胡可

摘 要：本文使用了信息不確定來(lái)預(yù)測(cè)橫截面收益，并用幾種不同方式衡量信息不確定性，我們可以發(fā)現(xiàn)兩種效應(yīng)：（1）均值效應(yīng)：平均而言，高信息不確定性的公司在未來(lái)會(huì)賺取更少的利潤(rùn)（2）互動(dòng)效應(yīng)：價(jià)格和利潤(rùn)動(dòng)量效應(yīng)在高信息不確定性的公司表現(xiàn)更強(qiáng)。這些表現(xiàn)與下文提到的模型一致，模型表明：高信息不確定的公司讓投資者的過(guò)度自信和有限理性的套利更加惡化。但研究也存在一些測(cè)量方式和假定設(shè)置前提的缺陷，將對(duì)此作進(jìn)一步修正。

關(guān)鍵詞：有限套利 動(dòng)量效應(yīng) 信息不確定 行為金融

1.信息不確定性的現(xiàn)狀分析

根據(jù)以往經(jīng)驗(yàn)，把信息不確定性定義為“價(jià)值模糊”，或者是公司價(jià)值可以被知識(shí)淵博的投資者以合理成本估計(jì)的精度。信息不確定性并不意味著信息不對(duì)稱（一些代理人可能比其他人更了解公司的價(jià)值），我們將其定義為“價(jià)值模糊”或者是公司價(jià)值可以被知識(shí)最淵博的投資者以最合理成本估計(jì)的程度。通過(guò)這個(gè)定義，高信息不確定性的公司的預(yù)期現(xiàn)金流可能由于其商業(yè)或經(jīng)營(yíng)環(huán)境更加未知。這些公司都有著更高的信息獲取費(fèi)用，他們基本的價(jià)值估計(jì)也更加不可靠、不穩(wěn)定。

在這個(gè)研究中，我們根據(jù)經(jīng)驗(yàn)估計(jì)得出結(jié)論：不僅僅可以預(yù)測(cè)信息不確定性與平均預(yù)期收益之間的負(fù)相關(guān)關(guān)系（均值效應(yīng)），還可以得出信息不確定因素與價(jià)格和利潤(rùn)動(dòng)量之間存在關(guān)聯(lián)（互動(dòng)效應(yīng)）。本次的分析也是基于行為金融學(xué)理論而言的，兩個(gè)主題是信息不確定與投資者決定偏好（過(guò)度自信）的正相關(guān)程度以及它和套利成本之間的正相關(guān)關(guān)系。這兩個(gè)效應(yīng)在存在高信息不確定的公司中共同產(chǎn)生了更低的平均收益和和更大的動(dòng)量收益。

在投資者過(guò)度自信的前提下：投資者對(duì)自己的私人信號(hào)賦予過(guò)多的權(quán)重而將像收益發(fā)布、過(guò)往股票收益這樣重要的公示信息內(nèi)容賦予了不足的權(quán)重。這種模型也因此將投資者的過(guò)度自信視作以往延續(xù)的股票收益市場(chǎng)投資異象的驅(qū)動(dòng)力量。

基于這個(gè)觀點(diǎn)，我們認(rèn)為過(guò)度自信加劇了高信息不確定因素的環(huán)境影響，在這個(gè)環(huán)境中，公司的價(jià)值對(duì)于最有經(jīng)驗(yàn)的投資者來(lái)說(shuō)都是模糊的。隨著價(jià)值模糊的加劇，投資者將更加依賴自己的私人信號(hào)交易。更重要的是，如果悲觀的投資者離開(kāi)了市場(chǎng)，信息不對(duì)稱成本與短期賣(mài)出相關(guān)聯(lián)，高信息不確定因素的公司就會(huì)因最高的私人價(jià)值影響其余樂(lè)觀的投資者。隨著時(shí)間的推移， 高信息不確定因素的公司價(jià)格中的超額樂(lè)觀主義被糾正， 這些公司將在未來(lái)時(shí)期賺取較低的回報(bào)。

高信息不確定因素的投資者傾向于賦予私人信號(hào)更多的權(quán)重并且很不重視公眾信息和公司基本信息。結(jié)果就是兩種現(xiàn)象的出現(xiàn)：（1）高信息不確定性的公司會(huì)被高估價(jià)格，因此未來(lái)的利潤(rùn)也會(huì)更少（2）高信息不確定因素的公司表現(xiàn)出更強(qiáng)的價(jià)值和利潤(rùn)動(dòng)量效應(yīng)。

2.信息不確定性情況下的集中套利模式

關(guān)于套利限制的文獻(xiàn)表明三種類(lèi)型的成本將面臨套利： （1） 信息成本， （2） 交易成本， （3） 持有成本。有了更多信息不確定因素，理性交易者面臨較高的信息獲取和處理成本 ， 以及更高的與價(jià)值估計(jì)干擾有關(guān)的風(fēng)險(xiǎn)。同時(shí)，交易成本和持有成本也常常在高信息不確定因素的公司里更高。我們認(rèn)為增加套利成本也會(huì)使價(jià)格和利潤(rùn)動(dòng)量效應(yīng)在這些公司里表現(xiàn)更強(qiáng)。

