基于Apriori算法的機構投資者投資偏好研究

郁露露

【摘 要】 近年來，在“超常規發展機構投資者”的戰略指導下，我國證券市場上機構投資者隊伍迅速壯大。以證券投資基金、券商為代表的機構投資者正成為證券市場的主要參與者。機構投資者對市場的影響逐漸加大，逐漸成為市場的主導。文章采用Apriori算法對機構投資者投資偏好進行關聯規則的挖掘，初步探討了影響機構投資者投資的企業特征，對于分類協調和發展機構投資者，塑造多元化均衡的投資者結構，進一步穩定證券市場，提高證券市場成熟度和市場效率具有重大意義。

【關鍵詞】 機構投資者； 關聯規則； 持股偏好

一、引言

自從2000年我國提出“超常規發展機構投資者”的發展戰略以來，陸續又出臺了一系列鼓勵機構投資者發展的政策、措施，許多“新型”投資機構獲批。2001年9月，我國第一只開放式基金——華安創新發行；2002年12月，引入QFII試點；2004年10月，放寬機構投資者進入股票市場的限制，允許保險機構直接參與一級與二級市場交易。央行發布的《2006年中國金融市場發展報告》中明確指出，機構投資者已成為我國金融市場的主體。截至2009年9月底，各類機構持股市值占我國資本市場流通市值的比重超過六成。我國證券市場的結構正經歷著由分散的中小投資者向專業化的機構投資者的歷史性變化。同時，由于機構投資擁有的流通股股票金額較大，對上市公司的股價變化、投融資決策、股利政策、公司治理結構等方面都會產生很大影響，因此，研究機構投資者的持股偏好，對于協調發展各類機構投資者，塑造多元化均衡的投資者結構，進一步穩定證券市場，提高證券市場成熟度和市場效率具有重大意義。

二、文獻回顧

國外學者對機構投資者持股情況的研究主要是從對基金或機構投資行為特征的研究和基金投資行為對市場收益和波動性影響這兩個角度展開的。其中，基金投資行為對市場收益和波動性影響又分為兩類投資策略。第一類就是反饋交易策略，即以股票過去的表現作為買賣判斷的主要基礎。DeLong Shleifer，Summer and Waldmann（1990）驗證了正反饋策略是買入近期的強勢股，賣出近期的弱勢股；Lakonishok，Shleifer and Vishny（1992）；Gompers and Merick（2001）的研究反映出負反饋策略指賣出近期的強勢股，買入近期的弱勢股。第二類是羊群效應，Grinblatt，Titman，Wermers（1995）、Werners（1999）的研究表明機構投資者會跟隨其他的機構投資者買賣同樣的股票，形成羊群效應。Paul A.Gompers and Andrew Metrick（1999）認為，機構投資者偏好規模大、流動性高的股票，使得其對大市值規模股票的需求大大增加，在供給有限的情況下，賦予了一定的溢價。Richard W.Sias（1996）通過以1977年到1991年紐約交易所所有上市公司為樣本分析，發現機構投資者持有比例與股票波動性存在正相關性，且機構投資者持有比例的增加導致了股票波動性的增加。汪光成（2001）通過對1999年我國大陸上市公司年度報告中披露的基金持股信息的分析，發現基金持股多少與股票的每股收益、每股收益等呈現顯著的相關性。江向才（2004）通過對219個機構投資者的研究，發現機構投資者關注公司治理好和信息透明度高的公司。肖星和王琨（2005）采用2000—2003年我國證券投資基金和上市公司的數據，發現基金關注公司外部董事的比例以及董事會成員的專業技術水平，偏好投資治理結構優良的公司。廖理、石美娟（2008）利用我國上市公司2003—2005年的數據，從安全性、謹慎性、流動性、交易成本、公司業績和投資風格六個方面來研究養老基金的投資偏好。結果表明：流動性強、交易成本低、風險小和規模大的公司是我國養老基金最理想的投資對象。譚松濤、傅勇（2009）利用雙重差分的方法研究我國股權分置改革過程中，上市公司的股權激勵方案對機構投資者投資選擇的影響。實證結果表明，機構投資者更傾向于持有公司治理水平較高的公司。

