我國基金投資潮涌現象研究——基于模糊斷點回歸設計的實證研究

杜威望 肖曙光

(1.華僑大學經濟與金融學院，福建 泉州 362021；2.廣東財經大學經濟學院，廣東 廣州 510320)

引言

長期以來，個股股價劇烈波動已成為困擾我國股票市場的“頑疾”?，F有研究普遍表明以基金為代表的機構投資者并沒有起到穩定市場的作用，特別是在基金的參與下股市中時常出現個股股價頻頻出現大起大落、暴漲暴跌的異象。學者們一般將基金參與下股市和個股股價波動歸結于基金投資的羊群行為以及反饋交易策略，即基金之間存在種種互相模仿、集體追漲殺跌等非理性行為使基金成為證券市場的一大不穩定因素。然而，鑒于我國股市整體和個股極易受到如政策性(產業政策)事件、突發事件、投資熱點、企業出臺的相關公告等公開或半公開的投資信息的影響，同時基金相比于個人投資者具有收集、整理和加工信息的優勢以及資金優勢，基于此，本文認為基金參與下個股股價的暴漲暴跌是一種在基金經理個體有限理性下導致基金經理整體非理性的“基金投資潮涌”引起的。

在中國特色社會主義進入新時代、黨和國家決定要構建我國“現代化經濟體系”的重要關頭，在保障金融血脈暢通和防控金融風險、堅守不發生系統性金融風險底線的背景下，本文研究了基金參與下導致個股股價暴漲暴跌的基金投資潮涌現象，為系統研究基金投資行為、認識基金的市場功能以及分析市場波動原因提供了新的方向。

本文的邊際貢獻有：(1)在研究視角上，將研究對象限定在基金的投資行為是如何導致個股股價的暴漲暴跌這種現象，將其稱為“基金投資潮涌”，重點探討基金經理整體的價值認同感和個股股價的客觀波動的趨同值超過某一值時會導致股價發生共振效應；(2)在理論分析上，融合行為金融、潮涌現象以及物理共振模型的思想來闡釋基金投資潮涌的發生機制，提出基金經理可以提前獲取信息和基金經理進行隱藏交易是發生基金投資潮涌的基礎條件；(3)在研究方法上，使用模糊斷點回歸設計來實證研究基金投資潮涌現象中的共振效應，可以有效地避免參數估計的內生性問題，真實地反映出變量之間的因果關系，將該模型的運用擴展到金融領域，豐富了該模型的運用范圍。

文獻回顧

基金等機構投資者的羊群行為是導致股市不穩定的重要原因，由于機構投資者往往表現出高度的同質性(Froot et al., 1992)[12]，他們同時一致地持有或者賣出某些股票，從而造成股票價格在短期內的劇烈波動，破壞了市場的穩定(Sias et al., 2006)[22]?；鸬恼答佂顿Y策略在股市的暴漲暴跌中發揮了推波助瀾的作用(Hsieh,2013)[14]。此外，基金等機構投資者的投資規模一般占較大比例，該比例一旦變動將會引起股票交易量的重大變動，因而在震蕩的股票市場中，機構投資者交易，尤其是短期交易容易引起股票價格的波動(Cella et al., 2013)[10]。

因此，深入探討基金等機構投資者的投資行為對股市的作用機制，可以更好的防控以上的不利影響。越來越多的學者從行為金融學的不同視角來解析基金等機構投資者的投資行為，其研究主要集中在以下4個方面：(1)基金等機構投資者的情緒?；鸬葯C構投資者的投資行為不僅由其理性所驅動，同時也由其非理性的情緒等驅動(Verma and Soydemir, 2006)[26]，這些情緒會影響他們對未來資產價格預期的判斷(Antoniou and Doukas,2013)[3]，進而會推動資產定價(Smith et al., 2014)[23]。HuandWang(2012)[15]甚至認為投資者情緒是導致系統性風險的重要因素之一。(2)基金等機構投資者的知情交易。Barclay et al.(1990)[6]認為與個人投資者相比，機構投資者具有信息優勢，并且知情度更高的機構投資者能夠進行選擇性交易(Li et al., 2016)[18]，從而使得他們的持股需求與后續的股價收益率呈現正相關(Wermers, 1999)[27]，并且杜威望和劉雅芳(2018)[29]的研究表明處于同一社會網絡下的基金經理可以提前獲取投資信息來指導其實際的投資決策，這說明機構投資者能夠提前獲取信息。(3)基金等機構投資者關注。越高的投資者注意力會導致越高的股市波動(Andrei and Hasler, 2014)[2]。由于擁有專業的研究團隊來幫助機構投資者做決策，注意力并不是機構投資者的稀缺資源(Barber and Odean, 2007)[5]，因此基金經理等機構投資者是完全關注的交易者(Ding and Hou, 2015)[11]。Ruanand Zhang(2016)[21]研究發現更高的投資者關注導致股市波動較大，并且股價的波動總是隨著注意力的增加而增加。(4)基金等機構投資者的羊群行為。當基金等機構投資者出現爭先買進或賣出金融資產的羊群行為時，如果作為流動性提供者的機構投資者全部轉化為流動性需求者，此時買賣壓力超過市場所能提供的最大流動性，市場流動性瞬間消失，資產價格會出現非連續的暴漲暴跌和雪崩效應，破壞市場的穩定運行(蔡慶豐等, 2011)[28]。

