王志強，王　靜

(東北財經大學a.金融學院；b.社會與行為跨學科研究中心，遼寧 大連　116025)

?

基于投資者意見分歧的風險與收益關系實證研究

王志強a，王靜b

(東北財經大學a.金融學院；b.社會與行為跨學科研究中心，遼寧 大連116025)

[摘要]以綜合A股市場為研究對象，檢驗投資者意見分歧對市場風險—收益關系的影響。研究結果表明，當市場分歧較小時，風險和收益之間具有強烈的正相關性；當市場分歧較大時，兩者之間的關系則變得十分微弱。投資者意見分歧會削弱市場上的風險與收益關系，影響人們對風險的厭惡程度。意見分歧不僅能夠直接預測收益，而且能通過影響風險補償進而間接地預測收益，使風險補償更快地發(fā)揮作用。

[關鍵詞]投資者意見分歧；風險與收益關系；股市波動率；風險補償；資產定價；市場風險；投資風險

一、引言

標準的資產定價模型，如CAPM，它假設投資者對于資產未來回報的概率分布具有一致判斷，即投資者有同質信念。顯然，這一假設是不符合現實的。經濟生活中關于異質性和多樣性的證據是最重要的發(fā)現。首先，由于市場的弱勢有效甚至非有效，市場信息的傳遞渠道和傳遞速度對于每位投資者而言是不同的；其次，投資者的決策行為不僅受到自身固有的認知偏差的影響，同時也會被外界環(huán)境所干擾，故而每位投資者對信息的處理方式也是不同的?；谶@些原因，投資者之間很難具有同質預期，而是更可能表現出千差萬別。也正是由于投資者對買賣的判斷不同，才會促成活躍的市場交易。因此，同質信念假設是不符合現實的，投資者之間更可能具有異質信念，表現為意見分歧。

早有理論研究表明，意見分歧會影響股票的未來收益，而大量的實證發(fā)現也支持這一觀點。在此基礎上，本文通過一系列理論分析，進而提出假設：投資者意見分歧會影響風險與收益之間的權衡關系。本文將以我國A股市場為研究對象，驗證上述假設是否成立。一個明顯的事實是，我國資本市場中個人投資者的比例長期偏高，這一點與全球大部分市場完全不同。例如，根據深交所發(fā)布的報告，2011年深市A股個人投資者的持股戶數占比為99.83%，交易金額占比也在80%以上。結合這一事實與前文的推測，本文認為與國外成熟市場相比，我國國A股市場投資者意見分歧的程度較高。因此，恰如張維和張永杰所言，“中國A股市場為基于異質信念的風險資產定價研究提供了一個‘實驗室’”，“可以更清晰地發(fā)現在西方成熟市場不易發(fā)現的定價規(guī)律”[1]。

借鑒Yu的研究，本文采用“自底向上”的方法構造了A股市場的整體分歧[2]。隨后，本文將整個樣本區(qū)間根據分歧水平高于還是低于其中值劃分為兩個時期，檢驗意見分歧對風險與收益關系的影響。為了使分析更嚴謹、結果更可靠，本文使用了三種波動率模型和兩種收益率計算方法，并在基本回歸分析之后進行了一系列穩(wěn)健性檢驗。研究結果表明，意見分歧的確在風險與收益關系中扮演了重要角色。具體而言，當市場分歧較小時，風險和收益之間具有強烈的正相關性；當市場分歧較大時，兩者之間的關系則變得十分微弱。這一實證發(fā)現不僅支持了本文提出的假設，并且也為我們長久以來的經濟認識提供了證據，即當市場由理性投資者主導時，風險能夠得到正的補償。

二、相關文獻回顧

(一)基于意見分歧假設的資產定價理論

張維和張永杰將意見分歧定義為不同投資者之間對相同股票在相同持有期下的收益分布有著不同的判斷[1]。顯然，投資者之間具有意見分歧是更符合資本市場真實運行狀況的假設。于是，為了更準確地描述金融市場中的價格確定機制，部分學者開始考慮從意見分歧的角度構建資產定價理論。

早期的理論分析模型來自于Miller[3]。他認為市場上同時存在樂觀投資者和悲觀投資者，然而在賣空限制的假設下，悲觀投資者被排除在市場之外，只有對股票估值最高的樂觀投資者才會持有股票，于是股票價格主要反映了樂觀投資者的意見。這會造成股票價格相對于其真實價值的偏離，同時這種偏離會隨著投資者意見分歧的增大而增大，隨著賣空限制的增強而增強。然而隨著時間的推移，信息的傳遞逐漸充分，投資者的意見也慢慢趨于一致，最終股票價格會趨于其真實價值。因此，越是在當期被高估的股票，其未來的收益就越低，可見意見分歧與股票未來收益呈負相關關系。Miller的模型提供了一個靜態(tài)的分析框架，但沒有考慮到分歧水平的變化及其所帶來的影響[3]。實際上，投資者意見分歧本身就具有動態(tài)特征。人們最早在共同知識的框架下，從先驗信念異質性的角度解釋了交易量的產生以及交易量與價格之間的關系。如果意見分歧源于先驗信念的異質性，那么通過不斷學習和信念調整，人們會逐漸了解證券收益的真實分布，使價格最終回歸到真實價值。

