中國股票市場行業板塊間反饋交易差異性研究

毛羽豐+門明

內容摘要：本文以2005-2013年的上證綜指和十個上證行業指數為研究對象，采用行為資本資產定價模型（BCAPM）為分析框架，并基于EGARCH（1，1）-GED設定實證模型，進行實證分析，最后得出相關結論。

關鍵詞：反饋交易 股票市場 自相關性 行為資本資產定價模型

引言

傳統金融學理論假設投資者是“理性的”，其投資決策有賴于對市場基本面的分析，實踐中投資者卻存在大量非理性行為，給證券價格形成過程帶來“噪音”。反饋交易者便是較典型的一類噪音制造者，他們不以基本面信息作為投資決策的準繩，而是從證券價格的歷史變動中尋找某種趨勢，并預期這種趨勢將會持續，進而選擇買入賣出的時機來獲利。

2013年諾貝爾經濟學獎得主Shiller（1984；1990）最先從理論上證明了反饋交易者的存在，此后，關于反饋交易的理論研究不斷發展，而國內外學者也在實證研究中找到了大量證明反饋交易者存在性的經驗證據。一方面，發達國家股票市場和新興股票市場均顯著存在不同程度的反饋交易行為，但在新興股票市場上，反饋交易者的作用和影響更加顯著，尤其是市場下跌時（Sentana & Wadhwani，1992；Koutmos，1997；Watanabe，2002；Koutmos & Saidi，2001）。不過，在金融危機期間，情況有所不同，發達國家股票市場受到反饋交易的影響更顯著（Bohl & Siklos，2008）。另一方面，我國股市也存在顯著的正反饋交易行為，并且投資者的正反饋交易行為具有不對稱性，在市場下降時比市場上升時更加顯著（李少平、顧廣彩，2007；汪孟海、周愛民，2009）。但有的學者認為，我國股市的反饋交易行為比發達國家更加顯著（何劍、姚益清，2009），有的學者卻認為我國股市投資者的反饋交易行為影響較發達國家更小（唐、曾勇、唐小我，2002）。

國內外學者對反饋交易者行為的討論均是基于總體市場層面的。他們在實證研究中使用的市場指數反映市場的總體走勢，代表的是投資者行為的一般或平均水平，過濾掉了許多個體非理性行為，呈現的是群體非理性行為。而各類股票投資者的反饋交易行為是否存在差異卻無從得知。本文選取上證行業股指為研究對象進行實證研究，將對中國股票市場反饋交易者行為的分析延伸至更加微觀的行業層面。

BCAPM和實證模型設定

（一）行為資本資產定價模型（BCAPM）

Sentana & Wadhwani（1992）在CAPM分析框架下考慮了反饋交易者非理性行為的影響，提出了行為資本資產定價模型（BCAPM）。該模型包含兩類投資者。第一類投資者為信息交易者，其投資決策遵循CAPM理論，如果以It表示t時間其需求證券占市場總需求的份額，則其需求方程為：

（1）

其中：rt 為t 期的事后收益率；Et-1（·） 給定t-1期信息的條件期望；α 表示該類投資者對證券需求為0時的收益率（即無風險收益率）；μt 為t期投資者意愿持有該證券要求的風險溢價。傳統的CAPM模型假設μt 是條件方差σ2t的函數，即：

（2）

且由于理性投資者都是風險厭惡的，風險越大，要求的風險補償越大，由此可知μ`（σ2t） >0 。考慮一個最簡化的情形，假設投資者要求的風險補償與條件波動率呈線性關系，即：

（3）

其中θ>0 。

市場上的第二類投資者依據過去的價格信息來進行投資決策。如果投資者在證券價格上漲時買入，在證券價格下跌時賣出，那么稱其為正反饋交易者；反之，如果投資者在證券價格上漲時賣出，在證券價格下跌時買入，那么稱其為負反饋交易者。反饋交易者的需求函數可以表示為：

