， ， ，

(1.西安交通大學(xué) 管理學(xué)院,陜西 西安 710049; 2.深圳證券交易所 衍生品業(yè)務(wù)部,廣東 深圳 518010)

1 引言

對(duì)比1995～2015年我國(guó)A股市場(chǎng)與美國(guó)市場(chǎng)的月度波動(dòng)率，發(fā)現(xiàn)上證指數(shù)為1.604%，美國(guó)道瓊斯指數(shù)為0.995%，我國(guó)A股市場(chǎng)波動(dòng)率幾乎是美國(guó)的1.6倍，而深證的1.756%也高出同期月度波動(dòng)率為1.376%的納斯達(dá)克30%，說(shuō)明較之成熟市場(chǎng)，我國(guó)金融市場(chǎng)波動(dòng)風(fēng)險(xiǎn)一直過(guò)高。特別地，繼1995年“327國(guó)債事件”為我國(guó)金融市場(chǎng)帶來(lái)的災(zāi)難性創(chuàng)傷后，2015年6月，上證指數(shù)連續(xù)17天暴跌32.11%引發(fā)的“股災(zāi)”，再一次創(chuàng)造了我國(guó)金融市場(chǎng)價(jià)格異常波動(dòng)的新紀(jì)錄。在金融市場(chǎng)高桿杠和“順周期”特性助推下，價(jià)格異常波動(dòng)可能促發(fā)配資機(jī)構(gòu)的強(qiáng)行平倉(cāng)行為，并引發(fā)出新一輪的市場(chǎng)“踩踏”和連鎖反應(yīng)，使中小投資者承擔(dān)遠(yuǎn)超其承受能力，加劇市場(chǎng)恐慌，危害市場(chǎng)穩(wěn)定、健康。因此，“防范市場(chǎng)過(guò)度波動(dòng)”始終是我國(guó)金融市場(chǎng)監(jiān)管當(dāng)局的重要目標(biāo)。

不同類型投資者在資金實(shí)力、認(rèn)知能力、理性程度以及投資目的上存在很大差異，其交易行為對(duì)市場(chǎng)影響效果往往也不同。個(gè)人投資者因資金實(shí)力、認(rèn)知能力較弱，非理性程度較高被認(rèn)定為市場(chǎng)“噪音”，噪音交易行為與過(guò)度投機(jī)行為都會(huì)加劇市場(chǎng)價(jià)格波動(dòng)。根據(jù)《中國(guó)金融期貨交易所交易規(guī)則》，個(gè)人或法人屬性投資者應(yīng)據(jù)其交易需求申報(bào)投資賬戶，即投機(jī)、套利和套期保值。因此，投資者將同時(shí)擁有兩種身份屬性?？紤]到機(jī)構(gòu)和個(gè)人，套保、投機(jī)和套利的交易行為對(duì)市場(chǎng)波動(dòng)潛在影響不同，但以往學(xué)者僅從機(jī)構(gòu)和個(gè)人、或投機(jī)和套保的分類方式出發(fā)，并未將兩種分類方式統(tǒng)一整合，忽略了這兩種分類方式的重疊性與矛盾性；此外，以往的研究大多利用數(shù)學(xué)模型和思辨討論的方法，鮮少有利用市場(chǎng)數(shù)據(jù)，尤其在不同市場(chǎng)態(tài)勢(shì)下，對(duì)不同類型投資者如何影響我國(guó)金融期貨市場(chǎng)穩(wěn)定性做出實(shí)證性檢驗(yàn)。

本文的創(chuàng)新之處在于，結(jié)合投資者的雙重身份對(duì)其進(jìn)行重新分類，并在不同勢(shì)態(tài)下進(jìn)行研究。結(jié)果發(fā)現(xiàn)不同類型投資者非預(yù)期凈持倉(cāng)量變動(dòng)對(duì)市場(chǎng)波動(dòng)的影響不同。本文結(jié)論為我國(guó)股指期貨市場(chǎng)的差異化監(jiān)管機(jī)制設(shè)計(jì)提供了實(shí)證解釋和參考，并拓展了金融衍生品投資者行為策略經(jīng)濟(jì)后果的研究領(lǐng)域，對(duì)金融市場(chǎng)監(jiān)管層、交易者都具有一定的參考價(jià)值。

2 文獻(xiàn)綜述

金融市場(chǎng)波動(dòng)率與投資者的交易行為顯著相關(guān)[1,2]。Wang[3]在此基礎(chǔ)上將時(shí)間維度引入“信息量”的概念中，其在6國(guó)外匯期貨市場(chǎng)的實(shí)證研究表明不同類型投資者因臨時(shí)信息引發(fā)的異質(zhì)性信念對(duì)市場(chǎng)波動(dòng)產(chǎn)生的沖擊效果不同。不同投資者對(duì)市場(chǎng)波動(dòng)的影響存在爭(zhēng)議。