綜上，學者們對基金等機構投資者的投資行為與股市波動關系的研究頗多，但仍然存在下述問題：(1)鮮有文獻針對基金投資潮涌導致我國個股股價暴漲暴跌的作用機制進行理論分析和實證檢驗，基于此，本文重點探討了基金經理整體的價值認同感和個股股價的客觀波動的趨同值超過某一值時會導致個股股價發生共振效應，并利用模糊斷點回歸設計檢驗共振效應對股價的沖擊效應；(2)在理論分析中，現有文獻沒有進一步區分基金經理個體和基金經理整體的理性程度的差異1，本文認為基金經理在個體層面上呈現出有限理性，而在基金經理整體層面呈現非理性狀態；(3)在現有文獻的實證研究中，一般選取基金的持股量作為解釋變量(張宗新和王海亮,2013; Siaset al., 2006)[22][38]，認為基金倉位在一定程度上可以代表機構投資者信念(張宗新和王海亮, 2013)[38]，然而囿于現有的上市公司數據披露制度以及基金等對交易數據進行粉飾使得利用該變量不可避免的會失真，而本文采用持有某支股票的季度基金數量的增長率作為解釋變量2，可以有效地避免上述問題。

圖1 基金投資潮涌現象分析框架

理論分析與研究假設

基金投資潮涌現象的分析框架如圖1所示。首先，對發生基金投資潮涌現象的兩個基礎條件基金經理可以提前獲取投資信息和進行隱藏交易進行理論分析并提出研究假設；其次，分別從基金經理的行為偏差、基金經理個體主觀投資信念的形成、基金經理整體價值認同感的形成、個股股價的客觀波動以及基金經理整體的價值認同感與個股股價的客觀波動的共振效應四個方面分別進行理論闡釋并提出研究假設。

一、基金經理提前獲取投資信息

研究表明，基金經理可以提前獲取信息(羅榮華等，2011; Sornette, 2014)[33][24]，并且該信息可以帶來顯著的超額收益(申宇等, 2013)[35]。首先，相較于個人投資者，基金經理具有收集、整理和加工信息的優勢以及資金優勢，其可以準確迅速地獲取投資信息。其次，從基金公司層面來說，基金公司通過購買或者游說可以提前獲取政治信息和相關情報(Gao and Huang, 2016)[13]?；鸾浝硗窃谫徺I證券分析師研究報告的基礎上進行信息再處理，形成投資決策后進行市場交易(蔡慶豐等, 2011)[28]。因此，基金經理基于特定信息優勢，可以進行選擇性交易，將資金更多地分配到所挖掘的股票上，或者提前拋出所持有的股票，據此提出假設H1。

假設H1：在基金投資潮涌中，基金經理可以提前獲取信息3。

二、基金經理的隱藏交易

基金經理能夠提前獲取信息，因此在股票市場交易中基金經理具有較高的知情度和私有信息。私有信息投資者往往會在交易信息完全披露之前逐漸進行交易(Admati and Pfleiderer, 1988)[1]，為了隱藏自己的知情交易，他們在一段時間內一般會采取某種規模交易的投資策略，以不被關注和降低交易成本(Barclay and Warner,1993)[7]。Menkhoffand Schmeling(2010)[20]研究發現，越是擁有私有信息的機構投資者，他們的股票市場成交量越小，越傾向于進行隱秘交易，這樣既能夠降低其交易成本，同時在短時間內對股市的沖擊相對較小，不至于引起個人投資者的關注和跟風。因此，采用小額交易、多輪交易的交易策略將會是基金經理的最優選擇(Borghesi, 2017)[9]?；谝陨系姆治觯疚恼J為在基金投資潮涌中，基金經理在一段時間內(如一個季度中)為了不被關注以及降低交易成本，他們將進行小額多輪的隱藏交易，基于此提出假設H2。

