论文部分内容阅读
摘要：在资本市场上，羊群效应是指投资者在信息不确定的情况下过度依赖舆论噪声进行交易进而导致整个群体交易策略趋同的现象。在经济学研究上，羊群效应体现为投资者决策行为之间的相关性。本文基于上证50指数的周收益率数据，然后采用CSAD测度方法对上证50指数的周收益率数据进行了处理，继而对上海证券交易所的羊群效应进行实证分析。检验结果表明，在95%和99%的置信度下，上海证券交易市场的羊群效应很弱，基本可以认为不存在羊群效应。这说明我国近年来在资本市场推出的一系列政策，使得我国资本市场在某种程度上得到了改善，市场投资理念日趋完善和成熟。
关键词：羊群效应；从众心理；CSAD测度方法； 实证检验
中图分类号：F830.91 文献标志码：A 文章编号：1001-862X（2014）05-0066-006
在资本市场上总是存在一些异常的现象，而这些现象并不能由任何已知资产定价模型进行描述，只有通过行为金融理论才能给出其合理的解释，在这其中，“羊群效应”就是典型的例子。[1]羊群效应是在投资信息不确定的情况下由“群体压力”等情绪导致的一种异常现象，投资者在投资策略上互相影响，进而在整体上导致投资群体内部之间互相模仿、相互传染而逐渐采用趋同策略的现象。[2]羊群效应的产生主要基于投资者的从众心理，在投资决策时过分依赖舆论噪声而不是根据自己已有的判断和所挖掘的信息，进而导致了投资者之间的循环反应和相互刺激。那么，我国的证券市场上是否存在羊群效应呢？本文将以上海证券交易所为对象给予研究。
一、研究方法选择与数据描述
（一）研究方法选择
基于上述前期研究成果中所使用的研究方法，下面我们以其中主要的研究方法为对象进行比较，阐明它们各自的优缺点，从而确定本文的研究方法。
1.LSV 检验方法
LSV方法是将羊群效应定义为各类投资者同时买入卖出某些股票的平均趋势，也就是说该方法实际测度的是特定交易群体投资行为的相关关系，以及他们买卖同类股票的趋势。之所以选用该指标来衡量羊群效应程度是因为：羊群效应本质上就是指在同一时期里大部分投资者同时买卖同一只股票的现象。以Bit表示t时期内买入股票的投资者数量；Sit表示t时期内卖出股票的投资者数量；Hit表示t时期买卖股票的羊群行为度，则：
Hit=■
显然，Hit表示买卖股票的所有投资者中，采取相同买卖行为的投资者比重，Hit的值在 0.5～1之间，Hit值越大，则说明投资者从众行为程度就越大。该方法的不足之处在于：第一，LSV 方法在研究羊群效应时仅仅考虑了投资者的数量，而没有考虑投资者购买股票的规模。第二，LSV 方法非常强调对投资品种与时间间隔的选择，这两个因素对研究结果影响较大。基于上述原因，本文不选择LSV方法。[3]
2.CH 检验方法
Christie 和 Huang （简称 CH） 提出了根据收益率分散度来衡量羊群效应的方法，即CH 方法。他们认为，由于羊群效应将会导致个股收益率不会过于偏离市场平均收益率，即如果出现羊群行为，则个股收益率应该紧密分布于市场收益率周围。因为该方法使用了横截面收益标准差（cross-sectional standard deviation of returns，简称CSSD），因而又被称为CSSD方法，其计算公式为：
CSSDt=■
在上式中，n表示资产组合所包含的股票数量，Rit指的是在t时期股票的收益率，Rmt指的是在t时期股票市场的市场收益率。CH方法在对证券市场的羊群效应进行估算时，只有股票市场投资者中的大多数都对资产组合中的股票表现出显著的羊群效应，资产组合中股票的收益率才会出现大量趋同，这就使得CH 方法只是对羊群效应检测的一个非常偏保守的估算。它低估了羊群行为的程度，且无法有效地测量小幅度的羊群效应。因此，CH方法存在灵敏度较低的问题。基于上述原因，本文也不采用CH方法。[4]
3.CSAD 检验方法
Chang、Cheng和Khorana最早提出了对羊群效应测度的横截面收益绝对偏差法（简称CSAD法），该方法主要根据偏离度和市场收益率之间非线性关系的检验来完成对羊群效应的评估。[5]正因为CSAD方法克服了LSV方法忽略股票成交量和CH方法灵敏度较低的缺陷，本文拟选择CSAD方法作为研究方法，并在应用时对其作适当的变化。