Ft=γ·rt-1 （4）

對正反饋交易者而言，γ>0 ；對負反饋交易者來說，γ<0 。市場出清時，信息交易者和反饋交易者持有的證券的總份額為1，即：

It+Ft=1 （5）

因此，由（1）-（5）式可得：

（6）

這就是行為資本資產定價模型（BCAPM），其貢獻在于將非理性投資者行為對資產價格變化的影響納入了傳統的CAPM分析框架。當市場上追漲殺跌的行為即正反饋交易者占據主導時，γ>0，市場收益率呈負的自相關關系；當市場上追跌殺漲的行為占據主導時，γ<0，市場呈現正的自相關關系。

（二）實證模型

由于收益率的自相關性還可能是由非同步交易等因素導致，尤其對于高頻時間序列數據更是如此。因此，Sentana & Wadhwani（1992）使用了如下模型作為研究反饋交易效應的實證模型：

（7）

其中，1表示與條件波動率無關的那部分反饋交易效應；同時，如果非同步交易存在，1也包含非同步交易所引起的收益率序列相關，通常非同步交易會導致1顯著為正。而2反映了反饋交易行為關于波動率的時變性，當2顯著不為0時，我們認為反饋交易存在。

為進一步考察反饋交易行為是否具有非對稱性，即市場下行期間的反饋交易效應是否比市場上漲期間更劇烈，本文沿用Watanabe（2002）的分析方法，以（8）式作為實證模型的均值方程：

（8）

在條件方差方程方面，為更好地擬合波動率的聚類性和不對稱性，本文借鑒Nelson（1991）提出的EGARCH模型，設定條件方差服從EGARCH（1，1）過程；尾部分布采用GED分布，從而更好地描述金融時間收益序列尖峰厚尾的特性。條件方差方程如下式：

（9）

本文使用WinRATS Pro 7.0進行編程處理，采用極大似然估計法對式（8）-（9）進行估計，收斂方法選用BHHH算法。

數據說明及描述性統計分析endprint

本文采用上證綜指和上證行業指數系列從2005年1月4日至2013年10月31日共2139個交易日的收盤價，數據來源為DataStream Professional，計算日對數收益率如下：

（10）

對上證綜指和十個行業指數日收益率序列分別進行單位根檢驗，ADF檢驗結果顯示，這些變量均為平穩過程。表1給出了上證綜指和十個行業指數日收益率序列的描述性統計結果，不難看出，各股指收益率序列相對正態分布呈尖峰厚尾的特征，且具有顯著的自相關性和Arch效應。

實證分析

（一）模型主要參數釋義

表2給出了根據實證模型（8）-（9）得出的各參數的極大似然估計值。由于本文的研究重點是反饋交易行為，因此主要關注模型均值方程的參數。

λ1 和λ2 代表市場中按CAPM規則決策的理性交易者的行為，除材料和醫藥行業外，其余股指收益率序列對應的λ1 和λ2 系數均不顯著，說明無論從整體市場層面，還是從分行業板塊看，理性投資者對中國股票市場價格形成過程的作用并不顯著，其在股市中并不占主導地位。

再看1，上證綜指對應的該系數不顯著，而在行業層面，除金融和公用行業，其余各行業股指對應的1均顯著為正，說明行業股指相對市場總體股指的收益率具有更顯著的一階正自相關性，說明大部分行業股指收益率序列具有陳舊價格效應，這在一定程度上是非同步交易所導致，但一般可看作是負反饋交易者主導市場定價的證據，這部分反饋交易效應與波動率的大小無關。

