洛阳证券公司联盟

基金投资者的信息挖掘行为分析

量化与对冲2019-11-07 10:39:07

编者按:


现在公众号有置顶功能了,大家把微信更新到最新版本,点开“量化与对冲”公众号。点“置顶公众号”键,就可以置顶了,这样。不管我们什么时候更新,您都能容易找到。


一、绪论

(一)研究背景

我国的资本市场尚未完善,市场上既有反映股票价格的基本面消息,又充斥着噪音,后者可能为一些故弄玄虚的概念炒作,或者是小道消息。我国的基金投资者既会选择稳定派息,基本面向好的蓝筹股票,也会参与一些概念炒作。通过观察发现,概念炒作中以小市值股票居多,那么我国基金投资者在参与投资小市值股票时是否基于看好其未来基本面?亦或只是参与其概念炒作。

欧美等国成熟的资本市场,机构投资者出现在十九世纪初期。伴随着《公司投资法》和《投资顾问法》等一系列的规范法律出现,美国市场中才出现真正意义上的基金投资公司,并在市场中茁壮成长。一般认为,基金投资者在市场中的规模以及影响力代表一个证券市场的成熟度的一个重要标志。

在我国,《开放式证券投资基金试点办法》颁布后,开放式基金为主的基金市场规模迅速壮大,经过多年的规范发展,已经取得了不俗的成绩。期间,基金市场不断创新,包括引入QFII,规范运行,公募基金已经成为资本市场中的主要力量之一。但是,不可否认,我国基金市场目前存在着管理水平与规模不协调,激励手段缺失,基金投资散户化等缺点。同时,我国的证券市场交易中,散户交易占比相比于成熟市场高许多,市场波动较大。

特别的,小市值股票因为其价格弹性较大,热点概念多,容易炒作,同时又容易成为借壳上市的目标。从公开报道看,不乏有专业的基金投资者扎堆小市值股票。如汇添富基金公司旗下五只基金扎堆安硕信息,占流通股25%等。

资产价格从某种意义上可理解为信息的集成器,股价的信息可以分为两类:与公司基本面相关的有形信息和其他与基本面无关的无形信息,也就是噪音(小道消息,概念炒作等)。一般来说,证券投资基金作为专业的投资者,比起散户来说,他们拥有更强的信息获取能力,且应该更关注基本面信息。换而言之,他们选择投资小市值股票应该是出于对该股票未来基本面信息的看好,但是这又和市场上炒热点、炒概念的现象不符。那么,我国的基金投资者们究竟是否获取到个股的特质信息?如果是,那么对于小市值股票,他们获取到的个股特质信息是基本面信息还是噪音?他们是否挖掘到了信息环境较好的大市值股票的基本面信息呢?

(二)研究目的

本文结合以往的文献,通过两步的面板数据的回归研究,研究了两个问题,即基金投资者通过各种交易策略交易股票时,是否获得了大小市值股票的个股特质信息,在这个基础上,基金投资者是否关注了基本面信息,对于大小市值的股票关注的信息是否一致。

本文研究的目的在于两点,一是探寻我国基金投资者的信息获取机制,亦即经过多年的发展,我国的基金投资者们是否有能力挖掘出个股特质信息,他们挖掘到的个股特质信息是否为基本面信息;二是针对小市值股票炒作现象严重,比较我国基金投资者的对于大小市值股票获取的信息机制是否相同。是否存在以下现象:基金投资者们挖掘到了大市值股票的基本面方面的信息,但是挖掘小市值股票的个股特质信息以噪音(概念炒作,小道消息)为主,希望从信息挖掘角度得到基金投资者参与小市值股票操作的一些证据。

二、文献综述

对于以基金为代表的机构投资者的研究,国内外的学者早已展开了积极的研究探索,也积累了不少的研究成果。归纳总结来看,国内外的研究主要从两个角度来展开研究,一方面是分析机构投资者的行为角度,主要包括机构投资者的行为偏好,信息处理能力等;另一方面学者从机构投资这对市场的影响角度出发,主要集中在机构投资者对市场的信息效率,波动率和流动性的影响。

(1)基金和机构投资行为角度

De Long(1990)研究发现:理性投机分析通常假定“噪音”交易员抑制了波动,但是事实并不一定是这样的,有时候噪音交易员跟随的是正反馈交易,价格上涨的时候买入,价格下跌的时候卖出。如果理性投机者提前触发正反馈交易,那么前瞻性投机者的增加会基本面波动。

