金融市場MAX效應的影響因素研究

摘 要：金融市場的變量雖然紛繁復雜，但價格因其直觀性和重要性，成為金融市場參與者最易觀察且難以忽略的變量，正因如此，價格對市場參與者的心理和行為產生了深刻影響。以中國股市2004年1月至2020年6月的數據為樣本，探究價格因素會如何影響由追漲行為所導致的MAX效應。實證結果發現：投資者的追漲勇氣和熱情明顯會受到價格影響，即當反應市場整體價格水平的股指指數近期上漲或波動率越小時，亦或當個股價格越低于其前期最高價、越低于投資者購買價時，投資者越樂于追漲具有“高極端收益”的個股，MAX效應也隨之會更顯著。

關鍵詞： MAX效應;股指近期漲跌;股指近期波動率;錨定效應;盈虧狀態

中圖分類號：F830.91 ? 文獻標識碼： A ? ?文章編號：1003-7217（2021）03-0049-09

一、引言和文獻綜述

金融市場的MAX效應是指金融資產當月的極端收益率（即當月最高的日度收益率）對其下月的收益率有顯著負向影響。自Bali等[1]在美股市場首次發現以來，引發了學術界的廣泛關注。此后，學者們在歐洲股市[2]、中國股市[3，4]、中國香港股市[5]都發現存在MAX效應。進一步，Cheon和Lee[6]使用全球多國股市數據進行研究，發現MAX效應在42個國家都顯著存在。類似地，基金市場也存在MAX效應[7]。

金融市場“異象”眾多，為何學者們對MAX效應的研究興趣如此濃烈？這與MAX效應的本質有很大關系。諸多學者的研究過程和結論都表明：MAX效應是由追漲行為而引發的。以股市為例，個股在當月取得高極端收益時，會受到投資者的格外關注和青睞，引發投資者爭相追漲，這種過度的追漲行為會導致具有“高極端收益率”的股票在當月被非理性高估，而隨著非理性估值消散，股票回歸正常價位，被高估的股票在未來就會有較低的收益率。可見，研究MAX效應，本質上就是在研究追漲行為。伴隨著傳統金融學解釋金融市場各類“異象”的乏力，越來越多的學者開始懷著熱情從行為金融學角度進行探究，并取得了豐碩的成果。

MAX效應為何存在呢？主流觀點是從偏好“高特質偏度”的視角進行解讀，個股近期取得的“高極端收益”值越大，特質偏度就越大，投資者十分熱衷于追漲“高特質偏度”的股票，會主觀高估這類股票在未來再次突然“猛漲”概率[2-4，8]。此外，Cheon和Lee[6]從文化視角詮釋MAX效應的存在性：一個國家的文化氛圍足夠開放和自信是造成該國股市投資者敢于追漲具有“高極端收益率”股票的根本原因。

除卻研究MAX效應為何廣泛存在于股票市場，學者開始通過MAX效應解讀金融市場存在的一些“異象”。傳統金融學在解釋“特質波動率之謎”時有些乏力，即無法從風險收益視角闡釋為何高特質波動率個股的未來收益率反而較低。Annaert等研究發現：MAX與特質波動率顯著正相關，投資者追求“高極端收益”個股是導致“特質波動率之謎”存在的重要原因，當加入MAX后，個股特質波動率與未來收益率的關系不再顯著為負[2]。但Nartea等的研究結論與之相反，他們使用中國股市數據研究發現MAX效應并不能弱化“特質波動率之謎”，二者可以同時顯著存在[3]。股票市場還存在“Beta異象”，即個股的Beta系數越高，未來的收益率卻越低。Bali等指出：“Beta異象”很大程度上是因為MAX效應驅動才存在的[9]。MAX效應不僅影響股票市場，還影響期權市場。Byun和Kim的實證結果表明：MAX效應可以導致美國期權市場的看漲和看跌期權價格嚴重背離買賣權平價關系（put-call parity）[10]。Blau等認為：過度青睞“高極端收益”個股還會使得期權市場的波動率顯著變高[11]。

當然，MAX效應不是在任何情況下都顯著存在的。Fong和Toh、崔惠穎研究發現MAX效應的強弱會受到投資者情緒的強烈影響，即與情緒低迷時相比，投資者在情緒高昂的時候更樂于追漲具有“高極端收益”的個股[12，13]Meng和Pantzalis還發現投資者在月底時更敢于放手一搏——購買風險較高的“高極端收益”個股[14]。