2是分析反饋交易效應存在性和作用特征的一個重要參數，僅有能源、消費、醫藥和電信4個行業指數收益率序列對應的 2顯著為負，說明市場波動率增加，收益率序列相關程度降低，當市場波動率足夠高時，收益率呈負自相關，此時正反饋交易者將會在市場上占據主導地位。其余6個行業股指對應的2并不顯著，表明這6個行業股票投資者的反饋交易行為并不具有顯著的關于波動率的時變性特征。上證綜指對應的2不顯著，說明從市場層面而言，滬市并不存在明顯的因波動率而變化的反饋交易證據。從行業層面看，各行業股指對應2的顯著性差異說明，投資能源、消費、醫藥和電信4個行業的中國股市投資者在市場處于高波動性期間容易出現追漲殺跌的正反饋交易行為，或者說，正反饋交易者在這些行業板塊股票的定價過程中占主導地位，相對其余行業和市場總體水平來說，這4個行業股票投資者的行為體現出較強的投機性。

3考察反饋交易行為的不對稱性，上證綜指和大部分行業股指收益率序列所對應的3均顯著為正，表明收益率為正時，各股指收益率序列的一階正相關程度增加，收益率為負時，個股指收益率序列的一階正相關程度減少或一階負相關程度增加。即在市場處于多頭期時，負反饋交易者容易居主導地位，而市場處于空頭期時，正反饋交易者容易居主導地位。能源、消費行業對應的3顯著，說明這兩個行業股票投資者的反饋交易行為具有不對稱性，且3為正，說明市場下跌會增加收益率的負自相關程度，正反饋交易者在市場下跌時比市場上漲時的主導作用更加顯著。而醫藥、電信行業對應的3不顯著，說明此二行業股票投資者的反饋交易行為不具有顯著的不對稱性。

對模型殘差進行檢驗，其5階和10階的Ljung-Box統計量幾乎均不顯著，說明模型設定基本合理。

（二）反饋交易時變性分析

對于1、2、3顯著的股指收益率序列，投資者的反饋交易行為具有時變性和不對稱性的特征，其方向和強弱可以由一階序列相關的系數來衡量，表達式如下：

（11）

對于1、2顯著但對于3不顯著的股指收益率序列，投資者的反饋交易行為只具有時變性而不具有不對稱性，描述其反饋交易行為的時變特征的表達式為1+2*σ2t 。由于2<0，因此，當市場條件波動率σ2t 越高，式（11）所示的一階自相關系數越小，正反饋交易行為主導市場的可能性越大。在波動率低于某個臨界值時，一階序列相關為正，負反饋交易者在市場上居于主導地位；當波動率足夠高時，一階序列相關為負，此時，正反饋交易者在市場上占據主導地位。表3給出了能源、消費、醫藥和電信4個行業股指對應的判斷正負反饋交易者孰占主導的波動率臨界值。

對于能源行業，該板塊處于上升通道且波動率大于3.4565，或者其處于下降通道且波動率大于0.6016，則該板塊呈現出顯著的正反饋交易效應，此時正反饋交易者居于主導地位；否則，負反饋交易者將主導定價。若不考慮市場漲跌對反饋交易行為的影響，則在波動率大于2.0290時，能源板塊表現出顯著的正反饋交易效應，正反饋交易者主導該行業板塊的定價。可見，如果不考慮市場漲跌對反饋交易的影響，那么在市場上漲期間，正反饋交易效應會被高估，而市場下跌期間，正反饋交易效應會被低估。

對于消費行業，若該板塊上漲且波動率高于4.1261，或其下跌且波動率高于1.0666，則相應的行業股指表現出顯著的正反饋交易效應，正反饋交易者在該行業板塊占據主導地位，否則，負反饋交易者將起主導作用。相應地，若不考慮板塊漲跌的影響，當波動率大于2.62時，消費板塊即會表現出顯著的正反饋交易效應。

醫藥和電信兩個行業的反饋交易效應受到市場漲跌因素的影響并不顯著。當醫藥板塊的波動率大于2.9051時，正反饋交易者對該行業股票的定價起主導作用。對于電信行業，對應的波動率臨界值相對更低，為1.2980。相應地，這兩個行業股指在樣本期內的無條件波動率分別為0.7596和0.9603（由表1數據計算得出），可見，醫藥行業的波動率平均水平遠低于顯著的正反饋交易效應出現所要求的臨界值，而電信行業的波動水平卻相對接近正反饋交易效應所要求的臨界值。