假設H2：在基金投資潮涌中，基金經理進行隱藏交易。

三、基金經理整體價值認同感與個股股價客觀波動的共振效應

1.基金經理整體認同感和個股股價客觀波動分析

在獲取投資信息后，基金經理會形成各自的主觀投資信念，并且在行為偏差4的作用下，基金經理將認為股價是非隨機、有規律可循的，并且認為其他基金經理也同自己一樣可以把握這種規律，從而傾向于高估在某段時間小概率事件的發生概率，因此，基金經理個體層面上呈現出有限理性(Verma and Soydemir, 2006)[26]，并形成各自對個股的投資信念。

雖然由于行為偏差基金經理無法完全理性地進行投資決策，但是相較于個人投資者，他們往往更加關注同樣的市場信息、采用相近的資產估值模型、信息分析方法和組合對沖策略(蔡慶豐等, 2011)[28]，因此，在眾多的基金經理中可能存在一部分基金經理會做出同樣的投資決策。借鑒物理力學中力和合力的概念，單個基金經理對個股的投資信念類似于單個力作用于物體，而基金經理整體的價值認同感則類似于所有作用于該物體的合力。基金經理整體的價值認同感(Value Identity，下文簡稱為VI)是指在某一期中基金經理對某支股票投資信念的合力，當大部分的基金經理是持有買入(賣出)的投資信念，那么所形成的基金經理整體對該支股票的價值認同感就高(低)，大部分基金經理將會進行買入(賣出)操作。一方面，知情交易對股價的影響將隨著知情交易者數量的增加而增加(Back et al., 2000)[4]；另一方面，更高的投資者關注和注意力導致了較大的股市波動(Andrei and Hasler, 2014; Ruan and Zhang, 2016)[2][21]，因此，對于本文而言，VI越高(低)，個股股價漲(跌)幅就越大。

由于置身于整個經濟系統中，個股股價本身也會受到如政策性(產業政策)事件、突發事件、投資熱點、企業出臺的相關公告等公開或半公開的投資信息等各種因素的影響而產生波動，這一波動具有客觀性，本文稱之為個股股價的客觀波動(Objective fluctuation，下文簡稱為OF)，如果各種因素的合力是正向利好的，那么OF即為正值；反之為負值，一般來說，OF越高(低)，個股股價漲(跌)幅就越大。

2.兩者的趨同值超過某一值時的共振效應分析

上文的分析表明，個股股價既受VI的影響，又具有OF，那么這兩者的共同作用下將會對股價產生怎樣的影響？可能會抑制股價的波動也可能導致股價的暴漲暴跌。一般情況下，如果VI與OF相反，將會抑制股價的波動；若兩者的波動性相同，將會加劇股價的波動。

此外，還可能出現特殊的現象，即發生共振效應。在物理學中，當振動系統中驅動力角頻率趨近于固有角頻率時，驅動力不斷地對振動系統做正功，提供給振動系統的能量最多，此時，振動系統的振幅達到最大值，發生了共振效應。借鑒共振效應的概念，采用類比推理方法，將VI類比為物理共振的驅動力角頻率，將OF類比為振動系統的固有角頻率。那么，如果VI和OF的趨同值超過某一數值時，基金經理的投資行為將不斷地對個股股價做正功，從而使個股股價的波動幅度達到最大值，此時就稱為基金經理整體的價值認同感(VI)與個股股價的客觀波動(OF)發生共振效應。由于基金經理整體買入或者賣出意愿的不同，即VI的不同以及OF的差異，股價的波動有可能是正向的也有可能是負向，即可以細分為正向和負向基金投資潮涌?；诖?，提出假設H3。

假設H3：在基金投資潮涌中，基金經理整體的價值認同感(VI)和個股股價的客觀波動(OF)的趨同值大于某一值時會發生共振效應，導致個股股價出現暴漲暴跌的現象。

3.基金投資潮涌現象的定義

基于以上的分析，本文將基金投資潮涌現象定義為：基金經理基于提前獲取投資信息的優勢，在獲取投資信息后由于行為偏差會形成基金經理個人對某支股票的主觀投資信念(買入或賣出)，進而形成基金經理整體對該支股票的價值認同感，如果眾多基金經理的主觀投資信念都趨于一致，那么將會形成一個很強的價值認同感，此時若該價值認同感(VI)與個股股價本身的客觀波動(OF)的趨同值大于某一值時，將會導致一個時間段內在隱藏交易下許多基金的資金像波浪一樣，一波接一波地涌向(涌出)某支股票，由于這些交易的疊加不斷推高(拉低)股價，即基金經理整體價值認同感對個股股價不斷施加影響，最終會導致個股股價的非理性暴漲(暴跌)5。