基于Miller提出的理論框架，近些年，我國學者也開展了一系列關于投資者意見分歧的相關研究[3]。王明、孫韋從投資者的資金成本差異及信息不對稱的角度出發(fā)，構建了一個不完美市場中的資產定價模型，針對不確定條件下異質投資者對資產價格的影響進行了探討[4]。張維和張永杰提出了一個基于投資者意見分歧的風險資產定價模型，證明了資產價格的高估程度取決于樂觀投資者和悲觀投資者的比例[1]。

(二)基于意見分歧假設的資產定價檢驗

除了理論探討之外，學者們也在現實世界中尋找意見分歧影響股票價格的證據。自Miller最早提出意見分歧會降低股票的未來收益之后，學術界涌現出大量優(yōu)秀的文章對其進行了實證檢驗[3]。Diether 等人利用1983—2000年美國上市公司的數據進行研究，發(fā)現分析師預測分散性與股票的未來收益負相關，且這種現象在小公司和過去業(yè)績差的公司中尤為明顯，他們還認為分析師盈余預測分散性可以被視為是投資者意見分歧的一種度量指標，且采用同樣的度量指標，將樣本推廣至澳大利亞和歐洲市場，結論均支持意見分歧與股票未來收益之間存在負相關性[5]。此外，得益于Miller提出的分析框架，意見分歧還可以用于解釋許多金融市場上的收益異象，例如“IPO長期收益弱勢”現象以及市場分割導致的股票折價現象[3]。

近些年來，我國學者也開展了許多關于投資者意見分歧的實證研究工作，研究結論均支持意見分歧與股票未來收益之間存在負相關關系。陳國進和張貽軍檢驗了意見分歧與我國股市個股暴跌現象之間的關系，結果表明，意見分歧越嚴重，市場(個股)發(fā)生暴跌的可能性越大[6]。陸靜等人假定分割市場中投資者存在信息處理能力上的差異，進而推導出一個兩階段定價模型，證明了意見分歧和賣空限制是導致我國H股價格低于A股價格的重要原因，并進行了實證檢驗[7]。

本文認為，目前我國學術界關于意見分歧的研究可能存在以下幾點不足：首先，大部分實證研究以直接檢驗Miller[3]的理論模型為主，即重點考察意見分歧對股票未來收益的預測能力，卻忽略了風險因素的作用；其次，國內學者普遍使用交易量作為意見分歧的代理指標，而實際上，交易量在實證研究中也常常被用于度量其他變量，如流動性等，因此與交易量有關的收益現象并不一定可以完全歸因于意見分歧；最后，現有的關于意見分歧的定價研究幾乎都是基于股票橫截面收益進行的，沒有考慮到意見分歧對市場收益的預測能力。

基于上述分析，本文將在前人研究的基礎上進行以下幾點改進：(1)將收益與風險同時納入到研究中來，即考察意見分歧對風險與收益權衡關系的影響；(2)同時使用交易量和分析師預測分散度作為投資者意見分歧的代理指標，以確保研究結論的可靠性(不過由于后者的相關數據十分有限，因此只將其作為穩(wěn)健性檢驗)；(3)從市場層面研究意見分歧對資產定價的影響。

三、理論分析與假設提出

Miller的理論分析表明投資者意見分歧會影響股票的未來收益[3]。在此基礎上，本文進一步推測意見分歧還會影響風險與收益之間的權衡關系。

本文首先從意見分歧的形成機制之一，即信息不對稱的角度進行分析。傳統(tǒng)資產定價模型(如CAPM和APT)在“理性人”和“有效市場”兩大假說下，認為風險與收益之間存在正相關關系，高風險一定伴隨著高收益。理性的投資者是風險厭惡的，對于承擔風險會要求一定的風險補償。這里的“理性”包括多層含義，其中有一層，意思指的是投資者能夠對已知信息做出正確的加工處理，從而對市場進行無偏估計。然而，在真實投資世界中，由于“漸進的信息流”和市場分割等諸多因素，投資者之間的已知信息是不同的。故而，處于信息劣勢的個人投資者很難對市場做出無偏的估計，又由于他們是缺乏經驗的“菜鳥投資者”(naive investors)，不懂得如何正確地評估風險，結果導致了對資產風險的錯估[8]。此外，機構投資者具有高度的同質性，可能對相同的外部信息做出相似的反應。換言之，機構投資者之間不會產生太大的分歧。與此不同的是，處于信息劣勢的個人投資者之間存在著較大的私人信息差異，由此帶來的后果是，市場中的個人投資者根據不同的私人信息進行決策，表現出千差萬別的主觀判斷，最終導致彼此之間的分歧越來越大。因此，我們可以發(fā)現，當個人投資者較為活躍時，市場中的分歧程度比較嚴重。綜合上述分析，本文認為處于信息劣勢的個人投資者很難對市場做出無偏的估計，而是更容易形成對資產風險的錯估，又由于在市場分歧嚴重時，個人投資者的參與度增加，對市場施加了更強烈的影響，因此導致了更低的風險溢價，削弱了風險與收益之間潛在的正相關性關系。