圖1至圖4為能源、消費、醫藥和電信4個行業股票投資者的反饋交易行為時變性圖。從圖1、圖2與圖3、圖4的對比可以看出，能源、消費行業對應的一階自相關系數相比醫藥、電信行業具有更大、更密集的波動。這是因為能源和消費行業的3系數顯著，其股票投資者的反饋交易行為具有不對稱性，不僅取決于波動率的高低，還取決于板塊的漲跌。板塊下跌比板塊上漲時的正反饋交易行為更加顯著。而醫藥和電信行業的3系數不顯著，其股票投資者的反饋交易行為僅取決于市場波動性，而在板塊漲跌時并無顯著不同。還可以看到，一階自相關系數小于0的時期集中出現與在2006下半年至2009年末期間，在這段時期內，這4個行業股指體現出顯著的正反饋交易效應，而從2010年開始，一階自相關系數在大多數時候均大于0，正反饋交易效應對市場的主導作用不再顯著。

結論

第一，從市場總體看，滬市在樣本期內并不存在顯著的正反饋交易證據。第二，從行業板塊層面看，滬市不同行業股票投資者的反饋交易行為具有顯著的差異性。其中，能源、醫藥、消費和電信行業存在因波動率而變化的反饋交易行為。在板塊波動率較高時，其定價由正反饋交易者主導；波動率較低時，可能由負反饋交易者主導。其余六個行業板塊不存在顯著的時變性反饋交易行為。第三，在存在時變性反饋交易行為的四個行業中，能源和醫藥行業股票投資者的反饋交易行為具有顯著的不對稱性，在板塊下跌期間，正反饋交易效應強于板塊上漲期間。而消費和電信行業的反饋交易行為不具有顯著的不對稱性。第四，對于存在時變性反饋交易行為的四個行業，正反饋交易者主導市場的現象一致的出現于2006-2009年。其余時期正反饋交易者對市場的主導作用并不顯著。

參考文獻：

1.何劍，姚益清.基于反饋交易理論的中美股市比較研究[J].財會通訊，2009（2）

2.李少平，顧廣彩.中國證券市場正反饋交易的實證研究[J].系統工程，2007（25）

3.唐，曾勇，唐小我.反饋交易規則與股指收益自相關：對上證綜指的實證研究[J].管理工程學報，2002（4）

4.汪孟海，周愛民.中國股市自相關性與反饋交易行為實證研究[J].南開經濟研究，2009（3）endprint

本文采用上證綜指和上證行業指數系列從2005年1月4日至2013年10月31日共2139個交易日的收盤價，數據來源為DataStream Professional，計算日對數收益率如下：

（10）

對上證綜指和十個行業指數日收益率序列分別進行單位根檢驗，ADF檢驗結果顯示，這些變量均為平穩過程。表1給出了上證綜指和十個行業指數日收益率序列的描述性統計結果，不難看出，各股指收益率序列相對正態分布呈尖峰厚尾的特征，且具有顯著的自相關性和Arch效應。

實證分析

（一）模型主要參數釋義

表2給出了根據實證模型（8）-（9）得出的各參數的極大似然估計值。由于本文的研究重點是反饋交易行為，因此主要關注模型均值方程的參數。

λ1 和λ2 代表市場中按CAPM規則決策的理性交易者的行為，除材料和醫藥行業外，其余股指收益率序列對應的λ1 和λ2 系數均不顯著，說明無論從整體市場層面，還是從分行業板塊看，理性投資者對中國股票市場價格形成過程的作用并不顯著，其在股市中并不占主導地位。

