投资者情绪与股价同步性研究

王小鹏 史陈菲

(西安石油大学 经济管理学院,陕西 西安 710065)

党的二十大报告强调,要发挥市场在资源配置中的决定性作用。从2014年7月起“改革牛”的启动到股市的持续暴跌,我国股票价格表现为显著的“同涨同跌”与“板块轮动效应”。股价同步性影响信号传递效率,利益相关者较难通过公司间股价波动的差异辨识出不同资质公司,证券市场通过股价配置资源的能力也逐渐被弱化。当前,我国融资融券渠道发展不均衡,反映利空消息的融券机制较弱,乐观交易者成为主导力量。高昂的投资者情绪倾向强化利好消息,弱化利空消息,更有可能吸引新股民进入市场,推动股价上涨。推高的股价使得投资者对未来预期更加乐观。在这种反馈机制的驱动下,股价同步性逐步被加强,股市逐渐表现出非理性繁荣。高股价同步性阻碍着资本市场提高资源配置效率,也阻碍了我国经济转型升级,是目前亟待解决的问题。

现阶段,我国资本市场投机氛围浓厚,股票交易者容易受到情绪的影响,市场噪音逐渐增多。个人投资者是我国资本市场主要参与者,由于投资能力有限、专业知识不足、获取信息渠道单一且信息获取滞后等原因,他们往往无法做出最有效的投资决策。他们将市场热点视为短期现象,将买卖股票获利视为运气,更加关注投资效率,且风险防范意识薄弱,具有较强的投机心态。当投资者情绪较为乐观时,个人投资者买入意愿强烈,容易产生如追捧高价股等激进的交易方式,随着情绪做出“追涨杀跌”行为,进而促进股价同步波动。机构投资者在投资经验和信息解读方面更有优势,但作为决策者,他们也容易被群体情绪影响,从而影响信息吸收,阻碍股价回归真实价值。因此,厘清投资者情绪对股价同步性的作用机制继而抑制股价同步性,是推动我国资本市场走向成熟的必经之路。

本文选取2018—2021年沪深A股上市公司为样本,通过考察投资者情绪对股价同步性的影响机制,以期丰富股价同步性相关研究,为减少市场中噪音交易与改善上市公司内外部治理环境,发挥市场在资源配置中的决定性作用提供政策依据。

1.1 股价同步性成因与影响因素

股价同步性是指股票价格的同涨同跌现象,其成因与影响因素一直是学术研究的热点问题。以往学者主要从信息效率观和噪音干扰论两种路径进行解释。(1)信息效率观认为,股价同步性主要源于市场信息效率的高低。证券市场的价格形成机制是通过吸收和反映公司层面的特质信息来优化资源配置的。这些特质信息,如公司基本面信息,能够决定股价的波动。如果股价能够充分吸收和反映这些信息,那么股价同步性就会较低;反之,如果股价无法充分吸收和反映这些信息,那么股价同步性就会较高。因此,高股价同步性被视为股价无法充分吸收企业特质信息的低效率表现。(2)噪音干扰论则从行为金融学的角度出发,认为股价同步性主要受到非基本面因素的影响。由于市场中的交易者并非完全理性,他们面对充满噪声的市场时,很难分辨真实信息与噪声,导致投资决策容易受到其他主体的影响,从而产生主观情绪和个人认知偏差。这种市场中的噪音和非理性行为会导致股价的异质性波动。学者们大多以经过对数化的拟合优度衡量股价同步性,开展相关研究。顾小龙、辛宇等[1]41-54以周为观测单位,对交易周公司收益率、市场收益率与行业收益率回归,回归得到的拟合优度对数化,进而衡量股价同步性。发现加强违规监管力度可以减少信息不对称,抑制股价同步性。公司内部治理也会影响股票价格中的信息含量,继而影响股价同步性。潘文富、汤继莹[2]120-128以高管机会主义减持为调节变量,研究管理层治理对股价同步性的影响。首先选取样本公司股票的周收益数据进行回归,然后对个股拟合优度进行对数化处理,衡量股价同步性。结论表明高管减持行为中对特质信息的隐蔽与操纵,削弱了公司治理对股价同步性的抑制作用。此外,FerreiraM,Laux P A[3]951-989研究发现股权集中度与股价同步性显著正相关。宫晓莉、王智恒等[4]2049-2070发现独立董事在董事关联之间的中介作用越强,股价同步性越高。