不過，即使市場上的所有投資者都具有相同的已知信息，也很難形成對市場的一致無偏估計，因為我們無法保證每位投資者都能夠以正確的方式對信息進行加工處理。“理性人假設”實則規(guī)定了投資者在決策過程中遵循貝葉斯法則，然而，在現實世界中，囿于有限的認知能力，我們總是試圖把復雜的問題簡單化，結果導致各種各樣的認知偏差，這是人類的弱點，即使是最精明老練的投資者也無法完全避免。不過相比之下，個人投資者更容易受到認知偏差的影響[1]。例如，個人投資者在決策過程中存在明顯的處置效應，即傾向于賣出盈利的股票而持有虧損的股票。因此，Yu和Yuan認為即使個人投資者能夠正確地評估風險，但是由于認知偏差的存在，與基于風險補償進行投資的理性投資者相比，個人投資者可能會以犧牲風險補償為代價去追求收益或者是避免風險，因而導致風險與收益關系被削弱[8]。例如，如果人們手中持有的是具有正偏收益分布的股票，那么這些投資者的效用會得到提高。但隨之導致的結果是，面對正偏收益分布的股票，這些存在認知偏差的投資者會要求更低的風險補償，因此弱化了風險與收益之間的權衡關系。個人投資者是風險偏好的，而理性的機構投資者則是風險厭惡的。因此，基于上述分析本文認為，非理性的個人投資者由于受到認知偏差的影響，因而會要求較低的風險溢價，導致風險與收益之間的權衡關系被削弱。此外，個人投資者之間的認知偏差也會導致嚴重的意見分歧。理性的投資者根據貝葉斯法則進行判斷，因而具有恒定的決策標準，更容易達成一致的判斷。然而，各種各樣認知偏差的存在表明個人投資者的決策行為是難以預測的，不存在一個恒定的決策標準，因而非常容易產生千差萬別的主觀判斷，形成嚴重的意見分歧。于是，當個人投資者較為活躍時，我們可以預測市場中的分歧程度會比較嚴重。因此，綜合上述分析，本文認為，即使個人投資者能夠正確地評估風險，但是由于認知偏差的存在，他們也會做出不理性的投資行為，導致更低的風險溢價，又由于在市場分歧嚴重時，個人投資者的參與度增加，對市場施加了更強烈的影響，因此最終削弱了風險與收益之間潛在的正相關關系。

綜上，本文從理論上分析了意見分歧可以通過影響風險資產的風險溢價，進而間接地預測其未來收益，即意見分歧會影響風險與收益之間的權衡關系。具體而言，個人投資者是意見分歧的主要來源群體，他們一來容易錯估風險，二來容易受到認知偏差的影響進而做出非理性的決策行為，因此，當市場上分歧嚴重時，個人投資者的頻繁交易會導致更低的風險溢價。于是，本文提出假說1。

假說1：投資者意見分歧會弱化市場的風險與收益權衡關系。

當市場上分歧較小時，說明理性投資者的交易占據了主導位置，他們能夠正確地評估風險，也不容易受到認知偏差的影響，因此會要求正的風險補償，這導致了風險與收益之間的正相關性。于是，本文提出假設2。

假說2：當市場分歧較小時，風險與收益之間正相關。

四、數據和方法

(一)波動率模型

波動率因其是金融資產風險的一種簡潔度量指標而在金融理論研究和實物操作中占據著核心地位。早期研究的一般假定波動率是一個靜態(tài)值，從而可以使用一段時間內收益率的方差來近似度量某個時點的波動率。然而大量有關金融數據的實證研究表明，許多金融變量的方差是隨時間變化的，同時存在聚類效應。因而在實際應用中，學者們對波動率的估計往往采用動態(tài)模型。GARCH模型是比較常用的估計波動率的動態(tài)模型，它是ARCH模型的推廣。

風險與收益的實證關系嚴重依賴于所選取的條件方差模型。因此，為了確保研究結論的可靠性和穩(wěn)健性，本文將采取三種波動率模型來衡量風險，分別是滾動窗口模型、GARCH(1，1)模型和EGARCH(1，1)模型，同時用滯后的已實現波動率作為下一期波動率的預期值。

估計收益的條件方差，最直觀的方法是使用滾動窗口模型。它屬于靜態(tài)模型，已經成為廣為接受的度量風險的方法。該模型用本月的已實現方差作為下個月收益的條件方差，且股票已實現收益的方差與股票預期收益的方差有很大的相關性。具體計算方法如下：

