滬深300成分股調整與股票收益的同步性研究

饒育蕾，鮑瑋，彭疊峰

(中南大學商學院，湖南長沙，410083)

滬深300成分股調整與股票收益的同步性研究

饒育蕾，鮑瑋，彭疊峰

(中南大學商學院，湖南長沙，410083)

對2005—2012年間調入滬深300指數股票樣本進行分析，實證發現股票與指數成分股的同步性在加入指數后出現上升，并且在金融危機時期和滬深300股指期貨成立后調入股票的同步性上升現象更為顯著。這一結果與基于情緒的同步性理論預期相一致。進一步實證發現，調入股票的同步性上升現象與股票在調入后換手率的變化無關，文章的結果不支持非交易假說。此外，信息效應在股指期貨成立后效果更加明顯，因而信息擴散理論可以部分解釋調入股票同步性的變化現象。

同步性；滬深300指數；股指期貨；貝塔；投資者情緒

人們習慣按照事物間的相似度進行分類，股票市場也同樣。例如按照股票的特征可以分為小公司股票、價值型股票、成長型股票等。Bernstein[1]發現投資者往往針對一類或幾類資產組合進行投資，而忽略同一資產類中單個資產的特點，如專門投資指數成分股的指數基金以及專門的成長股基金等。Barberis和Shleifer[2]將某類資產共有的一種特征稱為一類“風格”(style)，對不同“風格”的股票進行交易的行為稱為“風格投資”(style investing)。

研究表明，“風格投資”策略可能令同種“風格”資產間的收益率出現超額同步性(excess comovement)，即產生高于基本面聯系的收益同步性現象。如Barberis, Shleifer和Wurgler[3](以下簡稱BSW)發現指數成分股作為一類“風格”資產，在控制住股票基本面因素后，調入S & P500指數的股票與指數間同步性上升，也即成分股間同步性變化與其基本面變化發生了脫離。此外，Boyer[4]利用S & P/Barra指數間股票的調入調出也發現當不同資產貼上“標簽”(label)后，投資者在不同“標簽”資產間配置資本的交易行為將帶來資產收益間的超額相關性。

與此相關，近年來指數型基金等投資方式在國內市場發展迅猛。如果編制指數會導致股票間同漲同跌現象的發生，那么相關指數衍生品的誕生也很可能進一步提高股票間的同步性，進而提高股市的系統性風險。本文以此為背景，研究滬深300指數及股指期貨的成立是否會加深我國A股市場同漲同跌的現象。本文以滬深300指數成分股調入事件作為研究樣本，分析股票調入前后與指數成分股之間同步性的變化，發現調入指數后股票與指數間的同步性顯著上升，與指數外股票間的同步性顯著下降。

BSW[3]認為基于情緒的同步性理論可以很大程度上解釋這一異象。由于投資者情緒可以對股票收益產生影響[5]且噪音交易者的情緒因素具有定價作用，如果噪音交易者采取“風格投資”策略配置資產，他們對某類資產未來走勢的預期可能作為該類資產收益中的“共同因子”，在同類“風格”資產間產生高于基本面聯系的收益同步性。本文發現金融危機時期與股指期貨成立時期，指數“標簽”的同漲同跌現象更為明顯，該結果與基于情緒的同步性理論基本一致。此外，針對另外兩種可能的理論解釋：非交易假說與信息擴散理論，本文的實證結果并不支持非交易假說，但股指期貨成立后指數成分股的信息反應效率有所上升，這在一定程度上提高了股票間同步性的程度，但投資者情緒的變化依然起主要作用。

