊因子上的暴露，高模糊組比低模糊組承擔了更大的系統(tǒng)模糊。本節(jié)進一步考察個股模糊的定價能力是否在橫截面上也顯著，即用Fama-MacBeth橫截面回歸方法來驗證個股預期超額收益是否與其模糊 β 顯著相關(guān)。

具體地，每月都將所有個股按其模糊程度由低到高進行排序并等分為10組，并考慮如下橫截面回歸方程：

其中， ，分別代表模糊程度由低到高的股票組合。 為股票組合 p 第t+1 期時的超額收益率。 、 、 以及 分別為股票組合 p 第 期的模糊因子貝塔、市場風險因子貝塔、規(guī)模因子貝塔以及價值因子貝塔，它們是對各股票組合 p 進行滾動窗口時序回歸得到的，代表了各組合承擔的各系統(tǒng)性風險的大小。

表9報告了個股（或組合）模糊溢價的Fama一MacBeth橫截面回歸結(jié)果。表中列（3）說明，在控制市場因子貝塔、規(guī)模因子貝塔以及價值因子貝塔時，股票組合的模糊因子貝塔每上升1單位，股票組合的平均超額收益率就下降 0.6% ，模糊因子貝塔與股票組合的預期超額收益率之間存在顯著的負相關(guān)關(guān)系。

綜上所述，在橫截面上，個股或者組合間存在顯著的“高模糊低收益”的負相關(guān)關(guān)系，這種關(guān)系在控制組合的市場貝塔、規(guī)模貝塔以及價值貝塔之后，依然成立。

3.4個股特質(zhì)模糊與個股預期收益率

前3節(jié)的研究結(jié)果表明，在中國A股市場中，個股模糊具有獨立定價能力，該定價能力來源于個股在模糊因子上的暴露。此外，個股模糊在橫截面上也具有獨立的定價能力，個股（或組合）間存在顯著的“高模糊低收益”的負相關(guān)關(guān)系。本節(jié)進一步檢驗個股模糊的定價能力是否全部來自系統(tǒng)模糊敞口，個股的特質(zhì)模糊是否也參與了定價。

本文將個股的特質(zhì)模糊性（Idiosyncratic Ambi-guity）定義為個股模糊性中不能被系統(tǒng)模糊性解釋的部分，與上市公司個體特質(zhì)相關(guān)的模糊，它是獨立于系統(tǒng)模糊性的。個股的特質(zhì)模糊性可由如

下回歸計算得到：

其中， 為個股 i 第 月的模糊程度，am 為市場模糊第 月的模糊程度， 為第 月個股i的特質(zhì)模糊性，記為iambii，。

為了探究特質(zhì)模糊性是否也參與了定價，本文需要在考察個股模糊的溢價回歸中加入特質(zhì)模糊性 ，檢驗其是否顯著影響個股的預期收益率。具體地，進行如下Fama-MacBeth橫截面回歸：

其中， ，代表模糊程度由低到高的股票組合。 為股票組合 p 第 期時的特質(zhì)模糊程度。

表10給出了回歸方程（9）的橫截面回歸結(jié)果。列（3）的結(jié)果說明，同時考慮組合的模糊貝塔以及特質(zhì)模糊時，組合的模糊貝塔與組合的預期超額收益率存在著顯著的負相關(guān)關(guān)系，而特質(zhì)模糊性與收益率之間的關(guān)系依然不顯著；列（4）、（5），分別添加了組合的市場貝塔和規(guī)模貝塔以及價值貝塔，其結(jié)果與列（3）的結(jié)果一致，即組合的預期超額收益率與組合的模糊貝塔顯著負相關(guān)，而與特質(zhì)模糊性不相關(guān)。

綜上所述，個股（或組合）模糊的定價能力是來自其承擔的系統(tǒng)模糊敞口，其特質(zhì)模糊部分并未參與定價，這與Guidolin和Rinaldi（2010）[22]的結(jié)論不相符。

4結(jié)論及政策啟示

本文利用中國A股市場個股的高頻數(shù)據(jù)，對個股模糊進行了度量，并對個股模糊在時序上以及橫截面上是否具有獨立的定價能力進行了檢驗。研究結(jié)果表明，模糊不確定性是中國A股市場中不可忽視的異于傳統(tǒng)風險的一種不確定性，個股模糊在時序上以及橫截面上都具有獨立的定價能力，模糊與預期超額收益之間呈現(xiàn)出顯著的負相關(guān)關(guān)系。進一步的研究發(fā)現(xiàn)，個股模糊的獨立定價能力來自于市場提供的系統(tǒng)模糊敞口，且個股的特質(zhì)模糊并未參與定價。本文較深入地探索了個股模糊的定價效應，為健全發(fā)展中國家資本市場定價功能提供參考和借鑒。

