向 誠，陸 靜,2

(1.重慶大學經濟與工商管理學院，重慶 400030; 2.重慶大學公司財務與會計治理創(chuàng)新研究院，重慶 400030)

1 引言

已有研究表明，無論是機構投資者還是個人投資者都存在分散化程度不足、過多配置地理上與自己臨近的公司股票的行為，即存在本地偏差傾向[1-3]。投資者的這一行為傾向在全球資本市場中廣泛持續(xù)存在[4-7]，直接影響投資者的資產配置、資產定價過程[8]，進而影響公司權益成本[9]、財務決策[10-11]以及公司治理過程[11]。因此，研究本地偏差現象既有助于在理論上更好地理解市場整合信息的過程，對市場參與者的投資實踐也具有指導意義。

已有研究對本地偏差成因的解釋主要有(投資者理性的)信息優(yōu)勢假說和(非理性的)行為偏差假說兩類。信息優(yōu)勢假說認為本地投資者通過本地社交圈子從公司的本地客戶、員工、供應商、高管以及本地媒體中得到更多與公司價值相關的信息，這一信息優(yōu)勢使其能從本地投資中獲取超額收益[12-14]。而行為偏差假說則認為投資者過度投資本地公司的行為源自于其對熟悉事物的過度偏好[15]、羊群效應[16, 17]、過度自信[18]等非理性行為偏差。而已有研究對本地偏差的成因并沒有得到一致的結論，這為本文研究提供了直接動機。

在現階段中國A股市場，個體投資者仍是左右股票定價的主要因素[19]，因此本文以個人投資者的本地偏差現象為研究對象。度量個人投資者的本地偏差程度是本領域研究的難點，已有研究大都利用證券經紀商提供的交易數據直接觀察個人投資者的資產組合構成進而考察其本地偏差程度，但這些交易數據通常僅涵括經這些經紀商交易的特定投資者，且時效性較差，多用于驗證本地偏差現象的存在性，而難以用于預測這一現象對資本市場的未來影響。而已有文獻表明，在投資者注意力有限的情況下，投資者對注意力的配置與其對資產的配置存在緊密關聯[20-23]。因此，一些學者也嘗試利用投資者對本地股票的關注程度間接度量投資者在資產配置上的本地偏差程度，如董大勇和肖作平[24]、Huang Yuqin等[25]、楊曉蘭等[26]通過IP地址識別股票論壇中發(fā)帖者的地理位置，進而以本地網民的發(fā)帖數量占發(fā)帖總數的比例度量投資者的本地關注程度，發(fā)現這一指標能夠反映投資者資產配置的本地偏差及其市場影響。

本文同樣從本地關注的角度度量投資者資產配置的本地偏差程度，但與前述研究不同，本文以個股為本地網民在百度中搜索的比例度量投資者的本地關注程度。Da等[27]指出在現代信息社會，個股在網絡中被搜索的次數，直接代表了個人投資者對個股信息的關注程度。百度公司自2006年起以百度指數的形式提供關鍵詞為各省市以及全國網民搜索的次數，因此，個股簡稱在其公司注冊省份的百度指數與其全國百度指數的比例，可以直觀的反映公司為本地投資者關注的程度。與股票論壇的本地發(fā)帖比例相比，本文的本地關注度指標具有以下優(yōu)勢。首先，國內第一大股票論壇——東方財富股吧的用戶數不足4000萬，平均日發(fā)帖數量未超過5萬條，而根據美國通訊流量監(jiān)測機構statcounter的統(tǒng)計，2016年百度搜索在國內搜索市場的份額為77.01%，用戶數超過6億人，日搜索量高達60億次，百度搜索次數對A股股民關注度的代表性顯然更廣。其次，東方財富股吧等股票論壇中較大比例的發(fā)帖者為不顯示IP地址、無法識別其地理位置的注冊用戶，嚴重損害了本地發(fā)帖比例這一指標的有效性，如楊曉蘭等[26]指出其所抓取的90萬條帖子中有一半以上為注冊用戶所發(fā)，不得不從樣本中刪除。而百度本地和全國指數均由百度公司官方公布，確保了數據的準確、規(guī)范、嚴謹。最后，百度指數獲取更為方便、快捷，更具時效性。識別IP地址需要文本抓取和文本識別技術，耗時費力，而登錄百度指數官網輸入關鍵詞即可獲取相應百度指數，且百度公司每日24點后更新當日百度指數，基于百度指數的本地關注指標顯然具有更好的模型預測作用。

