传统的金融定价理论认为,资产的风险与收益呈现显著的正向关系,而众多来自市场实证检验的结果表明,市场上资产的风险与收益之间的关系并不完全符合传统资产定价模型,而是呈现出风险越大,收益反而越小的特征,当以Beta度量个股的风险水平时,体现出低Beta股票未来表现好、高Beta股票未来表现反而差的Beta异象。在国外既有的相关研究中,学者在检验Beta异象存在的基础上,从对风险因子补偿、市场微观结构缺陷以及投资者行为等不同角度对其成因进行了探讨,成果颇丰但意见并不一致。本文在已有文献的基础上,对中国股票市场的Beta异象做了全面和深入的考察分析,首先使用低频的日收益数据构建个股Beta,检验了 Beta异象的存在性及稳健性;然后进一步对个股Beta在高频数据中进行了分解,根据个股与市场价格的跳跃和连续变动,分别构造了个股的跳跃Beta与连续Beta,前者表征个股对市场价格跳跃的敏感程度,后者表征个股对市场价格连续变动的敏感程度,分别检验了跳跃Beta、连续Beta是否体现出Beta异象。实证结果显示跳跃Beta表现出了显著的Beta异象。在控制了跳跃Beta的差异后,连续Beta的异象不显著,而控制连续Beta的差异后,跳跃Beta异象依然显著,研究结果表明中国股市中Beta异象主要体现为跳跃Beta异象。在探讨并分析跳跃Beta异象的成因时,本文分别从对风险因子补偿的风险定价角度和投资者行为角度展开,并重点从投资者非理性的行为角度进行了考察。关于对风险因子补偿的角度,本文使用在中国市场上已通过实证检验证明具有定价作用的反转因子、换手率、特质波动率、流动性等指标,借鉴Fama-French因子模型中定价因子的构建方法,构造了相对应的风险因子,实证结果显示尽管高Beta与低Beta组合间的收益差可以在一定程度上由上述定价因子解释,但是超额收益在使用因子模型风险调整后依然显著,说明跳跃Beta异象并不能完全从风险因子补偿的角度进行解释。之后本文重点从投资者行为角度进行了成因分析,主要考察了市场投资者非理性的偏好与交易行为对跳跃Beta异象的影响。本文研究结果表明跳跃Beta异象确实与投资者非理性密切相关。在刻画投资者非理性时,基于前景理论构建了个股水平上的前景理论值TK指标,在具体的构建过程中,同时考虑了非理性投资者的几个典型特征,包括高估小概率事件发生可能、过度厌恶损失、参考点依赖等特征。非理性投资者对TK值高的股票具有过度的偏好,对TK值低的股票则体现为过度的厌恶,这种认知偏差所指导的交易行为会造成资产价格偏离其内在价值。本文先后使用了相关性检验、双变量组内分组控制变量方法、Fama-MacBeth回归等方法考察了 TK指标对跳跃Beta异象的解释能力,验证了投资者非理性是造成跳跃Beta异象的主要原因。此外,为了进一步论证结果的合理性,本文还按照机构持股占比将样本股票进行划分,分别考察不同子样本内的跳跃Beta异象,发现在专业程度较差、非理性程度高的个人投资者所占比例高的子样本内,跳跃Beta异象更显著,而在专业程度更高、更理性的机构投资者占比更高的子样本内,跳跃Beta异象是比较弱的,这一结果也支持了投资者非理性导致Beta异象。本文之所以选择进一步在高频数据上分解为跳跃Beta与连续Beta,深入探讨跳跃Beta异象,主要是因为:(1)高频数据中包含更丰富的信息,从理论上金融市场中的信息会连续不断地对资产价格的动态过程产生影响,采集频率越高,信息丢失相对越少,当数据采集频率逐渐增高时,数据所包含的资产价格信息渐进接近于理论上连续时间的资产定价模型;(2)资产价格的跳跃时段与连续时段,其间的风险评估、风险管理方式以及对投资者风险承受度的考验上具有显著的差异,而这些差异很容易造成资产风险与收益的关系在跳跃时段发生“扭曲”,呈现出与连续变动时段不同的风险特征。出于以上考虑,本文用高频数据分别构造了跳跃Beta和连续Beta,分别考察Beta异象。本文之所以主要从投资者非理性角度对跳跃Beta异象进行成因分析,主要是因为:(1)中国股票市场上专业程度较差、非理性程度较高的散户投资者众多且交易频繁,对资产市场价格的形成、以及市场价格偏离理论价格的过程产生重要影响;(2)Beta异象主要体现为跳跃Beta异象,价格跳跃意味着投资者在极短时间内有高额回报或损失,因此当投资者并非完全理性时,在面对价格跳跃蕴含的风险时,会有异于资产价格连续变动时段的态度与交易行为,这些因素都会造成价格跳跃时段风险与收益的关系异于价格连续变动时段。本文的研究在具体实践上有助于投资者更深入理解价格跳跃中蕴含的风险,为投资者约束和规范非理性投资行为提供实证的支持。在学术研究中,也进一步表现出传统金融理论在具体市场应用中的局限性,对Beta在高频数据中的分解,进一步揭示了跳跃Beta的定价异常是市场上Beta异象的主要表现方式。本文将对Beta异象的研究扩展到了高频数据中,为分析包括Beta异象在内的其他市场定价异象提供了新的思路,同时也丰富了前景理论框架下用投资者非理性行为解释市场异象的研究。本文与已有相关研究相比,有以下几个方面的创新和贡献:第一,进一步在高频数据上对个股的Beta进行了分解,将Beta异象的表现具体到了跳跃Beta的定价异常,更有利于探讨分析Beta异象的成因。现有的研究在验证了低频Beta异象后,直接开始展开对Beta异象成因的分析与探讨,而本文在验证了在低频维度上Beta异象的存在性后,进一步采用高频数据分解Beta为连续和跳跃的部分,探讨Beta异象主要表现为跳跃Beta异象还是连续Beta异象。本文基于日内高频数据构造了个股的跳跃Beta、连续Beta和隔夜Beta,并分别考察各个高频Beta风险溢价是否存在异象。结果发现当控制了连续Beta的差异后,跳跃Beta异象显著存在;当控制了跳跃Beta的差异后,根据连续Beta构造的组合不再有显著的超额收益,这说明了我国股票市场上Beta异象主要体现为跳跃Beta异象,这也进一步证实了研究高频数据下跳跃风险的重要作用。第二,研究视角的创新,将Beta异象分析的视角由整体的个股Beta转向了主要考察市场价格跳跃部分。由于价格跳跃意味着在极短时间内价格变动幅度大,风险管理困难,投资者关注程度高,尤其是价格跳涨意味着投资者在极短时间内会有高额回报,对于非理性的投资者具有极大的吸引力,当价格下跳时,非理性投资者又会有过度的恐慌,所以价格跳跃造成投资者风险态度发生变化,进一步造成价格跳跃时段风险与收益的关系异于价格连续变动时段。因此跳跃Beta异象为从投资者非理性角度解释其成因提供了更好的支持。第三,将跳跃Beta异象的成因分析置于前景理论的框架下,使得实证研究过程更加规范。本文在构造表征非理性投资者对某些股票的非理性偏好时,基于前景理论构建了 TK指标。在具体的构建过程中,同时考察了非理性投资者的几个典型特征,包括高估小概率事件发生可能、过度厌恶损失、参考点依赖等特征,在构造TK指标的具体过程中以上非理性行为均有所体现,这使得本文在用投资者非理性行为解释跳跃Beta异象时具有更规范的理论基础。