CSAD方法的基本计算公式为：
CSADt=■■Rit-Rmt（1）
其中，n为一个资产组合中的股票数，Rit指的是在t时期股票的收益率，Rmt指的是在t时期股票市场的市场收益率。
基于夏普于1964年提出的资本资产定价模型（简称CAPM），股票的期望收益率可以表示为：
E（Rit）=rf+？茁i[E（Rmt）-rf]（2）
式中，rf为无风险利率，通常认为是短期国库券的利率，？茁i为i股票的风险系数，E（Rm）为股票市场的期望收益率。
将（2）式变形可得：
E（Rit）-E（Rmt）=（？茁i-1）[E（Rmt）-rf]（3）
对（3）式两边同时取绝对值后有（一般情况下，市场组合的期望收益率不小于无风险收益率）：
|E（Rit）-E（Rmt）|=|？茁i-1|[E（Rmt）-rf]（4）
对（4）式进行加总求和可得：
■■E（Rit）-E（Rmt）
=■■？茁i-1[E（Rmt）-rf]（5）
由（1）式和（5）式综合可得：
E（CSADt）=■■？茁i-1[E（Rmt）-rf]（6）
对（6）式分别求一阶导数和二阶导数后可以得到： ■=■■？茁i-1>0
■=0
显然，由于二阶导数等于零，所以一阶导数是一个常数，又因为一阶导数的数值大于零，因此t时期市场收益率的期望E（Rmt）和t时期横截面收益绝对偏离度的期望E（CSADt）呈现出线性递增的关系。当证券市场上的投资者有着相近的投资理念时，股价的变化就会趋于相同，继而使得股票市场上个股的收益率向市场收益率贴近，这样就在一定程度上破坏了t时期市场收益率Rmt与同期横截面收益绝对偏离度CSAD之间的线性递增关系。因此，为了更能突出CSADt和Rmt之间的这种关系，我们在CSADt和Rmt之间线性关系的基础上增加一个二次项R2mt。又由于E（CSADt）和E（Rmt）是不可测的，所以用CSADt和Rmt分别代替，故我们可以建立回归方程：
CSADt=？琢+？茁Rmt+？酌R2mt+？着t（7）
CSADt=？琢+？茁Rmt+？着t（8）
因此，根据上述方法对羊群效应进行的检验，实质上就是对上述方程（7）和（8）的相关系数进行检验。预期结果如下：如果（7）式一次项的系数为？茁显著负值，则表明市场存在显著的羊群效应。如果（7）式一次项系数为显著正数，则就需要对（7）式二次项系数？酌进行判断：若二次项系数？酌显著或为负值，则表明市场存在羊群效应；若？酌在统计意义上不显著，则需要检验（8）式的系数？茁，如果？茁显著为正且能通过 T检验，说明基本可以认为资本市场不存在羊群效应。[6]
（二）样本数据来源、选取和相关处理
本文研究采用上证50指数样本股的周收益率数据，其原始数据来源于RESSET（锐思）金融研究数据库，所选样本区间为2011年1月7日到2013年1月7日。考虑到在这个区间内，上证50指数样本股在2011年7月1日共有5只样本股票发生了变动，故而剔除这些变动了的个股，最后留下45只样本股。所以在此样本区间共有45×101个周收益数据。[7]
下面对相关数据进行整体描述，以对上海证券交易所在此时期内是否存在羊群效应有个初步的判断和直观的认识。首先，根据样本数据观察上证50指数行情变动情况，如图1所示。
图1中横坐标代表时间，纵坐标代表上证50指数值。可以看到，在样本期内，上证50指数主要处于下行态势，不过在2012年12月4日，其指数从1528点强烈反弹。从表面上看，前期股价陡峭下降趋势中可能反映出投资者‘慌逃’的行为，同时后期指数股价强烈反弹也可能反映出投资者‘盲目跟风’的行为。也就是说，股价指数经常出现暴涨暴跌的不合理现象，可能是投资者跟风从众行为即羊群效应的表现。但是，考虑到2011—2012年正是欧债危机持续发酵且世界经济整体下行的时期，国内经济面临严峻形势，而在2012年底我国经济开始好转，我国股市暴涨暴跌的现象与宏观经济形势的变化密切相关。因此，证券市场暴涨暴跌的主要原因可能并不是跟风从众行为，很有可能是其背后的宏观经济形势。