其中，ri代表t月日收益的離差， Nt代表t月的實際交易天數，21表示我國股市平均每月有21個交易日。

(二)投資者意見分歧

1.選取合適的度量指標

交易量作為投資者意見分歧的代理指標具有較堅實的理論基礎。交易的產生是由于新的信息進入市場，投資者根據新的信息更新信念后進行交易，分歧越大，交易就越多，因而他們認為交易量能夠衡量投資者之間的分歧程度。盈余公告時期的交易量非常高，這很可能是源于投資者對盈余公告的不同解讀而導致的嚴重意見分歧。分析師預測分歧是另一個常被用于衡量投資者意見分歧的代理指標。

然而，無論是交易量還是分析師預測分歧，都不是投資者意見分歧的完美度量指標。因此，為了保證研究結論的可靠性和穩(wěn)健性，本文將在實證分析部分使用交易量指標來衡量投資者的意見分歧，然后在穩(wěn)健性檢驗部分使用分析師預測分歧指標對上述實證結果進行驗證。

2.選取合適的構造方法

由于本文的研究對象是綜合A股市場，因此我們需要度量的是整個市場的分歧程度，相當于一個市場投資組合，與以往以個股為研究對象的文獻有很大的不同。目前，從投資組合的角度出發(fā)去研究意見分歧的實證研究主要是使用了分析師預測分歧指標作為代理變量，區(qū)別則是各自采用了不同的組合分歧構造方法，如運用一種“自頂向下”(top-down)的構造方法，或直接用分析師對S&P500指數的盈余預測分歧來衡量市場組合分歧。不過，Yu認為這種方法不夠直接，相比之下，用“自底向上”(bottom-up)的方法來構建組合分歧是更好、更穩(wěn)健的，同時具有更高的信噪比(signal-to-noiseratio)[8]。具體操作上，Yu將組合分歧定義為個股分歧的加權平均[8]。本文更傾向于Yu的做法，因為這種構造方法能更多地考慮到個股橫截面差異的影響[2]。因而，本文將采用“自底向上”的方法來構造A股市場的意見分歧。

3.綜合A股市場的投資者意見分歧

(1)異常交易量。本文在實證部分構造了異常交易量指標作為投資者意見分歧的代理變量，認為交易量可以被分解為正常交易量和異常交易量，且異常交易量較好地刻畫了投資者分歧的變化。由于我國股票市場上的持股時間較短，同時考慮到月度交易量之間顯著的正序列相關性，因此可將上一期的交易量作為當期交易量的預期值，將異常交易量定義為本期和上期交易金額的比值。使用交易金額，是為了避免因股改而造成流通股數量的突然上升。不過交易金額也難以純粹地衡量意見分歧，因為它同時反映了“價”和“量”的變化。本文在定義異常交易量時，使用的是成交量，而非交易金額，不過兩者相差不大。

綜上，本文在實證部分構造了異常交易量指標作為投資者意見分歧的代理變量，并通過“自底向上”的方法來構造綜合A股市場的整體分歧：

其中，Disgi,t代表股票i在t期的分歧，表示為t期和t-1期成交量的比值，Sizei,t是市值。

(2)分析師預測分歧。本文在穩(wěn)健性檢驗部分使用分析師對上市公司EPS的長期預測作為投資者意見的代理變量，這一方法在學界被廣泛使用，例如Yu[2]。在我國，分析師一般會對公司t年、t+1年和t+2年的EPS進行預測。而Yu認為，選擇EPS的長期預測具有更多的好處。因此，本文使用的是分析師對公司t+2年EPS的預測數據，于是個股分歧可以表示為：

其中，Disgi,t表示股票i在t期的分歧，等于跟蹤公司i的所有分析師在t期對股票i的EPS預測標準差除以其預測均值的絕對值。

(三)數據及統(tǒng)計分析

本文以綜合A股市場為研究對象，檢驗前文提出的假說1和假說2。本文所選取的樣本區(qū)間為1995年1月至2014年4月，共232個觀測值。關于收益率指標，本文分別選取了A股市場中的考慮現金紅利再投資的等權收益率和總市值加權收益率。之所以采用兩種收益率，主要是因為實證研究發(fā)現投資者意見分歧對股票未來收益的影響在小規(guī)模公司中尤為顯著[5，8]。因此，為了保證研究結論不受公司規(guī)模的影響，本文在實證部分將分別采用市場的等權收益率和加權收益率。根據復利計算方法，本文將整存整取的一年期定期存款利率轉化為月度的無風險利率。數據來源為CSMAR數據庫。

表1概括了綜合A股市場月度超額收益率及其已實現方差的描述性統(tǒng)計情況。根據前文提出的異常交易量指標，通過“自底向上”的方法計算每個月的市場整體分歧，之后在全樣本區(qū)間(232個月)內進行排序，將分歧較小的116個月視為市場分歧較小時期，剩余的116個月視為市場分歧較大時期。