現有研究成果來看，Vijh[6]最早對指數調整效應進行了研究，此后Greenwood[7]對日本Nikkei 225指數檢驗發現，調入股票與指數的beta系數以及r2均在調入事件后出現上升。在Vijh[6]研究的基礎上，BSW[3]加入雙變量回歸，證明S & P500指數調整事件導致的同步性變化現象可以被基于情緒的同步性理論解釋。Coakley和Kougoulis①對英國FTSE 100指數以及Coakley等[8]加拿大市場MSCI指數調入事件的研究也證明了BSW[3]的觀點。Parthasarathy[9]對印度Nifty指數進行的研究認為，信息傳播理論對解釋印度的指數現象更為有效。國內的研究成果，一方面集中于調入指數股票的價格變化，如范建華和張靜[10]指出滬深300指數的股票調整具有明顯的價格效應[11?14]，且調入效應強于調出效應；另一方面主要關注指數與其相關衍生品對市場系統性風險的影響，如戴曉鳳等[15]研究股指期貨與現貨市場間波動的溢出效應，饒育蕾等[16]發現商品期貨衍生品與股市間的相關性升高，資產的同漲同跌現象愈加明顯。總體來看，國內針對指數的股票同步性影響的研究相對缺乏。本文旨在補充基于情緒的同步性理論在欠發達市場指數調整現象中的應用，探討其在中國市場的適用性。此外，指數的價格效應為短期效應，本文則從交易行為對指數長期影響的角度出發，以發現其對市場整體運行的影響。

本文的研究也與投資者情緒對股票影響的文獻相關。Baker和Wurgler[17]認為投資者情緒會影響低資產規模、高波動率、成立時間短或者身處債務危機等一類公司的股票。Kumar和Lee[18]發現個人投資者的買賣行為具有相關性，并且在個人持股比例高的公司股票上，這些相關的交易行為對這類股票間的同步性具有解釋力。這些研究結果表明投資者情緒對股票間的同步性具有影響。

一、理論與研究假設

學界對同步性的研究由來已久，在有效市場框架下，傳統金融理論認為股價反映股票的基本面價值，故股價的同步性也來源于股票間基本面價值的同步性，同步性的變動必然是基本面價值的同步性變動所導致。然而，隨后諸多的市場異象如Froot和Dabora[19]發現的皇家荷蘭公司與殼牌公司股價之間偏離基本面的聯動性關系，表明基于基本面的理論無法解釋這些異象。

基于情緒的同步性理論認為，當進行“風格投資”策略的投資者中存在噪音交易者時，噪音交易者在不同“風格”資產間的資金轉移行為將導致噪音交易者的情緒影響同類資產的價格，即在同類“風格”資產價格中存在與股票現金流無關的共有因素(common factors)——噪音交易者情緒，它將引起同類“風格”資產價格的同漲同跌現象。

指數作為一類特殊的“風格”資產，投資者可以利用相關指數產品對成分股進行“風格投資”。依據基于情緒的同步性理論，股票調入指數即加入一類“風格”股票群，它將受到與指數成分股相同的噪音交易者情緒的影響，兩者的同步性應該上升，故本文提出假設1：納入滬深300指數的股票，與指數成分股間的同步性在股票調入指數后會出現上升。

基于情緒的同步性理論認為噪音交易者情緒的變化導致同類資產的同步性，進一步來看當不同噪音交易者對一類“風格”資產未來走勢看法趨于一致時，即都看漲或看空，此時該類資產的同步性大于噪音交易者信念不一致時資產的同步性。在金融危機時期，投資者普遍看空后市，其情緒變化具有很高的相關性，因而本文提出假設2：在金融危機時期調入的股票樣本，其調入指數后的同步性變化要大于金融危機前的水平。

情緒變化對一類資產價格影響的大小與該資產類的市場認可度有關。以指數為例，以指數成分股作為標的衍生品數量越多，交易規模越大，指數整體性就越強，噪音交易者的情緒變化對各成分股的影響也就越一致，同步性也就越高。股指期貨的成立促進了指數的套利行為，強化了指數的整體性，故本文提出假設3：滬深300股指期貨成立后，調入指數樣本的同步性變化程度大于期貨成立前的水平。