1.2 投资者情绪

国内外主要运用文本分析、直接与间接法度量投资者情绪。文本分析指从海量文本信息中提取投资者情绪指标。Bartov E,Faurel L等[5]25-57基于词典分析法对Twitter进行文本情感分析,构建投资者情绪指标,实证结果表示投资者情绪能有效预测股票季度收益。孟勇、常静[6]98-104以市场交易量、换手率等为市场代理指标,利用文本技术与主成分法构建投资者情绪指标,研究表明投资者情绪与规模效应显著正相关。直接度量指研究机构通过问卷调查直接获取投资人对股市的态度,主要有AAII指数、央视看盘指数等。间接法下构建的投资者情绪综合指标得到广泛应用。龙立、龚光明[7]85-90采用分解托宾Q法检验投资者情绪对业绩快报披露的影响机制。Jiang F,Tu J等[8]791-837基于BW指数的情绪代理指标,构建管理者情绪指数。刘丽文、王镇[9]90-97创新性引入ETF市场交易量反映投资者情绪,用偏最小二乘法构建指数,结果表明投资者乐观情绪推动了股票收益的提升。

1.3 投资者情绪与股价同步性

以往学者普遍认同投资者情绪代表着投资者认知与预期,这种认知受个人性格、市场信息传递效率等影响,进而抑制或者加剧股价同步性。陈秋昊、常雅丽[10]139-147将投资者情绪定义为对投资回报的预期,情绪波动反映了投机思想的转变。面对市场波动时,投资者受情绪影响的“追涨杀跌”行为使得股票价格中包含更多非理性因素,进而导致公司股价脱离实际经营状况随市场波动,即股价的“同涨同跌”现象。侯卉、王健等[11]748-754将情绪看作资金流动,投资者情绪会通过基金间的资金流动互相影响,投资者之间的情绪传染会影响股价同步性。Polk C,Sapienze P[12]187-217提出了“理性迎合机制”,指出在市场错误定价时,管理层会通过调整经营行为来迎合投资者情绪,导致股价同步性变动。刘璐、张翔等[13]35-52研究市场环境发现市场中存在信息摩擦,投资者不能迅速接收到市场中的信息,信息也难以快速反映到股价中去。相对于低信息摩擦环境,在投资者情绪较高涨、市场波动性较高的信息环境中,噪声会对股票价格产生更深的干扰,股价波动主要受到非基本面信息影响。相关学者基于时间和空间因素探索投资者情绪对股价同步性的影响。任永平、李伟[14]769-781运用时变参数向量自回归模型研究得出,投资者情绪与股价同步性负相关,这种效应在短期内更加显著。

1.4 文献述评

通过文献梳理发现,首先,已有文献关于股价同步性成因存在“信息效率”和“非理性噪音”两种解释,两种观点都赞同随着更多特质信息融入股价,股价异质性波动中来自公司基本面信息部分将会提高。其次,学者们采取直接、间接与文本分析法度量投资者情绪、对数化处理的拟合优度衡量股价同步性,指标度量方式的科学性逐渐加强。进一步研究了内外治理对股价同步性的影响,外部治理包括税收征管、证券监管等,内部治理因素包括高管持股、股权集中度与独立董事参与等。最后,学者们从资金流动、管理层迎合与时间空间等角度分析了投资者情绪对股价同步性的影响,但相关研究有待进一步拓展。本文以信息效率观为依托,将探究投资者情绪对股价同步性的影响机制,分析处于不同证券监管、会计稳健性与股权激励下,投资者情绪与股价同步性的相关性,旨在进一步完善股价同步性理论研究,为引导资源合理配置提供政策支撑。

