茹華杰

（南京大學工程管理學院，江蘇南京210093）

機構投資者高頻交易行為動機研究

茹華杰

（南京大學工程管理學院，江蘇南京210093）

由于機構投資者的高頻交易對穩(wěn)定市場具有積極作用，文章從投資者行為的微觀視角實證探索了機構投資者采取高頻交易的行為動機。在構建高頻交易行為動機概念模型的基礎上，對專業(yè)投資人員進行問卷調研獲取了一手數據，運用結構方程模型，對影響高頻交易的行為動機及影響因素之間的邏輯關系和影響權重進行了實證分析。實證結果表明，成本收益因素、能力因素和文化因素對投資者采取高頻交易都具有顯著影響。研究結果可為監(jiān)管機構從投資主體的行為特征出發(fā)制定有針對性的市場化、高效化的調控政策提供理論和實證依據。

機構投資者；高頻交易；行為動機；結構方程模型

一、引言

2010年5月6日，美國道瓊斯工業(yè)平均指數（Dow Jones Industrial Average）當日交易下降超過1000點，這被稱為“閃跌”（flash crash）。自此事件后，機構投資者的高頻交易受到廣泛關注，成為目前研究的熱點問題。高頻交易是一類采取專業(yè)化的快買快賣策略，交易時間通常是以毫秒和秒為單位［1］，并于日內產生大量交易［2］，具有交易頻率快、持倉時間短、交易量大、利潤豐厚的特點［1，3］。也正是憑借著高頻交易較強的獲利能力，它為越來越多的機構投資者所采用，已經占據了美國市場交易量的一半以上，占據了歐洲交易市場的38%［4］，而在我國高頻交易的占比也呈逐漸上升的態(tài)勢?！伴W跌”事件發(fā)生后，路透社、紐約時報等媒體開始責備高頻交易者，認為它們大量拋售并從市場撤離的行為導致了這次市場突然下跌。可是高頻交易是導致市場“閃跌”的罪魁禍首這一角色畢竟僅是媒體賦予的［1］，那么事實是否真是如此呢？這引起了學術界對這一問題的廣泛研究，并有研究表明高頻交易非但不會引起市場“閃跌”，反而能夠起到穩(wěn)定市場的作用，而它穩(wěn)定市場的作用主要是通過為市場提供流動性［5］以及價格發(fā)現［1］兩個功能實現的。因此，鼓勵機構投資者采取高頻交易對于穩(wěn)定市場具有積極的意義。基于這一結論，本文將從投資者行為的微觀視角討論機構投資者采取高頻交易的行為動機和影響因素這一基礎問題，通過對這一問題的回答，可以為監(jiān)管部門制定相應政策鼓勵機構投資者采取高頻交易提供理論和實證依據。

二、文獻回顧

其實，自2010年美國證券市場“閃跌”事件發(fā)生以來，機構投資者的高頻交易就已經受到廣泛關注，并出現了一批研究成果。這些成果包括：高頻交易的投資策略［6］、高頻交易對市場質量的影響［7-13］、與高頻交易相關的市場交易規(guī)則和市場結構［14-18］、高頻交易與市場公平［19-20］、高頻交易的高額利潤［1，21］等?？v觀這些研究成果，大部分研究成果重點關注高頻交易自身特征以及與市場之間的關系，而對高頻交易行為動機的研究目前僅關注了包括稅收在內的交易成本［13，22］、延遲成本［23］和高額利潤這幾方面因素。

盡管關于高頻交易行為動機的研究不多，但是已出現一些關于投資者投資頻率和投資行為的影響因素的研究成果。這些成果主要從文化和投資者個人能力兩方面因素檢驗了其對投資者投資頻率和投資行為的影響。關于文化因素，Beracha，Fedenia and Skiba（2014）［24］研究了文化因素對投資者投資頻率的影響，發(fā)現不確定性回避和和不信任都會導致低的交易頻率；Guiso，Sapienza and Zingales（2009）［25］以歐洲為例，研究了文化偏差對經濟交易的影響，發(fā)現低信任能夠導致國家間的交易、間接投資和直接投資都很低；Beugelsdijk and Frijns（2010）［26］發(fā)現不確定性回避越強的國家在海外配給資產越少，個人主義強的國家在海外配置資產時的表現越積極；Barberand Odean（2001）［27］使用超過35000個家庭數據發(fā)現男性的平均換手率比女性高出近一半。關于投資者能力因素，Graham，Harvey and Huang（2009）［28］檢驗了能力效應對投資頻率的影響，發(fā)現男性投資者、持有大規(guī)模投資組合以及受到良好教育的投資者比女性投資者、持有小規(guī)模投資組合和受到較低水平教育的投資者更加相信自己是有能力的，而這些有能力的投資者在投資過程中更相信自己的判斷，他們交易得更多、交易頻率更快，并且持有更多國際化、多樣化的投資組合。