二、數據來源與研究方法

(一) 樣本選擇

本文選擇2005年6月22日至2012年7月25日滬深300指數的調入股票作為研究樣本。在樣本期間，共350只股票調入滬深300指數。根據滬深300指數編制準則，指數成分股每半年進行一次定期調整，對符合樣本空間條件，且總市值(不含境外上市股份)排名在滬深市場前10位的新發行股票以及通過增發、重組和合并等行為導致股票總市值增加的股票可通過快速進入指數規則調入指數。為了排除IPO、增發、重組等消息的干擾，本文對調入股票樣本進行篩選，剔除通過重組、合并、IPO等方式進入指數的股票，以及調入事件前后涉及公司重組、合并等重大公司事件的股票樣本。另外，為了保證結果的有效性，剔除事件窗口期交易數據不足的研究樣本。經過篩選后，最終的調入樣本為162只調入股票。

本文涉及的數據中，滬深300日收益率、A股市場日流通市值以及A股市場日換手率來自銳思數據庫(RESSET)，其余數據來自國泰安數據庫(CSMAR)。

(二) 變量模型

為了驗證假設1，本文對每一個調入樣本進行單變量回歸，將其收益與滬深300指數收益在事件前窗口期與事件后窗口期分別進行回歸，得到調入前與調入后的β值以及方程擬合系數r2，用后者減前者得到調入前后的差值Δβ和Δr2，檢驗Δβ和Δr2是否顯著大于0。具體模型如下：

其中：Ri,t為調入股票i在t日的收益，R300,t為滬深300指數在同一時刻的收益。

針對每個調入樣本，本文選擇調整公告日前240天作為事件前窗口期。鑒于指數調整公告一般會于執行日前兩周公布，無法準確判斷即將被調入的股票在調整公告發布日至執行日期間的狀態，本文選取指數調整執行日之后240天作為事件后窗口期。

為了進一步控制住基本面因素對同步性的影響，借鑒BSW[3]的方法，本文在單變量模型的基礎上加入非滬深300股票組合收益來檢驗樣本β值的變化，具體模型如下：

其中Ri,t為調入股票i在t日的收益，R300,t為滬深300指數在t日的收益，Rnon300,t為非滬深300股票的組合收益。由于該收益數據無法直接獲得，本文利用A股市場收益、滬深300指數收益以及滬深300占整個A股市場的權重等相關關系式，推導非滬深300股票組合收益，其計算公式如下：

其中：RVWALL,t為A股市場在t日的收益，R300,t為滬深300指數在t日的收益，CAPALL,t?1為A股市場在t?1日的流通市值，CAP300,t?1為滬深300指數在t?1日的流通市值，Rnon300,t為非滬深300股票的組合收益。在窗口期的選擇上，雙變量回歸與單變量相同，且對每個調入樣本，分別進行調入事件前窗口期與事件后窗口期的回歸分析，由事件后結果減事件前結果，得到滬深300指數與非滬深300股票組合收益的系數變化值 Δbeta300和Δbetanon，采用t檢驗比較其與0的差異。

根據假設2、3的觀點，金融危機時期和股指期貨成立后對滬深300指數成分股的同步性有顯著影響，故本文劃分樣本時間區間，分析不同時期的樣本同步性特征。本文以金融危機時期和股指期貨成立日將總樣本區間分為三個子樣本：第一子樣本為2008年9月前發生的調入樣本；第二子樣本為2008年9月后至2010年4月18日前的調入樣本；第三子樣本為2010年4月18日后的調入樣本，分別對三子樣本進行單變量和雙變量回歸，比較不同階段的同步性變化結果，驗證假設2與假設3。

三、實證結果

(一) 單、雙變量結果

由表1單變量回歸結果顯示，在全樣本時期beta系數變化為負，但不具有顯著性；相反，r2在事件后出現了顯著的上升。全樣本結果并沒有表現出預期的結果，這可能與指數成立初期其市場影響力有限，沒有形成具有規模的指數交易形式有關。進一步對子樣本研究發現，金融危機期間調入樣本的同步性變化已由危機前的負值變為正值，這表明同步性上升現象已經顯現，另外第三子樣本的結果中beta系數上升達到0.101 5且在5%的水平上顯著，為三個時期最大。故單變量結果支持假設1的猜想，此外對特殊時期的回歸結果也證實假設2與假設3的猜想。