綜上所述，關于機構投資者持股偏好的研究，目前已取得了一定的成績，研究有一定的深度。在實證方法上，多采用多元線性回歸，但是，在多元線性回歸方程中，自變量之間有較強的線性關系，這種關系若超過了因變量與自變量的線性關系，則回歸模型的穩定性受到破壞，回歸系數估計不準確。所以有必要引入新的實證方法。

三、關聯規則

（一）關聯規則

數據挖掘（Data Mining）也稱為數據庫中的知識發現，是最近幾年新興起的一種對數據處理的技術。它是通過從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含的、人們事先不知道的，但卻又潛在有用的信息和知識的過程。它是數據庫技術、人工智能技術和數理統計等多方面技術的集成，是一種深層次的數據分析的方法。數據挖掘技術在近年來已被數據庫研究者廣泛研究，關聯規則是近幾年才發展起來的數據挖掘技術中的一個分支。與大多數的數據挖掘技術相同，關聯規則的任務在于減少潛在的大量雜亂無章的數據，使之成為少量的易于觀察、分析的可用資料。關聯規則最初的應用是針對購物籃的分析。主要應用在超市對顧客購買記錄數據庫進行的相關規則的挖掘，從而發現顧客的購買習慣。比如，購買產品X的同時也購買產品Y，于是，超市就可以通過調整貨架的布局，將X產品與Y產品放在一起，增加銷量。之后，關聯規則的分析被普遍應用于客戶特征分析、藥物配伍分析以及商業分析等領域。黃曉榕（2011）利用關聯規則通過對我國40家中小企業上市公司財務報表的研究，重點分析了企業的資產負債率與負債利息率、流動負債比重和資產收益率之間的聯系，并且比較了樣本企業與其所處行業在關聯規則上的差異。實證結果表明，大多數樣本企業缺乏基于企業價值的融資管理，總體上負債率低，而流動負債比重極高；很多樣本企業存在資本結構與債務利率水平、資本結構與盈利水平不相適應的問題。可見，關聯規則在財務分析領域已有相關應用。

（二）Apriori算法及其適用

1.Apriori算法

從技術上說，關聯規則是通過在大的樣本資料中尋找項集之間有意義的關聯或相關聯系，揭示樣本中蘊含的信息。Apriori算法是關聯規則常用的算法，主要由以下兩個步驟完成：

（1）產生頻繁項集：設條件為Support（A=>B）>MinSuppt，從所有事務中找出大于最低支持度閾值的所有項集組成滿足條件的頻繁項集。具體如下：

①首先找出頻繁1-項集，記為L1；

②利用L1來產生候選項集C2，對C2中的項進行判定挖掘出滿足條件的頻繁項集L2，即頻繁2-項集；

③如此不斷循環下去，直到無法發現更多的頻繁k-項集為止。

（2）產生有效關聯規則

對于每個頻繁項集，設條件為Confidence（A=>B）>MinConf，從所有頻繁項集中過濾出大于最低置信度閾值的強關聯規則，即有效關聯規則。

2.Apriori算法的適用性

Apriori算法的核心是基于兩階段頻集思想的遞推算法。采用Apriori算法，通過設置最小支持度和置信度閾值即能夠及時方便、自動地對機構投資者投資的數據進行分析，從而得出符合條件的有意義的規則。通過分析這些規則有助于揭示機構投資者投資數據之間潛在的、有價值的聯系，避免了傳統方法需要人為引入及設置變量方面的主觀性缺陷，結果更客觀、準確、適用性強。

四、實證研究

（一）數據預處理

從2006年開始，機構投資者發展迅速，除證券投資基金外的其他基金如社保基金得到了較大發展，形成了多元化格局。因此，本文選取2010年上海、深圳A股上市公司作為研究對象，對樣本進行如下處理：（1）剔除金融保險業上市公司，因為金融保險行業會計準則與其他行業會計準則具有較大差異；（2）剔除ST類上市公司；（3）剔除數據不全的上市公司。數據來源于CSMAR數據庫。同時，為了便于提高以后挖掘過程的精度和性能，需要對相關變量進行規范化處理，具體如表1所示。