綜上所述，現有研究MAX效應的文獻大多從兩個角度出發，一是研究MAX效應在某國股票市場的存在性和存在原因;二是通過MAX效應解讀金融學的某些“異象”。但哪些因素會影響MAX效應的顯著性呢？現有文獻還較少涉及。本文就致力于彌補這一不足。

主要的邊際貢獻在于：第一，首次研究發現：由追漲行為所引發的MAX效應會受到價格因素的顯著影響。選擇價格作為研究切入點，是因為在紛繁復雜的金融市場中，價格是最容易被市場個體觀測且難以忽略的變量。因此，市場個體的各種認知過程和投資決策都極易受到價格的影響。以僥幸心態對待潛在風險，妄圖博取高額收益的追漲行為自然也無法例外。第二，將價格細分成兩個維度，一是代表單一股票的個股價格;二是代表股市整體價格水平的股指指數。實證研究發現：當股指指數近期上漲或波動率較小時，亦或當個股價格越低于其前期最高價、越低于投資者購買價時，MAX效應的顯著性因投資者更樂于追漲具有“高極端收益”的個股而更高。但是，現有文獻從價格視角出發研究其他金融學現象時，大多數僅關注個股價格。第三，分別聚焦整體和個體兩種價格水平，對投資者提出針對性建議，助力投資者正確認知價格，減少行為偏差。

二、理論分析與研究假設

（一）股指近期漲跌如何影響MAX效應

投資者執拗地認為過去突然“暴漲”的股票未來還會再次突然“暴漲”，在“暴利”幻想的驅使下，投資者還經常性忽略“追漲”所帶來的投資風險。放眼全球，這種非理性執念并非個例，而是遍及眾多國家的股票市場中[1-3，6]。

當然，投資者也充分認識到個股表現會被股市整體走勢影響，也因此格外關注股指的漲跌幅度、股市資訊和宏觀經濟政策[15-17]。如果股市近期走勢疲軟，處于下跌態勢，一方面，會使得投資者情緒變得低落[18]，憂慮股指未來是否會繼續下跌;另一方面，會削弱投資者信心，懷疑“高極端收益”個股是否還會再現過去“輝煌”[19]。投資者之所以愿意承擔風險去“追漲”，就是為了獲取“暴利”，但這種賭博心態勢必會被情緒和信息所影響[20]。反之，如果股市近段時間走勢強勁，處于上漲態勢，會使得投資者的情緒變得更為樂觀，對個股和股指的未來表現都更有信心，這無疑會讓投資者更敢于追漲具有“高極端收益”的個股[12，19，20]。可見，股票市場近期漲跌會影響MAX效應的強弱程度。

所以，有下述假設：

假設1 MAX效應在股指近期上漲時更顯著。

（二）股指近期波動率如何影響MAX效應

投資者習慣于憑借個股和股指的過去走勢簡單推測其未來表現，個股和股指過去處于下跌態勢，投資者就會認為個股和股指未來繼續下跌的可能性很大;同時，投資者也會用同樣的邏輯考量波動率，股票市場近期波動率較大，未來就很有可能繼續保持大幅震蕩態勢[21，22]。此外，投資者在做決策時，并不會只考慮個股近期行情和信息，而是會結合股票市場近段時間整體表現做出分析判斷[15]。股票市場近段的波動率過高，意味著投資者面臨較大的不確定性，難以判斷股指未來的漲跌概率;進而使得投資者擔憂不確定性會影響個股的未來收益，即大幅震蕩行情下，“大盤”在未來如果是下跌的，“高極端收益”個股很可能會受到拖累，而無法再次“猛漲”。

眾多國家的投資者之所以對“高極端收益”個股情有獨鐘，并非沒有意識到追漲的風險，而是希望通過承擔一定個股風險換取獲得豐厚回報的機會[2，3，6]。但股票市場波動率較高，就意味著：除卻承擔個股風險，投資者還要承擔股票市場未來整體走勢不明朗的風險。雙重風險疊加下，投資者的“追漲”熱情和信心必然受到沖擊。顯然，投資者對“高極端收益”個股的購買和持有意愿會被股市近段時間波動率所影響。