再看1，上證綜指對應的該系數不顯著，而在行業層面，除金融和公用行業，其余各行業股指對應的1均顯著為正，說明行業股指相對市場總體股指的收益率具有更顯著的一階正自相關性，說明大部分行業股指收益率序列具有陳舊價格效應，這在一定程度上是非同步交易所導致，但一般可看作是負反饋交易者主導市場定價的證據，這部分反饋交易效應與波動率的大小無關。

2是分析反饋交易效應存在性和作用特征的一個重要參數，僅有能源、消費、醫藥和電信4個行業指數收益率序列對應的 2顯著為負，說明市場波動率增加，收益率序列相關程度降低，當市場波動率足夠高時，收益率呈負自相關，此時正反饋交易者將會在市場上占據主導地位。其余6個行業股指對應的2并不顯著，表明這6個行業股票投資者的反饋交易行為并不具有顯著的關于波動率的時變性特征。上證綜指對應的2不顯著，說明從市場層面而言，滬市并不存在明顯的因波動率而變化的反饋交易證據。從行業層面看，各行業股指對應2的顯著性差異說明，投資能源、消費、醫藥和電信4個行業的中國股市投資者在市場處于高波動性期間容易出現追漲殺跌的正反饋交易行為，或者說，正反饋交易者在這些行業板塊股票的定價過程中占主導地位，相對其余行業和市場總體水平來說，這4個行業股票投資者的行為體現出較強的投機性。

3考察反饋交易行為的不對稱性，上證綜指和大部分行業股指收益率序列所對應的3均顯著為正，表明收益率為正時，各股指收益率序列的一階正相關程度增加，收益率為負時，個股指收益率序列的一階正相關程度減少或一階負相關程度增加。即在市場處于多頭期時，負反饋交易者容易居主導地位，而市場處于空頭期時，正反饋交易者容易居主導地位。能源、消費行業對應的3顯著，說明這兩個行業股票投資者的反饋交易行為具有不對稱性，且3為正，說明市場下跌會增加收益率的負自相關程度，正反饋交易者在市場下跌時比市場上漲時的主導作用更加顯著。而醫藥、電信行業對應的3不顯著，說明此二行業股票投資者的反饋交易行為不具有顯著的不對稱性。

對模型殘差進行檢驗，其5階和10階的Ljung-Box統計量幾乎均不顯著，說明模型設定基本合理。

（二）反饋交易時變性分析

對于1、2、3顯著的股指收益率序列，投資者的反饋交易行為具有時變性和不對稱性的特征，其方向和強弱可以由一階序列相關的系數來衡量，表達式如下：

（11）

對于1、2顯著但對于3不顯著的股指收益率序列，投資者的反饋交易行為只具有時變性而不具有不對稱性，描述其反饋交易行為的時變特征的表達式為1+2*σ2t 。由于2<0，因此，當市場條件波動率σ2t 越高，式（11）所示的一階自相關系數越小，正反饋交易行為主導市場的可能性越大。在波動率低于某個臨界值時，一階序列相關為正，負反饋交易者在市場上居于主導地位；當波動率足夠高時，一階序列相關為負，此時，正反饋交易者在市場上占據主導地位。表3給出了能源、消費、醫藥和電信4個行業股指對應的判斷正負反饋交易者孰占主導的波動率臨界值。

對于能源行業，該板塊處于上升通道且波動率大于3.4565，或者其處于下降通道且波動率大于0.6016，則該板塊呈現出顯著的正反饋交易效應，此時正反饋交易者居于主導地位；否則，負反饋交易者將主導定價。若不考慮市場漲跌對反饋交易行為的影響，則在波動率大于2.0290時，能源板塊表現出顯著的正反饋交易效應，正反饋交易者主導該行業板塊的定價。可見，如果不考慮市場漲跌對反饋交易的影響，那么在市場上漲期間，正反饋交易效應會被高估，而市場下跌期間，正反饋交易效應會被低估。