總體而言，市場的收益分布在不同的分歧時期表現出較明顯的差異。在市場分歧較大時期，方差、偏度和峰度的值都要顯著高于市場分歧較小時期(這三個統(tǒng)計量常被用于描述市場收益的波動性)。這樣的統(tǒng)計結果與我們之前的推斷相符：在市場分歧嚴重時期，非理性的個人投資者對市場價格的影響更強烈。不過，表1也同時呈現出一個與我們的經驗證據不符的現象，即在不同的分歧時期，市場收益并沒有明顯的差異。因此，在本文的樣本區(qū)間內出現的這種現象無疑是奇怪的，我們將在回歸分析部分進一步觀察。

表1　綜合A股市場月度超額收益率及其已實現方差的描述性統(tǒng)計

五、實證分析

在這一部分，本文將通過回歸分析的方式來驗證前文提出的假設。我們可以通過模型1來檢驗市場的風險與收益關系：

Rt+1=α+βVar(Rt+1)+εt+1

(模型1)

其中，Rt+1代表市場的月度超額收益，而Var(Rt+1)則表示收益的條件方差，它們根據前文提到的三種波動率模型分別計算得出。需要補充說明的是，收益和條件方差的數據是相對應的，即Rt+1使用等權(總市值加權)月收益率，那么對波動率的估計就使用等權(總市值加權)日收益率。

模型1屬于單狀態(tài)模型，沒有考慮到市場中不同分歧水平的影響。而如果想要驗證本文的假設，我們需要用到模型2：

Rt+1=α1+β1Var(Rt+1)+α2Dt+β2DtVar(Rt+1)εt+1

(模型2)

表2　基于滾動窗口模型的風險—收益回歸分析

注：括號內報告的是經過Newey-West調整的t統(tǒng)計值，*、**和***分別代表在10%、5%和1%的顯著性水平下顯著，下同。

模型2是一個兩狀態(tài)模型，Dt是虛擬變量。如前文所述，本文根據分歧的大小將樣本劃分為兩個時期，其中，分歧較小的116個月視為市場分歧較小時期，Dt=0；分歧較大的116個月視為市場分歧較大時期，Dt=1。如果本文提出的假說1成立，投資者意見分歧確實會弱化市場的風險與收益關系，那么β2應該為負；如果假說2成立，我們預期β1為正，因為在市場分歧較小時期，非理性的個人投資者較少，對市場的影響較弱，因而預期市場在理性環(huán)境下會存在正的風險補償。

表2報告了以滾動窗口模型估計條件方差的風險與收益回歸結果。從模型1的結果來看，風險和收益之間的關系是非常微弱、模糊的，它們的回歸系數β為0.226，對應的t值是0.37，模型的擬合優(yōu)度也很低，僅為0.1%。

在模型1中加入描述分歧差異的虛擬變量Dt，使之變成一個兩狀態(tài)模型，于是模型2的回歸結果顯示出更明確的風險至收益關系。以Panel A的結果為例，在分歧較小時期，市場上存在顯著的風險補償(β1=2.275，t=2.07)，意味著風險和收益之間是正相關的，投資者表現為風險厭惡；而在分歧較大時期，這種正相關性卻被明顯弱化了(β2=-2.443，t=-2.03)，風險至收益關系的斜率接近于0(β1+β2=-0.168，F=0.11)，表明此時風險和收益之間不具有相關性，投資者傾向于風險中性，甚至是輕微的風險偏好。以上回歸結果不僅在統(tǒng)計意義上顯著，而且具有重要的經濟含義。例如，β1=2.275和β2=-2.443分別意味著在市場分歧較小時期，條件方差每增加一個標準差單位，會帶來超額收益上升1.65%；而在市場分歧較大時期，條件方差每增加一個標準差單位，會帶來超額收益下降3.96%。此外，相比于單狀態(tài)模型，兩狀態(tài)模型能夠更好地擬合數據，表現為從0.1%提高至1.4%。

表3　基于等權日收益率的條件方差相關系數矩陣

我們可以在Panel B的回歸結果中觀察到類似的顯著性。這表明意見分歧對風險與收益關系的影響并不局限于小公司，而是普遍存在于各種規(guī)模的公司之中。不過，對比Panel A和Panel B的結果，可以發(fā)現意見分歧的影響并沒有在小規(guī)模公司中更顯著，這與已有的實證結論不符。

本文共采用了三種波動率模型來估計收益的條件方差，分別是滾動窗口模型、GARCH(1，1)模型和EGARCH(1，1)模型。以等權日收益率的估計結果為例，表3列出了這三種模型估計結果的相關系數矩陣，其中上三角矩陣是Pearson相關系數，下三角矩陣是Spearman相關系數?？梢钥吹?，三種模型估計的條件方差總體上是高度相關的，但相比之下，滾動窗口模型和GARCH族模型的估計結果還是有一些差異。因而，非常有必要用GARCH族模型估計的條件方差來檢驗本文的理論假設。