使用這一本地關注度指標，本文以2007-2016年為樣本區(qū)間，對A股市場本地偏差現象的存在性及其成因進行了實證檢驗，發(fā)現各省網民對本省上市公司股票簡稱的搜索次數占全國網民總搜索次數的比重，均顯著超出該省網民數量在全國網民中的比重，表明A股個人投資者存在普遍的過度關注本地股票的現象。地域偏遠、社會信息化程度越低、經濟欠發(fā)達程度越強的省份，投資者的本地關注傾向越強；規(guī)模越小，賬面市值比、換手率、資產負債率、成長性越低，股東人數越少的公司為本地投資者關注的程度越高，與已有研究中投資者資產配置本地偏差的地域、公司特征相符。進一步的實證研究表明，個人投資者對本地公司的過度關注提高了上市公司風險溢價水平，強化了個股股價與市場、行業(yè)以及區(qū)域個股的同步性，并削弱了個股的定價效率，這些結果均符合行為偏差假說的預期，表明行為偏差假說對A股市場本地偏差現象更具解釋能力。

與已有研究相比，本文可能存在以下貢獻，首先，本文提出了使用百度指數構建本地關注指標進而度量本地偏差程度的方法。與Huang Yuqin等[25]、楊曉蘭等[26]使用股票論壇本地網民發(fā)帖比例度量本地關注度相比，百度搜索使用人數更廣，數據更為規(guī)范準確，獲取更為簡便快捷。第二，本文通過對三組競爭性假說進行實證檢驗，發(fā)現A股市場本地偏差現象更符合行為偏差假說的解釋，為本地偏差的成因討論提供了新的實證證據。第三，投資者關注對資產定價的影響日益受到重視，理解投資者的注意力配置策略對于理解信息擴散和資產定價的過程具有重要意義，本文研究結果揭示了投資者將注意力過度配置于本地公司時對A股市場資產價格和市場效率的影響，而目前國內學者對這一領域的研究相對缺失，本文研究有助于引起學者們對這一現象的更多重視。

2 百度指數與本地關注度

2.1 本地關注度指標構建

參照Huang Yuqin等[25]等研究，本文將A股上市公司注冊地所在省份的網民(投資者)視為本地網民(投資者)，進而構建本地投資者關注度指標。與Huang Yuqin等[25]一樣，為控制各省網民總數對該省搜索數量占比的影響，本文通過本地網民數量占全國網民總數的比例對本地網民的搜索占比進行調整，進而將公司i在t時期受本地投資者的關注程度LoAtti,t表示為：

LoAtti,t

(1)

BaiduIndexi,t,l為以百度指數表示的，t時期i公司注冊地所在省份網民在PC端百度搜索中對公司股票簡稱進行搜索的次數，BaiduIndexi,t,n為相應時期的全國百度指數，即全國網民對該股票簡稱的百度搜索次數。NetUsert,l和NetUsert,n分別表示t時期本地網民和全國網民總數，網民數據來源于中國互聯網絡信息中心《中國互聯網絡發(fā)展狀況統(tǒng)計報告》。因此，LoAtti,t表示經本地網民占比調整后的本地搜索比例。本文通過網絡爬蟲程序，以股票簡稱為關鍵詞抓取A股各上市公司的本地與全國百度指數，進而計算本地關注指標LoAtti,t。百度自2006年6月起公布PC端百度指數，因此本文以2007-2016年作為研究區(qū)間。由于百度公司僅公布了部分A股公司的百度指數，因此最終本文在樣本期內最多抓取到了1184家不同樣本公司數據，其中樣本公司數最少的年份為2007年的855家。除本地關注度外，基于研究需要，本文還構造了個股總關注度、分析師覆蓋度、機構投資者持股比例、媒體關注度等個股公司特征變量。表1對全文主要變量的定義和數據來源進行了簡單說明。