其次，我们根据样本数据，画出Rm和CSAD之间关系的散点图，如图2所示。图2中纵坐标表示CSAD（横截面收益绝对偏差），横坐标表示Rm（市场收益率的绝对值），整体图表示的是Rm和CSAD之间的散点关系图，从中我们可以看出，其散点相对比较集中，而且呈现出一种线性关系，在一定程度上反映出其羊群效应还是比较弱的。[8]
二、实证检验结果分析
根据前文所选择并经过适当处理的CSAD模型，我们开始实证检验2011—2013年之间上海证券交易所50指数样本股票是否存在羊群效应。
（一）初步回归结果
我们运用Eviews 7.0 直接对CSAD模型即方程（7）进行一元二次回归分析，得到结果如表1。通过表1 可以明显看到，模型回归效果很不理想。首先，无论是在1%、5%还是10%的显著性水平上，Rm和Rm2前面的回归系数的t统计量值都不能通过t检验，即不能证明其系数显著不为零。其次，模型的R2=0.1278、调整R2=0.1099，都显然偏小，说明模型拟合效果很差。因此，我们怀疑预先设定的CSAD模型可能存在序列相关性问题，因此下面检验模型的序列相关性。
（二）序列相关性检验
我们检验序列相关性的方法是检验CSAD模型的残差是否具有相关性，对此采取两个具体方法：拉格朗日乘数检验（LM检验）和自相关检验方法。下面分别叙述其检验结果。
首先，我们采用拉格朗日乘数检验（LM检验）方法对残差进行检验，检验结果如表2。LM检验（P=2）结果显示，在5%的显著性水平拒绝原假设，回归方程的残差序列存在相关性。
其次，我们进行自相关检验，这需要计算出残差序列的自相关系数、偏自相关系数和Q统计量。虚线之间的区域是正负两倍于估计标准差所夹成的。如果自相关值和或偏自相关值在这个区域内，则在显著性水平为5%的情形下与零没有显著区别。然而通过表3 可以看出，一阶的自相关数和偏自相关数都超出了虚线，而其后更高阶的自相关数和偏自相关数都没有超出其虚线，这说明的确存在一阶序列相关，但不存在更高阶的序列相关。这也就拒绝原假设，说明上述模型确实存在序列相关。[9]
（三）模型的修正与再次回归
上面的检验已经证明预先设定的CSAD模型存在Obs*R-squared 8.029267 Prob.Chi-Square（2） 0.0180序列相关问题，因而需要对模型进行修正并对修正后的模型进行再次回归分析。
首先，对残差进行 1阶回归分析，得到：
接下来要对模型数据序列相关性进行修正，即将上式代入原模型中。则修正后的模型为：
对上式回归结果如表3。通过表3可以看到，经过序列相关性修正后的模型回归结果大大改善。首先可以看到，修正后模型的R2=0.8757，比序列相关性修正以前的拟合优度大大提高，说明修正后模型的拟合效果比较理想。其次，模型的统计量F=3.9737>F0.05=3.09，说明回归方程整体性显著。最重要的是，两个变量在不同的显著性水平上通过了t检验。具体来说，变量Rm，t-0.2329*Rm，t-1前面系数的t统计量为3.5983，显然在90%（t0.05=1.66）、95%（t0.025=1.99）、99%（t0.005=2.62）置信度下能通过统计量检验。同时，变量Rm，t-0.2329*Rm，t-1系数t统计量的值为t=1.7658>t0.05=1.66，说明在95%的置信度下（或者5%的显著性水平上）通过了原假设，也就是说在95%的概率下市场的羊群效应比较弱。然而在99%的置信度下，变量的系数不能通过t检验，因此我们继续对CSADt和Rm进行一元回归分析。回归结果如表4，得到一元回归方程如下： CSADt=0.02024+1.14138Rmt+？着t
通过表4可以看到，回归结果中Rm系数的t统计量值为3.7361，显然在90%（t0.05=1.66）、95%（t0.025=1.99）、99%（t0.005=2.62）置信度下都通过t检验，而且其系数值为正（=0.1414），这说明在这些显著性水平下，横截面绝对偏离度CSAD和市场收益率Rm之间为线性递增关系。由此可以得出结论，上海证券交易市场的羊群效应很弱，或者说已经不存在羊群效应了。[10]
三、研究结论及其原因的解释