表4　基于GARCH(1，1)模型的風險與收益回歸分析

由于篇幅有限，本文只匯報了基于EGARCH(1，1)模型的風險與收益回歸結果，如表4所示?？傮w而言，不論是單狀態(tài)模型還是兩狀態(tài)模型，我們都得到了和表2類似的結果。兩個關鍵系數的估計值在統(tǒng)計意義和經濟意義上都是顯著的，但這種顯著性略有下降。

綜上所述，表2、表4的實證結果支持了本文提出的假說1和假說2：意見分歧會弱化市場的風險與收益關系，導致時變的風險溢價。當市場分歧較小時，投資者是風險厭惡的，對于承擔風險會要求一定的風險補償，故此時風險與收益之間正相關。然而這種正相關性卻在分歧嚴重時被明顯削弱了，導致風險與收益關系變得模糊、不明確。以上實證發(fā)現不僅很好地驗證了前文的論斷，即個人投資者在市場分歧嚴重時期對股票價格施加的非理性影響會削弱市場的風險與收益關系，也為我們長久以來的經濟直覺提供了證據：當市場由理性投資者主導時，風險能夠得到正的補償。在小分歧時期，衡量風險與收益關系的系數β1具有重要的經濟含義。然而，當市場分歧嚴重時，風險與收益關系的斜率接近于0，即β1+β2不顯著，表明此時市場被非理性的個人投資者主導，風險難以得到補償。另外，我們的實證結果也是十分穩(wěn)健的，不依賴于收益率數據和條件方差模型的選取。

不過，一個很奇怪的現象是，雖然定義分歧的虛擬變量和條件方差構成的交互項的預測能力(β2)是顯著的，然而虛擬變量本身的預測能力(α2)卻并不顯著，這一點我們早在分析表1的時候就已經有所察覺。意見分歧與股票未來收益具有相關性已經取得了普遍的實證證據，即當期的投資者意見分歧會降低股票的未來收益，因而我們預期α2為負。但是顯然，我們的實證結果表明分歧對收益的預測能力并不顯著，更準確地說，在滯后期為一個月的情況下并不顯著。本文認為可以從以下兩個方面進行解釋：第一，本文的研究對象是綜合A股市場，而以往的經驗證據幾乎都來自于個股層面。前者側重的是整個市場在時間維度上的分歧水平，后者則著重考察了公司橫截面上的分歧差異。顯然，投資者之間的意見分歧更多的體現在不同股票之間，而不是同一只股票的不同時期。而本文采用“自底向上”的分歧構造方法，用個股分歧加權得出市場組合的整體分歧，難免會模糊了公司橫截面之間的差異，因而可能會弱化意見分歧與股票收益之間的關系。第二，以投資組合為研究對象的實證發(fā)現表明，意見分歧對股票未來收益的預測能力在短期并不顯著。Yu發(fā)現，投資者意見分歧具有均值回歸的性質[2]。其中，極小比例的分歧會在一個月內開始均值回歸，一年左右分歧受到的沖擊進入半衰期，三年后全部回歸到均值。與均值回歸的速度相對應，分歧對未來一個月收益的預測能力十分微弱，而對未來一年到三年收益的預測能力則非常強。簡而言之，Yu的研究結論表明意見分歧對中長期收益的預測能力要明顯優(yōu)于短期，這也很好地解釋了本文α2不顯著的原因[2]。不過，由于定義分歧的虛擬變量和條件方差構成的交互項的預測能力(β2)是顯著的，因而我們可以推斷分歧可以通過影響風險補償進而間接地預測收益。顯然，本文的實證結果表明與分歧本身對收益的直接預測能力相比，這種間接的預測能力會更快地發(fā)揮作用，因為分歧在中長期才開始快速地向其均值回歸。

六、穩(wěn)健性檢驗

在這一部分，本文將會對以上實證結果進行必要的穩(wěn)健性檢驗。首先，本文使用分析師預測分歧替代異常交易量作為度量投資者意見分歧的指標，考察上述研究結論是否依賴于關鍵變量度量方法的選??；其次，使用包含經濟周期信息的宏觀經濟變量替代意見分歧，檢驗是否只有意見分歧能夠導致上述的風險與收益模式。

(一)以分析師預測分歧度量投資者意見分歧

如前文所言，交易量作為投資者意見分歧代理指標的最大問題在于，它不僅僅度量了分歧。大部分有趣的價格和收益現象都與交易量的變動緊密相關。因此，本文的實證發(fā)現很可能也會遭到這樣的質疑，即影響市場風險與收益關系的因素是交易量，而非投資者意見分歧。顯而易見，為了證明本文研究結論的可靠性，最直接、有效的方法就是采用交易量以外的其他指標作為投資者意見分歧的代理變量，重新進行實證檢驗。如果仍然可以得到相同的實證結果，那么將可以有力地證明我們的結論是穩(wěn)健、可靠的。