表1 變量定義與數據來源

2.2 本地關注度地域與公司特征

為了解A股市場本地關注偏差的存在性及其可能影響因素，本文對本地關注度指標進行了簡單的描述性統(tǒng)計，并對其地域、公司特征進行了必要分析。表2給出了各省級行政區(qū)域的樣本A股公司數、正常上市的A股公司總數，以及區(qū)域內樣本A股公司本地關注度LoAtti,t的平均值。根據式(1)所示的LoAtti,t計算方法，LoAtti,t大于ln2(約為0.69)表明本地網民對本地公司的搜索比例超過本地網民的數量占比，即存在過多關注本地上市公司的傾向。從表2可以看出，所有樣本公司的本地關注度平均值為1.9062，從地域來看，平均值最小為廣東省的1.3011，最大為青海省的3.7019。根據式(1)換算可知，就所有樣本公司平均而言，本地網民搜索占比是當地網民數量占比的e1.9062-1≈5.73倍，在廣東省這一比例為2.67倍，而在青海省這一比例超過40倍，表明投資者過多關注本地公司的現象在全國范圍內均廣泛顯著存在，間接驗證了A股市場本地偏差現象的存在性。

觀察各省級行政區(qū)樣本公司本地關注度均值可以發(fā)現，A股公司本地關注度水平存在一定的地域規(guī)律，上海、廣東、浙江、江蘇等東部沿海省份樣本公司的本地關注度較低，而新疆、西藏、青海、甘肅、寧夏等西部省份本地關注度明顯較高，與Huang Yuqin等[25]通過股票論壇中的本地發(fā)帖比例度量本地關注程度得到的結果基本一致。本地關注度的地域差異可能來自于兩個方面，一方面，東部沿海省份經濟更發(fā)達，社會信息化程度更高，本地居民獲取其他地域信息的成本更低，對本地上市公司的關注程度因而相對更弱；另一方面，東部沿海省份上市公司數量更多，本地居民的注意力被分散，對單個公司的本地關注程度因而較弱，符合Hirshleifer等[28]的分心效應假說和Hong等[29]的唯一可選效應(only game in town effect)假說。

本文還將所有樣本公司按照本地關注度高低分組，并對各組公司的公司特征進行了統(tǒng)計對比分析。如表3所示，本地關注度更高的公司規(guī)模更小，賬面市值比、換手率、資產負債率更低，盈利能力更弱，股東、員工人數更少。換句話說，越不容易為市場投資者所關注的個股，為本地網民關注的程度越嚴重。與已有研究發(fā)現的投資者本地偏差現象的相應特征基本吻合[3,13,30]，這在一定程度上驗證了本文所使用的本地關注度指標在度量投資者資產配置本地偏差上的有效性。