由BSW[3]的結論，在單變量回歸中加入非滬深300股票組合收益后，回歸結果中調入樣本beta系數的變化對事件會更加敏感。雙變量結果顯示，調入股票的同步性上升現象確實比單變量的結果更加顯著：全樣本時，β300平均上升0.135 5且結果在1%的水平上顯著，這一結果進一步證實假設1的結論。分時期來看，金融危機期間β300平均上升0.1985，顯著大于危機前的變化水平；股指期貨成立后，β300在1%的顯著性水平上達到0.460 4的上升幅度，其變化在三個階段中最為顯著，這也與理論預期相一致。另外，根據BSW對雙變量回歸模型的設定，股票調入后Δbeta300與 Δbetanon的和應為0，即兩者的變化幅度應該一致。由表1可見，第一子樣本和第三子樣本的Δbeta300與 Δbetanon變化與預期一致，但金融危機時期的變化出現了異常，這可能與危機時期投資者情緒極度悲觀有關：此時由于投資者不區分資產類別的拋售股票，即使股票在這段時期納入指數，其與非滬深300組合間的同步性也不會出現明顯的下降。

表1 單、雙變量回歸結果

(二) 穩健性檢驗

為了保證結果不受公司特征等基本面因素的干擾，本文對每只調入股票依據其公司特征選擇配對樣本進行穩健性檢驗。本文篩選的配對樣本與調入樣本屬于相同的行業，在調整公告日前一天及前240天具有相同公司規模等級②，并且在這兩個時間點上不屬于滬深300成分股的股票，最終得到63對配對樣本。對每對樣本分別進行單變量檢驗和雙變量檢驗，方法如前所述。對于單變量的結果，用調入樣本的β和r2變化減去配對樣本的相應指標的變化，得到調入股票與其配對樣本的單變量差異結果：ΔΔbeta和ΔΔr2。同理對于雙變量結果，使用調入樣本回歸方程中解釋變量的兩個系數的變化減去配對樣本相應指標的變化，得到調入股票與其配對樣本的雙變量差異結果：ΔΔbeta300和ΔΔbetanon(見表2)。

由表2，在全樣本中單變量檢驗的結果ΔΔr2依然顯著大于0，但在第三子樣本中沒有出現顯著的上升，這可能是與第三子樣本中樣本數較少，且存在較大的方差所致。在雙變量檢驗中，第三子樣本的調入股票beta系數上升0.348 5，且在1%的水平上顯著。值得注意的是，第二子樣本與指數的同步性在調入后出現了顯著下降。本文認為這可能是由于經濟危機時期，市場下行的背景下股票受市場因素影響巨大，導致在這段時期市場的系統性風險為同步性的主導因素，進而在結果上表現為ΔΔbeta300小于0，ΔΔbetanon大于0。故從表2的結果來看依舊可以證明本文的觀點。

表2 配對樣本檢驗

此外本文還使用200天，180天，150天等不同的事件窗口期進行計算檢驗，得到類似的結果。

四、對成分股同步性上升的解釋

針對同步性的變化問題，非交易假說和信息傳播理論均給出同步性上升的預期，本文將在這一部分對這兩種理論進行實證檢驗，分析它們是否對本文的實證結果具有解釋力。

(一) 非交易假說

非交易假說認為同步性上升的原因來自調入股票交易頻率的上升。該觀點認為在滬深300中的股票由于交易更加頻繁，其股價能夠及時反映當天的信息，而指數外的股票在股價上的信息反映速度會滯后于指數內的成分股。故當股票調入指數后交易頻率的上升將提高它的信息反應速率，從而加大與指數成分股間的同步性。

本文引入調入股票的換手率作為其交易頻率的代理變量。根據非交易假說，只有調入指數后換手率變大的股票才會出現同步性上升的現象，換手率變小的股票應沒有該現象發生。另一方面，基于情緒的同步性理論則認為無論換手率是否變化，加入指數的股票均會表現出與指數同步性上升的現象。本文對每一個樣本計算事件后窗口期內的平均超額換手率，按照平均超額換手率與1的大小，將總樣本劃分為上升組和下降組③，分別在兩組內進行單變量和雙變量回歸，回歸方法如前所述，檢驗換手率的變化是否會帶來股票同步性的上升。具體公式如下：