對于消費行業，若該板塊上漲且波動率高于4.1261，或其下跌且波動率高于1.0666，則相應的行業股指表現出顯著的正反饋交易效應，正反饋交易者在該行業板塊占據主導地位，否則，負反饋交易者將起主導作用。相應地，若不考慮板塊漲跌的影響，當波動率大于2.62時，消費板塊即會表現出顯著的正反饋交易效應。

醫藥和電信兩個行業的反饋交易效應受到市場漲跌因素的影響并不顯著。當醫藥板塊的波動率大于2.9051時，正反饋交易者對該行業股票的定價起主導作用。對于電信行業，對應的波動率臨界值相對更低，為1.2980。相應地，這兩個行業股指在樣本期內的無條件波動率分別為0.7596和0.9603（由表1數據計算得出），可見，醫藥行業的波動率平均水平遠低于顯著的正反饋交易效應出現所要求的臨界值，而電信行業的波動水平卻相對接近正反饋交易效應所要求的臨界值。

圖1至圖4為能源、消費、醫藥和電信4個行業股票投資者的反饋交易行為時變性圖。從圖1、圖2與圖3、圖4的對比可以看出，能源、消費行業對應的一階自相關系數相比醫藥、電信行業具有更大、更密集的波動。這是因為能源和消費行業的3系數顯著，其股票投資者的反饋交易行為具有不對稱性，不僅取決于波動率的高低，還取決于板塊的漲跌。板塊下跌比板塊上漲時的正反饋交易行為更加顯著。而醫藥和電信行業的3系數不顯著，其股票投資者的反饋交易行為僅取決于市場波動性，而在板塊漲跌時并無顯著不同。還可以看到，一階自相關系數小于0的時期集中出現與在2006下半年至2009年末期間，在這段時期內，這4個行業股指體現出顯著的正反饋交易效應，而從2010年開始，一階自相關系數在大多數時候均大于0，正反饋交易效應對市場的主導作用不再顯著。

結論

第一，從市場總體看，滬市在樣本期內并不存在顯著的正反饋交易證據。第二，從行業板塊層面看，滬市不同行業股票投資者的反饋交易行為具有顯著的差異性。其中，能源、醫藥、消費和電信行業存在因波動率而變化的反饋交易行為。在板塊波動率較高時，其定價由正反饋交易者主導；波動率較低時，可能由負反饋交易者主導。其余六個行業板塊不存在顯著的時變性反饋交易行為。第三，在存在時變性反饋交易行為的四個行業中，能源和醫藥行業股票投資者的反饋交易行為具有顯著的不對稱性，在板塊下跌期間，正反饋交易效應強于板塊上漲期間。而消費和電信行業的反饋交易行為不具有顯著的不對稱性。第四，對于存在時變性反饋交易行為的四個行業，正反饋交易者主導市場的現象一致的出現于2006-2009年。其余時期正反饋交易者對市場的主導作用并不顯著。

參考文獻：

1.何劍，姚益清.基于反饋交易理論的中美股市比較研究[J].財會通訊，2009（2）

2.李少平，顧廣彩.中國證券市場正反饋交易的實證研究[J].系統工程，2007（25）

3.唐，曾勇，唐小我.反饋交易規則與股指收益自相關：對上證綜指的實證研究[J].管理工程學報，2002（4）

4.汪孟海，周愛民.中國股市自相關性與反饋交易行為實證研究[J].南開經濟研究，2009（3）endprint

本文采用上證綜指和上證行業指數系列從2005年1月4日至2013年10月31日共2139個交易日的收盤價，數據來源為DataStream Professional，計算日對數收益率如下：

（10）

對上證綜指和十個行業指數日收益率序列分別進行單位根檢驗，ADF檢驗結果顯示，這些變量均為平穩過程。表1給出了上證綜指和十個行業指數日收益率序列的描述性統計結果，不難看出，各股指收益率序列相對正態分布呈尖峰厚尾的特征，且具有顯著的自相關性和Arch效應。