2.1 投资者情绪与股价同步性

投资者对投资信息无法做到完全理性,产生的依赖等情绪会影响股价波动。机构投资者在预测分析时,过分关注专业资源和信息优势使得他们在处理信息时无法避免产生固化心理,他们对自身信息优势的依赖心理越严重,越有可能引发使股票价格与实际价值相偏离的认知偏差。投资者情绪不仅反映个体情绪等特质信息,也包含关于宏观或者个体基本面信息的理性预期[17]769-781。机构投资者对信息研判能力的差异会强化羊群效应,较为一致的市场情绪更有可能导致股价同步性升高。个人投资者较难提取真实信息,他们选择模仿行业“领头羊”做出决策,这一行为被称为“信息瀑布”,信息瀑布会导致“羊群效应”的出现。投资者非理性情绪越高涨,股市中的羊群效应越强。这种群体非理性行为会进一步加剧对股价高估或者低估引起的“追涨杀跌”,提升股价同步性。公司层面异质性信息需要被投资者收集分析后通过交易融入股价,即市场信息交易。基于信息效率观,高涨的投资者情绪等非理性因素使得股价融入更多非基本面信息,个人投资者对上市公司特质信息挖掘水平下降,即高涨的投资者情绪通过削弱市场信息交易来提升股价同步性。基于此,提出如下假设H1。

H1:在其他条件一定时,投资者情绪与股价同步性呈正相关关系,即高涨的投资者情绪促进股价的“同涨同跌”

2.2 投资者情绪、融资约束与股价同步性

融资约束产生的根源在于信息不对称。“有限理性”和噪声交易使资产定价效率下降,股价无法反映真实价值,加深了公司内外信息不对称程度。当投资者情绪处于高位时,会减弱市场信息交易、抑制特质信息融入股价,股价更多反映噪音交易的结果。股价信息含量的下降增加了信息不对称,企业融资约束问题未能得到缓解。投资者情绪可以通过迎合渠道影响管理层的行为决策,较强的情绪波动会使企业面临更严重的融资约束。短视管理者通过正向盈余管理高估会计盈余来迎合投资者过度乐观的情绪和盈余预期[15]55-66+99,信息可靠性减弱,企业融资约束问题进一步加重。融资约束也能够影响股价同步性。企业资金供给不足易引发管理层自利动机与控股股东的“掏空”行为,对会计信息质量造成消极影响,市场信息效率随之降低,股价同步性提高。高昂的投资者情绪会加剧信息不对称、增强融资约束程度,进而提高股价同步性。因此,提出假设H2。

H2:在其他条件一定时,投资者情绪通过影响融资约束,继而影响股价同步性

3.1 样本选取与数据处理

本文选取2018—2021年间A股上市公司作为研究对象,按照以下原则进行样本筛选:(1)剔除ST、*ST、PT以及年交易周数不足30周的样本公司;(2)剔除金融行业样本公司;(3)剔除相关数据缺失的样本。为剔除极端值的影响,对所有连续变量进行上下各1%分位的Winsorize处理,最终得到6 334个样本观测值。本文选取的变量数据来自Wind数据库和CSMAR数据库,数据分析与回归均使用stata16.0软件完成。

3.2 变量定义

3.2.1 被解释变量

股价同步性(SYN)。借鉴Morck,Yeung等[16]215-226的研究,采用股票周收益率计算股价同步性。首先,由模型(1)得公司年度拟合优度R2:

Ri,w,t=α0+α1RM,w,t+α2RM,w-1,t+α3RI,w,t+α4RI,w-1,t+εi,w,t

(1)

其中,Ri,w,t为股票i在第t年第w周考虑现金红利再投资的收益率;RM,w,t为A股全部上市公司第t年第w周流通市值加权平均收益率;RI,w,t为股票i在第t年第w周所在行业剔除股票i后的其他股票流通市值加权平均收益率。在模型(1)中加入市场收益率和行业收益率的滞后一期,考虑可能存在的个股收益率与市场及行业收益率涨跌迟滞现象。通过对模型(1)回归计算年度R2,R2越大代表特质信息融入公司股价的部分越少,股价同步性越高。

其次,计算股价同步性(SYN)。对R2对数转换,得到SYN即股价同步性衡量指标,SYN数值越大,股价同步性越高。

(2)

3.2.2 解释变量

投资者情绪(Sent)。参考张戈、王美今[17]3-14的研究,托宾Q值不仅可以衡量市场价值被高估或者低估,而且包含了股票的定价错误,因此可以用分解的托宾Q值来度量投资者情绪。首先,由模型(3)计算公司的年度托宾Q值(Qi,t),其中,MARKETVALUEi,t代表公司市场价值,ASSETi,t代表公司固定资产重置价值;其次,计算分解的托宾Q值,根据模型(4)分年度将Qi,t对公司基本面的相关指标进行回归并计算残差ui,t,取Senti,t=ui,t,Senti,t表示股票i在t年的错误定价,作为投资者情绪的代理变量。