所以，有下述假設：

假設2 股市近期波動率越小，MAX效應越顯著。

（三）錨定效應如何影響MAX效應

許多學者研究發現，在抉擇采用何種投資決策時，投資者容易被錨定效應所左右[23，24]。錨定效應是指：投資者會錨定個股過去一段時間內的最高價（時間區間通常為一年），并用個股現價與之做比較。個股現價越低于其過去一年的最高價，投資者愈發認為該股的“利空”信息已經出盡，下跌空間和下跌可能性都較低，但上漲空間更為廣闊;與之相反，個股現價越靠近其過去一年最高價，投資者愈加認為該股的上漲空間有限、上漲壓力較大，需要強有力的利好信息推動，才可以創造“新高”[23，24]。

可見，將過去一年最高價與現價相比，簡單判斷股票現在究竟處于相對高價還是相對低價后，投資者會隨之主觀揣測個股的漲跌空間和可能性。價位相對較低的個股原本就容易受到投資者的爭相追逐，如果此時該股票還驟然大漲，在吸引投資者注意力的同時，也會促使投資者立即入手或增持。與之不同的是，價位相對較高的個股，如果猛然大漲，投資者會覺得該股上漲空間較小，該股未來難以再次大幅上漲[23，24]。因此，MAX效應的顯著性會受到錨定效應的影響。

所以，有下述假設：

假設3 股票相對價格越低，MAX效應越顯著。

（四）盈虧狀態如何影響MAX效應

前景理論（Prospect Theory）認為人們在做決策時，總存在“參考點”[25]，“參考點”左右兩側效用函數的凹凸性是不同的。此后，諸多學者的研究結果證實：“購買價格”就是投資者在做風險決策時一個典型的“參考點”[20，26，27]。如果資產現價大于當初的“購買價格”，投資者此時是盈利的，效用函數就為參考點的右側函數，而右側為凹函數，這就意味著：投資者在盈利時是風險厭惡的;如果資產現價小于當初的“購買價格”，投資者此時就是虧損的，效用函數就為參考點的左側函數，而左側函數為凸函數，這就意味著：投資者在虧損時是偏好風險的。

投資者總是憑借股票過去的表現推測股票未來行情[22，28]，股票在過去某時突然“暴漲”，投資者就主觀認為未來也很有可能“歷史重現”，為自己帶來豐厚回報[1-4，6]，但追漲行為，特別是追逐過去有“高極端收益”的個股會有相當高的風險[2，6，12，20]。

現有的理論和實證研究已經充分表明：投資者的風險態度會被其所處盈虧狀態強烈影響，投資者偏好風險發生在虧損時;厭惡風險發生在盈利時[20，26，27]。

所以，有下述假設：

假設4 與盈利時相比，投資者在虧損時更青睞投資具有“高極端收益”的個股。

三、研究設計

（一）樣本和來源

以2004年1月到2020年6月的我國股市數據為樣本，但除去ST股、PT股以及金融股。股票市場的交易數據、個股的交易數據和財務數據從國泰安（CSMAR）數據庫獲取;三因子數據取自銳思（RESSET）數據庫。

（二）變量

1.最高的日收益率（MAX）：個股i在t月的所有日度收益率中，最高的一個記為MAXi，t。

2.股指近期漲跌：考量股指近期漲跌對個股在t月的收益率影響時，使用股市從（t-2）月到（t-1）月的累積收益率來衡量，記為Market_Rett，A股市場的日度收益率數據來自國泰安（CSMAR）數據庫。

3.股指近期波動率：考量股指近期波動率對個股在t月的收益率影響時，使用股市從（t-2）月到（t-1）月所有日度收益率的標準差來衡量，記為Market_Volt。

4.相對低價程度：根據Li和Yu[23]和 George等[24]的衡量方法，用下式衡量t月個股i的相對低價程度，數值越大，表明個股i在t月的相對價格越低。

CP_Pricei，t=Pi，t，week52 / Pi，t（1）

其中，Pi，t，week52為個股i在（t-11）月到t月間的最高價，Pi，t為個股i在t月的均價。

5.資本利得量（Capital Gains Overhang， CGO），一只股票的資本利得量按照Grinblatt & Han[26]的方法運算而得，CGOi，t是正數（負數），意味著在t月持有個股i的大多數投資者是盈利（虧損）的。