基金投資潮涌樣本提取與實證研究設計

一、數據說明和樣本選取

為驗證上文提出的3個假設，需要提取發生基金投資潮涌的樣本，為此，選取1998年第四季度到2017年第二季度的A股股票作為研究樣本，本文所指的基金是指可投資于我國A股的證券型投資基金，包括股票型基金、混合型基金、債券型基金，持有某支股票的季度基金數量數據來源于Wind數據庫，其他數據來源于RESSET數據庫。

1.基金經理整體的價值認同感(VI)指標的選取

微觀結構的市場模型表明知情交易對股價的影響將隨著知情交易者數量的增加而增加，譬如在知情交易假設下，雖然股價變動與機構投資者數量和機構投資者的持股量都存在顯著的正相關，但是股價變動與前者的相關性明顯強于后者(Back et al., 2000)[4]。持有某支股票的基金數量的季度增長率越大(小)，表示基金的關注和注意力越高(低)，從而也表明了VI越高(低)，基金經理的這種知情交易下的高關注和高注意力情緒將會推動股票資產的定價(Smith et al., 2014)[23]，從而導致個股股價的暴漲(跌)，因此將持有某支股票的基金數量的季度增長率來表征VI。為方便下文的實證分析，以當期個股收益率的正負值來進行持有股票的季度基金數量的增長率計算公式的設定，若當期個股收益率為正(負)，基金經理整體價值認同感的計算公式為當期的基金數量與上一期基金數量的差除以上一期(當期)基金數量，這樣在當期個股收益率為正(負)的情況下VI取值為0到正無窮(0到負無窮)，VI越高(低)取值越大(小)6。

2.個股股價的客觀波動(OF)替代指標的選取

由于OF包含太多因素，難以精確度量，為此，本文以剔除上證指數季度收益率的個股季度收益率(記為R)來表征個股股價的客觀波動，主要基于以下考慮：我國股市發展時間尚短，股市體制還不健全，呈現非常顯著的“政策市”，而這種“政策市”所帶來的收益一般都能從大盤季度收益率中反應出來，因此將個股季度收益率剔除大盤季度收益率能更加貼切地反應個股股價的客觀波動性。

3.基金投資潮涌樣本的提取方法

Sornette(2003)[25]將股市崩盤現象稱為“極端事件”，假設樣本期內所有樣本的收益率服從正態分布，那么就可以通過計算樣本期中的某個樣本收益率的發生概率，根據該概率以及樣本期的定義就可以計算得到該樣本收益率的發生頻率，通過定義超過多長時間才發生該樣本收益率即可甄別出所有樣本中的“極端事件”7。相關文獻的研究還發現收益率不但存在“尖峰厚尾”現象，而且一般還帶有一定的偏度和位置參數的變化(耿志祥等, 2013)[30]。本文研究的基金投資潮涌涉及到VI和OF兩個變量，采用含有尺度參數和位置參數的t分布(t location-scale分布)來對VI和R(OF的替代變量)進行擬合，并規定VI和R兩個指標同時達到異常值標準時，該樣本才能被提取出來作為基金投資潮涌樣本。表1提取了7對不同概率下的基金投資潮涌樣本，根據不同概率下出現的頻率計算得到分別大約需要2.5年、3年、5年、10年、15年、20年和25年才能出現一次?；谝韵驴紤]：第一，我國證券市場對個股股價的異常波動進行了定義，其中規定若個股股價連續三個交易日達到漲跌幅限制或者個股股價的振幅連續三個交易日達到15%交易所將對該股票實施臨時停牌。同時，在上文的理論分析中已經假設了基金經理為了不被關注而采取了進行多次小規模的隱藏交易的投資策略，因此在一個季度中個股的股價波動將會是在不被個人投資者關注的條件下緩慢地上升；第二，鑒于我國股票市場中的賣空約束，正向和負向的基金投資潮涌樣本的提取標準應該要區別對待，負向的基金投資潮涌樣本的提取標準應該較低；第三，在實際的股票市場中，個股股價的暴漲暴跌時常見于報端，自我國基金行業發展以來已經發生許多起基金黑幕了，因此本文認為基金投資潮涌在現實中是比較頻繁發生的；第四，考慮到實證分析的需要，基金投資潮涌樣本不能太少。本文選取發生頻率大于3年的概率下提取的左側樣本作為負向的基金投資潮涌樣本，共有125個樣本；選取發生頻率大于5年的概率下提取的右側樣本作為正向的基金投資潮涌樣本，共有419個樣本。