按客戶屬性分類可將投資者分成個(gè)人或機(jī)構(gòu)。Barber和Odean[4,5]認(rèn)為個(gè)人投資者非理性程度高，他們是加劇市場(chǎng)波動(dòng)的“噪音”；Bohl等[6]發(fā)現(xiàn)個(gè)人投資者的非知情特性使其對(duì)價(jià)格的影響力降低、波動(dòng)增加，隨著機(jī)構(gòu)交易比例增加，期、現(xiàn)市場(chǎng)間的信息流動(dòng)性提升；Basak和Pavlova[7]發(fā)現(xiàn)機(jī)構(gòu)交易包含的信息量更高，對(duì)期貨市場(chǎng)穩(wěn)定作用更強(qiáng)；余佩琨和鐘瑞軍[8]通過(guò)數(shù)理模型證明出機(jī)構(gòu)的交易行為更理性；王鄖和華仁海[9]研究了投資者的交易策略，發(fā)現(xiàn)個(gè)人投資者采取慣性投資策略而機(jī)構(gòu)投資者采取反轉(zhuǎn)交易策略，故個(gè)人加劇市場(chǎng)波動(dòng)、機(jī)構(gòu)緩解市場(chǎng)波動(dòng)；黃運(yùn)成等[10]發(fā)現(xiàn)機(jī)構(gòu)促進(jìn)期貨市場(chǎng)市場(chǎng)價(jià)格發(fā)現(xiàn)，并建議我國(guó)金融期貨市場(chǎng)逐步且有序引入各類機(jī)構(gòu)投資者；姚興濤[11]通過(guò)研究國(guó)外成熟期貨市場(chǎng)的投資者發(fā)展歷程，建議將QFII引入我國(guó)期貨市場(chǎng)。

按交易目的劃分可將投資者分為投機(jī)和套保兩類。Chang等[12,13]研究表明投機(jī)交易量與市場(chǎng)波動(dòng)正相關(guān)，進(jìn)一步他們發(fā)現(xiàn)投機(jī)持倉(cāng)量與非預(yù)期波動(dòng)弱相關(guān)，而套保者在非預(yù)期波動(dòng)的作用下將提高對(duì)預(yù)期波動(dòng)的估計(jì)，進(jìn)而增持并加劇波動(dòng)；Adrangi和Chatruth[14]發(fā)現(xiàn)大型投機(jī)者增加市場(chǎng)波動(dòng)；Wang等[15]發(fā)現(xiàn)HSI市場(chǎng)的投機(jī)行為異?；钴S，且加劇市場(chǎng)波動(dòng)；而Miffre和Brooks[16]卻認(rèn)為大型的投機(jī)交易者不能引發(fā)市場(chǎng)過(guò)度波動(dòng)；劉慶富等[17]發(fā)現(xiàn)空盤持倉(cāng)量變動(dòng)對(duì)市場(chǎng)波動(dòng)率的影響更大；楊陽(yáng)和萬(wàn)迪昉[18]發(fā)現(xiàn)中國(guó)股指期貨市場(chǎng)的套期保值交易和做空機(jī)制能有效緩解市場(chǎng)波動(dòng)。

3 數(shù)據(jù)來(lái)源、變量與研究設(shè)計(jì)

3.1 數(shù)據(jù)來(lái)源

本文所用獨(dú)特?cái)?shù)據(jù)為2010年10月11日至2013年8月29日在中國(guó)金融期貨交易所上市的滬深300股指期貨合約中，賬戶類型級(jí)別的日頻度交易數(shù)據(jù)，其中包括賬戶交易時(shí)間、賬戶客戶屬性、賬戶交易類型、各個(gè)賬戶的日成交量、多頭和空頭持倉(cāng)量。其他數(shù)據(jù)還包括滬深300股指期貨市場(chǎng)中主力合約的日開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)、結(jié)算價(jià)，間隔為10分鐘的收盤價(jià)、市場(chǎng)單邊交易量和持倉(cāng)量。本文研究的所有數(shù)據(jù)均來(lái)源于中國(guó)金融期貨交易所。

3.2 變量

3.2.1 投資者類型

中金所依據(jù)客戶屬性，將投資者分為機(jī)構(gòu)投資者和個(gè)人投資者，再根據(jù)其交易目的，將其歸屬到投機(jī)賬戶、套期保值賬戶和套利賬戶中。借鑒CFTC的持倉(cāng)報(bào)告，綜合投資者的雙重身份屬性，本研究進(jìn)一步將投資者分為套期保值賬戶的機(jī)構(gòu)投資者、投機(jī)套利賬戶的機(jī)構(gòu)投資者和個(gè)人投資者。

3.2.2 市場(chǎng)波動(dòng)率

波動(dòng)率是市場(chǎng)穩(wěn)定性的反向代理變量。該值越小，表示市場(chǎng)穩(wěn)定性越高。為保證結(jié)果的穩(wěn)健性，本研究采用兩種方法計(jì)算我國(guó)滬深300股指期貨市場(chǎng)的日內(nèi)波動(dòng)率。

第一，根據(jù)Garman-Klass[19]的研究，以開盤價(jià)、收盤價(jià)、最高價(jià)和最低價(jià)計(jì)算價(jià)格的日內(nèi)波動(dòng)率

(1)

第二，借鑒Andersen和Bollerslev[20]的估算辦法，利用日內(nèi)較短時(shí)間間隔的收盤價(jià)計(jì)算所得回報(bào)率的離散程度來(lái)描述已實(shí)現(xiàn)的日內(nèi)波動(dòng)率