陈卓思,高峰和祁斌(2008)通过研究股票收益率变化和机构投资者持股比例变化两者的关系,发现过去表现较好的股票会更能够吸引机构持仓者加仓。在增持之后,机构投资者所增持的股票相对于减小持仓的股票收益表现更优。表明机构投资者在整体上是采取了惯性交易,也就是正反馈交易,另一方面,个体投资者的行为就显得较为随机。个体投资者缺乏专业知识和投资经验,相对于专业的机构投资者处于劣势,论文的结果显示个人投资者应该委托专业机构进行投资。

杨竹墨(2008)通过基于信息经济学和行为金融学的分析逻辑框架,考虑到信息获取成本以及个人和机构投资者理性的有限性,建立模型分析。实政的结果发现,中国证券市场的机构投资者行为特征趋于价值化和长期化,而且上市公司基本面质量、金融市场监管、机构投资者的数量和中小个人投资者的学习能力对于机构投资者的行为均有重要的影响。

基金和机构投资者对市场的影响角度:这个角度主要几种在三方面,基金和机构投资者对于信息效率的影响、对于波动率的影响以及对于流动性的影响。

(一)机构投资者对市场波动率的影响

Kothare and Lax(1995)的观点是,机构投资者所运用的程序化交易和大额度的交易有可能会造成股票市场的更剧烈的波动。他们通过数据分析发现,纳斯达克市场中的机构投资者席位的活动加宽了bid-ask体系的价差,换而言之,降低了流动性的同时,给市场带来了更大的波动性,虽然这种相关性并非非常明显。

Erie Chang(2005)选择日本1975年-2005年的数据作为基础,频率为日度,分别从证券组合和公司基本面两个角度出发,研究了市场的异常波动与机构投资者行为以及公司基本面之间的关系。计量结果发现,机构之间的羊群效应与公司的基本面波动都与市场的异常波动有关,得到结论:机构投资者的行为与公司的基本面在解释市场波动方面都是显著有影响的。

(二)机构投资者对市场流动性的影响

Froot(1992)从机构投资者的羊群效应特征角度切入,他得出以下结论:由于基金在获取信息的渠道、投资风格等方面互相之间有相似的地方,因此机构投资者的行为具有同质性,做出相同的决策。他们会在同一个时间段买入、增持某一只股票,或者卖出减持同一只股票,这样的就会在增加市场的波动性的同时降低市场的流动性。

然而Lakonishok(1992)持相反观点,他认为恰恰是同质性促进了流动性。他的观点是以基金为代表的机构投资者在获取信息方面有自己的优势,能够更好地评估公司股票的内在价值,按照价值投资的观点,做空高估的股票,做多低估的股票,整个市场的股票就会在真实内在价值附近波动,这是对市场的流动性有利的。

(三)机构投资者对市场信息效率的影响

信息效率的衡量方式从Roll(1998)的经典文献开始,主要用个体波动率来代表,也就是个股回报无法被CAPM模型解释的部分。具体而言,就是用回归的拟合有度来衡量,拟合有度越高表明和市场的波动越接近,个体波动也就越小,信息效率越低,反之则和市场波动越不接近,也就是个体波动越大,信息效率越高。Jim and Mayas(2006)在这个基础之上更进一步,用理论模型信息的不透明会减小公司的基本面信息通过交易反映进入股价,也就是减少了个体波动率。总结来说,就是个体波动率越大,信息效率越高。在这个基础上,两位作者还研究了多个国家的数据(2006),发现新兴市场的的个股波动率较发达国家要小,也在一定程度上支持了个股波动率和信息效率之间的关系。另一个角度上,Hutoon, Marcus and Teharans(2006)选择了美国股票市场的微观数据,结果发现企业年度报表中的应计项目异常值的多少来代表信息透明度的大小,发现信息透明度越好的公司他们的个股波动率越大。以上的结果从各种角度来证明信息效率和个体波动率之间存在正相关关系。

国外研究这对机构投资者和信息效率两者关系做过一定的研究,Chordia and Roll(2005)研究股价时发现,价格大体在三十分钟之内就完成了对于新的信息的调整,他们将快速的调整原因归为“聪明投资者”,也就是信息更多的机构投资者,他们也可能是套利者或者做市商,利用交易来助力价格的波动。Boehmer and Kelly(2009)使用了1983年-2004年纽约证券交易所上市的股票数据(面板数据),通过观察日内交易中有可能存在并出现的“聪明投资者”,结果证明了其存在的合理性,在这个基础上进行了进一步的研究机构持股和股价信息之间的关系,结果发现机构持股比例较高的股票价格定价效率更高。