基于上述研究成果，綜合考慮成本收益因素、投資者能力因素和文化因素對機構投資者采取高頻交易的影響，鑒于這些影響因素內部之間存在可能的相關關系，本文使用結構方程模型方法，構建高頻交易行為動機理論模型，以問卷調研的方式采集第一手實證數據，通過數據分析對模型進行驗證，嘗試性地揭示各個因素對機構投資者采取高頻交易的影響機理及其內部的相關關系，尋找能夠刺激機構投資者采取高頻交易的內在動力，檢驗這些內在動力的影響程度。

三、高頻交易行為動機概念模型及指標選取

（一）高頻交易行為動機概念模型的架構

本研究所涉及的高頻交易的行為動機分析是基于機構投資者對采取高頻交易的態(tài)度展開的，并主要關注兩個層面：一是機構投資者對高頻交易的態(tài)度，二是刺激或影響投資者采取高頻交易這一行為的因素。其中機構投資者對高頻交易的態(tài)度使用行為傾向指標度量，而刺激或影響投資者采取高頻交易這一行為的因素，基于上述文獻回顧，可能涉及使用文化因素指標、個人能力因素指標、成本收益因素三方面指標來共同度量。于是，高頻交易行為動機概念模型的架構基于四個相關假設。

H1：成本收益因素對行為傾向指標有正面影響。

首先，很多研究表明，高頻交易能夠帶來高額利潤［1，3］，因此收益是高頻交易的主要動機，并能夠正向刺激投資者采取高頻交易。其次，成本與收益直接相關，二者共同影響著投資者的凈收益，為了獲取高額凈收益，降低成本也是高頻交易的動機之一，因此低成本也能夠正向刺激投資者采取高頻交易。綜上所述，成本收益因素對高頻交易行為傾向產生正面影響。

H2：投資者個人能力因素對行為傾向指標產生正面影響。

由于投資的最終目標是獲取利潤，因此投資者能力的大小通過操縱資金的水平最終反應在所獲得的利潤上，能力強的投資者會更相信自己的判斷，交易量更大，交易頻率也會更快，Graham，Harvey and Huang（2009）［28］的研究證實了這一點。因此，這里假設個人能力越強的投資者會更傾向于高頻交易，對高頻交易的行為傾向指標產生正面影響。

H3：文化因素對行為傾向指標有所影響。

文化是指一個群體所共有的價值觀、信念和態(tài)度，它影響著群體中每位成員的認知、偏好和行為［24］。在不同的文化環(huán)境內，投資者的投資傾向、決策行為、交易習慣、風險偏好態(tài)度等都會有所不同。因此，文化環(huán)境的不同會對投資者的高頻交易行為傾向產生不同的影響，這里提出假設：文化因素對行為傾向指標有所影響。

H4：成本收益因素、個人能力因素和文化因素交互作用，共同影響著行為傾向指標。

成本收益因素對投資者采取高頻交易的行為傾向具有最為直接的影響作用，投資者的個人能力則綜合體現了投資者的獲利能力，并最終反映在投資者所獲取收益大小和節(jié)省成本多少的行為結果上，而投資者收益的大小與節(jié)省成本的多少也體現出投資者能力的大小，因此，能力因素同成本收益因素交互作用，共同影響著投資者采取高頻交易的行為傾向。文化因素作為外在環(huán)境潛移默化地影響著投資者在投資決策過程中的認知、偏好和行為，這種一個群體所共有的價值觀、信念和態(tài)度不但影響群體中投資者個人能力的培養(yǎng)路徑，還將導致不同的行為結果，諸如收益和成本；同樣，在文化影響下投資者憑借個人能力所產生的行為后果，也反向調整著投資者對各種文化接受的傾向，改變著投資者的文化態(tài)度。因此，成本收益因素、能力因素和文化因素在投資者采取高頻交易之前交互作用，相互影響，共同影響著高頻交易的行為傾向。

基于上述分析和基本假設，本文構建了如圖1所示的高頻交易行為動機概念模型，該模型涉及成本收益因素模塊、文化因素模塊、投資者能力因素模塊和行為傾向模塊四個變量模塊。

圖1 高頻交易行為動機概念模型

（二）高頻交易行為動機概念模型的具體指標選取和研究假設

1.行為傾向模塊的度量指標

行為傾向指標反映了投資者對高頻交易的態(tài)度，李心丹等人（2008）［29］研究內幕交易行為傾向，使用心理認同度和行為結果兩個指標對行為傾向進行度量。本研究參照這一指標度量方式，同樣使用心理認同和行為結果兩個指標度量機構投資者采取高頻交易的行為傾向。其中心理認同反映了機構投資者是否從心理上接受高頻交易，它的高低反映了機構投資者采取高頻交易行為傾向的強弱。如果投資者從心理上認同高頻交易可以幫助他獲得高額利潤，或降低交易成本，或滿足其風險偏好等等，則會強化他采取高頻交易的行為傾向；反之，如果投資者在心理上不認同高頻交易，認為高頻交易不能實現其投資目標，那么這種心理將弱化他采取高頻交易的行為傾向。行為結果則是從投資者真實的行為表現解釋行為傾向指標，這也是一個可以直接觀測的指標。如果投資者采取了高頻交易，那么認為投資者在做出此投資決策之前具有強烈的采取高頻交易的行為傾向；反之，如果投資者不采取高頻交易，則推測投資者具有較弱的高頻交易行為傾向。