1998～2017年我國基金行業本身數量增長迅速，那么很有可能持有某支股票的平均基金數量的增加并不是因為基金經理關注多了，而是需要持倉的被動要求使得基金不得不去持有股票。我們通過圖2歷年新成立的基金數量和持有某支股票的平均基金數量增長趨勢來回答以上疑問，從圖中可以看出無論是正向基金投資潮涌還是負向基金投資潮涌的樣本持有某支股票的平均基金數量增長率均不與新成立的基金數量增長率呈現一致的增長趨勢，因此，本文認為由基金行業發展帶來的被動持倉要求不是導致持有某支股票的平均基金數量增長的原因。

表1 基金投資潮涌樣本的提取

圖2 歷年新成立的基金數量和持有某支股票的平均基金數量增長趨勢

二、協方差分解方法

借鑒吳斌和張永任(2010)[36]、杜威望和劉雅芳(2018)[29]的研究方法，本文通過考察VI是否領先于個股股價波動來驗證基金經理具有信息優勢的假設H1。若兩者的協方差為正值，表明基金經理能夠提前獲取信息，反之，則不具有提前獲取信息的優勢。囿于無法獲取每個月的VI數據，無法直接計算上一個月的VI與當月個股股價波動的相關性，協方差分解方法可以有效地彌補數據獲取限制的缺陷。設t季度樣本股票的VI記為VIt，根據需要將季度數據分解為3個月份子區間，則VIt=VIt,1+VIt,2，同時任意一個樣本的月度個股股價波動用rk(rk為剔除上證指數月度收益率的個股月度收益率，k可以是任意整數)表示。利用協方差加和性質，可得：

其中，k取不同值式中各項的意義將發生變化，當k=-1時，rk表示領先于t季度一個月的月度個股股價波動，cov(VIt,,r-1)表示t季度VI與其前一個月的月度個股股價波動的協方差，以此類推，cov(VIt,r0)、cov(VIt,r1)分別表示t季度VI與當季度第一個月和當季度第二個月的個股股價波動的協方差。公式(1)的協方差利用t季度VI和個股股價的月度波動可以直接計算得到的，而要間接地利用k的不同取值進行協方差分解來計算月度VI和月度個股股價波動的協方差，在此定義月度VI滯后于月度個股股價波動的協方差為cov(Kk)，其中k取1表示月度VI滯后于月度個股股價波動一個月；月度VI與月度個股股價波動同月份協方差記為cov(C)；月度VI超前于月度個股股價波動的協方差記為cov(Fk)，其中k取1表示月度VI超前于月度個股股價波動一個月。通過構造(2)式并進行化簡來求得cov(F1)：

表2 實證檢驗變量的描述性統計

(2)式中最后的cov(L8)稱為“剩余協方差”，從經濟意義上來講，越超前的月度VI對隨后月度個股股價波動的影響將越來越小(吳斌和張永任，2010)[36]，此時月度VI超前于月度個股股價波動8個月。因此，用E(cov(F1)-cov(L8))作為cov(F1)的估計值將是無偏的，得到cov(F1)，類似地可以得到cov(F2)，分別表示前一個月和前兩個月的月度VI與月度個股股價波動的協方差。以上為領先收益法計算得到的協方差分解，此外還可以利用滯后收益法來計算協方差分解，將后者計算得到的協方差作為本文穩健性檢驗。該部分實證檢驗所使用變量的描述性統計如表2所示。