三、理论基础与研究设计

针对上一章节提到基金扎堆小市值股票的问题,本文设计了两个模型来研究基金投资者信息获取机制,特别是对于小市值股票的基本面信息的关注。

本文通过两步来检验基金投资者对于大小市值股票的投资特征,第一步:检验基金在各式各样的投资策略中是否有能力挖掘到个股特质信息,这里挖掘到的信息主要有两类,一类是和基本面相关的价值信息,还有一类是噪音类信息,包括市场上“讲故事,画大饼”、“炒概念”等。如果检验结果是基金确实有能力有动力去发现个股特质信息,那么本文用下一步检验去甄别基金投资者挖掘到的信息类别。第二步:基金在有能力挖掘个股特质信息的基础上,检验该信息是否为基本面有关的价值信息或者成长性相关的信息。这一步是检验基金公司扎对堆小市值股票属于盲目炒作的关键,如果基金公司获得的信息并不是基本面相关的价值信息,那么他们的交易行为只是为了迎合市场热点,亦或者只是为了小市值股票的弹性。

(一)个股特质信息的分析

为了检验个股特质信息是否被基金投资者找到,我们需要选择构建个股特质信息与基金行为之间的关系并去求证它。如果基金交易行为确实和个股的特质信息之间有明显的关系,那么我们就认为基金投资者在进行交易行为时是基于对个股特质信息挖掘的。这进行这一步之前,我们要做的是去寻找合适的变量去刻画公司特质信息与基金的信息挖掘行为。

公司特质信息

为了检验公司特质信息是否被基金投资者找到,我们需要选择指标定义个股特质信息。

公司特质信息的定义为除去市场信息以外,只和公司个体有关的特有信息,其包含两方面——基本面信息和市场噪音(概念炒作等)。

目前文献中利用股价刻画公司特质信息的方法主要有两种,一种利用“股价同步性指标”,另外一种为超额收益率法。

股价同步性指标这一方法本文在文献综述已经说过,利用CAPM回归的拟合优度来衡量个股特质信息的多少,越低,代表个股特质信息越高。因为公司个股收益率不能用市场收益率解释部分的残差代表了对于该公司市场整体信息无法解释个体波动。因此个体波动越大(越低)的公司特质信息含量越高,反之亦然。

我们借鉴一些经典文献,Roll(1998),Durnev(2001,2003)等学者的指标构建方法,构建同步性指标Sync:

首先,运用单因素模型对每个季度中的个股收益率和市场收益率进行OSL回归,取得

其中,为股票i在时间t的收益率,为市场在时间t的收益率,为残差。因为我们模型中需要每个季度的该股同步性指标,我们就选择该季度中股票和市场的日度交易数据来回归,获得该股每一季度的拟合优度(这里的t代表t季度),用以代表同步性的大小。在这个基础上,为了使得该指标更能符合正态分布,我们将其对数化变形,得到同步性指标Sync:

基金交易活跃度

基金具体的信息挖掘行为以及信息处理的行为是较为抽象的,难以用数据来描述,我们只能从信息处理的结果来观察。因为基金的投资和交易的行为基础就是信息处理的过程,也就是信息处理过程已经被包括在投资行为中了,我们用投资与交易的结果来衡量信息处理过程是比较恰当的。

目前交易所没有披露个股基金交易数量,本文也无法获取该指标,只能以近似指标代替。研究表明,我国证券投资基金存在较严重的羊群行为(施东辉,2007),因此,使用个股基金持股数量变动能够较好的代替个股基金交易数量。

在这里,我们定义基金交易活跃度为基金持股数量变动与股票交易量的比值,即,其中,为t季度基金持股股票i的数量变动,为季度t的i的总成交量。

控制变量

考虑到其他因素对同步性指标的影响,本文参考了以往的文献,对影响模型结果的一些重要变量进行控制。首先是流动性,本文用换手率Turnover来代表流动性,换手率越高表示股票受关注度越高,股价反映出来的信息就越多(顾乃康,2010);其次则是企业的杠杆率Lev,企业的杠杆较高,则意味着其盈利的波动率更大,也就会加大个股特质信息的波动,减少同步性,杠杆率Lev我们使用资产负债率(总负债/总资产)衡量;第三,Pastor(2003)发现公司上市的年龄Age也是影响个股特质信息的重要变量,我们用上市后的年数来衡量;第三,Wei(2006)发现企业的盈利能力也会影响股价波动从而影响个股特质信息的波动,我们用净资产收益率ROE来衡量个股的盈利能力;第五,公司规模会影响企业的很多特征,进一步地影响个股特质信息,我们用总资产的自然对数Totalasset来控制其影响;最后,使用虚拟变量控制季节因素。

