張?jiān)戚x 程顯茗

摘?要：在傳統(tǒng)資產(chǎn)定價(jià)理論的基礎(chǔ)上，通過(guò)數(shù)理推導(dǎo)的方式將影響資產(chǎn)定價(jià)的公司橫截面因素與資本市場(chǎng)因素結(jié)合形成雙因素模型，用其貝塔值代替?zhèn)鹘y(tǒng)CAPM模型的貝塔值測(cè)度噪聲交易風(fēng)險(xiǎn)，用改造的噪聲交易量指數(shù)NTVI測(cè)度噪聲交易風(fēng)險(xiǎn)中的行為貝塔值。通過(guò)滬深兩市A股的股票進(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明我國(guó)股票市場(chǎng)存在噪聲交易風(fēng)險(xiǎn)，雙因素CAPM模型測(cè)量的噪聲交易風(fēng)險(xiǎn)與收益的可決系數(shù)大于傳統(tǒng)CAPM模型測(cè)量的噪聲交易風(fēng)險(xiǎn)與收益的可決系數(shù)，顯示雙因素CAPM模型對(duì)噪聲交易風(fēng)險(xiǎn)的測(cè)度優(yōu)于傳統(tǒng)CAPM模型。

關(guān)?鍵?詞：雙因素模型;行為金融;噪聲交易;噪聲交易量指數(shù)

DOI：10.16315/j.stm.2020.03.005

中圖分類號(hào)： F?83091

文獻(xiàn)標(biāo)志碼： A

Risk measurement of stock market noise transaction based on two?factor model

ZHANG Yun?hui，?CHENG Xian?ming

（School of Economics and Management， Harbin University of Science and Technology， Harbin 150040， China）

Abstract：Based on the theory of traditional asset pricing， this paper combines the cross?sectional factors influencing asset pricing with capital market factors to form a two?factor model by means of mathematical reasoning， instead of using traditional CAPM beta measures to deal with noise risk， The noise trading volume index NTVI measures the noise in the transaction risk in the behavior of the beta value. At the same time， using the stock of Shanghai and Shenzhen A shares in January 2009 to December 2016 empirical test， the results show that Chinas stock market risk of noise trading， two?factor CAPM model noise trading risk and earnings of the coefficient is greater than the traditional CAPM model noise trading risk and the yield of the available coefficient， showing that the two?factor CAPM model on the risk of noise measurement is better than the traditional CAPM model.

Keywords：two?factor model; behavioral finance; noise trading; noise trading volume index