過(guò)度自信： 個(gè)人對(duì)自己的信息的精確度過(guò)度確信。圖1a顯示了過(guò)度自信下的標(biāo)準(zhǔn)統(tǒng)計(jì)，表示其中個(gè)人的主觀價(jià)值估計(jì)分布與實(shí)際的基礎(chǔ)分布相比太窄。

高信息不確定性的環(huán)境之下，值估計(jì)的真正分布更分散，方差更大（圖1b）。根據(jù)先前的實(shí)驗(yàn)證據(jù)， 我們假定投資者不充足地調(diào)整在信息不確定因素環(huán)境中的系統(tǒng)性變化。結(jié)果就是我們期望投資者能夠調(diào)整自己的行為，使之與高信息不確定環(huán)境中的過(guò)度自信相一致。

第二部分討論了信息套利在高信息不確定環(huán)境之中變得更加困難。當(dāng)公司的價(jià)值變得模糊不清，相對(duì)于過(guò)度自信的投資者而言，完全理性的投資者將會(huì)面臨更高的套利策略成本。這些更高的成本由許多部分構(gòu)成：增加的信息風(fēng)險(xiǎn)（更低的估計(jì)可信度）；更高的信息獲取成本；在定價(jià)之前更久的持有期和信息流發(fā)生的可能性增大。

在高信息不確定因素環(huán)境中，合理的套利面臨較高的信息獲取和分析成本，其最終價(jià)值估計(jì)不那么可靠，從而使策略更具危險(xiǎn)性。此外，當(dāng)基本價(jià)值不確定時(shí)，價(jià)格趨同對(duì)價(jià)值的過(guò)程更可能是曠日持久的，增加了維持套利頭寸的成本。

與信息級(jí)聯(lián)相關(guān)的參數(shù)值得進(jìn)一步闡述。當(dāng)每個(gè)個(gè)體收到一個(gè)嘈雜的私人信號(hào)時(shí)， 通常最好遵循前面交易者的行為，而不考慮自己的信息。在模型中，不正確級(jí)聯(lián)的可能性是每個(gè)個(gè)體的專(zhuān)用信號(hào)精度的函數(shù)即，當(dāng)個(gè)體接收到噪聲（低精度）信號(hào)時(shí)，不正確的信息流更加頻繁。因此，他們的模型表明，在高信息不確定因素環(huán)境中，由于信息級(jí)聯(lián)而導(dǎo)致的錯(cuò)誤定價(jià)可能會(huì)更容易發(fā)生。

我們認(rèn)為，通過(guò)合理的套利的自適應(yīng)行為可以促進(jìn)高信息不確定因素環(huán)境中的動(dòng)量效應(yīng)。當(dāng)估值不確定時(shí)，理性的套利會(huì)降低他們?cè)谒饺嘶拘盘?hào)上的權(quán)重，并在其他交易者的方向上更快地更新。換言之，在高不確定性的公司，理性的套利者將從事一種形式的積極反饋交易，以彌補(bǔ)他們自己的信號(hào)的嘈雜性質(zhì).因此，而非幫助糾正錯(cuò)誤定價(jià)，理性投資者的行為可以導(dǎo)致價(jià)格進(jìn)一步偏離基本價(jià)值。級(jí)聯(lián)的頻率越大，則高信息不確定因素的套利成本就會(huì)增加。

綜上，認(rèn)為公司價(jià)值在高度不確定時(shí)，未來(lái)的利潤(rùn)會(huì)被兩個(gè)重要的規(guī)律總結(jié)：（1）均值效應(yīng)：更低的平均利潤(rùn)（2）互動(dòng)效應(yīng)：增加的動(dòng)量收益。正如我們所提到的，這一理論預(yù)測(cè)，高信息不確定因素公司將表現(xiàn)出更強(qiáng)的動(dòng)量效應(yīng)即，購(gòu)買(mǎi)最近的贏家和出售最近的輸家將在高不確定環(huán)境產(chǎn)生更高的交易收益。

3.各類(lèi)型公司在信息不確定條件下的套利選擇

如果公司是：（1）較年輕，（2）波動(dòng)較大，（3）營(yíng)業(yè)額較大，或（4）股本持續(xù)時(shí)間較長(zhǎng)，則回報(bào)率較小。此外，回報(bào)率較低的公司發(fā)現(xiàn)其動(dòng)量效應(yīng)特別大。這些變量中的每一個(gè)都是用來(lái)代表信息不確定性的，定義為有知識(shí)的投資者以合理的成本估計(jì)公司價(jià)值的精確性。本文認(rèn)為，行為金融理論預(yù)測(cè)信息不確定度高時(shí)證券定價(jià)錯(cuò)誤。過(guò)度自信是指投資者高估其信息信號(hào)的準(zhǔn)確性的趨勢(shì)。當(dāng)價(jià)值觀含糊不清時(shí)， 過(guò)度自信可能尤為重要。此外，信息不確定程度高的股票可能更難套利。這兩個(gè)因素共同表明，高不確定性的股票可能過(guò)高定價(jià)，從而產(chǎn)生低回報(bào)率。