(3)

Qi,t=α0+α1ROEi,t+α3MIGRi,t+∑IND+ui,t

(4)

其中,ROEi,t代表公司的净资产收益率,LEVi,t代表资产负债率,MIGRi,t为主营业务收入增长率。

3.2.3 中介变量

融资约束(WW)。选取WW指数为融资约束代理指标,计算公式见模型(5):

WW=-0.091CFi,t-0.062DIVi,t+0.021LDEBTi,t-0.044LNTAi,t+0.102ISGi,t-0.035SGi,t

(5)

3.2.4 控制变量

借鉴已有对股价同步性的研究,本文分别从公司特征、财务状况等方面选取以下控制变量:上市年限(Age)、月均超额换手率(Dturn)、固定资产占比(Fixed)、应收账款占比(REC)、两职合一(Dual)和董事会规模(Board)。变量选取及定义见表1。

3.3 模型设定

根据数据特征建立非平衡面板数据模型,构建基准回归模型(6)进行回归分析检验。借鉴温忠麟、叶宝娟[18]731-745提出的逐步回归程序,在模型(6)的基础上构建模型(7)、(8),检验融资约束在投资者情绪与股价同步性间的中介效应,验证传导机制:投资者情绪—融资约束—股价同步性。

SYNi,t=α0+α1Senti,t-1+αkCVsi,t+∑Year+∑Ind+εi,t

(6)

WWi,t=β0+β1Senti,t-1+βkCVsi,t+∑Year+∑Ind+εi,t

(7)

SYNi,t=γ0+γ1Senti,t-1+γ2WWi,t+γkCVsi,t+∑Year+∑Ind+εi,t

(8)

其中,考虑到投资者情绪对股价同步性影响可能存在内生性问题,纳入滞后一期的投资者情绪与当期的股价同步性回归。CVs是控制变量的合集;α0、β0和γ0是回归方程中的常数项,αi、βi和γi是解释变量、中介变量与控制变量的待估系数;变量下标i,t表示第i家样本公司在第t年的指标观测值,εi,t表示随机扰动项,∑Year和∑Ind分别表示年度和行业因素,以控制遗漏变量的影响。

表1 变量选取及定义

4.1 描述性统计分析

变量的描述性统计见表2。由表2可知,股价同步性(SYN)的标准差为1.019,说明样本企业股价同步性之间差异明显,且最小值为-3.443,最大值为1.296,表明企业间股价同步性呈两极分化趋势。投资者情绪(Sent)均值为0.047,处于中位数与3/4分位数之间,说明样本中大部分企业投资者情绪波动较大, 其中最小值为-1.416,最大值为5.483,标准差为1.086,表明公司层面投资者情绪差异较大。其他变量也均在合理范围之内。

表2 变量的描述性统计

4.2 相关性分析与方差膨胀因子检验

相关性分析显示各变量间相关系数均小于0.5,同时经过方差膨胀因子检验,VIF也均小于5,表明变量间不存在多重共线性。

4.3 回归结果分析

4.3.1 投资者情绪与股价同步性

表3为加入cluster进行聚类稳健标准误修正的投资者情绪与股价同步性的多元回归结果,回归模型控制了行业和年度效应,列(2)在列(1)的基础上加入了控制变量。结果表明在控制其他变量的条件下,投资者情绪(Sent)与股价同步性(SYN)在1%水平上显著正相关,高涨的投资者情绪促进股价“同涨同跌”,假设H1得到验证。

(ⅱ) 对任意F∈CIrr(X),若Fδ∩(∪i∈IUi)=∪i∈I(Fδ∩Ui)≠Ø,则存在i∈I使得Fδ∩Ui≠Ø,由Ui∈τCSI及F∈CIrr(X),F∩Ui≠Ø,于是F∩(∪i∈IUi)≠Ø,从而∪i∈IUi∈τCSI。