實證分析

（一）模型主要參數釋義

表2給出了根據實證模型（8）-（9）得出的各參數的極大似然估計值。由于本文的研究重點是反饋交易行為，因此主要關注模型均值方程的參數。

λ1 和λ2 代表市場中按CAPM規則決策的理性交易者的行為，除材料和醫藥行業外，其余股指收益率序列對應的λ1 和λ2 系數均不顯著，說明無論從整體市場層面，還是從分行業板塊看，理性投資者對中國股票市場價格形成過程的作用并不顯著，其在股市中并不占主導地位。

再看1，上證綜指對應的該系數不顯著，而在行業層面，除金融和公用行業，其余各行業股指對應的1均顯著為正，說明行業股指相對市場總體股指的收益率具有更顯著的一階正自相關性，說明大部分行業股指收益率序列具有陳舊價格效應，這在一定程度上是非同步交易所導致，但一般可看作是負反饋交易者主導市場定價的證據，這部分反饋交易效應與波動率的大小無關。

2是分析反饋交易效應存在性和作用特征的一個重要參數，僅有能源、消費、醫藥和電信4個行業指數收益率序列對應的 2顯著為負，說明市場波動率增加，收益率序列相關程度降低，當市場波動率足夠高時，收益率呈負自相關，此時正反饋交易者將會在市場上占據主導地位。其余6個行業股指對應的2并不顯著，表明這6個行業股票投資者的反饋交易行為并不具有顯著的關于波動率的時變性特征。上證綜指對應的2不顯著，說明從市場層面而言，滬市并不存在明顯的因波動率而變化的反饋交易證據。從行業層面看，各行業股指對應2的顯著性差異說明，投資能源、消費、醫藥和電信4個行業的中國股市投資者在市場處于高波動性期間容易出現追漲殺跌的正反饋交易行為，或者說，正反饋交易者在這些行業板塊股票的定價過程中占主導地位，相對其余行業和市場總體水平來說，這4個行業股票投資者的行為體現出較強的投機性。

3考察反饋交易行為的不對稱性，上證綜指和大部分行業股指收益率序列所對應的3均顯著為正，表明收益率為正時，各股指收益率序列的一階正相關程度增加，收益率為負時，個股指收益率序列的一階正相關程度減少或一階負相關程度增加。即在市場處于多頭期時，負反饋交易者容易居主導地位，而市場處于空頭期時，正反饋交易者容易居主導地位。能源、消費行業對應的3顯著，說明這兩個行業股票投資者的反饋交易行為具有不對稱性，且3為正，說明市場下跌會增加收益率的負自相關程度，正反饋交易者在市場下跌時比市場上漲時的主導作用更加顯著。而醫藥、電信行業對應的3不顯著，說明此二行業股票投資者的反饋交易行為不具有顯著的不對稱性。

對模型殘差進行檢驗，其5階和10階的Ljung-Box統計量幾乎均不顯著，說明模型設定基本合理。

（二）反饋交易時變性分析

對于1、2、3顯著的股指收益率序列，投資者的反饋交易行為具有時變性和不對稱性的特征，其方向和強弱可以由一階序列相關的系數來衡量，表達式如下：

（11）

對于1、2顯著但對于3不顯著的股指收益率序列，投資者的反饋交易行為只具有時變性而不具有不對稱性，描述其反饋交易行為的時變特征的表達式為1+2*σ2t 。由于2<0，因此，當市場條件波動率σ2t 越高，式（11）所示的一階自相關系數越小，正反饋交易行為主導市場的可能性越大。在波動率低于某個臨界值時，一階序列相關為正，負反饋交易者在市場上居于主導地位；當波動率足夠高時，一階序列相關為負，此時，正反饋交易者在市場上占據主導地位。表3給出了能源、消費、醫藥和電信4個行業股指對應的判斷正負反饋交易者孰占主導的波動率臨界值。