高信息成本公司的動(dòng)量效應(yīng)會(huì)更強(qiáng)。其想法是，隨著更多的不確定性，在交易決策中，投資者將更依賴于自己的私人信號(hào)，并將忽略過(guò)去的回報(bào)。如果庫(kù)存量大、波動(dòng)性高、股本持續(xù)時(shí)間長(zhǎng)或上市時(shí)間短，股票的回報(bào)率就會(huì)較低。此外，這些股票的動(dòng)量效應(yīng)尤為強(qiáng)烈。用一種非正式模型解釋這些發(fā)現(xiàn)，它將低回報(bào)和動(dòng)量與高信息不確定性和高套利成本聯(lián)系在一起。模型是合理的，經(jīng)驗(yàn)結(jié)果是有趣的。然而， 用于信息不確定性的代理有問(wèn)題，而且可能與其他混雜因素有關(guān)。

這個(gè)模型是合理的，適合數(shù)據(jù)。不過(guò)，值得保留的是，在傳統(tǒng)的金融模型中，投資者被認(rèn)為是理性的，這種假設(shè)意味著市場(chǎng)是有效的。然而，即使是傳統(tǒng)范式中最熱心的防衛(wèi)者也認(rèn)為個(gè)人沒(méi)有心理偏見(jiàn)的。相反， 理性的簡(jiǎn)化假設(shè)得到了辯護(hù)，因?yàn)槠?jiàn)被認(rèn)為會(huì)在總量中抵消， 或者因?yàn)槔硇酝顿Y者預(yù)期會(huì)套利錯(cuò)誤定價(jià)證券的利潤(rùn)。通過(guò)引入既定的心理偏見(jiàn)，行為學(xué)派通常被認(rèn)為是更準(zhǔn)確的模型。但這不一定是真的。偏見(jiàn)可能有抵消或抑制效應(yīng)。通過(guò)引入多項(xiàng)偏見(jiàn)， 不能保證模型比傳統(tǒng)的理性投資者模型更為現(xiàn)實(shí)。如果忽略了樂(lè)觀、錨定和無(wú)法準(zhǔn)確更新概率的其他偏見(jiàn)，那么模型價(jià)格就不一定會(huì)比忽略所有偏見(jiàn)更準(zhǔn)確。從公平的來(lái)說(shuō)，這一評(píng)論可以應(yīng)用到幾乎整個(gè)行為金融領(lǐng)域。

4.結(jié)論

這些發(fā)現(xiàn)對(duì)投資經(jīng)理有很有趣的影響。先前的研究表明，與價(jià)值相關(guān)的和動(dòng)量相關(guān)的信號(hào)都有預(yù)測(cè)能力的回報(bào)。然而，由于這兩種類(lèi)型的信號(hào)是負(fù)相關(guān)的，每種類(lèi)型的信號(hào)排序適當(dāng)?shù)臋?quán)重是一個(gè)重大的挑戰(zhàn)。我們的發(fā)現(xiàn)表明，在這些決策中，信息不確定是一個(gè)潛在的仲裁者?？偠灾覀冋J(rèn)為，在理解市場(chǎng)定價(jià)動(dòng)態(tài)方面，信息不確定性是一個(gè)中心概念。我們的研究并沒(méi)有解釋動(dòng)量的存在。然而，我們的工作有助于揭示如何改變價(jià)格發(fā)現(xiàn)過(guò)程，從而影響到動(dòng)量效應(yīng)的大小。

參考文獻(xiàn)：

[1] Geczy， C.， D. Musto and A. Reed. （2002）. ‘‘Stocks are Special Too： An Analysis of the Equity Lending Market. Journal of Financial Economics 66， 241–269.

[2] Jiang， Lee and Zhang （2005）. ‘‘Information Uncertainty and Expected Returns. Review of Accounting Studies， this issue.

[3] Ang， A.， R. Hodrick， Y. Xing， and X. Zhang. （2003）. ‘‘The Cross-section of Volatility and Expected Returns. Working paper， Columbia University.

[4] Asness， C. （1997）. ‘‘The Interaction of Value and Momentum Strategies. Financial Analysts Journal 53， 29–36.

[5] Avery， C. and P. Zemsky. （1998）. ‘‘Multi-dimensional Uncertainty and Herd Behavior in Financial Markets. American Economic Review 88， 724–748.

[6] Barberis， N. and R. Thaler. （2003）. ‘‘A Survey of Behavioral Finance. Handbook of the Economics of Finance， Chapter 18， edited by G. M. Constantinides， M. Harris， and R. Stulz. Elsevier/North-Holland.

[7] Bernard， V. L. and J. K. Thomas. （1990）. ‘‘Evidence that Stock Prices do not Fully Reflect the Implications of Current Earnings for Future Earnings. Journal of Accounting and Economics 13， 305–341.

[8] Bikhchandani， S.， D. Hirshleifer and I. Welch. （1992）. ‘‘A Theory of Fads， Fashion， Custom and CulturalChange as Information Cascades. Journal of Political Economy 100， 992–1026.