傳統(tǒng)的資產(chǎn)定價(jià)理論基于有效市場(chǎng)假設(shè)，認(rèn)為金融市場(chǎng)的參與者都是理性人，并擁有充分信息，然而這一理論在解釋現(xiàn)實(shí)的問(wèn)題時(shí)，卻遇到了困難。實(shí)驗(yàn)經(jīng)濟(jì)學(xué)對(duì)非理性情況進(jìn)行了研究，并將其應(yīng)用在金融市場(chǎng)的參與者行為當(dāng)中。傳統(tǒng)資產(chǎn)定價(jià)理論由于在其中并沒(méi)有考慮交易者行為的問(wèn)題，所以沒(méi)有衡量噪聲交易者風(fēng)險(xiǎn)，那么傳統(tǒng)的資產(chǎn)定價(jià)理論對(duì)市場(chǎng)的解釋可能會(huì)被弱化，這已達(dá)成共識(shí)。行為金融學(xué)在引入噪聲交易者后能夠較好地解釋噪聲交易產(chǎn)生的原因。我國(guó)學(xué)者探討了我國(guó)噪聲交易的一些特點(diǎn)，張樂(lè)等[1]認(rèn)為噪聲交易不管在我國(guó)市場(chǎng)還是比較先進(jìn)的西方金融市場(chǎng)中都是客觀存在的，尤其是我國(guó)證券市場(chǎng)中存在數(shù)量龐大的散戶投資者，并且認(rèn)為即使是具備技術(shù)與更多信息支撐的機(jī)構(gòu)投資者，也不能避免出現(xiàn)噪聲交易行為。陳春春[2]探討了信息不對(duì)稱情況下，噪聲交易加大了我國(guó)股票市場(chǎng)的交易風(fēng)險(xiǎn)，并且噪聲交易存在顯著的月歷效應(yīng)。季俊偉等[3]發(fā)現(xiàn)在滬銅期貨市場(chǎng)交易中噪聲交易的影響呈漸進(jìn)趨向弱式有效態(tài)勢(shì)，較長(zhǎng)時(shí)間噪聲交易對(duì)其市場(chǎng)有效性的確具有弱促進(jìn)作用。許汝俊[4]發(fā)現(xiàn)券商分析師對(duì)其分倉(cāng)客戶重倉(cāng)股具有明顯的高評(píng)價(jià)現(xiàn)象，證明了噪聲交易確實(shí)在我國(guó)市場(chǎng)中存在。陳很榮等[5]針對(duì)證券交易市場(chǎng)中非理性交易者和理性交易者決策進(jìn)行對(duì)比，得出噪聲交易者比重越高，則證券市場(chǎng)被破壞就越嚴(yán)重，市場(chǎng)上非理性行為越盛行，而占比較小的理性交易商對(duì)于證券價(jià)格掌控力越弱。李學(xué)峰等[6]通過(guò)對(duì)我國(guó)市場(chǎng)進(jìn)行分析研究得出市場(chǎng)長(zhǎng)期走勢(shì)不受噪聲交易影響，但噪聲交易會(huì)增加市場(chǎng)的短期波動(dòng)。劉艷萍等[7]認(rèn)為我國(guó)股市散戶眾多，在信息不對(duì)稱情況下，更容易產(chǎn)生非理性決策。汪宜霞等[8]通過(guò)研究我國(guó)證券市場(chǎng)得出新股首日溢價(jià)嚴(yán)重現(xiàn)象往往是由于噪聲交易產(chǎn)生。蘇東蔚[9]認(rèn)為證券市場(chǎng)執(zhí)行成本和價(jià)格波動(dòng)幅度會(huì)因?yàn)樵肼暯灰锥玫皆龃螅⑶以肼暯灰滓矔?huì)提升整體市場(chǎng)活躍程度，市場(chǎng)有效性相對(duì)削弱。

由于個(gè)人的非理性導(dǎo)致行為偏差亦或是獲取信息的過(guò)程中由于信息不對(duì)稱形成錯(cuò)誤的認(rèn)識(shí)，使噪聲交易者對(duì)資產(chǎn)價(jià)格的認(rèn)知偏離其基本價(jià)值，在EMH（efficent market hyphothesis）理論看來(lái)，當(dāng)噪聲交易者對(duì)資產(chǎn)價(jià)格的錯(cuò)誤認(rèn)識(shí)使其偏離其基本價(jià)值時(shí)，信息交易者會(huì)進(jìn)行套利活動(dòng)，使背離基本價(jià)值的價(jià)格回歸到正常水平。然而，對(duì)于套利活動(dòng)楊盛[10]認(rèn)為受到交易者風(fēng)險(xiǎn)態(tài)度變化限制，阮青松等[11]認(rèn)為套利活動(dòng)受到時(shí)間約束限制以及李科等[12]認(rèn)為套利活動(dòng)受到政府賣(mài)空交易限制，從而使噪聲交易風(fēng)險(xiǎn)在金融市場(chǎng)中一直存在。在金融市場(chǎng)中，當(dāng)噪聲交易者的勢(shì)力大于信息交易者占主導(dǎo)地位時(shí)，資產(chǎn)的價(jià)格就會(huì)趨于噪聲交易者所估計(jì)的價(jià)格。