6.個股的特質波動率和特質偏度：采用Ang等[29]的方法構造，t月個股i的特質波動率和特質偏度分別記作IVoli，t和ISkewi，t。

7.個股總體波動率和總體偏度：分別使用個股i在t月所有日度收益率的標準差和偏度來衡量個股總體波動率和總體偏度，分別記為TVoli，t和TSkewi，t[1]。

8.最低日度收益率：個股i在t月的最低日度收益率記為MINi，t[1]。

9.公司規模：使用t月個股i的流通市值（單位為百萬元）對數來衡量公司規模，記作Ln Sizei，t。

10.賬面市值比：使用個股i在t月的市凈率倒數的對數來衡量賬面市值比對數，記作Ln BMi，t。

11.換手率：t月個股i的日均換手率記為Turni，t。

12.反轉效應：反轉效應由個股i在（t-1）月的收益率Reti，t-1來表示。

13.動量效應：動量效應由個股i從（t-2）月到（t-12）月的累積收益率Reti，t-12，t-2來表示。

14.非流動性：采用Amihud[30]的方式構造，t月個股i的非流動性記作Illiquidityi，t。

15.貝塔系數：根據Bali等[1]方式構造，個股i在t月的貝塔系數記作Betai，t。

16.資產收益率：凈利潤除以總資產等于個股i在t月的資產收益率ROAi，t。

所有變量都被winsorize縮尾處理（在變量的1%和99%處），以消減變量的異常數值對結論的影響。變量描述性統計見表1。

（三）實證模型

1.股指近期漲跌如何影響MAX效應。

按照股指近期漲跌的正負值將全樣本分作兩組，通過將Fama-MacBeth回歸方法分組應用于實證模型（2）以探索假設1成立與否。

Reti，t=α+β1MAXi，t-1+β2Ln Sizei，t-1+

β3Ln BMi，t-1+β4IVoli，t-1+

β5ISkewi，t-1+β6TVoli，t-1+β7TSkewi，t-1+

β8MINi，t-1+β9Turni，t-1+

β10Illiquidityi，t-1+β11Reti，t-1+

β12 Reti，t-12，t-2+β13Betai，t-1+

β14ROAi，t-1+β15CP_Pricei，t-1+

β16CGOi，t-1+εi，t（2）

其中，t月個股i的收益率記作Reti，t，其他變量如前所示。

2.股指近期波動率如何影響MAX效應。

按照股指近期波動率的中位數將全樣本分作兩組，通過將Fama-MacBeth回歸方法分組應用于實證模型（2）以探索假設2成立與否。

3.錨定效應如何影響MAX效應。

通過將Fama-MacBeth回歸方法應用于實證模型（3）以探索假設3成立與否。

Reti，t=α+β1MAXi，t-1+β2CP_Pricei，t-1+

β3MAXi，t-1×CP_Pricei，t-1+

βControlsi，t-1+εi，t（3）

其中，t月個股i的收益率記作Reti，t，Controlsi，t-1為控制變量，含有：公司規模和賬面市值比的對數、特質波動率、特質偏度、總體波動率、總體偏度、最低日度收益率、換手率、非流動性、反轉效應、動量效應、貝塔系數、資產收益率和資本利得量。

4.盈虧狀態如何影響MAX效應。

通過將Fama-MacBeth回歸方法應用于實證模型（4）以探索假設4成立與否。

Reti，t=α+β1MAXi，t-1+β2CGOi，t-1+

β3MAXi，t-1×CGOi，t-1+

βControlsi，t-1+εi，t（4）

其中，t月個股i的收益率記作Reti，t，Controlsi，t-1為控制變量，含有：公司規模和賬面市值比的對數、特質波動率、特質偏度、總體波動率、總體偏度、最低日度收益率、換手率、非流動性、反轉效應、動量效應、貝塔系數、資產收益率和相對低價程度。