本文运用2011-2013年上证50指数及其样本股的周收益率数据，通过CSAD检验方法对上海证券市场的羊群效应进行了研究。结果表明，在置信度95%、99%的情况下，横截面绝对偏离度CSAD和市场收益率Rm之间为线性递增关系，基本上可以认为在上海证券交易市场大体上已经不存在羊群效应了。对于这个结果，我们可以从下面几个方面进行解释：
（一）数据选取过于理性化
本文选取的数据是2011—2013年上证50指数及其样本股的周收益率数据，而上证50指数挑选的是上海证券市场规模大、流动性好的最具有代表性的50只股票作为样本股。这些样本股对应的都是大企业，这些大企业缺乏成长性因而其股票并不是散户所青睐的投资对象，由此检验结果显示不存在羊群效应也就变得比较合理了。不过这可以让我们相信，流通盘比较大的上市公司的股票不存在羊群效应。[11]
（二）投资者结构更加趋向合理
在最近几年，我国不断加快机构投资者队伍的发展和建设。比如允许合格的境外机构投资者投资我国资本市场，以及允许社保基金、保险公司投资股票市场，特别是 QFII 和RQFII 的不断扩容，这使得我国资本市场的机构投资者队伍不断壮大，投资者结构也更加趋向合理。投资者结构的日趋合理无疑会分化既定投资群体，进而减弱羊群效应。
（三）投资理念不断成熟
散户投资者由于自身和外部条件的限制，其投资行为很容易受到其他投资者的影响并模仿他人的投资决策，这就很容易因为投资理念不成熟而形成“跟风”、“跟庄”等行为，从而产生羊群效应。然而随着合格境外机构投资者的引入，国外成熟的先进投资理念进入国内。这就在一定程度上提高了个体投资者的认识，降低了盲目从众的心理和行为，从而减少了羊群效应。[12]
（四）证券法律法规的不断完善
长期以来，我国股票市场一直面临着严重的诚信与道德危机。近几年来，监管层对上市公司、中介机构及庄家的查处，暴露出许多上市公司虚假包装上市与信息披露失真、中介机构造假和证券欺诈、庄家操纵股市和基金老鼠仓等问题。针对这些问题，监管层不断修改和完善法律法规，出台了一些新的规定。这些新的法规和规定限制了上市公司和中介机构有意误导个体投资者的行为，同时也使个体投资者加深了对一些违规行为和虚假信息的认识，这两方面共同抑制了羊群效应的产生。
（五）金融创新的加快以及做空机制的引入
在过去只能做多的单边市场上，只有股票价格上涨才能赚钱，这就不能形成做多和做空之间的良性循环关系，致使股票市场的风险不断积聚。比如当股票处于牛市时，伴随着股票价格的上升和交易量的不断放大，很容易使得“跟风”等羊群行为的产生，从而导致股价的不连续性和大幅波动。当股价下跌时，投资者唯一的理性操作选择也就是抛出相应的股票，这也就很明显会产生更加严重的羊群行为。而目前随着股指期货以及融资融券等金融创新的产生，使得做空成为可能。做空机制的引入大大增加了投资者可选择的策略，减少了羊群行为的产生，使得整个市场更加完善。[13]
参考文献：
[1]宋军，吴冲锋.基于分散度的金融市场的羊群行为研究[J].经济研究，2001，（11）：21-27.
[2]常志平，蒋馥.基于上证30及深圳成指的我国股票市场“羊群行为”的实证研究[J].预测，2002，（03）：49-51.
[3]蒋学雷，陈敏，吴国富.中国股市的羊群效应的ARCH检验模型与实证分析[J].数学的实践与认识，2003，（03）：56-63.
[4]杨丽静.基于沪深300我国股市的羊群效应实证研究[J].中国经贸导刊，2011，（03）：65-66.
[5]徐蔼婷，徐秀明.也论中国股市的羊群效应[J].浙江统计，2003，（06）：19-21.
[6]王文杰.对A股市场和中小板市场羊群效应的实证检验[J].生产力研究，2011，（03）：48-50，97.
[7]王谦，卢光峰.基于CCK模型的中美创业板市场羊群效应比较[J].金融发展研究，2013，（08）：75-78.
[8]刘曦，许启发，蒋翠侠.基于非参数分位CCK模型的沪市羊群效应实证研究[J].统计与决策，2014，（08）：161-165.
[9]王朝晖.证券市场投资者群体行为研究[M].北京：经济科学出版社，2009.
[10]董志勇.行为金融学[M].北京：北京大学出版社，2009.