傳統(tǒng)的金融理論并未考慮噪聲交易風(fēng)險(xiǎn)，而B(niǎo)lack[13]認(rèn)為在市場(chǎng)交易中，噪聲交易者占有相當(dāng)大的比例。他們根據(jù)虛假信號(hào)來(lái)評(píng)估資產(chǎn)價(jià)值，干擾了市場(chǎng)對(duì)資產(chǎn)基本價(jià)值的評(píng)估，理性的信息交易者會(huì)從事套利活動(dòng)，因此傳統(tǒng)資產(chǎn)定價(jià)理論CAPM對(duì)資產(chǎn)的價(jià)格的估值是不完全的。在這種情況下，Shefrin等[14]建立了BAPM（behavioral asset pricing model）模型，將整個(gè)金融市場(chǎng)上的交易者分為噪聲交易者與信息交易者，金融市場(chǎng)中資產(chǎn)的價(jià)格在這兩類交易者的共同作用下形成。當(dāng)信息交易者在金融市場(chǎng)中占絕大部分比例時(shí)則傳統(tǒng)資產(chǎn)定價(jià)理論CAPM成立，證券的風(fēng)險(xiǎn)溢價(jià)由傳統(tǒng)貝塔系數(shù)與市場(chǎng)組合的風(fēng)險(xiǎn)溢價(jià)決定，如果金融市場(chǎng)中包含大量的噪聲交易者時(shí)則CAPM的傳統(tǒng)貝塔βCi系數(shù)中內(nèi)含著噪聲交易風(fēng)險(xiǎn)，因此如果想測(cè)度噪聲交易風(fēng)險(xiǎn)必須求的BAPM的去除噪聲的行為貝塔βBi系數(shù)，兩者之差為噪聲交易風(fēng)險(xiǎn)，即NTR=βCi-βBi。但在測(cè)度噪聲交易風(fēng)險(xiǎn)時(shí)，由于傳統(tǒng)的資產(chǎn)定價(jià)CAPM模型中的市場(chǎng)組合并沒(méi)有明確影響風(fēng)險(xiǎn)溢價(jià)因素的個(gè)數(shù)與影響因素所代表的具體經(jīng)濟(jì)意義，從而扭曲了測(cè)度的市場(chǎng)噪聲交易風(fēng)險(xiǎn)[15];因此，本文通過(guò)理論推導(dǎo)的方式將公司橫截面因素與資本市場(chǎng)因素結(jié)合形成雙因素資產(chǎn)定價(jià)CAPM模型，使傳統(tǒng)CAPM模型中影響風(fēng)險(xiǎn)溢價(jià)的因素的經(jīng)濟(jì)含義更加明確，并用其代替?zhèn)鹘y(tǒng)的資產(chǎn)定價(jià)CAPM模型測(cè)度噪聲交易者風(fēng)險(xiǎn)，這也是本文的主要?jiǎng)?chuàng)新點(diǎn)。

1?雙因素模型的變量關(guān)系

1.1?資本市場(chǎng)因素與公司橫截面因素對(duì)資產(chǎn)收益的影響

令Pi，t為資產(chǎn)i在t時(shí)刻的每股價(jià)格，Ei，t為資產(chǎn)i在t時(shí)刻的每股收益，Bi，t為資產(chǎn)i在t時(shí)刻的每股凈資產(chǎn)，rit為資產(chǎn)i從t到t+Δt時(shí)刻的收益率，則

Pi，t=Pi，tEi，t×Ei，tBi，t×Bi，t。

令Pi，tEi，t=Qi，t，Ei，tBi，t=Ni，t，則

Pi，t=Qi，t×Ni，t×Bi，t。（1）

對(duì)式（1）微分可得：

ΔPi，t=ΔQi，t×Ni，t×Bi，t+ΔNi，t×Qi，t×Bi，t+ΔBi，t×Qi，t×Ni，t。

則資產(chǎn)i在t時(shí)刻的每股收益率ri，t為

ri，t=ΔPi，tPi，t=ΔQi，tQi，t+ΔNi，tNi，t+ΔBi，tBi，t。

令ΔBi，tBi，t=rBi，t，ΔNi，tNi，t=rNi，t，ΔQi，tQi，t=rMi，t，則

ri，t=ΔPi，tPi，t=rBi，t+rNi，t+rMi，t，。

由于股價(jià)盈利比Qi，t與盈利資本比Ni，t都是資本市場(chǎng)因素直接作用的結(jié)果，令

rLi，t=rNi，t+rMi，t，ROEi，t=rBi，t。

則

ri，t=ΔPi，tPi，t=ROEi，t+rLi，t。

對(duì)上式兩邊求期望，計(jì)E（ri，t）=ri，E（ROEi，t）=ROEi，E（rLi，t）=rLi，可得

ri=ROEi+rLi。（2）

式（2）表明資產(chǎn)i的收益率由兩部分組成，一是公司凈資產(chǎn)收益率ROEi，由公司橫截面因素決定;另一個(gè)是市場(chǎng)交易收益率rLi，受資本市場(chǎng)因素的影響。