(2)

3.2.3 凈持倉(cāng)量

本文以各類型投資者當(dāng)日持有的多頭持倉(cāng)量減去空頭持倉(cāng)量得到的凈值衡量?jī)舫謧}(cāng)量

(3)

進(jìn)一步，參考Wang[3]的研究，利用ARIMA(p,k,q)模型將投資者的凈持倉(cāng)量序列分解成預(yù)期和非預(yù)期兩個(gè)組成部分。預(yù)期部分為ARIMA(p,k,q)模型的擬合值，非預(yù)期部分為真實(shí)值與其對(duì)應(yīng)的預(yù)期值之差，即ARIMA(p,k,q)模型的殘差。ARIMA(p,k,q)模型的滯后階數(shù)由AIC和SC準(zhǔn)則確定。

3.2.4 市場(chǎng)總體交易行為

已有文獻(xiàn)表明市場(chǎng)交易行為與市場(chǎng)波動(dòng)顯著相關(guān)。本文涉及的市場(chǎng)總體交易行為包括市場(chǎng)交易量和市場(chǎng)持倉(cāng)量。為了保持一致，仍然利用ARIMA(p,k,q)模型將其分解為預(yù)期和非預(yù)期兩個(gè)部分。

本文涉及的變量名稱、標(biāo)識(shí)及含義，如表1所示。

表1 本文涉及變量、符號(hào)及含義

注：j=TV,OI分別代表市場(chǎng)交易量和持倉(cāng)量，k=SA,H,R分別代表投機(jī)套利的機(jī)構(gòu)投資者、套保的機(jī)構(gòu)投資者和個(gè)人投資者。

本文涉及的研究變量均為時(shí)間序列，經(jīng)ADF檢驗(yàn)，G-K波動(dòng)率，A-B已實(shí)現(xiàn)波動(dòng)率和市場(chǎng)交易量為平穩(wěn)序列，市場(chǎng)持倉(cāng)量和三類投資者凈持倉(cāng)量的一階差分序列為平穩(wěn)序列。依據(jù)單位根檢驗(yàn)的結(jié)果，本文利用ARIMA(p,k,q)模型將市場(chǎng)交易量、持倉(cāng)量以及三類投資者凈持倉(cāng)量分解為預(yù)期和非預(yù)期兩個(gè)部分。從研究變量的相關(guān)性看，分解后的凈持倉(cāng)量變動(dòng)在投機(jī)套利的機(jī)構(gòu)和套保機(jī)構(gòu)之間同期正相關(guān)，在散戶與任何一類機(jī)構(gòu)之間同期負(fù)相關(guān)，暗示出機(jī)構(gòu)與個(gè)人投資者的行為差異。但分解后的市場(chǎng)總體交易行為之間、及其與不同類型投資者凈持倉(cāng)量之間的同期相關(guān)性較低，反映出將市場(chǎng)總體交易行為作為控制變量的可行性與對(duì)不同投資者進(jìn)行單獨(dú)回歸的必要性。

3.3 研究設(shè)計(jì)

為了檢驗(yàn)不同類型投資者凈持倉(cāng)量對(duì)市場(chǎng)波動(dòng)的影響，我們?cè)谑袌?chǎng)波動(dòng)和滯后期波動(dòng)、分解的總體交易行為、各類投資者分解的凈持倉(cāng)量之間建立回歸模型

β2UAOI,t+γkENk,t+ρkUNk,t+θkDk×UNk,t+εt

(4)

其中Dk為虛擬變量，當(dāng)UNk,t>0，即k類投資者的非預(yù)期凈持倉(cāng)量對(duì)市場(chǎng)產(chǎn)生正沖擊時(shí)，Dk=1；否則，Dk=0，因此，UNk,t的系數(shù)ρk和UNk,t與Dk×UNk,t的系數(shù)之和(ρk+θk)分別表示k類投資者非預(yù)期凈持倉(cāng)量變動(dòng)的負(fù)沖擊與正沖擊對(duì)市場(chǎng)波動(dòng)的影響。

4 實(shí)證結(jié)果與分析

4.1 不同類型投資者凈持倉(cāng)量對(duì)市場(chǎng)日內(nèi)波動(dòng)的影響

利用ARIMA(p,1,q)模型，本文將投資者凈持倉(cāng)量變動(dòng)分解成預(yù)期和非預(yù)期兩個(gè)部分。試圖在方程(4)表示的OLS回歸模型中，研究不同類型投資者分解后的凈持倉(cāng)變動(dòng)對(duì)市場(chǎng)日內(nèi)波動(dòng)率的影響。

青島中山路歷史街區(qū)(以下簡(jiǎn)稱中山路街區(qū))位于青島市南區(qū)中西部，西鄰青島火車站，南接棧橋公園.創(chuàng)始于1897年的德國(guó)占領(lǐng)時(shí)期，在改革開放以后逐漸蕭條[1].天主教堂位于中山路的東側(cè)山坡臺(tái)地之上，塔身高56 m，是整個(gè)中山路街區(qū)的重要節(jié)點(diǎn)，構(gòu)成中山路歷史街區(qū)輪廓線的控制高度[2] (圖1).