式中VRi,t與Vm,t分別為調入樣本i和A股市場在t日的換手率，Vi和Vm為調入樣本i以及A股市場在事件前窗口期內的平均換手率。VRi,t則為調入樣本i在事件后窗口期內t日的超額換手率。

分組結果如表3所示。從單變量結果來看，雖然在下降組全樣本股票中，平均β值存在顯著的下降，但經過劃分樣本組發現其下降主要集中在第一時間段，之后的兩組樣本β值都出現了上升；此外相較于上升組，下降組在r2上存在顯著為正的變化。另外，在雙變量分析中無論是全樣本還是子樣本，調入股票與指數的同步性均出現了顯著的上升，在第二子樣本與第三子樣本的結果中相關性的上升均在1%的水平上超過0.4。可見換手率分組的結果不支持非交易假說。

表3 換手率分組檢驗

(二) 信息傳播理論

信息傳播理論認為，指數內的股票較指數外的股票有更低的交易成本，持有這類股票的投資者通常具有獲得信息的特殊渠道，故這類股票在信息反應速率上具有相似性，因而股票間的同步性要高于與指數外股票的同步性。當指數外股票調入指數后，就會具有與指數內股票相似的信息反應特征，那么它與指數內股票間的同步性就會出現上升。這一結論與基于情緒的同步性理論具有一致性。但信息傳播理論還認為加入指數的股票與指數收益和非指數股票組合收益的滯后與前置項之間的同步性會發生變化，即由于信息反應速率的變化，當股票加入指數后，股票與指數收益的滯后、前置項之間的同步性將出現下降，而與非滬深300股票組合收益的滯后、前置項之間的同步性會出現上升。為了排除信息效應對同步性變化的影響，本文借鑒Dimson[20]的方法，引入滬深300收益以及非滬深300股票組合收益的滯后項和前置項，以消除信息效應的作用，具體模型如下：

其中：s為收益的滯后與前置階數，在本文中階數為2階。對(5)式和(6)式分別在事件前窗口期以及事件后窗口期進行計算，得到以及的差異，即Dimson beta在事件前后的差異。根據Dimson[20]所述，對和進行事件前后的變化分析可以排除信息效應對同步性的干擾，即和Δ的結果僅是由于情緒的沖擊所導致的同步性變化。此外，為了更好地辨識信息傳播理論對β值變化的影響，本文還將對Dimson beta的組成成分，即每個滯后和前置項的系數進行事件前后的變化研究。

由表4 PanelA可知，將Dimson beta與表1的結果進行對比：全樣本時期，單變量結果變化不大，股票在加入指數后的r2變化依舊顯著為正，但雙變量分析中調入股票與指數成分股間的同步性變化雖然為正，但卻不具有顯著性。對不同時間區間樣本分析發現：金融危機時期Dimson beta變化程度反而大于表1同時期的同步性變化，為0.246 2在5%的水平上顯著為正。這與危機時期同步性來源于投資者情緒的相關性說法一致，即這段時期的同步性不能由信息效應來解釋；在第三子樣本中，相比表1 在1%的水平上上升0.460 4，Dimson beta的上升幅度僅為0.299 7。這表明期貨成立后，指數成分股的信息反應效率得到了提升，這在一定程度上提高了股票間同步性的程度，但投資者情緒的變化依然起主要的作用。

依據信息傳播理論，股票在加入指數后與指數內成分股滯后、提前收益間的beta系數將出現下降，而與指數外成分股滯后、提前收益間的beta系數將出現上升。本文對Dimson beta進行成分拆分，得到Panel B中的結果。在全樣本時期，調入股票與指數成分股的t+1項系數顯著為負，但與指數外股票間的提前、滯后項沒有出現預期的現象，這表明信息效應確實存在但效果并不明顯。另一方面，對拆分項進行樣本區間的分析，發現在指數期貨成立后，雙變量回歸的結果出現了明顯的信息效應：調入股票與指數成分股的t+1項系數在1%的水平上下降?0.180 3，與指數外股票間的t+1項系數在10%的水平上升0.116 5，說明信息效應在股指期貨成立后效果更加明顯，可以解釋36%的同步性變化。