1.2?均衡市場(chǎng)交易收益率rLi推導(dǎo)

假設(shè)（σLi）2表示資產(chǎn)i市場(chǎng)交易收益率rLi的方差，σLi表示資產(chǎn)i市場(chǎng)交易收益率rLi的標(biāo)準(zhǔn)差，COV（ri，rj）表示資產(chǎn)i的市場(chǎng)交易收益率與資產(chǎn)j的市場(chǎng)交易收益率的協(xié)方差，（σLM）2表示由N個(gè)資產(chǎn)組成的市場(chǎng)組合M的方差，rLM表示由N個(gè)資產(chǎn)組成的市場(chǎng)組合M的收益率。Xi表示資產(chǎn)i在市場(chǎng)組合M中所占的比重。

則（σLM）2與rLM的計(jì)算式如下：

rLM=∑Ni=1（XirLi），

（σLM）2=∑Ni=1X2i（σLi）2+∑Ni=1∑NXiXjcov（ri，rj）。

均衡市場(chǎng)交易收益率rLi的最優(yōu)解為在下列等式下求的投資組合的最優(yōu)權(quán)重Xi使得G最小

G=（σLM）2+γ[rLM-∑Ni=1（XirLi）]。

令dGdXi=0（i=1，2，3，4，…，N），對(duì)上述方程進(jìn)行求解、化簡(jiǎn)與推導(dǎo)，推導(dǎo)過(guò)程參照CAPM過(guò)程可得：

rLi=cov（rLi，rLM）（σLM）2rLM，

令cov（rLi，rlM）（σLM）2=β2i，其中β2i中的2代表第2個(gè)變量因子，i代表資產(chǎn)，則

ri=ROEi+β2irLM，

由于rLM=rM-ROEM，則

ri=ROEi+β2i（rM-ROEM）。

其中：ROEi為資產(chǎn)i的凈資產(chǎn)收益率，ROEM為市場(chǎng)組合M的凈資產(chǎn)收益率，rM為市場(chǎng)組合的市場(chǎng)收益率。

1.3?紅利派發(fā)情況下的基于資本市場(chǎng)因素與公司橫截面因素的兩因子模型

實(shí)際中，由于公司都存在派發(fā)紅利的情況，因此基礎(chǔ)價(jià)值收益率部分的會(huì)通過(guò)紅利的形式從凈資產(chǎn)收益率ROEi中減少。假設(shè)資產(chǎn)i在t到t+Δt之間派發(fā)的紅利為hit，并且hit=φitΔBi，t，φit表示現(xiàn)金紅利率（0φit1），則公式變?yōu)槿缦拢?/p>