四、實證結果及分析

（一）股指近期漲跌如何影響MAX效應

表2是按照股指近期漲跌的正負值將全樣本分成兩組后的相關實證結果。其中第（1）列和第（4）列是股指近期上漲時的樣本實證結果，MAX的系數估計量顯著為正。第（2）列和第（5）列是股指近期下跌時的樣本實證結果，但MAX的系數估計量卻不顯著了，即“高極端收益”個股的價格不再被高估了。可見，股指走弱會強烈抑制投資者的賭性。投資者認為個股會被萎靡不振的市場拖累，突然“暴漲”的個股再次大漲的可能性并不高[19]。此外，股指下跌也可以讓投資者不再狂熱地相信投資股票可以馬上賺取收益，轉而可以相對冷靜地做出投資決策，清醒地認識到追漲帶來的風險[6，12，20]。在信心和情緒的雙重影響下，“高極端收益”個股不再被投資者過度購買。第（3）列和第（6）列是兩組的組間系數差異結果，可見，不論是統計顯著性還是經濟顯著性，MAX效應都是在股指近期上漲時更顯著。這與中國股市特有的以散戶為主題的投資者結構分不開，畢竟，散戶投資者的信心和情緒極易受到外界的沖擊和干擾[15，20，31]。

需要強調的是，當沒有控制變量或只控制部分變量時，分組回歸的相關實證結果還是穩健的，為避免文章冗長，這些分組回歸的實證結果暫不匯報。

（二）股指近期波動率如何影響MAX效應

表3是按照股指近期波動率的中位數將全樣本分成兩組后的實證結果。其中第（1）列和第（4）列是股指近期波動率較小時的樣本實證結果，MAX的系數估計量顯著為負。第（2）列和第（5）列是股指近期波動率較大時的樣本實證結果，MAX的系數估計量并不顯著。在股市波動率較大時，MAX為何不顯著了？因為投資者習慣根據股票市場過去表現推斷未來表現，股指近期波動率高，未來一段時間很可能也會繼續激烈震蕩[21，22]，這無疑會使投資者面對更大的不確定性。冒然投資“高極端收益”個股，即使購買的時候股指走勢較好，但大幅震蕩的股市也可能會突然下挫，嚴重影響個股的表現。股票市場走勢的不確定性導致投資者不敢輕易追漲。第（3）列和第（6）列是兩組的組間系數差異結果，可見，股指近期波動率越小，MAX效應的統計顯著性和經濟顯著性都越高。在散戶占比奇高的中國股市中，股指的震蕩顯然會有效減弱市場敢于冒險一搏的勇氣[15，20]。

需要強調的是，當沒有控制變量或只控制部分變量時，分組回歸的相關實證結果還是穩健的，為避免文章冗長，這些分組回歸的實證結果暫不匯報。（三）錨定效應如何影響MAX效應

表4中第（1）列和第（2）列是實證模型（3）的全樣本結果。MAX與相對低價程度的交互項系數估計量均顯著為負。這表明：股票在當月的極端收益狀況相同時，個股相對價格越低，對該股票下一個月收益率的負向影響越大。個股相對低價程度越高，即個股現價越小于其一年內的最高價，投資者本來就越鐘意，認為這樣的股票未來的反彈空間很大，但未來繼續大幅下跌的空間和可能性都不大，畢竟已經有了很深的跌幅[23，24]。如果相對低價程度很高的個股在某日突然“猛漲”，自然會更加吸引投資者，“相對低價”和猛然“拉高”的雙重刺激，讓投資者相信股票吹響了反彈上漲的號角，接下來一定會有出色的行情顯現。但如果相對價位較高的個股在某日驟然大漲，投資者會因為擔心上漲空間有限和上漲壓力偏大而降低投資熱情。顯而易見，在受到投資者熱忱追逐的“高極端收益”個股中，相對價格越低的個股，受追捧的程度越高，股價被高估的程度越重，股價在將來回歸正常價位的壓力自然就越大，因此，這樣的股票下一個月收益率所受負向影響就會越嚴重。

表4中第（3）列和第（4）列分別是相對低價程度較高組和較低組的樣本實證結果，第（5）列是兩組的組間系數差異結果。可見，除卻使用交互項，運用分組回歸后的實證結果依舊表明：股票相對價格越低，MAX效應越顯著。這一結論如此穩健，也說明錨定效應顯著存在于中國股市，究其原因，離不開中國股市的投資者結構，散戶終歸很容易被表面價格水平影響而無法做出理性決策[15，23，24]。