表2 各省級行政區(qū)域A股上市公司本地關注度情況表

表3 本地關注度與公司特征

注：*、**和***分別表示在10%、5%和1%的水平下顯著。

3 A股市場本地偏差成因實證檢驗

3.1 研究假說

本文從風險溢價水平、股價同步性和股票定價效率三個角度入手，通過三組競爭性的假說對信息優(yōu)勢和行為偏差兩大理論在A股市場中的解釋能力進行檢驗。首先，信息優(yōu)勢假說認為本地偏差將降低本地公司風險溢價水平，而行為偏差假說認為本地偏差將提高公司風險溢價水平。如果本地投資者對本地公司具有信息優(yōu)勢，根據Van Nieuwerburgh和Veldkamp[31]、Garcia和Strobl[32]的理論模型，公司受到的本地關注程度更高，更多的價值相關信息將通過本地投資者快速反映到本地公司股價中，通過公司股價表現出來的信息透明度更高，公司風險溢價水平因而更低。相反，如果投資者因為行為偏差而更多關注本地公司，投資者會因為分散化程度不足而承擔更多風險，從而要求更大的風險溢價水平。Lau等[9]發(fā)現一國本地偏差的程度越大，全球投資者對該國股票風險承擔的程度會越低，該國上市公司的權益成本則越高。類似地，外地投資者參與風險承擔的程度不足也可能推高本地公司的權益成本。Garcia和Norli[33]在美國市場上發(fā)現本地公司的月收益率超過其他公司70個基點，認為這一現象支撐了投資者認知假說，投資者認知度更低的本地公司必要收益率更高，以補償本地投資者分散化不足的風險。據此，提出競爭性假說H1a，H1b：

H1a：本地關注度更高的公司風險溢價水平更低，驗證信息優(yōu)勢假說。

H1b：本地關注度更高的公司風險溢價水平更高，驗證行為偏差假說。

其次，信息優(yōu)勢假說認為本地偏差將提高股價中的公司特質信息含量，而行為偏差假說認為本地偏差將導致相反的結果。個股股價與市場、行業(yè)的同步性反映了個股股價中的公司特質信息的多寡。如果本地投資者能夠通過本地社交圈子從公司客戶、供應商、員工、高管和本地媒體中獲得更多與公司價值相關的信息，則本地關注程度更高的公司股價中的公司特質信息含量顯然應當更高，與市場、行業(yè)同漲共跌的程度更弱。反之，如果投資者僅因行為因素投資本地公司，顯然無法向公司股價中注入更多公司特質信息。在公司得到的市場總關注不變的情況下，本地關注度的提高還意味著其他地域投資者對公司關注的減少，進一步阻礙、減緩公司特質信息反映到公司股價的過程。Pirinsky和Wang[8]還發(fā)現，本地偏差現象將導致個股股價在與市場、行業(yè)股價同步之外，還與相同地域的其他個股同漲共跌，即便同一地域個股間基本面信息并不存在相關性。換句話說，本地偏差導致的同地域個股股價同步效應也將進一步減少個股股價中的公司特質信息。據此，提出競爭性假說H2a，H2b：

H2a：本地關注度更高的公司股價中的公司特質信息含量更高，驗證信息優(yōu)勢假說。

H2b：本地關注度更高的公司股價中的公司特質信息含量更低，驗證行為偏差假說。

第三，信息優(yōu)勢假說認為本地偏差將提高本地公司定價效率，行為偏差假說認為本地偏差將降低本地公司定價效率。股票定價效率表現為股價吸收信息的速度和準確程度，如果投資者因為具有信息優(yōu)勢而更多投資本地公司，則與公司價值相關的信息能夠更加快速、準確地反映到公司股價中，本地關注度越高的公司股票定價效率越高。反之，如果投資者僅僅因為對熟悉事物的偏好等非理性行為偏差而選擇投資本地公司，其投資行為將往公司股價中注入更多噪音而非信息，本地關注度越高的公司股票定價效率將越低。據此，提出競爭性假說H3a，H3b：