综上所述,得到本文用来检验基金交易行为与个股的模型:

上述模型中,被解释变量同步性用来衡量个股特质信息的多寡,个股特质信息越高,同步性就越低。解释变量是基金股票总交易量中数据基金投资者驱动的部分占比。如果基金挖掘到个股特质信息从而进行的交易,那么与应该为显著负相关关系。

此外,基金交易和股票个体特质信息可能存在内生性:基金的交易行为通过二级市场会降低个股特质信息,同时,基金也会去寻找个股特质信息多的股票,对此类股票有偏好。因此,为了消除内生型的影响,我们借鉴Jayaraman(2011)的方法,使用两阶段最小二乘法,亦即2S2L,其中用为的工具变量,控制内生性。

(二)基金关注基本面信息的分析

由于基金投资者获得的个股特质信息既包含基本面的价值信息,又包含概念炒作等垃圾信息。从实际情况来看,确实无论是未来盈利向好的基本面信息和市场炒作的噪音都能引起个股与大盘走势的背离。由此,在前一步的基础上我们需要检验基金是否关注基本面信息。

我们需要建立模型来探索基金行为与股票未来基本面的关系。Bushhee & Goodman(2007)建立了理论模型刻画了机构投资这对信息的挖掘行为。他们认为,投资者对价值信息的获取实际体现在机构交易与不同时点的基本面(盈余)信息指标之间的关系上。也就是说,投资者的交易是和未来的盈利能力正相关,和过去的盈利能力负相关。对于前者,如果一个投资者获得了个股的未来正面的基本面信息,那么他就会提前布局买入。对于后者如果投资者认为未来盈利能力会下降,那么他们会获利了结或者卖空,当然,如果卖空受限或者投资期限长则会不显著。

金融投资数据大全——Choice金融终端年终大回馈

咨询电话/微信:13061694649

当然,小市值股票会比大市值股票更难以定价,投资者如果看重小市值股票未来的成长性会对其初期的亏损进行容忍,扩大的利润亏损并不影响其估值的增加。如过去的阿里巴巴和现在的京东等互联网产业,初期亏损似乎已经成为了成长性企业初期时的常态,这时候用利润就难以刻画基本面。但是,如果是高成长企业,基金是出于其快速扩张的预期才买入,那么能预见到其营收的快速增长。因此,本文在利润之外,使用营业收入同比增速来进行盈利以外的检验。如果一个投资者获取了公司未来高速成长的信息,那么他就会提前布局买入,机构投资者的买入行为应该和公司未来营业收入增速成正比。

四、检验结果

模型一检验结果:

解释变量Trd,也就是基金的交易活跃度,系数为负,在全部样本中为5%水平下显著,大公司的样本中为1%的水平下显著,小公司的样本中为5%水平下显著。表明基金交易的活跃度确实能够降低个股与市场价格的同步性,也就是增加个股所包含的信息含量。说明无论是对于大公司还是小公司,基金的交易行为是建立在对与个股信息的挖掘上的。但是,大公司的Trd变量系数较小公司更为显著,原因可能是挖掘信息成本不同,大公司的信息环境较好,机构投资者获取大公司的信息成本较低,因此机构投资这对大公司的信息挖掘能力较强。

模型二检验结果

对于小市值公司而言,基金投资者持股变化change与上一季度的盈利同比增长率Ern_m1成反比,但结果并不十分显著。持股比例变化change与未来盈利同比增速Ern_1 ,Ern_4并不呈正比,表明,表明基金投资者对于小市值公司的持股比例变化与未来的盈利增速并没有明显变化,即我国基金投资者在挖掘小市值公司的信息时没有挖掘到基本面信息。

综合以上两步检验分析的结果,本文认为无论是大市值股票还是小市值股票,我国的基金投资者有能力挖掘出市场上个股特质信息。然而,在挖掘的信息上面,基金投资者能够挖掘到大市值公司的基本面信息,却不能挖掘小市值公司的基本面信息,也没能挖掘到小市值公司快速成长方面的信息,也就是挖掘到了噪音。



来源:上海财经大学韩洲枫的硕士毕业论文《基金投资者的信息挖掘行为分析——基于大小市值公司的比较》

作者:韩洲枫(上海财经大学)




Matlab金融量化应用培训班(八期)招生已启动!


Matlab基础知识

数据的获取

多标的相关性分析

MATLAB量化投资快速入门

多因子策略及MATLAB实现

机器学习策略及MATLAB实现……


2017年3月4日—5日        上海

报名电话/微信:13061694649