（四）盈虧狀態如何影響MAX效應

表5中第（1）列和第（2）列是實證模型（4）的全樣本結果。可見，MAX與資本利得量的交互項系數估計量均顯著為正。

在資本利得量是正數時，面對極端收益MAX，資本利得量越大，對個股下月收益率的正向影響越大，這意味著投資者的獲利程度越高，越不愿意繼續投資“高極端收益”個股，正如前景理論所述，投資者在盈利時是風險厭惡的，此時的投資者反而想出售股票，以將“賬面收益”落實[20，25-27]，這就會使“高極端收益”個股在當月面臨較高拋售壓力，使得當月股價下跌較多，隨著股價回歸理性價位，該股的未來收益率就會隨之相對較高。

在資本利得量是負數時，由于交互項的系數估計量是正數，對于當月取得“高極端收益”的個股，資本利得量值越小（即絕對值越大），對個股下月收益率的負向影響越大，這意味著投資者的虧損程度越嚴重，越愿意繼續增持“高極端收益”個股，使得該股在當月被顯著高估。因為虧損狀態會令投資者偏好接受風險，他們愿意承受追漲風險以期待股票再次“暴漲”彌補先前的“賬面損失”[20，25-27]。

表5中第（3）列和第（4）列分別是虧損狀態組和盈利狀態組的樣本實證結果，第（5）列是兩組的組間系數差異結果。可見，除卻使用交互項，運用分組回歸后的實證結果依舊表明：與盈利時相比，投資者在虧損時更青睞投資具有“高極端收益”的個股。這一現象在中國股市如此顯著，與散戶投資者的風險偏好更易受盈虧狀態的影響有很大關系[15，20，27]。

五、穩健性檢驗

（一）MAX的另一種衡量方式

鑒于A股市場存在漲跌停板，在月內所有交易日的收益率數據面前，僅選擇一個最大值，有可能會低估個股在當月的極端收益情況，為更全面衡量個股當月的“暴漲”狀況，根據鄭振龍和孫清泉[32]的研究結論，還使用“月內最高三個日度收益率的平均數”作為股票在當月極端收益的另一種衡量，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

（二）股指近期漲跌的其他衡量方式

實證結論并非因為主動選擇股票市場（t-2）月到（t-1）月的收益率來衡量股指近期漲跌才可以得到。對于影響個股在t月收益率的股指近期漲跌，還使用股票市場（t-3）月到（t-1）月的累積收益率以及股票市場（t-1）月的收益率來衡量，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

（三）股指近期波動率的其他衡量方式

為表明不存在刻意選擇變量的時間區間問題，對于影響個股在t月收益率的股指近期波動率，還使用股票市場（t-3）月到（t-1）月的所有日度收益率的標準差和股票市場（t-1）月的所有日度收益率的標準差來衡量，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

（四）相對低價程度的其他衡量方式

在衡量相對低價程度時，使用過去一年的最高價與現價比較。這是因為現有文獻基本都認為，投資者在錨定過去最高價時，都以一年為期限[23，24]。還使用股票歷史最高價與現價相比衡量股票的相對低價程度。

此外，投資者在考量股價高低時，很可能會使用復權價格，為此，還使用個股在（t-12）月到t月間的后復權最高價與后復權現價相比以及使用個股的后復權歷史最高價與后復權現價相比來衡量個股的相對低價程度，研究結果還是穩健的。

其實，當使用前復權價格衡量股票低價程度，或將錨定時間范圍選取為過去半年內，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

（五）資本利得量的其他衡量方式

我國股票市場的投資者大多數都是散戶，散戶投資者持有一只股票的時間通常沒有機構投資者持有期那么長。為準確衡量某只股票大多數持倉人所處的虧損狀態程度或者盈利狀態程度，資本利得量由前三年的交易數據構造而得。

但Grinblatt和Han[26]在構造資本利得量時，利用的是個股前五年的交易數據。為此，在每個月，個股的資本利得量也用其前五年的日度換手率和收盤價來構造。其實，當每月的資本利得量由之前一年、兩年或者四年的日度數據計算而得后，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