H3a：本地關注度更高的公司股票定價效率更高，驗證信息優(yōu)勢假說。

H3b：本地關注度更高的公司股票定價效率更低，驗證行為偏差假說。

3.2 實證檢驗

(1)本地關注與個股風險溢價水平

本文參照Garcia和Norli[33]的思路，通過股票分組與風險因子模型檢驗本地關注程度與個股風險溢價水平的關系。在本文樣本期內，本文每年將所有樣本公司按本地關注度從低到高分為5組，計算各組經無風險收益率調整后的月度收益率Rp,t，隨后將其置入式(2)所示的風險因子模型中進行回歸。Factork,t表示第k個已知風險因子的風險溢價水平，βp,k為股票組合對第k個風險因子的敏感程度。截距項Alphap代表各股票組合無法為已知風險因子解釋的風險溢價水平，對比本地關注度不同股票組合的Alphap差異，即可對本文假說H1a、H1b進行檢驗。信息優(yōu)勢假說預期本地關注度越高的組合Alphap越小，而相反行為偏差假說預期本地關注度越高的組合Alphap越大。

(2)

本文首先使用Fama-French三因子，即市場溢價因子Mktt、規(guī)模溢價因子SMBt以及價值溢價因子HMLt，對式(2)進行回歸。月度三因子數據取自銳思數據庫，使用月度收益率數據使得我們在本文樣本內獲得了120組觀測值。表4Panel A給出了回歸得到的各組Alphap結果，列(1)、(2)分別以各股票組合的月度等權重收益率、流通市值加權收益率為被解釋變量。如表4 Panel A所示，所有組別股票收益率在經過三因子調整后均存在正的超額收益，且這一超額收益隨組別的增加大致呈現出遞增的趨勢。在等權重組合中，本地關注度最高組(第5組)的Alpha為1.72%，而最低組(第1組)的Alpha為1.32%，二者存在40個基點的差異，Wald檢驗的結果表明這一差異在5%的水平下顯著。流通市值加權組合中的情形類似，第5組的Alpha為1.76%，而第1組為1.07%，二者存在69個基點的差異且在1%的水平下顯著。

除French-Fama三因子外，實證研究中還常用動量因子Momt，即歷史收益率較高組合與較低組合的收益率差異，來捕捉股票價格延續(xù)歷史移動方向的趨勢。本文通過銳思數據庫獲取A股市場基于過去3個月收益率構造的月度動量因子溢價水平數據，將其置入式(2)后重新回歸得到各組超額收益Alpha如表4 Panel B所示?；貧w結果表明，動量因子的系數均不顯著，其他因子的系數、符號以及顯著性與三因子模型回歸的結果基本一致。超額收益Alpha依然隨著組別的增加、亦即本地關注度的提高而增加。在等權重組合中，最高組和最低組的Alpha存在59個基點的差異且在5%的水平下顯著，而在流通市值加權組合中，這一差異為88個基點并在1%的水平下顯著。

本文還嘗試使用了Fama和French[34]的五因子模型，即在市場、規(guī)模和價值三因子模型基礎上，加入盈利能力因子RMWt和投資模式因子CMAt，再次按照式(2)回歸得到了各樣本股票組合的超額收益率，結果如表4 Panel C所示。RMWt和CMAt的系數大都顯著，各組超額收益與前文相比略有下降，表明RMWt和CMAt的加入的確能夠更好的反映各股票組合的風險差異。但各組超額收益依然顯著且如前文那樣隨組別遞增而增加，在等權重組合中，本地關注度最高組(第5組)與最低組(第1組)的超額收益之差為28個基點，在10%的水平下顯著。在流通市值加權組合中，這一差異為42個基點且在5%的水平下顯著。

表4 本地關注度與風險溢價：四因子模型

注：括號內為t值，*、**和***分別表示在10%、5%和1%的水平下顯著。

總體而言，在經三因子、四因子或五因子調整后，在本文樣本期內，本地關注度更高的股票組合的風險溢價水平更高，與本文假說H1b的預期吻合，表明本地關注偏差更可能源自于投資者的行為偏差，這一非理性行為使得投資者承擔了分散化不足的風險，從而要求更高的風險溢價補償。