表2 不同類型投資者凈持倉(cāng)量對(duì)市場(chǎng)波動(dòng)的影響：G-K波動(dòng)率

注：為清晰起見，已將除截距項(xiàng)和滯后期波動(dòng)項(xiàng)外的其他變量系數(shù)擴(kuò)大了106倍；*p<0.1,**p<0.05,***p<0.01。下同。

Bessembinder和Seguin[2]通過(guò)研究市場(chǎng)交易行為和波動(dòng)率之間的關(guān)系，發(fā)現(xiàn)波動(dòng)率與交易量正相關(guān)，與持倉(cāng)量負(fù)相關(guān)，且非預(yù)期交易量對(duì)波動(dòng)的作用是預(yù)期的數(shù)倍。本文在我國(guó)股指期貨市場(chǎng)中檢驗(yàn)總體交易行為與波動(dòng)之間關(guān)系的結(jié)論與前人基本一致，如表2中模型1。

控制了市場(chǎng)總體交易行為后，模型2～4分別刻畫了投機(jī)套利機(jī)構(gòu)投資者、套保機(jī)構(gòu)投資者和個(gè)人投資者預(yù)期和非預(yù)期的凈持倉(cāng)量變動(dòng)對(duì)日內(nèi)波動(dòng)率的影響。可以看出：預(yù)期和非預(yù)期交易量均與市場(chǎng)日內(nèi)波動(dòng)率顯著正相關(guān)，非預(yù)期持倉(cāng)量與日內(nèi)波動(dòng)率顯著負(fù)相關(guān)。與模型1相比，模型2～4的調(diào)整R2均顯著提高。說(shuō)明加入投資者預(yù)期和非預(yù)期凈持倉(cāng)量變動(dòng)這兩個(gè)關(guān)鍵變量后，方程對(duì)市場(chǎng)日內(nèi)波動(dòng)率的解釋能力更強(qiáng)，模型的擬合效果更優(yōu)。

本文的回歸結(jié)果顯示：所有投資者非預(yù)期凈持倉(cāng)量變動(dòng)項(xiàng)UN和交乘項(xiàng)D×UN的系數(shù)均與日內(nèi)波動(dòng)率顯著相關(guān)，說(shuō)明對(duì)任何一類投資者來(lái)說(shuō)，其非預(yù)期凈持倉(cāng)量變動(dòng)的沖擊都是不對(duì)稱的，且不同類型投資者凈持倉(cāng)量變動(dòng)沖擊的非對(duì)稱效應(yīng)不同。具體地，套保機(jī)構(gòu)的非預(yù)期凈持倉(cāng)量變動(dòng)項(xiàng)系數(shù)為-0.068，非預(yù)期凈持倉(cāng)量變動(dòng)與代表市場(chǎng)沖擊方向的虛擬變量構(gòu)成的交乘項(xiàng)系數(shù)為0.013，但兩者系數(shù)之和為-0.055，表明非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊對(duì)市場(chǎng)日內(nèi)波動(dòng)率的作用均顯著為負(fù)，且負(fù)沖擊對(duì)市場(chǎng)波動(dòng)的抑制作用更強(qiáng)，即該類投資者非預(yù)期的持倉(cāng)量變動(dòng)能夠穩(wěn)定市場(chǎng)，且利空消息下套保機(jī)構(gòu)非預(yù)期多頭減持或空頭增持穩(wěn)定市場(chǎng)效果更強(qiáng)。個(gè)人的非預(yù)期凈持倉(cāng)量變動(dòng)項(xiàng)系數(shù)和交乘項(xiàng)系數(shù)分別為0.416和0.493，均在1%統(tǒng)計(jì)水平上顯著為正，這兩項(xiàng)系數(shù)之和為0.909，說(shuō)明個(gè)人非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊對(duì)市場(chǎng)波動(dòng)作用顯著為正，且正沖擊對(duì)市場(chǎng)波動(dòng)的影響效果更強(qiáng)。也就是說(shuō)，該類投資者非預(yù)期的凈持倉(cāng)量變動(dòng)會(huì)加劇市場(chǎng)波動(dòng)，且利好消息下，非預(yù)期的多頭增持或空頭減持對(duì)市場(chǎng)波動(dòng)加劇的幅度更大。然而，有趣的是，本文發(fā)現(xiàn)，投機(jī)套利機(jī)構(gòu)的非預(yù)期凈持倉(cāng)量變動(dòng)項(xiàng)系數(shù)為-0.042，交乘項(xiàng)系數(shù)為0.130，兩者之和為0.088，表明該類投資者非預(yù)期凈持倉(cāng)量變動(dòng)的負(fù)沖擊對(duì)市場(chǎng)波動(dòng)率的作用為負(fù)，正沖擊對(duì)市場(chǎng)波動(dòng)率的作用為正，即利空消息下的空頭增持或多頭減持抑制市場(chǎng)波動(dòng)，而利好消息下的多頭增持或空頭減持加劇市場(chǎng)波動(dòng)。

