公司治理和特質性波動率的信息含量:中國證券市場的證據

■張宇飛

一、引言

Ang等[1]發現的“特質性波動率之謎”，即滯后特質性波動率的實現值和預期收益之間呈負相關關系現象，是近年來實證金融領域備受矚目的一項研究成果。稱這一實證研究結果為“謎”主要基于以下兩點考慮:首先，傳統資產定價理論認為在完美市場的條件下，只有系統性風險需要定價，而特質性風險不被定價因此不會影響股票收益率;其次，即便市場存在信息不對稱等摩擦因素，基于“風險越高，收益越大”的基本投資邏輯，特質性風險應當和股票收益率呈正相關而非負相關關系。

針對這一發現，學者們開始探究其可能的理論原因，主要以Miller和Merton的兩種理論研究為代表。Miller[2]認為現實市場的賣空限制使得抱有悲觀預期的投資者不能利用做空機制增加證券供給，所以抱有樂觀預期的投資者更容易將其情緒反映到股票價格中，造成當前股票價格偏高，未來收益率則相應偏低。因此，Miller認為股票收益率和投資者意見分歧呈負相關關系，而他又主張利用股票特質性波動率作為意見分歧的度量指標，這樣便得出特質性波動率和股票收益呈負相關關系的結論。與之結論相反的是Merton[3]，Merton主要從風險的角度考慮了特質性波動率的影響，如果特質性波動率是特質性風險的度量指標，那么當市場上存在信息不對稱等摩擦因素時，這些摩擦因素會使投資者不能持有真正意義上的市場組合以分散化特質性風險，投資者則會為其對特質性風險的風險暴露要求回報，因此Merton得出了特質性波動率和收益率正相關的結論。兩個模型相反的結論是否意味著其中一個存在錯誤?對此，Boehme等[4]認為Miller模型和Merton模型本質上并不沖突，兩個模型都是對現實資本市場運行某一側面的刻畫，而特質性波動率和股票收益率之間最終體現出何種關系，取決于兩個模型中誰的影響占據主導作用。

有效市場理論認為價格反映信息。特質性波動率能夠影響股票收益率這一現實情況是否意味著特質性波動率本身蘊含信息?而特質性波動率對股票價格的影響，是否僅僅由于特質性波動率中的信息逐漸被股票收益率反映所致?Jiang、Xu和Yao[5]對這兩個問題做出了回答，他們發現公司特質性波動率對未來的盈余沖擊有較好的預測作用，且他們發現當控制住特質性波動率中包含的盈余沖擊信息后，特質性波動率對股票收益率的預測能力就消失了，這一發現為特質性波動率之謎現象提供了一個可能的解釋。

對我國證券市場特質性波動率之謎現象的研究相對較少，但現有研究普遍發現中國證券市場也存在這一現象(楊華蔚和韓立巖[6]，左浩苗、鄭鳴和張翼[7]等)。同時這些研究還發現換手率對中國證券市場的特質性波動率之謎有很大影響，但控制住換手率并不能完全消除特質性波動率之謎現象，這表明對于特質性波動率之謎現象還需要進行進一步的解釋和研究工作。

本文主要考察公司治理對特質性波動率信息含量的影響。如果特質性波動率中蘊含的信息是公司選擇性信息披露的結果，則對于信息披露度高的公司，其股票特質性波動率的信息含量較低，對未來盈利指標的預測能力較弱。同時，公司治理好的企業往往具有更加健全的監督和信息披露機制，因此，我們認為對于公司治理好的企業，其股票特質性波動率中所蘊含的信息較少，實證研究支持這一結論。