ΔPi，t=ΔQi，t×Ni，t×Bi，t+ΔNi，t×Qi，t×Bi，t+（ΔBi，t-hi，t）×Qi，t×Ni，t。

則

ri，t=ΔPi，t+hi，tPi，t=

ΔQi，t×Ni，t×Bi，t×ΔNi，t×Qi，t×Bi，t+（ΔBi，t-φi，tΔBi，t）×Mi，t×Ni，t+φi，tΔBi，tPi，t=

ΔQi，tQi，t+ΔNi，tNi，t+ΔBi，t-φi，tΔBi，tBi，t+φi，tQi，t×Ni，t×ΔBi，tBi，t=

ΔMi，tMi，t+ΔNi，tNi，t+（1-φi，t+φi，tMi，t·Ni，t）ΔBi，tBi，t。

令1-φi，t+φi，tMi，t·Ni，t=β1i，則ri，t=β1iROEi，t+rLi，t。

對(duì)等式兩邊求期望，計(jì)E（rit）=ri，E（ROEit）=ROEi，E（rLi，t）=rLi，則

ri=β1iROEi+β2i（rm-β1mROEm）。

基于以上理論推導(dǎo)，可以證明資產(chǎn)價(jià)格受到基于公司橫截面因素的凈資產(chǎn)收益率ROEi與基于市場(chǎng)因素的rm影響。因此利用基于資本市場(chǎng)因素與公司橫截面因素的兩因素CAPM模型替代傳統(tǒng)的CAPM模型求噪聲交易者風(fēng)險(xiǎn)，使影響資產(chǎn)定價(jià)的因素為公司凈資產(chǎn)收益率ROEi與市場(chǎng)組合的市場(chǎng)收益率rM，相較于傳統(tǒng)的CAPM模型經(jīng)濟(jì)含義更加明確。

2?數(shù)據(jù)處理與實(shí)證分析

2.1?數(shù)據(jù)選取

利用銳思金融數(shù)據(jù)庫(kù)（Resset），選取2011年1月到2018年12月的滬深兩市A股股票交易價(jià)格、股票收益率、股票月交易量、滬市與深市A股指數(shù)數(shù)據(jù)等指標(biāo)。由于金融機(jī)構(gòu)具有不同的資本負(fù)債結(jié)構(gòu)，所以將其排除。為了排除一些特殊股票的影響，樣本中剔除了ST與PT公司。無(wú)風(fēng)險(xiǎn)利率是投資進(jìn)行無(wú)風(fēng)險(xiǎn)借貸時(shí)的利率，由于我國(guó)的國(guó)債大多是中長(zhǎng)期的，所以用其作為無(wú)風(fēng)險(xiǎn)利率不合適，同時(shí)由于滬深兩市的個(gè)人投資者占多數(shù)，對(duì)個(gè)人投資者而言，投資機(jī)會(huì)包括儲(chǔ)蓄、購(gòu)買(mǎi)國(guó)債、購(gòu)買(mǎi)股票，而儲(chǔ)蓄在投資比例中占有很大的部分，所以本文選擇3個(gè)月的定期存款作為無(wú)風(fēng)險(xiǎn)利率。

2.2?噪聲交易量指數(shù)NTVI計(jì)算

Rariah等[16]提出用動(dòng)量指數(shù)（dynamic volume index簡(jiǎn)稱DVI）測(cè)度BAPM中的貝塔系數(shù)。動(dòng)量指數(shù)DVI的構(gòu)造的主要依據(jù)是證券的交易量，證券的交易量可以反映投資者的情緒，交易量在平均值以上的被認(rèn)為是消費(fèi)者偏好的證券，也是被認(rèn)為最有可能存在噪聲交易者風(fēng)險(xiǎn)的。盡管大量的文獻(xiàn)證明噪聲交易會(huì)導(dǎo)致交易量上升[17-19]，但是反過(guò)來(lái)證券交易量的上升不一定是由噪聲交易引起的。因此，僅僅利用證券的交易量大于平均值的選擇標(biāo)準(zhǔn)來(lái)測(cè)度噪聲交易者風(fēng)險(xiǎn)顯然存在較大的誤差，需要從證券原始交易量中分離出與噪聲交易有關(guān)的交易量。因此，本文選擇噪聲交易量指數(shù)（noise trading volume index）測(cè)度BAPM中的貝塔系數(shù)，其計(jì)算式定義如下：

NTVIt=∑rnoiseitPit∑rnoisei0Pi0I0。

其中：γnoiseit和γnoisei0分別為t時(shí)刻與0時(shí)刻選入構(gòu)建NTVIt的股票的噪聲交易量，Pit和Pi0分別表示股票在t時(shí)刻與0時(shí)刻的收盤(pán)價(jià)，I0為調(diào)整因子。NTVIt之所以用開(kāi)根號(hào)的形式是由于交易量γnoiseit與價(jià)格Pit都包含噪音，兩者相乘則會(huì)把包含的噪音放大，因此采用根號(hào)的形式來(lái)減少誤差，本文選擇2012年1月至2018年12月滬深A(yù)股股票月度平均收益率測(cè)度噪聲交易量指數(shù)。