根據(jù)Black[21]異質(zhì)性信念模型和De Long等[22]噪音交易理論的解釋，不同類型投資者凈持倉(cāng)變動(dòng)的正、負(fù)沖擊對(duì)市場(chǎng)波動(dòng)影響的大小和符號(hào)均不同，原因在于不同類型投資者持有的信息量不同。一方面，個(gè)人投資者自身知識(shí)、能力受限，非理性程度較高，被視為“噪音交易者”，他們認(rèn)為所有的價(jià)格變化或交易量變動(dòng)均反映了市場(chǎng)的內(nèi)部信息，據(jù)此相應(yīng)地調(diào)整交易行為，其追漲殺跌的交易理念觸發(fā)了該類投資者的高買低賣效應(yīng)，逐步增大期貨價(jià)格的偏離程度，故其凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊都加劇了市場(chǎng)波動(dòng)。受價(jià)格壓力效應(yīng)的影響，與情緒低落時(shí)相比，該類投資者在情緒樂(lè)觀時(shí)，傾向增持資產(chǎn)，進(jìn)一步加劇市場(chǎng)波動(dòng)。蔣玉梅和王明照[23]研究了投資者情緒下盈余公告對(duì)市場(chǎng)的沖擊，發(fā)現(xiàn)投資者情緒系統(tǒng)性地影響市場(chǎng)盈余公告效應(yīng)，說(shuō)明市場(chǎng)對(duì)消息的反應(yīng)由投資者情緒驅(qū)動(dòng)產(chǎn)生，且情緒導(dǎo)致投資者對(duì)意外盈余公告的反應(yīng)不對(duì)稱；進(jìn)一步，王磊和孔東民[24]在此問(wèn)題的研究中發(fā)現(xiàn)，個(gè)人投資者傾向于關(guān)注好消息。與以上研究相一致，本文也發(fā)現(xiàn)個(gè)人投資者對(duì)利好消息的敏感性更強(qiáng)。另一方面，機(jī)構(gòu)理性程度較高，他們持有私人信息，更靈敏地洞悉市場(chǎng)走向、辨別消息真?zhèn)?，?duì)資產(chǎn)的基本面價(jià)值判定更精準(zhǔn)，因而其在一定程度上幫助穩(wěn)定市場(chǎng)。然而，具體到交易目的不同的機(jī)構(gòu)中時(shí)，其交易策略又存在明顯差異。根據(jù)套期保值壓力假說(shuō)，當(dāng)資產(chǎn)價(jià)格偏離真實(shí)價(jià)值時(shí)，套保交易者進(jìn)行反向操作，以鎖定市場(chǎng)價(jià)格，回避現(xiàn)貨價(jià)格風(fēng)險(xiǎn)。因此，無(wú)論消息利好還是利空，該類投資者的交易行為都能使期貨價(jià)格回穩(wěn)，即其非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊均抑制了市場(chǎng)波動(dòng)。而對(duì)投機(jī)和套利交易者來(lái)說(shuō)，他們分別通過(guò)抓住市場(chǎng)機(jī)會(huì)賺取風(fēng)險(xiǎn)利潤(rùn)和通過(guò)“低買高賣”獲得穩(wěn)定價(jià)差來(lái)獲利。當(dāng)市場(chǎng)價(jià)格較低時(shí)，他們利用利好消息低價(jià)做多，這種機(jī)構(gòu)樂(lè)觀買入的行為可能引發(fā)同樣對(duì)利好消息敏感的散戶持續(xù)大量買入的羊群行為發(fā)生，致使期貨價(jià)格進(jìn)一步抬高而加劇市場(chǎng)波動(dòng)；當(dāng)期貨的瞬時(shí)價(jià)格被噪音交易者哄抬超過(guò)其基本面價(jià)值過(guò)高時(shí)，噪音交易者仍然盲目樂(lè)觀做多，但相對(duì)理性的投機(jī)套利交易者采取做空策略打壓價(jià)格，其與個(gè)人之間的反向操作實(shí)現(xiàn)了期貨價(jià)格單向大幅變化，降低了市場(chǎng)日內(nèi)波動(dòng)率。這也解釋了投機(jī)套利機(jī)構(gòu)面對(duì)不同的即時(shí)市場(chǎng)消息時(shí)，其交易行為對(duì)市場(chǎng)日內(nèi)波動(dòng)率所產(chǎn)生的不對(duì)稱效果，即該類投資者非預(yù)期凈持倉(cāng)量變動(dòng)的負(fù)沖擊抑制市場(chǎng)波動(dòng)，正沖擊加劇市場(chǎng)波動(dòng)。以上結(jié)論暗示了我國(guó)滬深300股指期貨市場(chǎng)中，個(gè)人非預(yù)期多頭增持對(duì)市場(chǎng)日內(nèi)波動(dòng)的沖擊高于其空頭增持對(duì)波動(dòng)的沖擊。最可能的解釋是個(gè)人投資者對(duì)利好消息過(guò)度反應(yīng)；相應(yīng)地，面對(duì)利空消息時(shí)，機(jī)構(gòu)的交易行為可以穩(wěn)定市場(chǎng)，表明當(dāng)期貨價(jià)格過(guò)高時(shí)，機(jī)構(gòu)投資者對(duì)私有信息的利用更加自信。