[11]颜向农，李思慧.基于羊群效应的投资趋同化研究[J].湖南科技大学学报社科版，2012，（05）：58-61.
[12]李晓燕.基于行业特征的中国沪深股市羊群行为的实证研究[J].求索，2013，（03）：16-19.
[13]陈家洪.从证券市场视角透视腐败问题[J].理论探讨，2012，（02）：80-83.
（责任编辑 明 笃）
关键词：羊群效应；从众心理；CSAD测度方法； 实证检验
中图分类号：F830.91 文献标志码：A 文章编号：1001-862X（2014）05-0066-006
在资本市场上总是存在一些异常的现象，而这些现象并不能由任何已知资产定价模型进行描述，只有通过行为金融理论才能给出其合理的解释，在这其中，“羊群效应”就是典型的例子。[1]羊群效应是在投资信息不确定的情况下由“群体压力”等情绪导致的一种异常现象，投资者在投资策略上互相影响，进而在整体上导致投资群体内部之间互相模仿、相互传染而逐渐采用趋同策略的现象。[2]羊群效应的产生主要基于投资者的从众心理，在投资决策时过分依赖舆论噪声而不是根据自己已有的判断和所挖掘的信息，进而导致了投资者之间的循环反应和相互刺激。那么，我国的证券市场上是否存在羊群效应呢？本文将以上海证券交易所为对象给予研究。
一、研究方法选择与数据描述
（一）研究方法选择
基于上述前期研究成果中所使用的研究方法，下面我们以其中主要的研究方法为对象进行比较，阐明它们各自的优缺点，从而确定本文的研究方法。
1.LSV 检验方法
LSV方法是将羊群效应定义为各类投资者同时买入卖出某些股票的平均趋势，也就是说该方法实际测度的是特定交易群体投资行为的相关关系，以及他们买卖同类股票的趋势。之所以选用该指标来衡量羊群效应程度是因为：羊群效应本质上就是指在同一时期里大部分投资者同时买卖同一只股票的现象。以Bit表示t时期内买入股票的投资者数量；Sit表示t时期内卖出股票的投资者数量；Hit表示t时期买卖股票的羊群行为度，则：
Hit=■
显然，Hit表示买卖股票的所有投资者中，采取相同买卖行为的投资者比重，Hit的值在 0.5～1之间，Hit值越大，则说明投资者从众行为程度就越大。该方法的不足之处在于：第一，LSV 方法在研究羊群效应时仅仅考虑了投资者的数量，而没有考虑投资者购买股票的规模。第二，LSV 方法非常强调对投资品种与时间间隔的选择，这两个因素对研究结果影响较大。基于上述原因，本文不选择LSV方法。[3]
2.CH 检验方法
Christie 和 Huang （简称 CH） 提出了根据收益率分散度来衡量羊群效应的方法，即CH 方法。他们认为，由于羊群效应将会导致个股收益率不会过于偏离市场平均收益率，即如果出现羊群行为，则个股收益率应该紧密分布于市场收益率周围。因为该方法使用了横截面收益标准差（cross-sectional standard deviation of returns，简称CSSD），因而又被称为CSSD方法，其计算公式为：
CSSDt=■
在上式中，n表示资产组合所包含的股票数量，Rit指的是在t时期股票的收益率，Rmt指的是在t时期股票市场的市场收益率。CH方法在对证券市场的羊群效应进行估算时，只有股票市场投资者中的大多数都对资产组合中的股票表现出显著的羊群效应，资产组合中股票的收益率才会出现大量趋同，这就使得CH 方法只是对羊群效应检测的一个非常偏保守的估算。它低估了羊群行为的程度，且无法有效地测量小幅度的羊群效应。因此，CH方法存在灵敏度较低的问题。基于上述原因，本文也不采用CH方法。[4]
3.CSAD 检验方法
Chang、Cheng和Khorana最早提出了对羊群效应测度的横截面收益绝对偏差法（简称CSAD法），该方法主要根据偏离度和市场收益率之间非线性关系的检验来完成对羊群效应的评估。[5]正因为CSAD方法克服了LSV方法忽略股票成交量和CH方法灵敏度较低的缺陷，本文拟选择CSAD方法作为研究方法，并在应用时对其作适当的变化。
CSAD方法的基本计算公式为：
CSADt=■■Rit-Rmt（1）
其中，n为一个资产组合中的股票数，Rit指的是在t时期股票的收益率，Rmt指的是在t时期股票市场的市场收益率。