4.3.2 投资者情绪、融资约束与股价同步性

表3列(3)是投资者情绪(Sent)对融资约束(WW)的回归结果,Sent回归系数为0.007,通过1%置信水平的显著性检验,表明投资者情绪会加剧企业融资约束程度。列(4)为投资者情绪、融资约束与股价同步性(SYN)的回归结果,WW系数为3.089且在1%水平上显著,同时Sent系数显著为正,结果表明融资约束在投资者情绪与股价同步性之间发挥部分中介作用,即投资者情绪可以通过增强融资约束进而提升股价“同涨同跌”,验证假设H2。

4.4 稳健性检验

为避免自选择问题,本文采用倾向得分匹配法(PSM)对样本进行处理。对全部样本数据进行排列,将Sent大于样本中位数的企业作为处理组,低于中位数的为控制组,以上市年限、月均超额换手率、固定资产占比与应收账款占比作为匹配变量,使用Logit回归计算公司倾向得分,分别采用1∶1近邻匹配和0.046卡尺值的马氏距离匹配,匹配结果中匹配变量的标准化偏差小于5%,T检验中的P值大于0.1,满足倾向得分匹配的“平衡性假设”,最后使用匹配后的的样本进行回归,PSM稳健性检验见表4。由表4可知,融资约束(WW)在投资者情绪(Sent)与股价同步性(SYN)间的中介作用依然显著。

5.1 基于证券监管(REG)的检验

证监会处罚对上市公司股价同步性产生的影响分为直接影响和间接影响。直接影响指证监会的处罚强度发挥震慑作用,即证券监管机构借助自身震慑力可以有效抑制管理层信息隐藏行为,降低公司内外部的信息不对称,完善投资者权益保障机制。间接影响指处罚引起的市场反应。一方面受罚公司担心由于声誉受损等市场惩戒导致投资者信心缺失,进而对自身融资造成影响,影响信息效率和股票流动性。另一方面违规监管能够引起市场参与者对受处罚公司特质信息的挖掘[2]41-54,股价波动由噪音驱动转化为信息驱动,股价同步性降低。财务会计信息是债权人与公司订立债务契约的重要依据,高质量会计信息能够保证债权人的信贷资金发放额度。较强的证券监管通过提高会计信息质量,缓解企业融资约束,投资者情绪对股价同步性的影响较弱。证券监管处罚具有行业溢出效应, 即强监管公司面临的行政处罚和信息披露违规对其他公司的负面影响更严重。因此,同群效应影响下,弱监管公司面临更严重的融资约束问题,投资者情绪与股价同步性的正相关关系更加显著。

表3 回归分析结果

由于监管机构对被处罚样本带有“选择性偏见”,因此本文借鉴郑建明、黄晓蓓等[19]50-56+95研究,以盈利水平作为受监管力度的标准,将高于年度行业盈利水平中位数的样本取值为1,表示弱监管,否则取值为0,表示强监管,基于模型(6)进行分组差异检验。分组检验结果见表5,由表5的列(1)、(2)可知,监管力度弱组,Sent系数为0.070,在1%水平上显著为正,监管力度强组,Sent系数为0.037,在5%水平上显著为正,且通过组间系数差异检验(P=0.042)。回归结果表明证券监管具有“降噪”作用,能够削弱投资者情绪与股价同步性的正向关联,揭示企业真实价值。

表5 分组检验结果

5.2 基于会计稳健性(Cscore)的检验

心理学研究表明,投资者情绪高涨时更希望听到相关利好信息。为提高投资者的乐观情绪,管理层进行积极盈余预测的频率更高。基于信息效率观,较高的会计信息质量可以降低投资者与管理层的信息不对称,使得投资者有机会挖掘更多公司特质信息,抑制公司股价随市场波动趋势。会计稳健性主要通过非对称确认和非对称信息披露抑制股价同步性。一方面,会计稳健性要求上市公司及时地确认损失,对收益谨慎确认,能够制约投资者非理性条件下的管理层操纵盈余等“变相”财务迎合行为。另一方面,非对称信息披露要求上市公司对“坏消息”及时披露,对“好消息”谨慎披露,避免管理层操纵信息披露。会计稳健性具有治理效应,能够约束管理层的非理性行为与提高投资者的信息发现效率,进一步缓解企业融资约束问题。因此,在会计稳健性较高的上市公司中,融资约束问题不严重,投资者情绪等噪声干扰对股价波动的影响不明显。