4.2 分樣本回歸

已有文獻(xiàn)表明，不同市場(chǎng)態(tài)勢(shì)下的收益波動(dòng)存在異化現(xiàn)象[18]。因此，本文進(jìn)一步探究不同市態(tài)下各類投資者對(duì)市場(chǎng)波動(dòng)的作用。參考滬深300指數(shù)的60日K線圖，依據(jù)該指數(shù)的漲跌態(tài)勢(shì)，本文將上文研究的全樣本分為四個(gè)子樣本區(qū)間，并利用方程(4)對(duì)投資者分解的凈持倉(cāng)量進(jìn)行分樣本回歸。

四個(gè)子樣本區(qū)間段分別為：①2010/10/11～2011/4/15；②2011/4/18～2012/12/31；③2013/1/4～2013/5/31；④2013/6/3～2013/8/29。其中子樣本①和③為漲勢(shì)，日均漲幅分別為0.055%和0.021%，②和④為跌勢(shì)，日均跌幅分別為0.080%和0.217%。不同類型投資者分解的凈持倉(cāng)量變動(dòng)對(duì)市場(chǎng)日內(nèi)波動(dòng)影響的分樣本回歸結(jié)果如表3所示。

表3 不同態(tài)勢(shì)下各類投資者分解的市場(chǎng)凈持倉(cāng)量對(duì)市場(chǎng)波動(dòng)的影響

注：受限于篇幅，只匯報(bào)了變量EN、UN和D×UN的系數(shù)。

第一，子樣本①區(qū)間內(nèi)，投機(jī)套利機(jī)構(gòu)凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊對(duì)市場(chǎng)波動(dòng)的影響系數(shù)分別為1.240和-1.380，子樣本③區(qū)間內(nèi)，該影響系數(shù)分別為0.059和-0.028，表明當(dāng)市場(chǎng)表現(xiàn)出增長(zhǎng)態(tài)勢(shì)時(shí)，該類投資者凈持倉(cāng)量變動(dòng)的正沖擊加劇市場(chǎng)波動(dòng)，負(fù)沖擊抑制市場(chǎng)波動(dòng)，與全樣本研究結(jié)果一致。但在子樣本②和④區(qū)間內(nèi)，即市場(chǎng)下跌時(shí)，該影響作用不顯著。

第二，子樣本②區(qū)間內(nèi)，套保機(jī)構(gòu)凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊對(duì)市場(chǎng)波動(dòng)的影響系數(shù)分別為-0.072和-0.077，該影響系數(shù)在子樣本④區(qū)間內(nèi)分別為-0.125和-0.240，表明市場(chǎng)下跌時(shí)，該類投資者凈持倉(cāng)量的正、負(fù)沖擊均抑制市場(chǎng)波動(dòng)，且從絕對(duì)值看，該系數(shù)在下跌的樣本區(qū)間值高于全樣本區(qū)間，表明市場(chǎng)下跌時(shí)，套保機(jī)構(gòu)對(duì)市場(chǎng)波動(dòng)的抑制作用更強(qiáng)，且市場(chǎng)下跌程度越高，其對(duì)市場(chǎng)的穩(wěn)定能力越強(qiáng)。在子樣本①區(qū)間內(nèi)，該類投資者對(duì)市場(chǎng)波動(dòng)的穩(wěn)定程度較小。而在子樣本③區(qū)間內(nèi)，這種影響關(guān)系不成立。

第三，個(gè)人非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊增加市場(chǎng)波動(dòng)的結(jié)論在子樣本①、②和③區(qū)間內(nèi)均成立。從絕對(duì)值看，影響效果最強(qiáng)的是子樣本①區(qū)間，正、負(fù)沖擊分別為1.041和0.595，其次為子樣本③區(qū)間的1.000和0.583，最后是子樣本②區(qū)間的0.876和0.415。與全樣本的0.909和0.416相比，該類投資者在市場(chǎng)上漲時(shí)加劇市場(chǎng)波動(dòng)的效果更強(qiáng)，在市場(chǎng)下跌時(shí)加劇市場(chǎng)波動(dòng)的程度較弱，且市場(chǎng)漲勢(shì)越強(qiáng)，該類投資者加劇市場(chǎng)波動(dòng)的程度越高。