基于夏普于1964年提出的资本资产定价模型（简称CAPM），股票的期望收益率可以表示为：
E（Rit）=rf+？茁i[E（Rmt）-rf]（2）
式中，rf为无风险利率，通常认为是短期国库券的利率，？茁i为i股票的风险系数，E（Rm）为股票市场的期望收益率。
将（2）式变形可得：
E（Rit）-E（Rmt）=（？茁i-1）[E（Rmt）-rf]（3）
对（3）式两边同时取绝对值后有（一般情况下，市场组合的期望收益率不小于无风险收益率）：
|E（Rit）-E（Rmt）|=|？茁i-1|[E（Rmt）-rf]（4）
对（4）式进行加总求和可得：
■■E（Rit）-E（Rmt）
=■■？茁i-1[E（Rmt）-rf]（5）
由（1）式和（5）式综合可得：
E（CSADt）=■■？茁i-1[E（Rmt）-rf]（6）
对（6）式分别求一阶导数和二阶导数后可以得到： ■=■■？茁i-1>0
■=0
显然，由于二阶导数等于零，所以一阶导数是一个常数，又因为一阶导数的数值大于零，因此t时期市场收益率的期望E（Rmt）和t时期横截面收益绝对偏离度的期望E（CSADt）呈现出线性递增的关系。当证券市场上的投资者有着相近的投资理念时，股价的变化就会趋于相同，继而使得股票市场上个股的收益率向市场收益率贴近，这样就在一定程度上破坏了t时期市场收益率Rmt与同期横截面收益绝对偏离度CSAD之间的线性递增关系。因此，为了更能突出CSADt和Rmt之间的这种关系，我们在CSADt和Rmt之间线性关系的基础上增加一个二次项R2mt。又由于E（CSADt）和E（Rmt）是不可测的，所以用CSADt和Rmt分别代替，故我们可以建立回归方程：
CSADt=？琢+？茁Rmt+？酌R2mt+？着t（7）
CSADt=？琢+？茁Rmt+？着t（8）
因此，根据上述方法对羊群效应进行的检验，实质上就是对上述方程（7）和（8）的相关系数进行检验。预期结果如下：如果（7）式一次项的系数为？茁显著负值，则表明市场存在显著的羊群效应。如果（7）式一次项系数为显著正数，则就需要对（7）式二次项系数？酌进行判断：若二次项系数？酌显著或为负值，则表明市场存在羊群效应；若？酌在统计意义上不显著，则需要检验（8）式的系数？茁，如果？茁显著为正且能通过 T检验，说明基本可以认为资本市场不存在羊群效应。[6]
（二）样本数据来源、选取和相关处理
本文研究采用上证50指数样本股的周收益率数据，其原始数据来源于RESSET（锐思）金融研究数据库，所选样本区间为2011年1月7日到2013年1月7日。考虑到在这个区间内，上证50指数样本股在2011年7月1日共有5只样本股票发生了变动，故而剔除这些变动了的个股，最后留下45只样本股。所以在此样本区间共有45×101个周收益数据。[7]
下面对相关数据进行整体描述，以对上海证券交易所在此时期内是否存在羊群效应有个初步的判断和直观的认识。首先，根据样本数据观察上证50指数行情变动情况，如图1所示。
图1中横坐标代表时间，纵坐标代表上证50指数值。可以看到，在样本期内，上证50指数主要处于下行态势，不过在2012年12月4日，其指数从1528点强烈反弹。从表面上看，前期股价陡峭下降趋势中可能反映出投资者‘慌逃’的行为，同时后期指数股价强烈反弹也可能反映出投资者‘盲目跟风’的行为。也就是说，股价指数经常出现暴涨暴跌的不合理现象，可能是投资者跟风从众行为即羊群效应的表现。但是，考虑到2011—2012年正是欧债危机持续发酵且世界经济整体下行的时期，国内经济面临严峻形势，而在2012年底我国经济开始好转，我国股市暴涨暴跌的现象与宏观经济形势的变化密切相关。因此，证券市场暴涨暴跌的主要原因可能并不是跟风从众行为，很有可能是其背后的宏观经济形势。
其次，我们根据样本数据，画出Rm和CSAD之间关系的散点图，如图2所示。图2中纵坐标表示CSAD（横截面收益绝对偏差），横坐标表示Rm（市场收益率的绝对值），整体图表示的是Rm和CSAD之间的散点关系图，从中我们可以看出，其散点相对比较集中，而且呈现出一种线性关系，在一定程度上反映出其羊群效应还是比较弱的。[8]
二、实证检验结果分析