對于投資者和監(jiān)管者而言，將模糊不確定性納入到投資決策和風險管控中，對提升金融市場風險防范以及監(jiān)管具有很重要的實踐意義。

對于投資者而言，應當注重專業(yè)知識的學習。投資者之所以面臨不確定性，不僅是由復雜的市場環(huán)境導致的，同時也受限于個人的認知能力。中國A股市場中的投資者以散戶為主，在股票投資領(lǐng)域缺乏專業(yè)知識和系統(tǒng)的投資策略，這進一步加大了其在信息披露制度不健全時所面臨的不確定性。這種不確定性帶給中小投資者的損失概率要比獲取超額收益的概率大得多。所以，注重專業(yè)知識的學習，提升認知水平，對于中小投資者來說，就變得十分重要。

對于監(jiān)管者來說，應注重完善信息披露機制以及營造公平交易環(huán)境，如強制ESG信息披露和進行高頻交易監(jiān)管等舉措，以減少市場整體的不確定性程度。ESG信息披露是企業(yè)與社會進行有效溝通的重要渠道，監(jiān)管者可以在ESG信息披露和評級等方面發(fā)揮積極作用來提高資本市場的信息公開水平。如強制和細化ESG信息披露要求，動員公眾和媒體對ESG信息披露進行監(jiān)督，并加大對企業(yè)虛假披露的懲罰力度等。高頻交易監(jiān)管方面，程序化的高頻交易雖然有助于提高交易效率，改善市場流動性，但對中小投資者存在明顯的技術(shù)信息優(yōu)勢，存在策略趨同、交易共振等問題，會加大市場波動。監(jiān)管者應將高頻交易作為監(jiān)管重點，在一定程度上削弱高頻交易在技術(shù)、信息和速度等方面的過度優(yōu)勢，管控消極影響，為各類投資者營造一個更加公開、公平、公正的交易市場。從模糊不確定性的定義看，資產(chǎn)未來收益分布不確定的一個重要原因，就是決策環(huán)境的復雜性。信息是投資者決策的重要依據(jù)，不健全的信息披露制度會加大決策環(huán)境的復雜性。投資者無法通過現(xiàn)有資料對股價做出合理評估，從而導致反應過度或反應不足，不利于市場行情的穩(wěn)定性，降低資本市場效率。此外，中小投資者在信息獲取上處于劣勢，不健全的信息披露機制會使得股價存在操縱的空間，損害中小投資者的利益。因此，完善信息披露機制在減少市場不確定性，提高市場效率的同時，也能較好保障中小投資者的利益。

注釋：

通過剔除前一天的收盤價和后一天的開盤價，排除了隔夜價格變動的影響。

Brenner和Izhakian（2018）[18]證明 能最小化間隔寬度對模糊度量的影響，本文沿用該調(diào)整系數(shù)。

傳統(tǒng)的市場風險因子并不是一個準確的“市場風險因子”，因為它不僅包含了市場風險的溢價，還包含了市場模糊的溢價。確切地講，傳統(tǒng)的市場風險因子應該被稱為“市場不確定性因子”。因此，需要針對市場風險單獨構(gòu)建一個準確的市場風險因子。

除了行業(yè)分布，個股的波動率也共同影響著個股收益率和個股模糊程度。為了排除波動率的影響，本文還在對行業(yè)中性化的基礎(chǔ)上，進一步對波動率中性化同樣進行了分組回歸分析，結(jié)果顯示，在剔除了行業(yè)和波動率的影響之后，結(jié)論依舊不變。因篇幅所限，相關(guān)內(nèi)容留存?zhèn)渌鳌?/p>

為了排除分組方式對結(jié)論的影響，本文還分成了15組和20組，結(jié)論不變，因篇幅所限，相關(guān)內(nèi)容留存?zhèn)渌鳌?/p>

參考文獻

[1]GollierC.Portfolio Choicesand Asset Prices：The ComparativeStatics of AmbiguityAversion [J].TheReview ofEconomic Stu-dies，2011，78（4）：1329＼～1344.

[2]IzhakianYY，ZenderJF.InitialPublic OfferingsUnderAmbi-guity[J].SSRNElectronic Journal，2014，（2）：2409344.

[3］張順明，王彥一，陳之嫻，等.曖昧與國際資產(chǎn)組合選擇［J].系統(tǒng)工程理論與實踐，2016，36（10）：2465＼～2476.

[4]WernerJ.SpeculativeTradeUnderAmbiguity[J].JournalofE-conomic Theory，2022，199：105200.

[5］王曦宇.我國股指期貨市場的模糊性測度及其對期貨市場功能的影響研究［D]．南京：南京財經(jīng)大學，2023.