行為金融理論對(duì)上述結(jié)果的最可能解釋是：當(dāng)牛市出現(xiàn)時(shí)，投機(jī)機(jī)構(gòu)尋求風(fēng)險(xiǎn)收益和套利機(jī)構(gòu)獲得穩(wěn)定利差的做多行為將引發(fā)個(gè)人投資者的羊群做多，導(dǎo)致期貨價(jià)格持續(xù)上升，個(gè)人投資者敏感捕獲到的“好消息”激勵(lì)其通過(guò)積極做多追求風(fēng)險(xiǎn)收益。結(jié)合我國(guó)股指期貨市場(chǎng)個(gè)人投資者比例過(guò)高的現(xiàn)實(shí)背景，投機(jī)套利機(jī)構(gòu)以及個(gè)人投資者同向做多交易將使市場(chǎng)波動(dòng)增加，且市場(chǎng)越牛，其獲得的市場(chǎng)機(jī)會(huì)越大，市場(chǎng)波動(dòng)加劇程度越高；直至市場(chǎng)價(jià)格過(guò)高時(shí)，投機(jī)和套利機(jī)構(gòu)利用其機(jī)構(gòu)“專業(yè)性”獲得的私有信息，逐步開始做空，而個(gè)人作為“噪音”仍受非理性的過(guò)度自信情緒主導(dǎo)持續(xù)做多，在期貨緩速上升直至下跌出現(xiàn)的過(guò)程中，個(gè)人受其對(duì)“做多”偏好及非理性的過(guò)度樂(lè)觀情緒影響，以為下跌只是市場(chǎng)的正常震蕩，依舊做多或持觀望態(tài)度，直到機(jī)構(gòu)開始大量拋售，市場(chǎng)價(jià)格連續(xù)大幅“跳水”，熊市明顯出現(xiàn)，個(gè)人“跟空”的羊群行為才逐漸開始。此時(shí)，面對(duì)壞消息時(shí)，個(gè)人持續(xù)做空的交易行為與市場(chǎng)價(jià)格變化方向一致，將導(dǎo)致市場(chǎng)波動(dòng)進(jìn)一步加劇，然而他們面對(duì)好消息的利多交易卻更好地配合了其對(duì)手方——投機(jī)和套利機(jī)構(gòu)更自信的做空行為，從而導(dǎo)致價(jià)格進(jìn)一步下跌，市場(chǎng)波動(dòng)進(jìn)一步加強(qiáng)；而無(wú)論牛市還是熊市，套保機(jī)構(gòu)始終是穩(wěn)定市場(chǎng)的主要力量。

在未列示的表格中，本文借鑒Adndersen和Bollerslev[20]經(jīng)典已實(shí)現(xiàn)波動(dòng)率的度量方法，對(duì)方程(4)表示的OLS回歸進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果發(fā)現(xiàn)投機(jī)和套利機(jī)構(gòu)凈持倉(cāng)量變動(dòng)的正沖擊加劇市場(chǎng)波動(dòng)，負(fù)沖擊抑制市場(chǎng)波動(dòng)；套保機(jī)構(gòu)凈持倉(cāng)變動(dòng)的正、負(fù)沖擊均抑制市場(chǎng)波動(dòng)，且負(fù)沖擊對(duì)市場(chǎng)的影響強(qiáng)于正沖擊；個(gè)人投資者的正、負(fù)沖擊均加劇市場(chǎng)波動(dòng)，正沖擊對(duì)市場(chǎng)波動(dòng)的加劇效果大于等量負(fù)沖擊對(duì)市場(chǎng)的影響。前文結(jié)論再次得到印證。

5 結(jié)論與啟示

本文利用滬深300股指期貨分類賬戶日度交易數(shù)據(jù)和間隔10分鐘的價(jià)格分時(shí)數(shù)據(jù)，并依據(jù)滬深300指數(shù)的60日移動(dòng)平均線對(duì)樣本區(qū)間進(jìn)行分段，分別在全樣本與分段樣本區(qū)間上研究不同類型投資者凈持倉(cāng)量變動(dòng)對(duì)市場(chǎng)日內(nèi)波動(dòng)率的影響。結(jié)果發(fā)現(xiàn)個(gè)人投資者非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊均增加了市場(chǎng)波動(dòng)，且利好消息比等量的利空消息對(duì)市場(chǎng)波動(dòng)的沖擊更大；套期保值機(jī)構(gòu)投資者非預(yù)期凈持倉(cāng)量變動(dòng)的正、負(fù)沖擊均降低了市場(chǎng)波動(dòng)，且利空消息比等量的利好消息對(duì)市場(chǎng)波動(dòng)的抑制作用更強(qiáng)；而投機(jī)和套利機(jī)構(gòu)投資者在緩解市場(chǎng)日內(nèi)波動(dòng)上具有“選擇性”。市場(chǎng)上漲時(shí)，非預(yù)期凈持倉(cāng)量變動(dòng)的正沖擊增加市場(chǎng)波動(dòng)，負(fù)沖擊降低市場(chǎng)波動(dòng)，市場(chǎng)下跌時(shí)以上關(guān)系不成立。

以上研究成果揭示了投資者結(jié)構(gòu)對(duì)我國(guó)滬深300股指期貨市場(chǎng)穩(wěn)定性的重要意義及不同類型投資者在該市場(chǎng)中所扮演的重要角色。本文結(jié)果表明投機(jī)和套利的機(jī)構(gòu)投資者可以在一定程度上緩解市場(chǎng)波動(dòng)，套期保值機(jī)構(gòu)投資者已成為維護(hù)我國(guó)滬深300股指期貨市場(chǎng)穩(wěn)定的重要力量。監(jiān)管當(dāng)局應(yīng)當(dāng)通過(guò)大力培育國(guó)內(nèi)機(jī)構(gòu)投資者和合理引入合格境外機(jī)構(gòu)投資者的方式吸引機(jī)構(gòu)參與我國(guó)股指期貨交易，并通過(guò)設(shè)置動(dòng)態(tài)差異化的交易機(jī)制鼓勵(lì)套期保值行為。但是，投機(jī)和套利的機(jī)構(gòu)投資者在牛市環(huán)境中，可能利用信息優(yōu)勢(shì)與大量場(chǎng)外配資“操縱”大盤，引發(fā)個(gè)人投資者羊群跟投，積聚股指價(jià)格泡沫，引發(fā)更大的指數(shù)波動(dòng)與新一輪的崩盤風(fēng)險(xiǎn)。因此，監(jiān)管當(dāng)局同時(shí)還應(yīng)當(dāng)設(shè)立實(shí)時(shí)監(jiān)控的“懲罰”機(jī)制，有效約束市場(chǎng)操縱行為。個(gè)人投資者對(duì)“好消息”過(guò)度反應(yīng)，有嚴(yán)重的過(guò)度投機(jī)與羊群行為，建議監(jiān)管當(dāng)局考慮在提高個(gè)人準(zhǔn)入門檻與交易限制的同時(shí)，加強(qiáng)信息披露，降低個(gè)人非理性程度的可能性以及非理性行為給市場(chǎng)造成的不良影響。