本文采用BJS方法對(duì)時(shí)間序列檢驗(yàn)，該方法是Black、Jenson與Scholes提出的，步驟如下：將時(shí)間分為2個(gè)時(shí)期：2011年1月至2011年12月，2012年1月到2018年12月;利用第1時(shí)期的股票月度數(shù)據(jù)計(jì)算單個(gè)股票的貝塔系數(shù);根據(jù)第2時(shí)期數(shù)據(jù)計(jì)算出來(lái)的貝塔系數(shù)按照從小到大的順序排列，然后均分成20份，構(gòu)成20個(gè)投資組合;采用第2期的數(shù)據(jù)，對(duì)投資組合中個(gè)股的月度收益率計(jì)算其平均值求的投資組合的月度收益率，并將投資組合的月度收益率與市場(chǎng)收益率進(jìn)行回歸求出投資組合的風(fēng)險(xiǎn)貝塔。其步驟如下：

1）單個(gè)股票貝塔系數(shù)的計(jì)算。根據(jù)2011年1月至2011年12月的單只股票數(shù)據(jù)，計(jì)算出每個(gè)股票的月收益率，然后回歸如下的時(shí)間序列模型，計(jì)算出每一只股票的貝塔值。

Rit-rft=αi+βi（Rmt-rft）+εit。

其中：rit為證券i在時(shí)刻t的收益率;rft為t時(shí)刻的無(wú)風(fēng)險(xiǎn)利率;ai為回歸的截距項(xiàng);Rmt為市場(chǎng)組合在t時(shí)刻的收益率，用滬深A(yù)股指數(shù)每個(gè)月的平均值表示;εit為隨機(jī)誤差項(xiàng)。

2）雙因素CAPM模型、傳統(tǒng)CAPM與BAPM模型貝塔系數(shù)的計(jì)算。根據(jù)2012年1月到2018年12月的投資組合的月度數(shù)據(jù)回歸模型（3）、（4）、（5），β2i、βci、βBi的回歸結(jié)果如下：

rit=β1iROEit+β2i（rmt-β1mROEmt），（3）

rit-rft=αi+βci（rmt-rft）+εit，（4）

rit-rft=αi+βBi（rBmt-rft）+εit。（5）

其中：rit為投資組合i在第t個(gè)月的算術(shù)平均收益率，ROEit為投資組合i在第t個(gè)月的算術(shù)凈資產(chǎn)收益率，rmt為受市場(chǎng)因素影響的市場(chǎng)收益率，用滬深A(yù)股指數(shù)每個(gè)月的平均值表示，ROEm為所有投資組合的凈資產(chǎn)收益率的平均值，rft為t時(shí)刻的無(wú)風(fēng)險(xiǎn)利率，ai為回歸的截距項(xiàng)，βci為傳統(tǒng)貝塔，βBi為行為貝塔系數(shù)，rBmt為行為市場(chǎng)組合在t時(shí)刻的收益率，用噪聲交易量指數(shù)（NTVI）進(jìn)行測(cè)度;εit為隨機(jī)誤差項(xiàng)，模型回歸系數(shù)，如圖1所示。

2.3?對(duì)噪聲交易風(fēng)險(xiǎn)的顯著性檢驗(yàn)

將基于公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型的貝塔值與行為貝塔值帶入式NTR=β2i-βBi與NTR=βci-βBi可以得到噪聲交易者風(fēng)險(xiǎn)，結(jié)果如表1所示。

由公式NTR=β2i-βBi與NTR=βci-βBi計(jì)算出的投資組合的噪聲交易者風(fēng)險(xiǎn)得到噪聲交易風(fēng)險(xiǎn)后，就可以對(duì)股市的噪聲交易風(fēng)險(xiǎn)進(jìn)行顯著性檢驗(yàn)。檢驗(yàn)的模型如下：