(2)本地關注與個股股價同步性

如本文假說H2a和H2b所述，信息優(yōu)勢假說預期本地關注度更高的公司股價中的公司特質信息含量更高，而行為偏差假說給出了相反的預期。本文通過股價同步性指標度量個股股價中的公司特質信息含量，個股與市場、行業(yè)同漲共跌的程度越強，個股公司特質信息含量越低，反之亦然。

Ri,t=α+β1RMt+β2RMt-1+β3InRi,t+β4InRi,t-1+β5LRi,t+β6LRi,t-1+εi,t

(3)

本文使用式(3)計算個股股價同步性，Ri,t、RMt、InRi,t和LRi,t分別為經無風險收益率調整后的個股、市場組合、個股所屬行業(yè)組合、個股所在地域股票組合經流通市值加權后的日收益率。Pirinsky和Wang[8]發(fā)現，本地偏差現象導致本地投資者投資模式的相關性，進而造成相同地理區(qū)域公司股票的同漲共跌現象，為此本文在式(3)中加入地域組合的收益率以控制這一現象對個股股價特質信息含量的影響。參考Gul等[35]的做法，解釋變量中還加入了RMt、InRi,t和LRi,t的一階滯后項以減少非同步交易效應對股價同步性指標的影響。個股行業(yè)按證監(jiān)會2011年行業(yè)分類標準分為13個行業(yè)大類，地域組合按省級行政區(qū)分類，包含本省所有正常上市A股公司。本文逐季將樣本公司每日收益率，按照式(3)進行回歸，得到調整后的擬合優(yōu)度AR2，進而構建個股同步性指標SYNi,t：

(4)

SYNi,t表示個股i第t季股價與市場、行業(yè)、本地股票組合的同漲共跌程度，SYNi,t越大表示個股股價中的公司特質信息越少，反之亦然。隨后，本文通過式(5)檢驗個股同步性SYNi,t與本地關注度LoAtti,t的相關性，信息優(yōu)勢假說預期β1顯著為負，而行為偏差假說則預期相反的結果。參考已有文獻，本文在式(5)中加入了投資者關注Attention和公司特征FirmCharacter兩類控制變量。投資者關注控制變量包括以個股全國百度指數表示的總關注度Atti,t，以及分析師覆蓋度Analysti,t、機構投資者持股比例IOi,t、媒體報導度Mediai,t。公司特征變量則包括公司規(guī)模、換手率、賬面市值比、杠桿度、控股股東性質、審計公司是否為四大、成長性、盈利能力等指標，各變量定義參見前文表1。

SYNi,t=αi+β1LoAtti,t+λ∑Attention+γ∑FirmCharacter+εi,t

(5)

表5 Panel A給出了式(5)的回歸結果，與前文類似，通過豪斯曼檢驗本文選擇固定效應模型完成回歸過程，并通過穩(wěn)健性標準誤控制異方差。從表5 Panel A來看，個股本地關注度LoAtti,t與個股股價同步性SYNi,t的相關關系始終為正，且至少在5%的水平下顯著，表明本地關注度更高的個股與市場、行業(yè)以及地域股票組合股價的同步性更強，符合假說H2b的預期，再次表明行為偏差假說對A股市場本地偏差現象更具解釋能力。

表5 本地關注度與個股股價同步性的相關性檢驗

續(xù)表5 本地關注度與個股股價同步性的相關性檢驗

注：括號內為t值，*、**和***分別表示在10%、5%和1%的水平下顯著。

在控制變量方面，個股受到的總關注度越高，機構投資者持股越多，分析師對個股的跟蹤程度越強，個股股價的同步性越弱，符合已有研究從投資者關注角度所做的解釋，市場參與者的關注促進了信息在市場中的擴散，推動更多公司特質信息更快的在股價中得以反應。在公司特征方面，換手率、成長性的系數顯著為負，而公司規(guī)模、賬面市值比、控股股東性質的系數顯著為正，杠桿度以及審計公司性質的系數不顯著。