[1] Karpoff J M. The relation between price changes and trading volume: a survey[J]. Journal of Financial and Quantitative Analysis, 1987, 22: 109-126.

[2] Bessembinder H, Seguin P J. Price volatility, trading volume, and market depth: evidence from futures markets[J]. Journal of Financial and Quantitative Analysis, 1993, 28: 21-39.

[3] Wang C Y. The effect of net positions by type of trader on volatility in foreign currency futures markets[J]. Journal of Futures Markets, 2002, 22(5): 427- 450.

[4] 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.

[5] Barber B M, Odean T. Handbook of the economics of finance: the behavior of individual investors[M]. Holland, Elsevier B.V., 2011. 1533-1570.

[6] Bohl M T, Salm C A, Schuppli M. Price discovery and investor structure in stock index futures[J]. Journal of Futures Markets, 2011, 31(3): 282-306.

[7] Basak S, Pavlova A. Asset prices and institutional investors[J]. The American Economic Review, 2013, 103(5): 1728-1758.

[8] 余佩琨,鐘瑞軍.個(gè)人投資者情緒能預(yù)測(cè)市場(chǎng)收益率嗎[J].南開管理評(píng)論，2009，12(1)：96-101.

[9] 王鄖,華仁海.投資者行為與期貨市場(chǎng)波動(dòng)：基于OLG模型和高頻數(shù)據(jù)的理論與實(shí)證[J].中國(guó)管理科學(xué)，2012，20(1)：91-101.

[10] 黃運(yùn)成,王愛華,鄒惠.國(guó)際期貨市場(chǎng)機(jī)構(gòu)投資者的發(fā)展及借鑒[J].證券市場(chǎng)導(dǎo)報(bào)，2007，(5)：72-77.

[11] 姚興濤.論中國(guó)股指期貨市場(chǎng)發(fā)展的主體[J].金融研究，2000，(5)：85- 89.

[12] Chang E C, Pinegar J M, Schachter B. Interday variations in volume, variance and participation of large speculators[J]. Journal of Banking & Finance, 1997, 21(6): 797- 810.

[13] Chang E, Chou R Y, Nelling E F. Market volatility and the demand for hedging in stock index futures[J]. Journal of Futures Markets, 2000, 20(2): 105-125.

[14] Adrangi B, Chatruth A. Futures commitments and exchange rate volatility[J]. Journal of Business Finance & Accounting, 1998, 25(3- 4): 501-520.

[15] Wang Y M, Li C A, Lin C F. The impact of investor sentiment on the futures market: evidence from the Taiwan futures exchange[J]. International Research Journal of Finance and Economics, 2009, 28: 134-151.

[16] Miffre J, Brooks C. Do long-short speculators destabilize commodity futures markets[J]. International Review of Financial Analysis, 2013, 30: 230-240.

[17] 劉慶富,仲偉俊,梅姝娥.空盤量變動(dòng)對(duì)我國(guó)期貨市場(chǎng)期貨價(jià)格收益波動(dòng)性的影響[J].系統(tǒng)管理學(xué)報(bào),2005,14(1):28-32.

[18] 楊陽(yáng),萬(wàn)迪昉.股指期貨真的能穩(wěn)定市場(chǎng)嗎[J].金融研究,2010,(12):146-158.

[19] Garman M B, Klass M J. On the estimation of security price volatilities from historical data[J]. Journal of Business, 1980, 53(1): 67-78.

[20] Andersen T G, Bollerslev T. Answering the critics: yes, ARCH models do provide good volatility forecasts[R]. National Bureau of Economic Research, Nber Working Papers, 1997.

[21] Black F. Noise[J]. The Journal of Finance, 1986, 41(3): 528-543.

[22] De Long J B, Shleifer A, Summers L H, et al.. Noise trader risk in financial markets[J]. Journal of Political Economy, 1990, 98(4): 703-738.

[23] 蔣玉梅,王明照.投資者情緒與股票收益:總體效應(yīng)與橫截面效應(yīng)的實(shí)證研究[J].南開管理評(píng)論,2010,13(3):150-160.

[24] 王磊,孔東民.盈余信息,個(gè)人投資者關(guān)注與股票價(jià)格[J].財(cái)經(jīng)研究，2014，40(11)：82-96.