2.成本收益模塊的度量指標

成本收益模塊是刺激投資者采取高頻交易最直接的動力，這種刺激因素包括兩個方面：成本和收益。關于成本因素，當高頻交易能夠降低投資過程中的成本時，投資者會很傾向采取高頻交易。目前的研究表明，高頻交易不但可以憑借合適的算法降低執(zhí)行成本［9，22］，而且可以運用比人更快地捕捉和處理信息的能力降低交易過程中的延遲成本，這也是機構投資者投資時所需要考慮的重要成本［23］。因此，這里選取執(zhí)行成本和延遲成本兩個指標度量成本因素。

獲得高額利潤是投資者選取高頻交易的主要動機［4］。Moallemi and Saglam（2013）［23］發(fā)現高頻交易者從荷蘭的股票交易中扣除掉交易費用，每天可以獲得的利潤總額達到9524歐元；Brogaard，Hendershott and Riordan（2014）［7］發(fā)現高頻交易者從納斯達克大盤股中一天內可以獲得平均利潤5642美元。因此，選取高額利潤作為收益模塊的度量指標。

于是提出基于假設1的3個具體假設。

H1a：投資者通過高頻交易降低執(zhí)行成本與行為傾向具有正向相關關系；

H1b：投資者通過高頻交易降低延遲成本與行為傾向具有正向相關關系;

H1c：投資者通過高頻交易獲取高額利潤與行為傾向具有正向相關關系。

3.能力因素模塊的度量指標

目前有研究表明投資者個人能力對投資活動具有顯著影響，如Graham，Harvey and Huang（2009）［28］檢驗了能力效應對投資頻率的影響，并研究了受教育程度、持有資金規(guī)模這些反應投資者能力的因素對投資頻率的影響。Rooij，Lusardic and Alessiee（2011）［30］發(fā)現金融素養(yǎng)能夠影響金融決策，那些金融素養(yǎng)低的人不太可能投資股票。此外，還有一些關于投資者能力的研究，如Dorn and Huberman（2005）［31］通過調研發(fā)現認為自己忍受風險能力強的投資者持有更少的多元化的投資組合，并且交易更有侵略性，對金融資產了解深入的投資者能夠持有更優(yōu)的多元化資產組合。盡管這些研究并沒有表明投資者能力同高頻交易之間的聯系，但是卻提示投資者的能力同投資行為相關，因此本研究將提取這些反應投資者能力的指標，檢驗它們同高頻交易之間的關系。這些指標包括：受教育程度、掌握資金量、對金融工具的認識程度、風險忍受能力，并據此提出基于基本假設2的四個具體假設。

H2a：投資者受教育程度與行為傾向具有正向相關關系；

H2b：投資者掌握資金量與行為傾向具有正向相關關系；

H2c：投資者對金融工具的認識程度與行為傾向具有正向相關關系；

H2d：投資者的風險忍受能力與行為傾向具有正向相關關系。

4.文化因素模塊的度量指標

文化因素可以理解為投資者所在群體的外部環(huán)境，它始終潛移默化地影響著每位群體成員的認知、態(tài)度和行為傾向。Hofstede（1980，2001）［32-33］提出文化因素包括：個人主義、男子氣概、權力差距、不確定性回避和長期取向。隨后很多研究檢驗了這些指標對經濟活動的影響，但是同投資行為相關的指標主要集中于個人主義、男子氣概、不確定性回避。如Beugelsdijk and Frijns（2010）［26］研究了國家的不確定性回避和個人主義對國際資產配給的影響，發(fā)現不確定性回避越強的國家在海外配給的資產越少，個人主義越強的國家對個人的影響越大，并且在海外配置資產的表現越積極。Chui，Titman and Wei（2010）［34］著重研究了個人主義對動量效應的解釋，即過去表現好的股票在未來也表現好，過去表現差的股票未來表現也不好，發(fā)現個人主義同交易量、波動性以及動量利潤正相關。Anderson et al。（2011）［35］提出個人主義可以作為過度自信的代理變量。Bar?ber and Ordean（2001）［27］使用超過35000個家庭數據，研究了過度自信在男女性別上的不平衡，以及對換手率的影響，發(fā)現男性的平均換手率比女性高出近一半，但是男性一年的凈收益下降了2.65%，女性的凈收益下降了1.72%，男性比女性多了0.93%。此外，也有學者對文化因素做了擴展，提出信任也會影響投資者的行為傾向。如Beracha，Fedenia and Skiba（2014）［24］發(fā)現低的信任能夠導致機構投資者低的交易頻率。Guiso，Sapienza and Zingales（2008）［36］研究了信任在解釋股市參與與投資組合選擇方面所扮演的角色，發(fā)現即使在沒有任何摩擦的情況下，缺乏信任的人不太可能去買股票，并以荷蘭和意大利微觀數據發(fā)現缺乏信任能夠很好地解釋有限參與之謎。Guiso，Sapienza and Zingales（2009）［25］發(fā)現信任程度低能夠導致兩國間的交易、間接投資和直接投資都很低。由此可見，上述文獻支撐了文化因素對投資行為的影響，而且部分文獻明確證明了文化因素與機構投資者頻率間存在相關關系，因此，基于這些研究成果提出文化因素的度量指標，包括個人主義/過度自信、男子氣概、不確定性回避、信任，并據此提出基于基本假設3的四個具體假設。