[6]宋磊.模糊性對期權(quán)買賣價差的影響［D]．廈門：廈門大學，2022.

[7］陳雪嬌．基于模糊厭惡的投資消費與保險需求研究［D]．北京：中央財經(jīng)大學，2022.

[8］郭文旌，劉凱．加密數(shù)字貨幣市場模糊性溢價檢驗及其驅(qū)動因素研究[J]．金融經(jīng)濟，2024，（9）：17＼～31.

[9]Antoniou C，HarrisRDF，ZhangR.AmbiguityAversionandStockMarketParticipation：AnEmpirical Analysis[J].JournalofBankingamp;Finance，2015，58：57＼～70.

[10]Shi Z. Time-Varying Ambiguity，Credit Spreads，and the LeveredEquityPremium[J].Journal of Financial Economics，2O19，134（3）：617＼～646.

[11］叢明舒.模糊性、模糊厭惡與期權(quán)定價［J]．金融學季刊，2017，11（1）：46＼～72.

[12]Driouchi T，TrigeorgisL，SoRHY. Option Implied Ambiguityand Its Informaton Content：Evidence from the Subprime Crisis[J].Annals ofOperarionsResearch，2018，262（2）：463＼～491.

[13]IzhakianY.Capital AssetPricingUnderAmbiguity[R].Wor-kingPapers，2012.

[14］王春峰，余思婧，房振明，等．中國證券市場Knight不確定性度量及資產(chǎn)定價研究［J]．系統(tǒng)工程理論與實踐，2015，35（5）：1116＼～1122.

[15]IzhakianY.ATheoretical Foundation of AmbiguityMeasurement[J].JournalofEconomic Theory，2020，187：105001.

[16]IzhakianY.Expected Utility with UncertainProbabilities Theory[J].Journal ofMathematical Economics，2017，69：91＼～103.

[17]LeeDH，Min BK，Kim TS. Dispersion of Beliefs，Ambiguity，and theCross-sectionof Stock Returns [J]. Journal ofEmpirical Fi-nance，2019，（50）：43＼～56.

[18]Brenner M，Izhakian Y.Asset Pricing and Ambiguity：EmpiricalEvidence[J].Journal of Financial Economics，2018，130（3）：503＼～531.

[19］劉語，王一迪，張麗宏．關(guān)于中國股票市場模糊性、風險與風險資產(chǎn)收益率的實證研究［J].經(jīng)濟學報，2020，（3）：85＼～111.

[20]Rothschild M，Stiglitz JE.IncreasingRisk：I.ADefinition [J].Journalof Economic Theory，1970，2（3）：225＼～243.

[21]FamaEF，F(xiàn)renchKR.CommonRisk FactorsintheReturns onStocksand Bonds[J]. Journal of Financial Economics，1993，33（1）：3＼～56.

[22]Guidolin M，RinaldiF.A Simple Model of Trading and PricingRiskyAssetsUnder Ambiguity：AnyLessons forPolicy-makers？[J].AppliedFinancial Economics，2010，20（1-2）：105＼～135.

A Study on the Measurement and Pricing of Individual Stock Ambiguity

-Evidence From High-frequency Trading Data in China's A-share Market， 2O05＼～2023

Luo DongdongFeng Ke （School ofEconomics，PekingUniversity，Beijing1OO871，China）

[Abstract]Thepricingeficiencyofthestockmarketisabasicprobleminthefinancialmarket，andtheambiguityof individualstocksplaysanimportantroleinthepricingeficiencyofthefinancialmarket.Usingthe5-minutehigh-frequencydataofindividualstocksinChina’sA-share marketfromJanuary2OO5toJuly2O23，thispapermeasures themonthlyambiguityof individual stocksandconstructsanambiguitypricingfactortostudythepricingabilityandpricingsourceofindividualstocksambiguityThe resultsshowthat：（1）InChina’sA-share market，individualstockambiguityhastherisk-independentpricingabity，whichis mainlyderivedfromtheexposureofindividualstocksonambiguityfactor.Besides，individualstocksambiguityalsohasrisk-independent pricing abilityonthecrosssection，implying a significant“highambiguityandlowreturn”corelation among individual stocksorportfolios；（2）Bydecomposingtheambiguityf individualstocksintosystematicambiguityandidiosyncraticambiguity， thispaperalsofindsthatthepricingabilityof individual stocksambiguitycomesfromsystematicambiguity，andthidiosyncratic ambiguity has no pricing ability.

[Key words] individual stock ambiguity；ambiguity measurement；ambiguity pricing；idiosyncratic ambiguity；systemambiguity；high frequency data；stock market；pricing power [Jel classification]O16；G19

（責任編輯：張舒逸）