二、研究假設和研究樣本及變量

影響特質性波動率的因素很多，有的學者認為特質性波動率主要反映信息，也有學者認為特質性波動率主要反映噪聲交易程度[8]。當公司面臨一個負面經營沖擊時，管理層傾向于推遲負面信息的公布，這樣可能使得特質性波動率增大，于是特質性波動率高的公司更有可能在未來面臨一個負的業績沖擊[9]。但即使在基本面沒有發生任何變化的情況下，投資者之間的意見分歧也可能造成單個股票的價格波動。Jiang、Xu和Yao[5]發現特質性波動率對未來的ROE和EPS等盈利指標具有預測能力，據此他們認為特質性波動率中含有信息。綜合上述觀點，和Campbell等[10]一樣，我們認為特質性波動率中既有被信息驅動的一面也有被噪聲交易驅動的一面。當特質性波動率被信息驅動時，則它和未來業績指標呈負相關關系;當其被噪聲交易驅動時，則它和未來業績指標之間不存在相關性。同時，公司治理結構完善的企業往往具有更好的信息披露制度，因此對于公司治理完善的企業，其股票特質性波動率中的信息含量應當較低，對未來業績的預測能力也相應較弱。綜合上述分析，我們提出如下研究假設:特質性波動率和未來盈利指標呈負相關關系，且這一關系隨著公司治理結構改善而逐漸減弱。

針對研究假設我們選取滬深兩市非金融類A股為樣本，時間跨度為2004年1月至2011年9月，共計2016家上市公司。其中股票價格相關數據和財務相關數據來源于CSMAR數據庫，三因子數據來源于銳思數據庫，機構持股數據來源于Wind資訊。其中機構持股比例數據來源于上市公司季報中對于機構持股的披露，由于Wind提供的機構持股比例為機構持股數量占總流通股的比例，因而會有極少一部分樣本(不到1%)由于機構持有非流通股而導致持股比例大于100%的情況。和Jiang、Xu和Yao[5]一樣，我們選取的一般控制變量包括規模(LN_MV)、賬面市值比(LN_BM)、動量效應控制變量(PrRet12)。由于大部分的國內研究均發現換手率對特質性波動率之謎有很大影響，我們還控制了換手率(TURN)的影響。公司治理指標包括機構投資者持股比例 (IO)，兩職合一虛擬變量 (ONEP)，董事會規模(NDIREC)、獨立董事規模 (NINDIREC)、監事會規模(SUPV)。研究變量、代碼和定義見表1。

三、研究方法

同Ang等[1]一樣，我們利用FF三因子模型來估計特質性波動率。在每個季度，我們對每只股票進行如下回歸:

其中，i代表第i支股票，d代表日，m代表季度，Ri、Rf和Rmkt分別代表第i支股票的收益率、無風險收益率和市場組合收益率，SMB和HML的定義同Fama和French[11]。特質性波動率被定義為回歸殘差的標準差，為避免在一些月份內某些股票長期停牌造成的回歸偏誤，本文剔除了一個月內交易日數不滿15日的回歸結果。最后，我們對特質性波動率進行月度化處理，得到了代表特質性波動率的解釋變量IVOL。

實證回歸采用Fama－MacBeth回歸方法。每個季度內，我們進行如下截面回歸:

其中，i代表第i家公司，q代表數據所對應的季度，IVOL為特質性波動率，X為一般控制變量，G為公司治理控制變量，IVOL×G為特質性波動率和公司治理控制變量的交叉項。我們計算各截面回歸系數γ的時序平均值作為系數的估計值，同時為了降低異方差和序列相關的影響，我計算了相應的Newey－West Tj統計量。

四、實證結果

表2匯報了各盈利指標對特質性波動率及控制變量的Fama－Macbeth回歸結果。其中被解釋變量中的ROE、ROE1和ROE4分別代表本季度、下一季度和未來四季度累計的凈資產收益率。同樣EPS和EPS1分別代表本季度和下一季度的每股收益。

表2 Fama－MacBeth回歸結果

從模型1至模型5的回歸結果發現，在控制住規模、賬面市值比、動量效應以及相應被解釋變量的滯后項后，特質性波動率(IVOL)對各盈利指標均有顯著預測能力，除了模型2外，均在5%的置信水平下顯著。這一回歸結果對實證研究假設的前半部分提供了證據支持。