H3a：投資者的個人主義/過度自信與行為傾向具有正向相關關系;

H3b：投資者的男子氣概與行為傾向具有正向相關關系;

H3c：投資者對高頻交易的不確定性回避與行為傾向具有反向相關關系;

H3d：投資者對高頻交易的信任與行為傾向具有正向相關關系。

四、高頻交易行為動機模型的實證分析

（一）問卷設計、樣本選取與數據采集

為了驗證上述假設，本研究通過發(fā)放問卷獲取一手數據，進而對高頻交易行為動機概念模型進行實證分析，總體按照量表設計、樣本收集、數據分析、模型驗證的程序進行。由于高頻交易需要專業(yè)化的投資分析、計算能力，主要為機構投資者所采用，因此本研究的調研對象也為在投資機構工作的專業(yè)投資人員。共發(fā)放問卷325份，剔除掉無效問卷31份后，得到有效問卷294份，問卷回收率90.5%。

本問卷主要考察投資者采取高頻交易的行為動機和影響因素，參考了Hofstede（1980［32］；2001［33］）、Dorn and Huberman（2005）［31］設計了問卷項目，這些項目涵蓋了投資者采取高頻交易的行為傾向、成本收益因素、能力因素和文化因素四個維度下的13個指標，各項指標以及各項指標的說明見表1所列。問卷全部量表采用李克特五分量表，其中“1分”、“2分”、“3分”、“4分”、“5分”分別表示“非常不同意”、“不同意”、“一般”、“同意”到“非常同意”。盡管部分調研對象可能并沒有從事過高頻交易，但專業(yè)投資人員這一群體較之于普通投資者對高頻交易的認知程度要更高，因此通過他們對問卷的回應，我們可以捕獲投資者愿意采取或者不愿意采取高頻交易的動機和影響因素。而不管是否愿意，研究都應該可以為投資者是否進行高頻交易所受到的影響因素提供一些證據。

表1 結構變量設計

續(xù)表1

（二）問卷信度與效度

在對模型和假設檢驗之前，有必要對變量是否達到一般要求的信度和效度進行檢驗。問卷的信度和效度通過驗證性因子分析進行檢驗。其中，信度采用Cronbach‘s α值來檢驗測量內部一致性，表2中各變量的Cronbach’s α系數介于0.764～0.856之間，均大于標準值0.700［38］，表明問卷的內部一致性較高，而各個潛變量的組合信度（CR）介于0.765～0.811之間，均大于標準值0.700［39］，表明每個潛變量中所有問項較為一致地解釋了該潛變量，具有較好的構建信度。

表2 信度和收斂效度分析

問卷的效度包括聚斂效度和判別效度。關于聚斂效度，采用平均提煉方差（AVE）和驗證性因子載荷系數來測量。從表2可以看出所有問項的標準化因子載荷介于0.669～0.903之間，均大于0.500［40］；所有潛變量的AVE介于0.782～0.875之間，均大于0.500［41］，表明量表的聚斂效度較高。同時，量表的判別效度驗證要求每個潛變量AVE值的平方根必須大于潛變量之間的相關系數，所有潛變量都滿足這一要求（見表3），說明潛變量之間具有較好的判別效度。綜上所述，本研究設計的量表具有較好的信度和效度。

表3 判別效度檢驗結果

（三）描述性統(tǒng)計分析

本節(jié)使用SPSS軟件對模型中所涉及的變量進行描述性統(tǒng)計分析，平均值和方差的統(tǒng)計結果見表4所列。

表4 變量的描述性統(tǒng)計

從表4的描述性統(tǒng)計結果可以發(fā)現：

（1）在行為傾向指標中，心理認同對應問項的平均值均較高，可以看到大部分人對高頻交易的心理認同還是比較強的，尤其認可高頻交易在套利過程所發(fā)揮的重要作用，這同文獻［3，13］的研究成果是一致的。但是，行為結果所得的平均值偏低，標準差偏高，據此推測目前很多機構投資者盡管在心理上認同高頻交易的優(yōu)勢，但是在實際操作中，采取高頻交易還不是很普遍。