三、均值計算方法

在前文的理論分析中，假設了基金經理為了不引起個人投資者的關注和跟風，采用的是小額多輪的隱藏交易。然而囿于無法獲取基金詳細的交易數據，無法直接驗證基金經理是否進行隱藏交易。但是從個人投資者的角度來分析，如果在正向基金投資潮涌中，個人投資者可以發現基金經理的買入意圖，那么個人投資者為了獲取股票上漲帶來的收益也將會增加對該股票的持有量，同理，如果在負向基金投資潮涌中，個人投資者可以發現基金經理的賣出意圖，那么個人投資者為了規避股票下跌帶來的損失也將會減少對該股票的持有量，直觀地表現就是在正(負)向基金投資潮涌中，如果基金經理不是進行隱藏交易，那么個人投資者持股變化量為正(負)，反之，如果基金經理進行隱藏交易，那么個人投資者持股變化量應為負(正)。因此本文通過計算基金投資潮涌樣本的當期相對于前期的個人投資者持股變化量的均值來驗證假設H2，如果在正(負)向基金投資潮涌中，個人投資者持股變化量應為負(正)，那么基金經理進行隱藏交易的假設即得到驗證。各股票樣本的個人投資者季度持股量(記為Holder_p)的描述性統計見表2。

四、模糊斷點回歸設計

斷點回歸設計(Regression Discontinuity Design，RDD)是新興并被廣泛應用于因果效應識別的計量方法(Lee and Lemieux，2010)[17]，能夠避免參數估計的內生性問題，反映出變量之間的因果關系，其實證結果被認為是最接近隨機實驗的結果。該方法在本文的驗證思路為：對于驅動變量(本文是指VI和OF趨同于某一數值)，若該變量大于某一個臨界值，個體(對應于本文的個股股價波動)即受到處置(即個股股價發生共振效應)，反之若該變量小于該臨界值，個體不接受處置。根據樣本中的觀察值被劃分為對照組和實驗組的情況，RDD可分為明顯斷點回歸設計和模糊斷點回歸設計。前者的處置效應在驅動變量臨界值兩側出現確定性的從0到1的變化，后者處置效應的概率在間斷點兩側呈現單調變化(Bloom, 2012)[8]。對于本文，由樣本的選取標準可知并不能保證非基金投資潮涌樣本的VI或者OF均小于基金投資潮涌樣本，因此選擇模糊斷點回歸設計。

假設樣本股票i的VI和OF的趨同值為zi，全樣本中VI和OF產生共振效應的斷點值(也稱為臨界值)設為GZ，Di為處置效應變量，此處表示是否發生共振效應，等于1表示發生共振效應，否則為0。在上文的分析中，非基金投資潮涌樣本的VI也有可能超過臨界值GZ，并沒有造成個股股價的暴漲暴跌，也就是說沒有形成共振效應。但無論是在正向還是負向的基金投資潮涌分組中，當VI超過臨界值GZ時，都會增加樣本發生基金投資潮涌共振效應的概率，那么對于正向的基金投資潮涌分組Di和zi存在如下關系：

同理，對于負向的基金投資潮涌分組Di和zi存在如下關系：

對于本文的研究，假設g1(zi)＞g0(zi)，即當VI和OF的趨同值超過臨界值GZ時，會增加樣本發生基金投資潮涌共振效應的概率。

在RDD中也可以加入其它控制變量以消除小樣本偏差，同時提高模型的估計精度。因此本文還增加如下的控制變量：表征個股股市情況的每股盈余(EPS)、市盈率(P/E)和本期末股東戶數(Holders，戶)；表征公司經營情況的營業收入環比增長(Income，%)；表征公司治理的支付給職工以及為職工支付的現金(Wages，元)；表征公司的經營環境的支付的各項稅費(Tax，元)；以及表征公司投資的固定資產、無形資產和其他長期資產支付的現金(Investment，元)。因此，對如下方程進行回歸即可得到共振效應對個股股價波動(記為)的因果性影響：

其中，X為各控制變量，f(zi)是zi的一個多項式函數，要結合帶寬的選取來對f(zi)函數形式的設定，一般情況下帶寬越小，對控制變量和f(zi)形式的要求越小，但同時會損失更多的樣本觀測值，導致參數估計的誤差增大(Imbens and Kalyanaraman, 2012; Lee and Lemieux, 2010)[16][17]。本文將報告參數2SLS估計方法的估計結果，同時本文主要關心共振效應對股價的沖擊作用，因此在下文的實證結果中只報告了ρ的估計系數。