E（Ri）-rf=α[E（β2i）-E（βBi）]。

其中：E（Ri）為股票的收益率，rf為無(wú)風(fēng)險(xiǎn)利率，E（β2i）為基于公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型的貝塔值，E（βBi）為BAPM模型測(cè)度出的貝塔值，E（β2i）-E（βBi）即為噪聲交易者風(fēng)險(xiǎn)NTR，如果NTR顯著，則認(rèn)為股市存在噪聲交易者風(fēng)險(xiǎn)，其回歸結(jié)果計(jì)算如下。

1）基于公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型投資組合的噪聲交易風(fēng)險(xiǎn)與收益的回歸結(jié)果為

E（Ri）-rf=0.032 959-0.035 26[E（β2i）-E（βBi）]。

（12.468 63）（0.320 229）R2=0.580 11。

2）基于傳統(tǒng)的CAPM模型的組合的噪聲交易風(fēng)險(xiǎn)與收益的回歸結(jié)果為

E（Ri）-rf=0.032 372-0.001 859[E（βCi）-E（βBi）]。

（13.543 49）（-0.282 21）R2=0.352 64。

基于以上結(jié)果，兩個(gè)模型的噪聲交易風(fēng)險(xiǎn)在10%的顯著性水平下對(duì)投資組合的收益都有顯著影響，這表明我國(guó)股票市場(chǎng)存在噪聲交易風(fēng)險(xiǎn)。而且基于公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型的可決系數(shù)大于傳統(tǒng)的CAPM模型的可決系數(shù)，即R2=0.580 11>R2=0.352 64，因此本文推導(dǎo)的公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型對(duì)噪聲交易者風(fēng)險(xiǎn)的測(cè)度優(yōu)于傳統(tǒng)的CAPM模型。

3?實(shí)證結(jié)果分析與結(jié)論

利用基于公司橫截面因素與資本市場(chǎng)因素結(jié)合的雙因素CAPM模型和基于行為市場(chǎng)組合的BAPM模型對(duì)我國(guó)股市的噪聲交易風(fēng)險(xiǎn)進(jìn)行測(cè)度，發(fā)現(xiàn)我國(guó)股市存在明顯的噪聲交易風(fēng)險(xiǎn)，其主要原因：

1）由于我國(guó)實(shí)施的融資融券交易啟動(dòng)了中國(guó)股市的做空交易機(jī)制，由于融資融券的標(biāo)的股票數(shù)量有限，限制了機(jī)構(gòu)投資者的套利行為，甚至有時(shí)使其做空交易無(wú)法實(shí)施，資產(chǎn)的價(jià)格無(wú)法回歸其基本價(jià)值。加上融資融券的杠桿作用，使股市的風(fēng)險(xiǎn)與波動(dòng)成倍數(shù)形式的放大，而且我國(guó)股市中個(gè)體投資者占多數(shù)，它們往往具有很大的盲目性，隨意跟風(fēng)在金融市場(chǎng)形成“羊群效應(yīng)”，造成股市的大起大落。

2）我國(guó)股市的個(gè)體投資者比重過(guò)高，由于個(gè)體投資者的專業(yè)水平、市場(chǎng)經(jīng)驗(yàn)、以及獲取信息的準(zhǔn)確性與及時(shí)性方面都遠(yuǎn)遠(yuǎn)落后于機(jī)構(gòu)投資者，這使他們成為股市噪音的巨大來(lái)源。同時(shí)這些散戶大都進(jìn)行短期套利而不是進(jìn)行長(zhǎng)期投資，其更注重股價(jià)的波動(dòng)來(lái)獲取短期利益而不是以公司的長(zhǎng)期股利取得資本收益，這樣更會(huì)加重股價(jià)波動(dòng)的隨意性;而且，個(gè)體投資者比例巨大，有主導(dǎo)股市行情的作用，對(duì)于投機(jī)者制造的錯(cuò)誤信息有推波助瀾的作用，造成股市大漲大跌，這一切都造成了股市的巨大噪音。