（2）成本收益因素主要是從高頻交易能夠獲取高額收益、降低執(zhí)行成本和延遲成本三方面進行考察的。從各個對應問項所得均值和標準差來看，相比于其它模塊，多數機構投資者對成本收益的模塊中各個因素的認同感偏高，尤其對高頻交易能夠降低執(zhí)行成本的認同感最高，可見機構投資者認為高頻交易能夠降低執(zhí)行成本的優(yōu)勢高于所獲取高額收益的優(yōu)勢。被試者對于延遲成本的看法是十分積極樂觀的，表現為相比于延遲成本所可能帶來的損失，機構投資者更看重高頻交易避免延遲而快速抓住投資機會所產生的收益，由此推測機構投資者意識到延遲成本的重要性，并已經采取了或準備采取積極的手段來應對。

（3）對于文化因素模塊，分別從個人主義、男子氣概、不確定性回避和信任四個因素進行考量。其中，投資者對投資伙伴和同事的信任這個問項所得的均值最高，標準差相對偏低，與此相對應的，被試者對自身具有個人主義特征并不是非常明顯，據此推測投資機構的團隊精神較強。但是考察投資者對高頻交易相關內容的信任時，卻發(fā)現信任的均值偏低，標準差偏高，猜想可能大部分投資者并沒有真正操作高頻交易，這與對投資者行為傾向考量后所推測的情況一致。此外，根據男子氣概和不確定性回避的問項所得結果，可以推測投資者在決策時表現出一定程度的男子氣概，不過不確定性回避并不明顯，這也佐證了投資者投資時所表現出的男子氣概。

（4）在能力因素方面，幾乎每個問項都顯示了相對較高的均值和較低的標準差，由于被試者都來自于專業(yè)的投資機構，因此在受教育程度、掌握資金量和對金融工具的認識程度上表現都較好。對風險承受度考量的結果表現出機構投資者較為中性的風險態(tài)度，既沒有偏好高風險，也沒有過于懼怕高風險所帶來的損失，這也是機構投資者應有的風險態(tài)度。

（四）結構方程模型驗證

驗證了測量模型后，將對結構模型的擬合度進行進一步評估，采用的指標分別為，CMIN/DF（卡方自由度比）、RMSEA（漸進殘差均方和平方根）、GFI（適配度指數）、AGFI（調整后適配度指數）、IFI（增值適配指數）、CFI（比較適配指數）。各項擬合指標的具體結果見表5所列?？梢钥吹饺恐笜司弦?，說明所構建的理論模型與實際模型擬合效度較好。

表5 模型擬合效果

各假設的檢驗結果與路徑系數見表6所列。

表6 模型的參數估計及其顯著性水平

續(xù)表6

經過驗證的模型檢驗結果如圖2所示，其中實線箭頭表示檢驗結果成立，虛線箭頭表示檢驗結果不成立，具體如圖2所示。

圖2 模型驗證結果

根據表6和圖2可以發(fā)現，實證結果驗證了前面提出的研究假設，主要結論如下：

（1）成本收益因素對行為傾向的指標的回歸系數為0.561（t值為4.371），檢驗結果顯著，表明成本收益因素對行為傾向指標產生正面影響，驗證了基本假設1。此外觀測變量高額利潤、執(zhí)行成本和延遲成本的路徑系數分別為0.382（t值為3.952）、0.415（t值為3.593）、0.243（t值為2.080），均顯著，表明投資者通過高頻交易獲取高額利潤與行為傾向具有正向相關關系，投資者通過高頻交易降低執(zhí)行成本與行為傾向具有正向相關關系，投資者通過高頻交易降低延遲成本與行為傾向具有正向相關關系，具體假設1a、1b、1c得到驗證。

（2）能力因素對行為傾向指標的回歸系數為0.442（t值為3.573），檢驗結果顯著，表明能力因素對行為傾向指標產生正面影響，驗證了基本假設2。觀測變量受教育程度、掌握資金量、對金融工具的認識程度、風險承受能力的路徑系數分別為0.511（t值為3.641）、0.463（t值為1.998）、0.500（t值為2.624）、0.368（t值為3.355），均顯著，表明投資者受教育程度與行為傾向具有正向相關關系，投資者掌握資金量與行為傾向具有正向相關關系，投資者對金融工具的認識程度與行為傾向具有正向相關關系，投資者的風險忍受能力與行為傾向具有正向相關關系，具體假設2a、2b、2c、2d得到驗證。

（3）文化因素對行為傾向指標的回歸系數為0.305（t值為3.167），檢驗結果顯著，表明能力因素對行為傾向指標產生正面影響，驗證了基本假設3。觀測變量個人主義、男子氣概、不確定性回避、信任的路徑系數分別為0.067（t值為1.785）、0.550（t值為4.374）、-0.094（t值為-1.593）、0.395（t值為4.528），其中個人主義、不確定性回避兩項潛變量不顯著，其他均顯著，表明投資者的個人主義與行為傾向具有正向相關關系不成立，投資者對高頻交易的不確定性回避與行為傾向具有反向相關關系不成立，具體假設3a、3c沒有通過驗證，投資者的男子氣概與行為傾向具有正向相關關系，投資者對高頻交易的信任與行為傾向具有正向相關關系，具體假設3b、3d得到驗證。