借鉴Khan,Watts基于Basu模型予以改进的C-Score模型来衡量会计稳健性,C-Score值越大,代表会计稳健性越强。当样本企业的C-score值大于中位数时取值为1,表示高会计稳健性组,否则为低会计稳健性组。基于模型(6)进行分组差异检验。由表5列(3)、(4)可知,在会计稳健性较低与较高组中,Sent系数分别在1%与5%水平上显著为正,且通过组间系数差异检验(P=0.000)。回归结果表明较低的会计稳健性会加重融资约束问题,继而抑制股价信号传递机制发挥作用,与投资者情绪形成合力,显著提高股价同步性。

5.3 基于高管股权激励(Mshare)的检验

根据双因素理论,股权激励使管理层与股东共享利益,能够带给高管满足因素与归属感,股东与管理层的契约关系进一步加强,双方利益实现最大化。与此同时,增加的高管持股比例也表现为较强的利益掠夺效应,高管利用信息不对称为自身谋利的可能性加强。股权激励计划会使高管过度关注公司短期股价波动,通过改变公司股价信息含量,影响股价同步性。为尽快达到行权条件来攫取更多私人利益,当难以完成绩效考核目标时,高管更可能利用信息优势操纵盈余来提升股价[20]49-53。其向外传递的不实信息会加大公司内外的信息不对称,加重融资约束程度。由此可知,较强的股权激励代表更严重的融资约束,投资者情绪对股价同步性的积极影响更加明显。

高管持股比例是衡量高管股权激励的重要指标,即高管持股数量与企业总股本数量之比。当样本企业的高管持股比例大于中位数时取值为1,否则为0,基于模型(6)进行分组差异检验。由表5列(5)、(6)可知,Sent系数在高管股权激励较高组显著为正,在高管持股比例较低组没有显著相关性,且通过组间系数差异检验(P=0.047)。回归结果表明,较强的股权激励会驱使管理层操纵公司信息披露、提高融资约束,投资者情绪对股价同步性的提升效果更加明显。

本文基于信息效率视角,以2018—2021年沪深交易所A股上市公司为样本,通过考察投资者情绪对股价同步性的作用机制,得出以下结论:(1)投资者情绪与股价同步性显著正相关;(2)投资者情绪通过提高融资约束,正向影响股价同步性;(3)投资者情绪对股价同步性的积极作用在证券监管低、会计稳健性弱与股权激励强的上市公司更为明显。

现阶段,高股价同步性削弱了价格的信号传递功能,影响资源配置效率。基于本文研究,建议从4方面抑制股价同步性:第一,政府应出台相关政策,优化信息获取渠道、减少市场噪音对投资者的影响,助力公司股价回归基本面。第二,健全公司内部信息公开披露机制。畅通的信息传导机制能够缓解融资约束,抑制股价同步性。第三,强化监管部门监督职能。一方面,证监会应健全对信息披露的动态监管,严厉打击内幕交易,通过缓解信息不对称造成的融资约束,减弱投资者情绪对股价同步性的影响。另一方面,证券监管部门应规范投资者信息交易行为,避免情绪化影响股价同步性。第四,投资者应加强自身金融知识教育,摒弃投机思想与短视行为,树立价值投资与理性投资理念。

猜你喜欢 同步性股价约束 ?十不该(股市)理财周刊(2023年11期)2023-11-08时滞非线性复杂动态网络的牵引自适应控制同步性廊坊师范学院学报(自然科学版)(2021年2期)2021-09-10“碳中和”约束下的路径选择加油站服务指南(2021年4期)2021-07-21约束离散KP方程族的完全Virasoro对称数学年刊A辑(中文版)(2020年1期)2020-05-19盘中股价升跌引起持股者情绪变化股市动态分析(2019年42期)2019-11-13产品装配中的时间同步性测量技术电子测试(2018年6期)2018-05-09股价创股灾以来新低的股票股市动态分析(2016年2期)2016-09-27终极股权结构、分析师跟进与股价同步性实证研究上海管理科学(2015年6期)2015-07-31提高变电站基础量测数据时间同步性的方法电测与仪表(2015年15期)2015-04-12适当放手能让孩子更好地自我约束人生十六七(2015年6期)2015-02-28