如果假說H2b是穩(wěn)健的，那么不僅本地關注度高的公司相對其他公司股價同步性更強，對同一家公司而言，當其受本地投資者關注的程度提高時，公司股價的同步性也將相應有所提高。為此，本文檢驗了個股本地關注度的變化與其股價同步性變化的關系，結果如表5 Panel B所示。與Panel A相比，Panel B中被解釋變量由當期股價同步性指標SYNi,t變?yōu)橐浑A差分D.SYNi,t，即個股股價同步性相較于上一期的變動程度。各解釋變量同樣由同期指標轉變?yōu)橐浑A差分項。除此之外，模型的設定與回歸方法與Panel A一致。從Panel B可以看到，多數控制變量一階差分項的系數符號及顯著性與其當期項在Panel A中的結果一致。本地關注度LoAtti,t的一階差分項系數依然在所有模型設定下均顯著為正，表明個股受本地投資者關注程度的提高將導致其股價同步性隨之提高，同樣符合假說H2b的預期。因此，結合表5的結果來看，投資者對本地公司的過度關注將使得公司股價中的特質信息含量不增反減，表明投資者行為偏差假說比信息優(yōu)勢假說對A股市場本地偏差現象有著更好的解釋能力。

(3)本地關注與個股定價效率

根據有效市場理論，股票定價越有效率，股價波動越接近隨機游走過程。Lo和MacKinlay[36]據此提出可使用方差比檢驗股票的定價效率。如果股票價格遵循隨機游走過程，則其k階差分的方差應等于其一階差分方差的k倍，即有var(Pt-Pt-k)=k[var(Pt-Pt-1)]。Pt表示t時刻的股價。相反，如果股價因定價無效率而存在正向(負向)序列相關關系，則var(Pt-Pt-k)與k[var(Pt-Pt-1)]的比值大于(小于)1。據此，可定義方差比：

(6)

VRatio(k)i,t越大，表明股價越不滿足隨機游走特性，定價效率越低。本文參考孔東民等[37]的做法，使用復權后的日股票收盤價數據，以5個和10個交易日為周期(k=5,10)計算樣本公司各個季度的方差比指標。隨后，本文采用式(7)檢驗方差比VRatio(k)i,t與本地關注度的關系。如果LoAtti,t的系數顯著為正，表明本地關注度越高個股定價效率越低，符合行為偏差假說的預期。反之，若LoAtti,t的系數顯著為負，表明本地關注更高的公司定價效率更高，符合信息優(yōu)勢假說的預期。

VRatio(k=αi+β1LoAtti,t+λ∑Attention+γ∑FirmCharacter+εi,t

(7)

式(7)的回歸結果如表6所示。表6 Panel A和Panel B分別以VRatio(5)i,t和VRatio(10)i,t為被解釋變量，各列結果中的控制變量與前文一致，同樣使用面板固定效應模型和穩(wěn)健性標準誤完成回歸過程。Panel A和Panel B中，本地關注度LoAtti,t的系數均在所有模型設定下顯著為正，與本文假說H3b的預期一致。從控制變量來看，當以5個交易日(即1周)為周期計算方差比指標時，總關注度Atti,t、機構投資者持股比例IOi,t、分析師覆蓋度Analysti,t、媒體報導覆蓋度Mediai,t等投資者關注指標系數均顯著為負，表明在市場中越受關注，信息擴散速度越快的公司定價效率更高。以VRatio(10)i,t為被解釋變量時，分析師和機構投資者持股比例的影響不再顯著，但高關注度Atti,t和高媒體報導覆蓋度Mediai,t依然能夠顯著正向影響個股定價效率。換手率Turni,t在Panel A和Panel B中均顯著為負，投資者的更多交易加快了市場信息反映到股價中的速度，同時高換手率也通常跟高關注度關聯在一起。石建勛等[38]也發(fā)現在A股市場，交易量與價格存在動態(tài)影響關系。此外，公司規(guī)模Sizei,t以及成長性Growthi,顯著為正，其余公司特征變量系數不顯著。