鑒于OF包含太多因素，難以精確度量，本部分以剔除上證指數季度收益率的個股季度收益率R的正負情況對OF進行簡化處理，以便進行驅動變量z的設定，具體說明如下：首先，分別將正向和負向基金投資潮涌分組樣本的VI分別歸一化為0～1之間和-1～0之間(記為VI_norm)，即VI_norm越趨于1(-1)表示基金經理整體的買入(賣出)認同感越高，越趨于0表示基金經理整體的買入(賣出)認同感越低。然后，以R的正負情況對OF進行簡化(記為R_simp)，對于正向基金投資潮涌分組的樣本，若R大于0，表明OF是正向利好的，R_simp置為1，若R小于等于0，表明OF是負向利空的，R_simp置為0；對于負向基金投資潮涌分組的樣本，若R大于0，表明OF是正向利好的，R_simp置為0，若R小于等于0，表明OF是負向利空的，R_simp置為1。最后，進行驅動變量z的設定，將R_simp為0的股票樣本的VI_norm置為0，R_simp為1的股票樣本的VI_norm保持不變，重新賦值的VI_norm即為驅動變量z。這樣設定的z表明當VI與OF同方向時，z為非零的數值，并且z值隨著VI的增大而增大；反之，當VI與OF相反時，z為零值，可以在一定程度上代表VI和OF的趨同情況。

考慮到金融類上市公司在資產負債結構和財務數方面與其他行業上市公司存在較大差異，在假設H3實證檢驗中剔除金融類上市公司樣本，同時剔除主要數據缺失，以及ST和PT上市公司的樣本。各變量的描述性統計如表2所示。

實證結果與分析

一、假設H1的實證檢驗

為對比基金、其他機構投資者以及個人投資者在基金投資潮涌以及非基金投資潮涌情況下信息獲取方面的差異，本文分別計算以上三類投資者對個股的價值認同感與個股股價波動的協方差，結果如表3所示。

從表3領先收益法計算得到的協方差結果可以看出，無論是正向還是負向的基金投資潮涌分組，基金經理和其他機構在基金投資潮涌樣本下計算得到的協方差均為大于0的正值，表明基金經理和其他機構對個股的價值認同感與個股股價波動呈現正相關關系，并且前者的協方差大于后者，表明基金經理提前獲取信息的能力強于其他機構投資者。在非基金投資潮涌樣本下，基金經理和其他機構的協方差均趨于0值或者為負值，表明基金經理和其他機構的價值認同感與個股股價波動沒有正相關關系。此外，個人投資者在兩種樣本下的協方差均趨于0值或者為負值，表明在這兩種情況下個人投資者均沒有提前獲取信息的能力。以上的分析表明，在基金投資潮涌中基金經理可以提前獲取信息，假設H1得到驗證。表3利用滯后收益法計算得到的協方差結果與利用領先收益法計算的結果一致，表明該結果具有穩健性。

二、假設H2的驗證

從表4的計算結果發現，無論是以流通市值為權重還是算術平均計算的當期個人投資者持股變化量均值，在正(負)向基金投資潮涌中，個人投資者持股變化量為負(正)，造成此現象的原因如下：當發生正向基金投資潮涌時，此時股價處于上升階段，由于個人投資者不能知悉基金經理的買入投資意愿，導致個人投資者在低位拋出手中的股票，基金經理在低價吸收個人投資者手中的股票；當發生負向基金投資潮涌時，此時股價處于下降階段，由于個人投資者不能知悉基金經理的賣出投資意愿，導致個人投資者在高位買入機構投資者持有的股票，基金經理在高位賣出手中的股票。以上的分析表明在基金投資潮涌中個人投資者并不能發現基金經理的投資意圖，印證了在基金投資潮涌中基金經理進行了隱藏交易，假設H2得到驗證。

表3 協方差分解結果

表4 當期個人投資者持股變化量

三、假設H3的實證驗證

1.正向基金投資潮涌的實證結果分析

圖3 各斷點取值下發生基金投資潮涌的比例(正向)

在回歸分析之前，通過圖形展示驅動變量與處置效應狀態的非連續性關系已成為RDD的標準做法，有助于直觀理解RDD的含義(Lee and Lemieux, 2010)[17]，同時也有利于本文尋找到VI和OF趨同值的臨界值GZ。圖3中的縱坐標為基金投資潮涌發生的比例8，橫坐標為驅動變量z的不同取值，從中可以看出當驅動變量z的取值為0.90時，發生基金投資潮涌的比例顯著提高，基金投資潮涌發生的比例在該斷點值兩側有很明顯的非連續性。因此，本文將臨界值GZ設定為0.90。

圖4 驅動變量的密度函數(正向)