（4）能力因素和成本收益因素兩者之間的相關系數為0.412（t值為5.018），能力因素和文化因素兩者之間的相關系數為0.226（t值為2.513），均顯著，盡管成本收益因素和文化因素之間的相關系數不顯著，但是成本收益因素仍舊可以通過能力因素影響文化因素，進而影響著行為傾向指標，因此可以認為成本收益因素、能力因素和文化因素交互作用，共同影響著行為傾向指標，基本假設4得到驗證。

五、結果分析與討論

（一）結論

高頻交易具有為市場提供流動性和價格發(fā)現的功能，因此鼓勵機構投資者采取高頻交易對于穩(wěn)定市場具有積極的意義。正是從這一點出發(fā)，本文從投資者行為的微觀視角出發(fā)，著重研究了機構投資者的高頻交易行為動機及其影響因素，在文獻梳理的基礎上構建高頻交易行為動機概念模型，通過對專業(yè)投資人員進行調研獲取一手數據，運用結構方程模型，對影響高頻交易的行為動機及各個影響因素之間的邏輯關系和影響權重進行了實證分析，得到如下結論：

（1）對行為傾向指標的兩個觀測變量心理認同和行為結果的描述性統(tǒng)計發(fā)現，投資者對高頻交易的心理認同的均值高于行為結果的均值，據此可推測目前機構投資者真正采取高頻交易投資還不是很普及，大部分投資者仍停留在認同層次。實證結果表明心理認同和行為結果兩個觀測變量的檢驗結果均顯著，但是心理認同比行為結果的檢驗結果的顯著性更高，這一結論一方面佐證了根據描述性統(tǒng)計結果所推測的目前機構投資者并未普遍采取高頻交易的現狀，另一方面說明盡管機構投資者還未普遍采取高頻交易，但是對高頻交易的態(tài)度還是比較積極的。

（2）成本收益因素對機構投資者采取高頻交易的行為傾向影響非常顯著。在成本收益因素的觀測變量中，執(zhí)行成本、延遲成本和高額利潤都正向影響機構投資者采取高頻交易行為傾向。高頻交易能夠降低執(zhí)行成本和獲取高額利潤的功能為機構投資者所喜愛，但是這兩點優(yōu)勢算法交易也具備；高頻交易憑借其高速交易而降低延遲成本對成本收益因素解釋的顯著性卻低于降低執(zhí)行和獲取高額利潤這兩個觀測變量，這表明高頻交易能夠降低延遲成本的功能被低估。因此可以推測高頻交易僅獲得了投資者的心理認同卻沒有在實際操作中普遍應用的原因在于高頻交易較之于算法交易并沒有突出優(yōu)勢，或者投資者并沒有認識到延遲成本的重要性。

（3）能力因素同成本收益因素相似，對投資者采取高頻交易的行為傾向具有非常顯著的正向影響。同時，能力因素同成本收益因素之間也存在非常顯著的相關關系，這表明投資者的能力往往最終體現在通過投資所獲得的投資結果上，這與社會對投資者能力的認可也是一致的。在能力因素的觀測變量中，投資者的受教育程度、掌握資金量、對金融工具的認識程度和風險忍受能力對高頻交易行為傾向都具有正向影響。機構投資者的受教育程度越高、對金融工具理解越深入以及對風險把握和正確認識都對其投資能力的提升具有至關重要的作用，同時掌握資金量的大小也是投資能力的具體體現。投資者的能力越強，對高頻交易的駕馭能力也越強，那么通過高頻交易降低成本獲取收益的能力也將越強。能力因素不但正向影響投資者采取高頻交易的行為傾向，也將正向影響成本收益因素。

（4）文化因素對高頻交易的行為傾向有顯著影響，同時文化因素與投資者能力因素之間也存在顯著的相關關系。在文化因素的觀測變量中，男子氣概和信任對機構投資者采取高頻交易具有正向影響。機構投資者與中小散戶相比，擁有更加專業(yè)的金融知識并具有更高的風險認知水平，這些儲備都有助于他在投資時決策果斷并對整個投資過程充滿信心，這不但體現了投資者能力因素與文化因素的相關性，也將為投資者嘗試高頻交易提供較好地心理準備。同時，投資者對同伴的信任以及對高頻交易的信任能夠為機構中的專業(yè)投資人員間相互學習和合作開展高頻交易營造一個良好的心理基礎。

（二）政策建議

（1）在成本收益方面，鼓勵任何形式的算法交易，強化機構投資者對延遲成本重要性的認識。高頻交易作為算法交易的一種，不但具有算法交易所具有的降低執(zhí)行成本和獲取高額收益的優(yōu)勢，還具有憑借其快速交易降低延遲成本的優(yōu)勢。市場機會稍縱即逝，鼓勵算法交易的同時，幫助機構投資者更好地認識到延遲成本在投資過程中的重要性，可以引導機構投資者主動選擇高頻交易。