表6 本地關注度與個股股價方差比檢驗

注：括號內為t值，*、**和***分別表示在10%、5%和1%的水平下顯著。

總體而言，表6的結果表明，盡管機構投資者、分析師、媒體等市場參與者對公司的高關注度能夠加快信息進入公司股價的過程，提高公司股票定價效率，但當公司所受到的關注更多來自于本地投資者時，公司股票定價效率不升反降，表明本地投資者向公司股價中注入了更多噪音，更符合本文假說H3b的預期，從而再一次支持了行為偏差假說對A股市場本地偏差現象的解釋能力。

(4)穩(wěn)健性檢驗

本文進行了以下穩(wěn)健性檢驗，首先，以各省A股個人賬戶開戶數的全國占比，而非網民數全國占比，對本地網民搜索占比進行調整，構建了新的本地關注度指標。在新指標下的實證研究結果與前文基本一致。其次，百度公司自2011年起提供移動端百度搜索指數，本文將樣本公司分為2007-2010年和2011-2016年兩段，分別使用PC端百度指數和包含移動端搜索數據的綜合百度指數構建本地關注度指標，分段回歸以檢驗前文研究的穩(wěn)健性，回歸結果與前文無顯著差異。

4 結語

本文通過經當地網民全國占比調整后的、本地網民對A股上市公司股票簡稱的百度搜索次數占全國搜索總數的比例，度量A股上市公司為本地個人投資者關注的程度，發(fā)現個人投資者存在顯著的過度關注本地公司的傾向，平均而言，本地網民對本地公司進行搜索的全國占比是當地網民數量全國占比的5.73倍。在投資者注意力有限的條件下，投資者注意力的配置往往與其資產配置存在緊密關聯，因此，投資者過度關注本地公司的現象驗證了A股市場上本地偏差的存在性。

隨后，本文利用本地網民的百度搜索比例作為投資者本地偏差度量指標，從風險溢價水平、股價同步性和股票定價效率三個方面對A股市場本地偏差源自投資者理性的信息優(yōu)勢還是非理性的行為偏差進行了檢驗。檢驗結果表明，首先，經市場、規(guī)模、價值、動量因子等已知風險因子調整后，本地關注度更高的A股公司風險溢價水平更高；第二，本地關注度更高的A股公司股價與市場、行業(yè)以及地域組合的同步性更強，股價中的公司特質信息更少，公司為本地投資者關注程度的提高會導致股價中公司特質信息的減少；第三，盡管A股公司的定價效率會因為受市場關注度的增加而提高，但當公司所受到的關注更多來自于本地投資者時，公司股票定價效率不升反降。所有三個研究發(fā)現均表明，在A股市場中，行為偏差假說對本地偏差現象更具解釋能力。

總體而言，本文提出了一個簡便而有效的方法用以度量投資者在注意力與資產配置中的本地偏差現象。全國和地域性的百度指數均由百度公司官方發(fā)布，獲取方式簡單快捷，為本地偏差有關研究提供了可借鑒的研究手段。本文實證檢驗了信息優(yōu)勢假說和行為偏差假說對A股市場本地偏差現象的解釋能力，檢驗結果更符合行為偏差假說的預期，為本地偏差成因的學術討論提供了新的實證證據。本文研究驗證了投資者本地關注傾向對A股市場資產價格、資產定價過程以及市場效率的顯著影響，由行為偏差誘發(fā)的本地關注傾向提高了上市公司的風險溢價水平，強化了個股股價與市場、行業(yè)以及區(qū)域個股的同步性，并削弱了個股的定價效率，這些發(fā)現對投資實踐、公司財務決策以及監(jiān)管部門的政策制定均具有一定參考意義。