根据前文所选择并经过适当处理的CSAD模型，我们开始实证检验2011—2013年之间上海证券交易所50指数样本股票是否存在羊群效应。
（一）初步回归结果
我们运用Eviews 7.0 直接对CSAD模型即方程（7）进行一元二次回归分析，得到结果如表1。通过表1 可以明显看到，模型回归效果很不理想。首先，无论是在1%、5%还是10%的显著性水平上，Rm和Rm2前面的回归系数的t统计量值都不能通过t检验，即不能证明其系数显著不为零。其次，模型的R2=0.1278、调整R2=0.1099，都显然偏小，说明模型拟合效果很差。因此，我们怀疑预先设定的CSAD模型可能存在序列相关性问题，因此下面检验模型的序列相关性。
（二）序列相关性检验
我们检验序列相关性的方法是检验CSAD模型的残差是否具有相关性，对此采取两个具体方法：拉格朗日乘数检验（LM检验）和自相关检验方法。下面分别叙述其检验结果。
首先，我们采用拉格朗日乘数检验（LM检验）方法对残差进行检验，检验结果如表2。LM检验（P=2）结果显示，在5%的显著性水平拒绝原假设，回归方程的残差序列存在相关性。
其次，我们进行自相关检验，这需要计算出残差序列的自相关系数、偏自相关系数和Q统计量。虚线之间的区域是正负两倍于估计标准差所夹成的。如果自相关值和或偏自相关值在这个区域内，则在显著性水平为5%的情形下与零没有显著区别。然而通过表3 可以看出，一阶的自相关数和偏自相关数都超出了虚线，而其后更高阶的自相关数和偏自相关数都没有超出其虚线，这说明的确存在一阶序列相关，但不存在更高阶的序列相关。这也就拒绝原假设，说明上述模型确实存在序列相关。[9]
（三）模型的修正与再次回归
上面的检验已经证明预先设定的CSAD模型存在Obs*R-squared 8.029267 Prob.Chi-Square（2） 0.0180序列相关问题，因而需要对模型进行修正并对修正后的模型进行再次回归分析。
首先，对残差进行 1阶回归分析，得到：
接下来要对模型数据序列相关性进行修正，即将上式代入原模型中。则修正后的模型为：
对上式回归结果如表3。通过表3可以看到，经过序列相关性修正后的模型回归结果大大改善。首先可以看到，修正后模型的R2=0.8757，比序列相关性修正以前的拟合优度大大提高，说明修正后模型的拟合效果比较理想。其次，模型的统计量F=3.9737>F0.05=3.09，说明回归方程整体性显著。最重要的是，两个变量在不同的显著性水平上通过了t检验。具体来说，变量Rm，t-0.2329*Rm，t-1前面系数的t统计量为3.5983，显然在90%（t0.05=1.66）、95%（t0.025=1.99）、99%（t0.005=2.62）置信度下能通过统计量检验。同时，变量Rm，t-0.2329*Rm，t-1系数t统计量的值为t=1.7658>t0.05=1.66，说明在95%的置信度下（或者5%的显著性水平上）通过了原假设，也就是说在95%的概率下市场的羊群效应比较弱。然而在99%的置信度下，变量的系数不能通过t检验，因此我们继续对CSADt和Rm进行一元回归分析。回归结果如表4，得到一元回归方程如下： CSADt=0.02024+1.14138Rmt+？着t
通过表4可以看到，回归结果中Rm系数的t统计量值为3.7361，显然在90%（t0.05=1.66）、95%（t0.025=1.99）、99%（t0.005=2.62）置信度下都通过t检验，而且其系数值为正（=0.1414），这说明在这些显著性水平下，横截面绝对偏离度CSAD和市场收益率Rm之间为线性递增关系。由此可以得出结论，上海证券交易市场的羊群效应很弱，或者说已经不存在羊群效应了。[10]
三、研究结论及其原因的解释
本文运用2011-2013年上证50指数及其样本股的周收益率数据，通过CSAD检验方法对上海证券市场的羊群效应进行了研究。结果表明，在置信度95%、99%的情况下，横截面绝对偏离度CSAD和市场收益率Rm之间为线性递增关系，基本上可以认为在上海证券交易市场大体上已经不存在羊群效应了。对于这个结果，我们可以从下面几个方面进行解释：
（一）数据选取过于理性化