對于能源行業，該板塊處于上升通道且波動率大于3.4565，或者其處于下降通道且波動率大于0.6016，則該板塊呈現出顯著的正反饋交易效應，此時正反饋交易者居于主導地位；否則，負反饋交易者將主導定價。若不考慮市場漲跌對反饋交易行為的影響，則在波動率大于2.0290時，能源板塊表現出顯著的正反饋交易效應，正反饋交易者主導該行業板塊的定價。可見，如果不考慮市場漲跌對反饋交易的影響，那么在市場上漲期間，正反饋交易效應會被高估，而市場下跌期間，正反饋交易效應會被低估。

對于消費行業，若該板塊上漲且波動率高于4.1261，或其下跌且波動率高于1.0666，則相應的行業股指表現出顯著的正反饋交易效應，正反饋交易者在該行業板塊占據主導地位，否則，負反饋交易者將起主導作用。相應地，若不考慮板塊漲跌的影響，當波動率大于2.62時，消費板塊即會表現出顯著的正反饋交易效應。

醫藥和電信兩個行業的反饋交易效應受到市場漲跌因素的影響并不顯著。當醫藥板塊的波動率大于2.9051時，正反饋交易者對該行業股票的定價起主導作用。對于電信行業，對應的波動率臨界值相對更低，為1.2980。相應地，這兩個行業股指在樣本期內的無條件波動率分別為0.7596和0.9603（由表1數據計算得出），可見，醫藥行業的波動率平均水平遠低于顯著的正反饋交易效應出現所要求的臨界值，而電信行業的波動水平卻相對接近正反饋交易效應所要求的臨界值。

圖1至圖4為能源、消費、醫藥和電信4個行業股票投資者的反饋交易行為時變性圖。從圖1、圖2與圖3、圖4的對比可以看出，能源、消費行業對應的一階自相關系數相比醫藥、電信行業具有更大、更密集的波動。這是因為能源和消費行業的3系數顯著，其股票投資者的反饋交易行為具有不對稱性，不僅取決于波動率的高低，還取決于板塊的漲跌。板塊下跌比板塊上漲時的正反饋交易行為更加顯著。而醫藥和電信行業的3系數不顯著，其股票投資者的反饋交易行為僅取決于市場波動性，而在板塊漲跌時并無顯著不同。還可以看到，一階自相關系數小于0的時期集中出現與在2006下半年至2009年末期間，在這段時期內，這4個行業股指體現出顯著的正反饋交易效應，而從2010年開始，一階自相關系數在大多數時候均大于0，正反饋交易效應對市場的主導作用不再顯著。

結論

第一，從市場總體看，滬市在樣本期內并不存在顯著的正反饋交易證據。第二，從行業板塊層面看，滬市不同行業股票投資者的反饋交易行為具有顯著的差異性。其中，能源、醫藥、消費和電信行業存在因波動率而變化的反饋交易行為。在板塊波動率較高時，其定價由正反饋交易者主導；波動率較低時，可能由負反饋交易者主導。其余六個行業板塊不存在顯著的時變性反饋交易行為。第三，在存在時變性反饋交易行為的四個行業中，能源和醫藥行業股票投資者的反饋交易行為具有顯著的不對稱性，在板塊下跌期間，正反饋交易效應強于板塊上漲期間。而消費和電信行業的反饋交易行為不具有顯著的不對稱性。第四，對于存在時變性反饋交易行為的四個行業，正反饋交易者主導市場的現象一致的出現于2006-2009年。其余時期正反饋交易者對市場的主導作用并不顯著。

參考文獻：

1.何劍，姚益清.基于反饋交易理論的中美股市比較研究[J].財會通訊，2009（2）

2.李少平，顧廣彩.中國證券市場正反饋交易的實證研究[J].系統工程，2007（25）

3.唐，曾勇，唐小我.反饋交易規則與股指收益自相關：對上證綜指的實證研究[J].管理工程學報，2002（4）

4.汪孟海，周愛民.中國股市自相關性與反饋交易行為實證研究[J].南開經濟研究，2009（3）endprint