根據本文提出的變量構造說明，我們使用分析師對上市公司t+2年EPS預測的數據，同時通過“自底向上”的方法來構造綜合A股市場的整體分歧。數據來源于CSMAR數據庫。眾所周知，我國證券分析師行業(yè)發(fā)展較晚，分析師數據庫的建立與完善更是在近十幾年才開始起步的，這就導致了我們可獲取的早期分析師數據十分稀少，甚至為零。根據本文的統(tǒng)計，我國從2001年開始有公開的分析師預測數據，不過和數量龐大的A股上市公司相比，預測的覆蓋率非常低。然而從2007年開始，不論是分析師人數還是分析師預測次數都有了大幅度的提高，且涵蓋了大部分A股上市公司。因此，為了使得分析師預測分歧能夠更準確地度量A股市場的投資者意見分歧，本文檢驗的樣本區(qū)間是從2007年1月到2014年4月。

所選的樣本數據還需要依次進行以下兩項篩選：首先，如果同一家券商在t月對公司i進行了多次預測，那么只保留最后一次預測的結果；其次，我們想要計算分析師的預測分歧，顯然只有兩個以上不同分析師的意見才能稱之為分歧，因而刪除掉每個月只有一家券商預測的樣本觀測。

表5　回歸系數及其顯著性

下面檢驗的思想及步驟與本文第四部分完全相同，由于篇幅有限，本文沒有給出詳細的檢驗結果，而是將關鍵系數的回歸結果匯總在表5當中?？梢钥闯?，用分析師預測分歧度量的投資者意見分歧依然具備這樣的能力即可以區(qū)分出風險厭惡程度不同的兩種市場狀態(tài)。當市場分歧較小時，投資者是風險厭惡的，對于承擔風險會要求一定的風險補償，故此時風險與收益之間正相關。然而，這種正相關性卻在市場分歧加大時被明顯弱化了，投資者傾向于風險中性，甚至是風險偏好。因此，不論是使用交易量還是分析師預測分歧，所得的實證結論均能夠有力地支持本文提出的理論假設，由此可以很好地證明我們的實證結論是十分穩(wěn)健的，不依賴于度量指標的選取，即能夠影響市場風險與收益關系的因素是投資者意見分歧，而非交易量。

(二)以宏觀經濟變量代替投資者意見分歧

第五部分的實證結果表明，意見分歧有一種能力，可以區(qū)分出風險厭惡程度不同的兩種市場狀態(tài)。可是，大量的實證研究表明股票的超額收益是可以預測的，風險溢價與經濟周期呈反向變動趨勢：在經濟蕭條時更高，在經濟擴張時更低[8-10]。這意味著預期收益是隨著經濟周期的變化而變動的，存在著逆周期的風險厭惡，因此很可能導致時變的風險與收益關系。于是，對于本文實證結論的一種可能的懷疑是：我們使用的意見分歧度量方法包含了經濟周期信息，因而導致了風險與收益之間的權衡關系具有時變特征。為了檢驗這種可能性，我們直接用宏觀經濟變量代替投資者意見分歧，考察其是否能夠區(qū)分出風險厭惡程度不同的兩個市場階段。

本文在這里使用的宏觀經濟變量是長短期利差，它包含了大量的經濟周期信息。長短期利差是對未來四個季度經濟增長的極好預測指標。利差序列同經濟景氣指數之間呈現出一致性變化的趨勢；國債即期收益率長短期名義利差對GDP、工業(yè)增加值等宏觀經濟變量具有良好的預測作用；在考慮貨幣政策因素后，利率期限結構包含了未來兩年左右的經濟增長信息。因此，在我國利率期限結構對宏觀經濟的預測作用是非常穩(wěn)健、可靠的，是良好的宏觀經濟指示器。由于銀行間市場是我國債券市場的主體，因此我們選取的是中債銀行間市場固定利率國債即期收益率數據。數據來源為Wind數據庫。由于Wind數據庫只提供2006年3月以來的即期收益率數據，故而本文檢驗的樣本期為2006年3月至2014年4月。

檢驗的思想及詳細內容仍然與本文第四部分一致，只是我們用國債長短期利差來代替投資者意見分歧，隨后用相同的模型進行了回歸分析驗證。如果長短期利差變量具有這樣的能力，即能夠區(qū)分出風險厭惡程度不同的兩種市場狀態(tài)，那么我們預期為負，并且希望這種結果在兩種收益率計算方法及三種波動率模型下具有一致性。然而，回歸結果表明，回歸系數有正有負，更重要的是，沒有一種結果在10%的顯著性水平上顯著。因此，我們認為長短期利差不具備與投資者意見分歧類似的能力，故本文第四部分的實證結果不太可能是由經濟周期所導致的。