本文选取的数据是2011—2013年上证50指数及其样本股的周收益率数据，而上证50指数挑选的是上海证券市场规模大、流动性好的最具有代表性的50只股票作为样本股。这些样本股对应的都是大企业，这些大企业缺乏成长性因而其股票并不是散户所青睐的投资对象，由此检验结果显示不存在羊群效应也就变得比较合理了。不过这可以让我们相信，流通盘比较大的上市公司的股票不存在羊群效应。[11]
（二）投资者结构更加趋向合理
在最近几年，我国不断加快机构投资者队伍的发展和建设。比如允许合格的境外机构投资者投资我国资本市场，以及允许社保基金、保险公司投资股票市场，特别是 QFII 和RQFII 的不断扩容，这使得我国资本市场的机构投资者队伍不断壮大，投资者结构也更加趋向合理。投资者结构的日趋合理无疑会分化既定投资群体，进而减弱羊群效应。
（三）投资理念不断成熟
散户投资者由于自身和外部条件的限制，其投资行为很容易受到其他投资者的影响并模仿他人的投资决策，这就很容易因为投资理念不成熟而形成“跟风”、“跟庄”等行为，从而产生羊群效应。然而随着合格境外机构投资者的引入，国外成熟的先进投资理念进入国内。这就在一定程度上提高了个体投资者的认识，降低了盲目从众的心理和行为，从而减少了羊群效应。[12]
（四）证券法律法规的不断完善
长期以来，我国股票市场一直面临着严重的诚信与道德危机。近几年来，监管层对上市公司、中介机构及庄家的查处，暴露出许多上市公司虚假包装上市与信息披露失真、中介机构造假和证券欺诈、庄家操纵股市和基金老鼠仓等问题。针对这些问题，监管层不断修改和完善法律法规，出台了一些新的规定。这些新的法规和规定限制了上市公司和中介机构有意误导个体投资者的行为，同时也使个体投资者加深了对一些违规行为和虚假信息的认识，这两方面共同抑制了羊群效应的产生。
（五）金融创新的加快以及做空机制的引入
在过去只能做多的单边市场上，只有股票价格上涨才能赚钱，这就不能形成做多和做空之间的良性循环关系，致使股票市场的风险不断积聚。比如当股票处于牛市时，伴随着股票价格的上升和交易量的不断放大，很容易使得“跟风”等羊群行为的产生，从而导致股价的不连续性和大幅波动。当股价下跌时，投资者唯一的理性操作选择也就是抛出相应的股票，这也就很明显会产生更加严重的羊群行为。而目前随着股指期货以及融资融券等金融创新的产生，使得做空成为可能。做空机制的引入大大增加了投资者可选择的策略，减少了羊群行为的产生，使得整个市场更加完善。[13]
参考文献：
[1]宋军，吴冲锋.基于分散度的金融市场的羊群行为研究[J].经济研究，2001，（11）：21-27.
[2]常志平，蒋馥.基于上证30及深圳成指的我国股票市场“羊群行为”的实证研究[J].预测，2002，（03）：49-51.
[3]蒋学雷，陈敏，吴国富.中国股市的羊群效应的ARCH检验模型与实证分析[J].数学的实践与认识，2003，（03）：56-63.
[4]杨丽静.基于沪深300我国股市的羊群效应实证研究[J].中国经贸导刊，2011，（03）：65-66.
[5]徐蔼婷，徐秀明.也论中国股市的羊群效应[J].浙江统计，2003，（06）：19-21.
[6]王文杰.对A股市场和中小板市场羊群效应的实证检验[J].生产力研究，2011，（03）：48-50，97.
[7]王谦，卢光峰.基于CCK模型的中美创业板市场羊群效应比较[J].金融发展研究，2013，（08）：75-78.
[8]刘曦，许启发，蒋翠侠.基于非参数分位CCK模型的沪市羊群效应实证研究[J].统计与决策，2014，（08）：161-165.
[9]王朝晖.证券市场投资者群体行为研究[M].北京：经济科学出版社，2009.
[10]董志勇.行为金融学[M].北京：北京大学出版社，2009.
[11]颜向农，李思慧.基于羊群效应的投资趋同化研究[J].湖南科技大学学报社科版，2012，（05）：58-61.
[12]李晓燕.基于行业特征的中国沪深股市羊群行为的实证研究[J].求索，2013，（03）：16-19.
[13]陈家洪.从证券市场视角透视腐败问题[J].理论探讨，2012，（02）：80-83.
（责任编辑 明 笃）