正向基金投資潮涌的實證估計結果如表5-A列所示，從表中可以看出當VI和OF的趨同值z超過0.90的時候，會發生共振效應，對個股股價波動產生巨大的正向沖擊，平均來看共振效應會導致個股股價上漲48.4970%，并且該系數在10%顯著性水平下顯著。假設H3得到部分驗證，即在正向基金投資潮涌中，VI和OF的趨同值超過0.90時會發生共振效應，導致個股股價出現暴漲的現象。同時，表5-B列到E列顯示了在GZ為0.90的情況下，通過設定不同帶寬來進行穩健性檢驗的估計結果，只有B列的系數在10%顯著性水平下顯著，其余列的系數均在5%顯著性水平下顯著，說明該估計結果具有穩健性。

RDD識別策略的有效性要求經濟個體不能或者至少不能完全操縱驅動變量，通常需要檢驗驅動變量密度函數的連續性來確定驅動變量是否具有選擇性(Imbens and Kalyanaraman, 2012)[16]。對于本文的研究，如果VI與OF趨同值是可以操縱的，例如基金經理們通過合謀來決定該趨同值，那么RDD估計就可能是有偏的。圖4給出了驅動變量VI與OF趨同值z的密度函數，從中可以看出z在0.9附近非常平滑，沒有任何跳躍的跡象，表明不存在對驅動變量的操縱。

另外，RDD使用的有效性還要求個體的可觀測特征在斷點左右兩側是“局部”平衡的，即要求其他控制變量不能在斷點出現非連續變化(Lee and Lemieux, 2010)[17]，因為如果這些變量在斷點前后存在非連續性，那么RDD識別的股價沖擊可能并不僅僅來自共振效應。本文對所有的控制變量均進行檢驗，如圖5所示，結果發現這些變量在斷點值0.9前后基本上是平滑的。

2.負向基金投資潮涌的結果分析

同樣利用圖形展示驅動變量與處置效應狀態的非連續性關系尋找到負向基金投資潮涌中VI和OF趨同的臨界值GZ，如圖6所示，從中可以看出當驅動變量z的取值為-0.89時，發生基金投資潮涌的比例顯著提高，基金投資潮涌發生的比例在該斷點值兩側有很明顯的非連續性。因此，本文將負向基金投資潮涌中的臨界值GZ設定為-0.89。

表5 正向基金投資潮涌的實證結果

圖5 控制變量斷點處連續檢驗(正向)

圖6 各斷點取值下發生基金投資潮涌的比例(負向)

負向基金投資潮涌的實證估計結果如表6-A列所示，從表中可以看出當VI和OF的趨同值z超過-0.89的時候，會發生共振效應，對個股股價波動產生巨大的負向沖擊，平均來看共振效應會導致個股股價下跌55.7674%，并且該系數在5%顯著性水平下顯著。假設H3得到部分驗證，即在負向基金投資潮涌中，VI和OF趨同值超過-0.89時會發生共振效應，導致個股股價的出現暴跌的現象。同時，從表6-B列到E列的穩健性檢驗估計結果可以發現所有的系數均在5%顯著性水平下顯著，說明該估計結果具有穩健性。

圖7的驅動變量密度函數表明z在-0.89附近非常平滑，沒有任何跳躍的跡象，不存在對驅動變量的操縱。圖8表明控制變量在斷點值-0.89前后基本上是平滑的。

圖7 驅動變量的密度函數(負向)

表6 負向基金投資潮涌的實證結果

圖8 控制變量斷點處連續檢驗(負向)

以上的分析表明，無論是在正向還是負向基金投資潮涌中，當VI和OF的趨同值超過0.90和-0.89時會發生共振效應，導致個股股價的出現暴漲暴跌的現象。因此，假設H3得到驗證。

結論與啟示

本文建立了“基金經理提前獲取信息/基金經理進行隱藏交易→基金經理整體價值認同感與個股股價客觀波動的共振效應→個股股價暴漲/暴跌”的基金投資潮涌邏輯分析框架，對基金投資潮涌導致我國個股股價暴漲暴跌的現象進行了理論闡釋及定義，主要得出以下結論：在基金投資潮涌中，(1)基金經理可以提前獲取信息；(2)基金經理進行隱藏交易；(3)當基金經理整體的價值認同感和個股股價客觀波動的趨同值超過0.90(-0.89)時，此時發生共振效應，會導致個股股價上漲48.4970%或下跌55.7674%。

針對以上結論，為維護我國股票市場的平穩健康發展，本文建議首先要降低股票市場的信息不對稱，以及提高上市公司信息的披露透明度；其次要提高基金的信息披露頻率以及信息披露質量；最后基金經理要形成獨具特色的資產估值模型、信息分析方法以及組合對沖策略，同時在追求超額收益的同時要時刻警惕風險，樹立價值投資的理念才是長遠之計。

注釋