五、結論與展望

本文以2005年至2012年間滬深300指數的調入股票為樣本，分析股票加入指數后與指數間同步性的變化情況。在剔除重組、兼并以及數據不足等的樣本后，實證檢驗發現調入指數后兩者的同步性會出現上升，且這一現象在金融危機時期和股指期貨的成立后更加顯著。進一步檢驗發現，非交易假說無法解釋該同步性變化現象。此外，應用Dimson[20]的方法排除信息效應的影響后，本文發現信息傳播理論對同步性的變化具有一定的解釋力，但投資者情緒的變化依然起主導作用。本文認為由于滬深300具有相當的市場影響力，其成分股間同步性的變化會影響市場整體系統性風險的水平，因而在大力發展指數化投資策略的同時，監管層也應密切關注其對市場整體的影響，控制市場風險，防止資金調整過程中對市場環境造成的劇烈波動。

本文的研究工作還存在一定的不足之處。由于調入樣本數量有限，篩選后的配對樣本數量更是大為減少，為了保證實證數據檢驗的有效性，本文只選擇行業和公司規模因素作為篩選標準，這使得本文選擇的配對樣本比較粗糙。但隨著以后調入樣本數量的增多，可以考慮加入賬面市值比等更多的公司特征作為篩選標準，使得配對結果更具有說服力。另外，文中使用間接證據證明情緒對同步性的作用，如果能提供基于情緒的同步性理論的直接實證證據將更具有說服力：如在未來的工作中可以考慮利用投資者的網絡發布信息測度其情緒高低以及投資者間對未來股市走勢的預期是否一致等指標，比較投資者的情緒異質性對股票同步性的影響，特別是近年來文本挖掘技術的進步為直接獲得測度投資者情緒的指標提供了可能。此外，關于“風格交易”策略導致的股票間超額同步性問題，未來的研究還可從市場分割的角度出發，研究不同細分市場中的資產是否也具有超額同步性。例如Grullon, Underwood和Weston[21]發現具有相同承銷商的上市公司股價間的同步性高于不同承銷商間的公司股價的同步性，而這與不同投資銀行擁有不同的投資者群體，形成的投資者市場分割有很大的關系。

表4 Dimson beta檢驗

注釋：

① Periklis Kougoulis, Jerry Coakley. Comovement and Changes to the FTSE 100 Index. Unpublished Working Paper, 2004.

② 公司規模等級：將所有A股股票的月規模數據擴展至日數據層面，即對于每一個交易日選擇與其最近的前一期公司規模數據作為當天上市公司規模，并將每一交易日上的所有A股公司按照規模分為10組，得到的數值為上市公司在t日的公司規模。

③ 平均超額換手率大于1即為上升組，小于1即為下降組。

[1] Richard Bernstein. Style investing: Unique Insight into Equity Management [M]. New York: Wiley, 1995: 238.

[2] Nicholas Barberis, Andrei Shleifer. Style investing [J]. Journal of Financial Economics, 2003, 68(2): 161?199.

[3] Nicholas Barberis, Andrei Shleifer, Jeffrey Wurgler. Comovement [J]. Journal of Financial Economics, 2005, 75(2): 283?317.

[4] Brian H. Boyer. Style-related Comovement: Fundamentals or labels? [J]. Journal of Finance, 2011, 66(1): 307?332.

[5] Nicholas Barberis, Andrei Shleifer, Robert Vishny. A model of investor sentiment [J]. Journal of Financial Economics, 1998, 49(3): 307?343.

[6] AM Vijh. S & P 500 trading strategies and stock betas [J]. Review of Financial Studies, 1994, 7(1): 215?251.

[7] Robin Greenwood. Excess comovement and stock returns: Evidence from cross-sectional variation in nikkei 225 weights [J]. Review of Financial Studies, 2008, 21(3): 1153?1186.

[8] Jerry Coakley, Periklis Kougoulis, John C. Nankervis. The MSCI-canada index rebalancing and excess comovement [J]. Applied Financial Economics, 2008, 18(16): 1277?1287.