七、結論

本文的研究結果表明，投資者的意見分歧會影響市場的風險與收益關系。具體而言，當市場分歧較小時，投資者是風險厭惡的，風險與收益之間顯著正相關。然而這種相關性卻在高分歧時期被嚴重削弱了，導致風險與收益關系變得模糊、不明確。以上實證發(fā)現很好地印證了本文提出的理論假設，即個人投資者在市場分歧嚴重時期對股票價格施加的非理性影響會削弱市場的風險與收益關系，同時也為我們長久以來的經濟認識提供了證據，既當市場由理性投資者主導時，風險能夠得到正的補償。雖然在我們的回歸結果中，投資者意見分歧本身對股票未來收益的預測能力并不顯著，這與以往大部分實證發(fā)現不符。然而，本文認為這樣的結果也在情理之中，并且給出了一些可能的解釋。本文對以上實證結果進行了穩(wěn)健性檢驗，檢驗結果可用表6來概括。表6匯報了模型中兩個關鍵系數(和)的估計值顯著的數量，同時將它們分為“符號正確”和“符號錯誤”兩類，兩者相減計算出一個得分。由于本文是用三種波動率模型和兩種收益率計算方法來估計的和，因此滿分應為12分。顯然，無論是用異常交易量還是分析師預測分歧作為投資者意見分歧的衡量指標，都能夠取得一致且符合理論預期的結果；而使用長短期利差變量則完全不能得到類似的結果?？傊?，本文的實證結果是穩(wěn)健的、一致的：投資者意見分歧具有一種獨特的能力，可以區(qū)分出風險厭惡程度不同的兩個市場階段，導致不同的風險與收益關系。同時，不論選取何種指標作為意見分歧的代理變量，都不影響最終結果。

表6　系數估計值的顯著性情況

本文的研究結果對資產定價研究具有一定的借鑒意義，因為以往多數研究關注的是投資者意見分歧對股票收益的直接影響。然而，本文為這種關系找到了一種新的作用機理，既分歧可以通過影響風險補償進而間接地預測收益。不僅如此，本文的實證結果甚至表明，與分歧本身對收益的直接預測能力相比，這種間接的預測能力會更快地發(fā)揮作用。此外，本文的研究發(fā)現也為風險與收益關系的相關研究提供了新的思路。已有的實證研究無法在這一問題上達成共識，然而本文認為如果加入投資者意見分歧變量，風險與收益關系就會變得穩(wěn)健、明確。因此，后續(xù)的相關研究可以考慮在資產定價模型中加入投資者意見分歧，使之發(fā)揮重要的作用。

參考文獻：

[1]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，2006，9：58-64.

[2]Yu J.Disagreement and return predictability of stock portfolios[J].Journal of Financial Economics，2011，99(5)：162-183.

[3]Miller E M. Risk，uncertainty，and divergence of opinion[J].Journal of Finance，1977，32(2)：1151-1168.

[4]王明虎，王煒.企業(yè)規(guī)模、融資約束與資本結構波動[J].南京審計學院學報，20155(2)：12-18.

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

[6]陳國進，張貽軍.異質信念、賣空限制與我國股市的暴跌現象研究[J].金融研究，2009(4)：80-91.

[7]陸靜，曹國華，唐小我.基于異質信念和賣空限制的分割市場股票定價[J].管理科學學報，2011(1)：13-26.

[8]Yu J ，Yuan Y. Investor sentiment and the mean-variance relation[J].Journal of Financial Economics，2011，100(2)：367-381.

[9]Kim J S，Ryu D，Seo S W.Investor sentiment and return predictability of disagreement[J].Journal of Banking & Finance，2014，42(2)：166-178.

[10]Fama E F，French K R. Business conditions and expected returns on stocks and bonds[J].Journal of Financial Economics，1989，25(1)：23-49.

[責任編輯：楊志輝]

Empirical Research on Risk-return Relation Based on Investor Divergent Opinions

WANG Zhiqianga，WANG Jingb

(a. School of Finance，Dongbei University of Finance and Economics，Dalian 116025, China；b. Interdisciplinary Center for Social and Behavioral Studies，Dongbei University of Finance and Economics，Dalian116025, China)

Abstract:This paper examines the influence of investor divergent opinions on the market’s risk-return tradeoff based on A-share stock market. The result shows that there is a strong positive tradeoff in low-divergence periods but little if any relation in high-divergence periods. Hence， investor divergent opinions attenuates the link between risk and expected return，resulting in time-varying risk aversion. To ensure the reliability of research conclusions above，we use three volatility models as well as two widely acknowledged proxies for investor divergent opinions，which are volume and analyst forecast dispersion. At last，the conclusion is proved to be robust across all the checks above. This paper contributes a lot to asset pricing studies based on investor divergent opinions，since our findings shows that the disagreement not only predicts return directly，but also return indirectly through its effects on risk premium，and what’s more，the latter one comes into play faster.

Key Words:investor divergent opinions；risk-return relation；stock market volatility rate; risk compensation; asset pricing; market risk; investment risk

[中圖分類號]F830.59

[文獻標識碼]A

[文章編號]1004-4833(2015)04-0085-10

[作者簡介]王志強(1965—)，男，內蒙古烏海人，東北財經大學金融學院教授，博士生導師，從事金融學和數量經濟學研究；王靜(1988—)，女，遼寧丹東人，東北財經大學博士研究生，從事行為金融研究。

[收稿日期]2014-11-21