（2）在投資者能力因素方面，鼓勵提高專業(yè)投資機構從業(yè)人員的素質和管理資金的能力。投資者的能力越強，駕馭高頻交易的能力也就越強，因此提升投資者能力的具體措施包括：第一，提高專業(yè)投資機構從業(yè)人員的進入門檻，鼓勵受過良好教育、綜合素質水平高的畢業(yè)生進入專業(yè)投資領域；第二，定期組織培訓，使得專業(yè)投資人員不但具有扎實的金融知識，還具有開闊的視野，善于并勇于接受新鮮事物；第三，加強對證券業(yè)從業(yè)人員的風險教育，使其對待風險有一個清楚的認識，既不偏好高風險也不厭惡風險，持有中性的風險態(tài)度。

（3）在文化方面，鼓勵專業(yè)投資機構營造一個積極樂觀、相互信任的文化氛圍。如果專業(yè)投資公司的文化氛圍能夠幫助職員建立起互相信任、對自己的投資決策充滿信心以及面對失敗并不氣餒的品質，那么不但對于每位員工的成長具有積極作用，而且也對整個集體接受新鮮事物、鼓勵創(chuàng)新具有深遠影響。在這樣一個整個世界金融創(chuàng)新層出不窮的年代，快速接受最新、最前沿的金融工具和交易手段、鼓勵內部創(chuàng)新對于一個專業(yè)投資公司的長遠發(fā)展至關重要，因此通過營造積極樂觀、相互信任的文化氛圍，可以潛移默化地影響著每位機構投資者，使他們不但能夠快速接受算法交易、高頻交易這些新型的交易方式，也能為今后這些交易方式的創(chuàng)新做出貢獻。具體措施包括：第一，加強投資者教育，鼓勵專業(yè)投資人員以一個積極樂觀的心態(tài)對待投資；第二，加強國內和國外的投資機構間的交流與學習。

［1］Brogaard J.High Frequency Trading and Its Impact on Mar?ket Quality［R］.Northwestern University Kellogg School of Management Working Paper，2010.

［2］U.S.Securities and Exchange Commission（SEC）.Concept Release on Equity Market Structure［EB/OL］（2010-04-21）［2016-12-05］.http://www.sec.gov/rules/cohcept/34-61358.

［3］Menkveld A J.High frequency trading and the new market makers［J］.Journal of Financial Markets，2013，16（4）：712-740.

［4］Biais B，Woolley P.High Frequency Trading［R］.Tou?louse：Manuscript，Toulouse University，IDEI，2011.

［5］Brogaard J，Carrion A，Moyaert T，et al.High-Frequency Trading and Extreme Price Movements［R］.Washington：University of Washington Working Paper，2015.

［6］Australian Securities&Investment Commission.Australian Equity Market Structure［R］.ASIC Report，2015.

［7］Brogaard J，Hendershott T，Riordan R.High-frequency trading and price discovery［J］.Review of Financial Stud?ies，2014，27（8）：2267-2306.

［8］Carrion A.Very fast money：High-frequency trading on the NASDAQ［J］.Journal of Financial Markets，2013，16（4）：680-711.

［9］Conrad J，Wahal S，Xiang J.High-frequency quoting，trad?ing，and the efficiency of prices［J］.Journal of Financial Economics，2015，116（2）：271-291.

［10］Hasbrouck J，Saar G.Low-latency trading［J］.Journal of Financial Markets，2013，16（4）：646-679.

［11］Kirilenko A A，Kyle A S，Samadi M，et al.The Flash crash：High Frequency trading in an electronic market［EB/OL］.（2016-03-12）［2016-11-20］.http：//ssrn.com/abstract= 1686004 or http：//dx.doi.org/10.2139/ssrn.1686004.

［12］Brogaard J，Hendershott T，Hunt S，et al.High-frequen?cy trading and the execution costs of institutional inves?tors［J］.Financial Review，2014，49（2）：345-369.

［13］Bershova N，Rakhlin D.High-frequency trading and longterm investors：a view from the buy-side［J］.Journal of In?vestment Strategies，2013，2（2）：25-69.

［14］Goldstein M A，Kumar P，Graves F C.Computerized and high-frequency trading［J］.Financial Review，2014，49（2）：177-202.

［15］Friederich S，Payne R.Order-to-trade ratios and market quality［J］.Journal of Banking and Finance，2015，50：214-223.

［16］Hendershott T，Riordan R.Algorithmic trading and the market for liquidity［J］.Journal of Financial and Quantita?tive Analysis，2013，48（4）：1001-1024.

［17］Harris L.What to do about high-frequency trading［J］.Fi?nancial Analysts Journal，2013，69（2）：6-9.

［18］Budish E，Cramton P，Shim J.The high-frequency trad?ing arms race：Frequent batch auctions as a market de?sign response［J］.The Quarterly Journal of Economics，2015，130（4）：1547-1621.