[9] Srikanth Parthasarathy. Co-Movement and index changesevidence from the emerging indian stock market [J]. Asian Journal of Finance & Accounting, 2011, 3(1): 185?207.

[10] 范建華, 張靜. 基于Fama-French三因子模型的滬深300指數效應實證研究[J]. 重慶工商大學學報(社會科學版), 2013, 30(3): 31?38.

[11] Lawrence Harris, Eitan Gurel. Price and volume effects associated with Changes in the S & P 500 List: New evidence for the existence of price pressures [J]. Journal of Finance, 1986, 41(4): 815?829.

[12] Andrei Shleifer. Do demand curves for stocks slope down? [J]. The Journal of Finance, 1986, 41(3): 579?590.

[13] Anthony W. Lynch, Richard R. Mendenhall. New evidence on stock price effects associated with Charges in the S & P 500 index [J]. The Journal of Business, 1997, 70(3): 351?383.

[14] Jeffrey Wurgler, Ekaterina zhuravskaya. does arbitrage flatten demand curves for stocks? [J]. The Journal of Business, 2002, 75(4): 583?608.

[15] 戴曉鳳, 何錚. 滬深300股指期貨動態套期保值比率和有效性研究——基于Copula-GARCH-X模型的應用 [J]. 中南大學學報(社會科學版), 2013, 19(3): 1?5.

[16] 饒育蕾, 雷湘媛. 商品金融化下大宗商品價格對股市的影響:一個文獻綜述[J]. 中南大學學報(社會科學版), 2013, 19(6): 48?53.

[17] Malcolm Baker, Jeffrey Wurgler. Investor sentiment and the cross-section of stock returns [J]. The Journal of Finance, 2006, 61(4): 1645?1680.

[18] Alok Kumar, Charles M C. Lee. Retail investor sentiment and return comovements [J]. The Journal of Finance, 2006, 61(5): 2451?2486.

[19] Kenneth A. Froot, Emil M. Dabora. How are stock prices affected by the location of trade? [J]. Journal of Financial Economics, 1999, 53(2): 189?216.

[20] Elroy Dimson. Risk measurement when shares are subject to infrequent trading [J]. Journal of Financial Economics, 1979, 7(2): 197?226.

[21] Gustavo Grullon, Shane Underwood, James P. Weston. Comovement and investment banking networks [J]. Journal of Financial Economics, 2014, 113(1): 73?89.

SHSW-SZSE300 index adjustment and stocks return co-movement

RAO Yulei, BAO Wei, PENG Diefeng
(School of Business, Central South University, Changsha 410083, China)

In this paper, the authors analyze the stock samples added into Shanghai and Shenzhen 300 index (SHSE-SZSE300) during 2005—2011. The results empirically reveal an increase of co-movement between added stock and index constituents after the index replacements, and show that, such phenomenon has been notable in the recent financial crisis and after the introduction of the SHSE-SZSE300 index futures. These findings are consistent with the expectations of sentiment-based co-movement theory. Further specific studies suggest that, after the index replacement, the enhancement of co-movement is independent of the changes in added stock turnover. Therefore, it can be concluded that the results of this paper cannot easily be explained by the non-trading hypothesis. In addition, the effect of information reaction on added stocks is obviously increased after the introduction of the SHSE-SZSE300 index futures. So the co-movement phenomenon could be partly explained by the information diffusion theory.

co-movement; SHSE-SZSE300 index; stock index future; beta; investor sentiment

F830.91

A

1672-3104(2015)01?0111?08

[編輯: 蘇慧]

2014?10?08；

2014?11?26

國家自然科學基金面上項目(71071166)

饒育蕾(1964?)，女，四川資中人，博士，中南大學商學院教授，博士生導師，主要研究方向：行為金融學，公司金融，公司治理等；鮑瑋(1989?)，女，安徽績溪人，中南大學商學院博士研究生，主要研究方向：行為金融學，行為資產定價，實驗經濟學；彭疊峰(1985?)，男，湖南婁底人，博士，中南大學商學院講師，主要研究方向：行為金融學，行為資產定價