（二）關聯規則挖掘結果及分析

本研究旨在通過對2010年上海、深圳A股上市公司中有機構投資者投資的企業狀況進行研究，找出這些企業的共有特征，從而分析機構投資者投資的偏好，以便對塑造我國證券市場多元化均衡的投資者結構提供參考依據。

對機構投資者數據庫進行關聯規則分析，得到頻繁項集如表2，設置最小支持度為50%，最小置信度為50%，得到符合條件的規則8條，如表3。

從表3中可以找到一些有意義的規則。例如：規則“Share holder=institutional>=F3”，其支持度為63.77473%，置信度為86.57025%，相關性為80.91638%。該規則表明，在所研究的657家滬深A股上市公司的樣本中，63.77473%的有機構投資者的企業的財務杠桿系數處于[1，2）的區間；又如規則“Share holder=institutional==>E2”，其支持度為50.38052%，置信度為68.38843%，相關性為69.10606%。該規則表明，在所研究的657家上海、深圳A股上市公司的樣本中，50.38052%的有機構投資者的企業的每股收益處于[0，0.5）的區間，說明機構投資者偏好每股收益較高的企業。如果將最小支持度設為40%，最小置信度設為50%，則可以得到相應的頻繁項集（見表4）及符合條件的規則25條（見表5），經分析其中仍存有有價值的關聯規則。例如，規則“Shareholder=institutional==>F3，E2”，其支持度為42.00913%，置信度為57.02479%，相關性為63.36411。該規則表明，在滬、深兩市A股市場投資的機構投資者偏好于投資每股收益處于[0，0.5）區間且財務杠桿系數處于[1，2）區間的企業，這也印證了上述的分析結論。而規則“R2==>F3，E2”則是因為財務指標計算中的相關性所致。

五、相關對策及建議

（一）創造良好的市場環境，放寬對機構投資者的限制

從實證結果可見，機構投資者偏好投資每股收益較高、財務杠桿中等的企業。機構投資者的發展離不開良好的外在環境，因此，作為管理機構的證監會應發揮主導力量，為大力發展機構投資者創造外部政策環境，引導機構投資者關注企業的長期價值，同時，放寬對機構投資者的限制（如代理權征集的限制等），積極引入QFII（合格的境外機構機構者），利用其較成熟的公司治理經驗，為穩定我國證券市場作出貢獻。

（二）關注機構投資者自身的治理結構

從機構投資者自身所處的角色可以看出，它并不是資金的所有者，而只是一個代理機構，其自身的治理狀況將直接影響到其能否發揮積極股東的作用。因此，完善機構投資者自身的治理結構，加強機構投資者內部控制體系的建設，提高其管理水平和操作的規范性對于機構投資者積極股東作用的發揮以及我國證券市場整體的良好發展具有重要意義。

【參考文獻】

[1] DeLong， B.， A. Shleifer， L. Summers， and R. Waldmann， 1990， “Positive Feedback Investment Strategies and Destabilizing Rational Speculation，” Journal of Finance， 45.

[2] Lakonishok， J.， A. Shleifer and R. W. Vishny. 1992， “The impact of institutional trading on stock prices”， Journal of Financial Economics， 32（1）.

[3] Wermers， R.， 1999， “Mutual Fund Herding and the Impact on Stock Prices”， Journal of Finance 54.

[4] Sias， Richard W.， 1996， Volatility and the Institutional Investor， Financial Analysts Journal， 3.

[5] Margarent H.Dunham.數據挖掘教程——世界著名計算機教材精選[M].北京：清華大學出版社，2005.

[6] 江向才.公司治理與機構投資人持股之研究[J].南開管理評論，2004（1）.

[7] 肖星，王琨.證券投資基金：投資者還是投機者？[J].世界經濟，2005（8）.

[8] 廖理，石美娟.我國養老基金投資偏好研究[J].統計研究，2008（8）.

[9] 譚松濤，傅勇.管理層激勵與機構投資者持股偏好[J].中國軟科學，2009（7）.

[10] 黃曉榕.我國中小企業上市公司資本結構關聯規則分析[J]. 技術經濟，2011（11）.