［19］Hasbrouck J.The Best Bid and Offer：A Short Note on ProgramsandPractices［R］.AvailableatSSRN 1699426，2010.

［20］Ende B，Uhle T，Weber M C.The Impact of a Millisecond：Measuring Latency Effects in Securities Trading［M］.Karl?sruhe:Wirtschaftsinformatik，2011：116.

［21］Kearns M，Kulesza A，Nevmyvaka Y.Empirical limita?tions on high frequency trading profitability［J］.Journal of Trading，2010，5（4）：50-62.

［22］Sun E W，Kruse T，Yu M T.High frequency trading，li?quidity，and execution cost［J］.Annals of Operations Re?search，2014，223（1）：403-432.

［23］Moallemi C C，Saglam M.The Cost of Latency in High-Frequency Trading［J］.Operations Research，2013，61（5）：1070-1086.

［24］Beracha E，Fedenia M，Skiba H.Culture‘s impact on in?stitutional investors’trading frequency［J］.International Review of Financial Analysis，2014，31：34-47.

［25］Guiso L，Sapienza P，Zingales L.Cultural biases in eco?nomic exchange？［J］.Quarterly Journal of Economics，2009，124（3）：1095-1131.

［26］Beugelsdijk S，Frijns B.A cultural explanation of the for?eign bias in international asset allocation［J］.Journal of Banking&Finance，2010，34（9）：2121-2131.

［27］Barber B M，Odean T.Boys will be boys：Gender，over?confidence，and common stock investment［J］.Quarterly Journal of Economics，2001，116（1）：261-292.

［28］Graham J R，Harvey C R，Huang H.Investor compe?tence，trading frequency，and home bias［J］.Management Science，2009，55（7）：1094-1106.

［29］李心丹，宋素榮，盧斌，等.證券市場內幕交易的行為動機研究［J］.經濟研究，2008，43（10）：65-79.

［30］Rooij M，Lusardic A，Alessiee R.Financial literacy and stock market participation［J］.Journal of Financial Eco?nomics，2011，101（2）：449-472.

［31］Dorn D，Huberman G.Talk and action：What individual investors say and what they do［J］.Review of Finance，2005，9（4）：437-481.

［32］Hofstede G.Culture's Consequences：International Differ?ences in Work-Related Values［M］.Beverly Hills，CA：Sage，1980：88-104.

［33］Hofstede G.Culture's Consequences：Comparing Values，Behaviors，Institutions and Organizations Across Nations（2nd ed.）［M］.Thousand Oaks，CA：Sage，2001：66-85.

［34］Chui A C W，Titman S，Wei K C J.Individualism and momentum around the world［J］.The Journal of Finance，2010，65（1）：361-392.

［35］Anderson C W，Fedenia M，Hirschey M，et al.Cultural influences on home bias and international diversification by institutional investors［J］.Journal of Banking&Fi?nance，2011，35（4）：916-934.

［36］Guiso L，Sapienza P，Zingales L.Trusting the stock mar?ket［J］.The Journal of Finance，2008，63（6）：2557-2600.

［37］Gomber P，Arndt B，Lutat M，et al.High-Frequency Trading［EB/OL］.（2011-06-19）［2016-11-29］.http：//dx. doi.org/10.2139/ssrn.1858626.

［38］Kline R B.Principle and Practice of Structural Equation Modeling［M］.New Yorrk：Guilford Press，1998：169-187.

［39］Komiak S Y，Benbasat I.The effects of personalization and familiarity on trust and adoption of recommendation agents［J］.Mis Quarterly，2006，30（4）：941-960.

［40］吳明隆.結構方程模型——AMOS的操作與應用［M］.重慶：重慶大學出版社，2010：249-254.

［41］Fornell C，Larcker D F.Evaluating structural equation models with unobservable variables and measurement error［J］.Journal of Marketing Research，1981，18（1）：39-50.

Research on the Behavioral Motivation of High-frequency Trading of Institutional Investors

RU Hua-jie
（School of Management Science and Engineering,Nanjing University,Nanjing 210093,China）

High-frequency trading plays a positive role in the market stability,so this paper focuses on behavioral motivation to adopt high-frequency trading from the respective of institutional investor’s behavior.A model of behavioral motivation on high-frequency trad?ing is proposed.Then the proposed model is tested by a survey of investment professionals with the method of structural equation model. The empirical result shows that cost-return factor,capability factor and cultural factor have significant impacts on the high-frequency trad?ing.This result is useful for the regulators to make targeted and efficient policy to encourage high-frequency trading.

institutional investor;high-frequency trading;behavioral motivation;structural equation model

F830.91

A

1007-5097（2017）04-0136-10

10.3969/j.issn.1007-5097.2017.04.019

［責任編輯：歐世平］

2016-12-07

茹華杰（1974-），男，湖南湘潭人，博士研究生，研究方向：行為金融。