模型6為加入換手率作為控制變量的回歸結果。我們發現，額外控制住換手率并不能消除特質性波動率對未來盈利的預測能力，其預測能力雖然有所下降，但仍在10%的置信水平下顯著。

模型7至模型11為加入公司治理控制變量及其交叉項的回歸結果。基于所提出的研究假設，我們主要觀察交叉項的影響。從模型7中發現，特質性波動率和機構持股比例交叉項的回歸系數為正，且在1%的置信水平下顯著。這表明當機構持股比例上升時，特質性波動率對ROE的預測能力將減弱。從模型9和模型10中我們發現了類似結論，特質性波動率和董事會規模交叉項、特質性波動率和獨立董事規模交叉項的系數都為正，且都在5%的置信水平下顯著，表明隨著董事人數和獨立董事人數的上升，特質性波動率對未來盈利的預測能力有所減弱。但兩職合一虛擬變量、監事會規模和特質性波動率交叉項的回歸系數缺乏統計顯著性。綜上，我們發現部分公司治理代理變量的改善會降低特質性波動率對未來盈利的預測能力;部分公司治理代理變量對這一關系沒有影響，但不存在公司治理代理變量的改善會增強特質性波動率對未來盈利預測效果的情況。這一實證研究結果支持研究假設的后半部分。

五、結論

本文利用2004年1月至2011年9月滬深兩市非金融類A股數據驗證了中國市場上市公司治理狀況對于特質性波動率信息含量的影響，研究采用了Fama－Mac-Beth回歸方法。我們發現中國證券市場的特質性波動率對于未來盈利水平具有一定預測能力，本期特質性波動率較高的股票未來業績相對較差。和Jiang、Xu和Yao[5]一樣，我們認為這一現象主要是上市公司進行選擇性信息披露的結果。由于公司治理較好的企業往往有完善的信息披露和監督機制，選擇性信息披露的空間相對較小。從這一分析出發，我們考察了公司治理情況對這一預測能力的影響。實證結果和前述觀點一致，我們發現公司治理結構相對較好的企業，特質性波動率對未來盈利水平的預測能力有減弱的趨勢。

[1]Ang， A．，Hodrick，R．J．， Xing， Y．， Zhang，X．TheCross－sectionof VolatilityandExpectedReturns．The Journal of Finance，2006 ，61(1)．

[2]Miller， E．M．Risk，Uncertainty，and Divergence of Opinion．The Journal of finance，1977，32(4)．

[3]Merton， R．C．A Simple Model of Capital Market Equilibrium with Incomplete Information．The Journal of Finance， 1987，42(3)．

[4]Boehme， R．D．，Danielsen， B．R．，Kumar， P．，Sorescu， S．M．Idiosyncratic Risk and the Cross－section of Stock Returns:Merton(1987)Meets Miller(1977)．Journal of Financial Markets， 2009，12(3)．

[5]Jiang， G．J．， Xu，D．，Yao，T．The Information Content of Idiosyncratic Volatility．Journal of Financial and Quantitative Analysis，2009，44(1)．

[6]楊華蔚，韓立巖．中國股票市場特質波動率與橫截面收益研究[J]．北京航空航天大學學報(社會科學版)，2009，(1)．

[7]左浩苗，鄭鳴，張翼．股票特質波動率與橫截面收益:對中國股市“特質波動率之謎”的解釋[J]．世界經濟，2011，(5)．

[8]West，K．D．Dividend Innovations and Stock Price Volatility．Econometrica，1988，56(1)．

[9]Kelly，P．J．Information Efficiency and Firm－Specific Return Variation．Arizona State University working paper， 2005．

[10]Campbell， J．Y．， Lettau， M．， Malkiel， B．G．，Xu， Y．Have Individual Stocks Become More Volatile？An Empirical Exploration of Idiosyncratic Risk．The Journal of Finance， 2001，56(2)．

[11]Fama，E．F．，French，K．R．Common Risk Factors in the Returns on Stocks and Bonds．Journal of Financial E-conomics， 1993，33(1)．