（六）Fama-MacBeth回歸以個股市值作權重

所有實證模型都使用標準的Fama-MacBeth方法做回歸，即給予每只股票一樣的權重，但每只股票在股市所占份額并不是一樣的。為表明研究結論普遍存在于各種市值股票當中，而不是僅僅表現在小盤股上，還使用以個股市值為權重的Fama-MacBeth做回歸，研究結果還是穩健的，為避免文章冗長，實證結果暫不贅述。

六、研究結論與啟示

聚焦中國股市，實證探究價格因素會如何影響由投資者追漲行為所導致的MAX效應。股票市場存在兩種價格，一種是代表股市整體價格水平的股指指數，一種是僅代表一只股票的個股價格。實證結果表明：兩種價格都會顯著影響投資者的追漲勇氣和熱情，具體表現為：當股指指數近期上漲或波動率越小時，亦或當個股價格越低于其前期最高價、越低于投資者購買價時，投資者越樂于追漲具有“高極端收益”的個股，MAX效應的統計顯著性和經濟顯著性也隨之更高。

研究結論不僅表明盲目追漲是投資者的常態，更表明受價格因素左右也是投資者的常態。這些“常態”往往會導致投資者的利益受損，因此，投資者應當深刻認清自身固有的認知偏差和行為偏差。一方面，要做到不再受股票一時“暴漲”的刺激而盲目投資，畢竟“暴漲”發生在過去，不意味著未來一定會“歷史重演”;另一方面，要正確認識股票市場的兩種價格水平——股指指數和個股價格。股指過去下跌不代表馬上就會反彈，股指過去波動率小不意味著未來波動率也小;根據股指過去表現簡單推測“大盤”未來走勢而得到的結論并不能助力投資者準確決斷今后的投資策略。況且，股指雖會影響個股表現，但影響終究是短暫甚至有限的，自身業績和發展前景才是支撐個股價格持續上漲的根本動力。此外，個股現價低于過去高價并不意味著上漲空間大，因為造成股價相對較低的原因可能是公司業績和治理情況不佳，不提升盈利能力和管理水平難以有效推動價格上漲;個股現價低于買入價就盲目追漲，只是賭徒心態下企圖挽回損失的非理性行為。投資者要想在股票市場獲取收益，一定要深諳股價上漲的本質和邏輯，并用其指導自身投資決策。

參考文獻：

[1] Bali T， Cakici N， Whitelaw R. Maxing out： Stocks as lotteries and the cross-section of expected returns[J]. Journal of Financial Economics， 2011， 99（2）： 427-446.

[2] Annaert J， Ceuster M， Verstegen K. Are extreme returns priced in the stock market？ European evidence [J]. Journal of Banking and Finance， 2013， 37： 3401-3411.

[3] Nartea G， Kong D， Wu J. Do extreme returns matter in emerging markets？ Evidence from the Chinese stock market [J]. Journal of Banking and Finance， 2017， 76：189-197.

[4] 朱紅兵，張兵. 價值性投資還是博彩性投機？——中國A股市場的MAX異象研究[J]. 金融研究， 2020（2）： 167-187.

[5] Chan Y， Chui A. Gambling in the Hong Kong stock market [J]. International Review of Economics and Finance， 2016， 44： 204-218.

[6] Cheon Y， Lee K. Maxing out globally： Individualism， Investor attention， and the cross section of expected stock returns [J]. Management Science， 2018， 64（2）： 5807-5831.

[7] 李金龍. 基金極端收益與資金流動——來自中國開放式基金的證據[J]. 財經研究， 2020， 46（9）： 153-168.

[8] Barberis N， Huang M. Stock as lotteries： The implications of probability weighting for security prices [J]. American Economic Review， 2008， 98（5）： 2066-2100.

[9] Bali T， Brown S， Murray S，et al. A lottery-demand-based explanation of the beta anomaly [J]. Journal of Financial and Quantitative Analysis， 2017， 52（6）： 2369-2397.

[10]Byun S， Kim D. Gambling preference and individual equity option returns [J]. Journal of Financial Economics， 2016， 122（1）： 155-174.

[11]Blau B， Bowles B， Whitby R. Gambling preferences， options markets， and volatility [J]. Journal of Financial and Quantitative Analysis， 2016， 51（2）： 515-540.

[12]Fong W， Toh B. Investor sentiment and the MAX effect [J]. Journal of Banking and Finance， 2014， 46： 190-201.

[13]崔惠穎. 博彩型收益的時變性分析——來自中國股票市場的經驗證據[J]. 商業研究， 2019（1）：24-31.

[14]Meng Y， Pantzalis C. Monthly cyclicality in retail investors liquidity and lottery-type stocks at the turn of the month [J]. Journal of Banking and Finance， 2018， 88： 176-191.

[15]Barber B， Odean T. Handbook of the Economics of Finance [M]. Netherlands： North Holland， 2013： 1533-1570.

[16]Chen L， Jiang G， Zhu K. Total attention： The effect of macroeconomic news on market reaction to earnings news [J]. Journal of Banking and Finance， 2018， 97： 142-156.

[17]董竹，張欣. 市場行情影響投資者的股利偏好嗎？[J].財經理論與實踐， 2019， 40（6）： 54-62.

[18]Han X， Li Y. Can investor sentiment be a momentum time-series predictor？ Evidence from China [J]. Journal of Empirical Finance， 2017， 42： 212-239.

[19]Daniel K， Hirshleifer D. Overconfident investors， predictable returns， and excessive trading [J]. Journal of Economic Perspectives， 2015， 29（4）： 61-88.

[20]陳文博，陳浪南，王升泉. 投資者的博彩行為研究——基于盈虧狀態和投資者情緒的視角[J]. 中國管理科學， 2019， 27（2）： 19-30.

[21]Adam K， Marcet A， Nicolini J. Stock market volatility and learning [J]. Journal of Finance， 2016， 71（1）： 33-82.

[22]Barberis N， Mukherjee A， Wang B. Prospect theory and stock returns： An empirical test [J]. The Review of Financial Studies， 2016， 29（11）： 3068-3107.

[23]Li J， Yu J. Investor attention， psychological anchors， and stock return predictability [J]. Journal of Financial Economics， 2012，104（2）： 401-419.

[24]George T， Hwang C， Li Y. The 52-week high， q-theory， and the cross section of stock returns [J]. Journal of Financial Economics， 2018， 128（1）： 148-163.

[25]Tversky A， Kahneman D. Advances in prospect theory： Cumulative representation of uncertainty [J]. Journal of Risk and Uncertainty， 1992， 5（4）： 297-323.

[26]Grinblatt M， Han B. Prospect theory， mental accounting， and momentum [J]. Journal of Financial Economics， 2005， 78（2）： 311-339.

[27]Wang H， Yan J， Yu J. Reference-dependent preferences and the risk-return trade-off [J]. Journal of Financial and Economics， 2017， 123（2）： 395-414.

[28]羅長青，李夢真，張琦. 前景價值能否預測股票收益？——基于定向增發的實證研究[J]. 財經理論與實踐， 2018， 39（3）： 62-67.

[29]Ang A， Hodrick R， Xing Y， et al. The cross-section of volatility and expected returns [J]. Journal of Finance， 2006， 61（1）： 259-299.

[30]Amihud Y. Illiquidity and stock returns： Cross-section and time-series effects [J]. Journal of Financial Markets， 2002， 5（1）： 31-56.

[31]史永東，王謹樂，胡丹. 中國股票市場個人投資者和機構投資者的過度自信差異研究[J]. 投資研究， 2015， 34（1）： 82-96.

[32]鄭振龍，孫清泉. 彩票類股票交易行為分析：來自中國A股市場的證據[J]. 經濟研究， 2013， 48（5）： 128-140.

（責任編輯：厲 亞）

Abstract：Although the variables of financial market are complicated， price is the most easily observed and difficult to ignore variable for its intuitiveness and importance. Therefore， price has a profound impact on the psychology and behavior of market's individuals. Based on the Chinese stock market's data from January 2004 to June 2020， this paper explores how price affects the MAX effect caused by the pursuit behavior. The empirical results show that： the price will significantly affect the investors' courage and enthusiasm for pursuing the stocks with high extreme returns. When it comes to a recent rise or low volatility of the stock index that reflects the overall price level of the market， or when the price of an individual stock is lower than its previous maximum price， or lower than the purchase price， investors are more enthusiastic to chase up the stocks with high extreme returns， and the MAX effect will be more significant accordingly.

Key words：MAX effect; stock index return; stock index volatility; anchoring effect; profit/loss condition