3）國(guó)內(nèi)股市的改革是在政府的主導(dǎo)下進(jìn)行的，不是自發(fā)的誘導(dǎo)形成的，這造成了我國(guó)股市的政策市現(xiàn)象嚴(yán)重，同時(shí)由于政府的政策往往難以預(yù)測(cè)且?guī)в泻艽蟮碾S機(jī)性從而使股市的不確定性增加。政府作為國(guó)有資產(chǎn)的代表在股市中占有很大比例，政府這種特殊的交叉角色，使政府還有維持市場(chǎng)繁榮的責(zé)任，這使得股市的“政策市”現(xiàn)象更加嚴(yán)重，由于這種特殊的股市制度的存在，所以股市中必然包含很大的噪聲成分。

基于以上分析，本文得出以下結(jié)論：中國(guó)股市存在的噪聲交易風(fēng)險(xiǎn)的作用機(jī)制與西方發(fā)達(dá)市場(chǎng)并沒(méi)有本質(zhì)的區(qū)別，由于中國(guó)金融市場(chǎng)特殊的體制機(jī)制的存在，使得我國(guó)股市噪聲交易存在的規(guī)模大、影響的時(shí)間長(zhǎng)，并且扭曲了股市價(jià)格偏離正常的水平。如果噪聲交易引起的系統(tǒng)性風(fēng)險(xiǎn)長(zhǎng)期存在，則使得我國(guó)股市的資源配置機(jī)能、價(jià)格發(fā)現(xiàn)功能、風(fēng)險(xiǎn)分配的功能以及政府政策傳遞的功能將大大減弱;因此，應(yīng)該運(yùn)用行為金融理論與噪聲交易理論對(duì)我國(guó)股市的噪聲交易者風(fēng)險(xiǎn)從根源上進(jìn)行治理。

參考文獻(xiàn)：

[1]?張樂(lè)，李好好.我國(guó)證券市場(chǎng)中的噪聲交易研究：基于一個(gè)“機(jī)構(gòu)噪聲交易者—散戶噪聲交易者模型”的分析[J].中國(guó)管理科學(xué)，2008，16（S1）：340.

[2] 陳春春.噪聲交易與股票流動(dòng)性：兼對(duì)“正（負(fù)）相關(guān)”理論的評(píng)析及“流動(dòng)性黑洞”現(xiàn)象的解釋[J].南方經(jīng)濟(jì)，2019（2）：51.

[3] 季俊偉，傅強(qiáng)，張興敏.滬銅期貨噪聲交易與漸進(jìn)有效性[J].管理評(píng)論，2019，31（2）：17.

[4] 許汝俊.分倉(cāng)基金重倉(cāng)股與分析師薦股評(píng)級(jí)樂(lè)觀傾向研究：來(lái)自行為金融視角的新證據(jù)[J].經(jīng)濟(jì)與管理，2018，32（6）：63.

[5] 陳很榮，吳沖鋒.基于噪聲交易理論的對(duì)策博弈分析[J].預(yù)測(cè)，2001，20（1）：40.

[6] 李學(xué)峰，王兆宇，李佳明.噪聲交易與市場(chǎng)漸進(jìn)有效性[J].經(jīng)濟(jì)學(xué)（季刊），2013，12（3）：914.

[7] 劉艷萍，于然.投資者情緒傳染、非理性決策與股市危機(jī)[J].科技與管理，2017，19（2）：68.

[8] 汪宜霞，夏新平.噪聲交易者與IPO溢價(jià)[J].管理科學(xué)，2007，20（3）：91.

[9]?蘇冬蔚.噪聲交易與市場(chǎng)質(zhì)量[J].經(jīng)濟(jì)研究，2008，（9）：82.

[10]?楊盛.噪聲交易者和業(yè)績(jī)導(dǎo)向套利對(duì)基金的影響[J].中國(guó)外資，2012（4）：212.

[11] 阮青松，胡之波.時(shí)間偏好不一致對(duì)經(jīng)理人激勵(lì)約束機(jī)制的影響研究[J].上海管理科學(xué)，2011，33（3）：94.

[12] 李科，徐龍炳，朱偉驊.賣(mài)空限制與股票錯(cuò)誤定價(jià)：融資融券制度的證據(jù)[J].經(jīng)濟(jì)研究，2014，49（10）：165.

[13] BLACK F.Estimating expected return[J]. Financial analysts journal，1993，49（5）：36.

[14] SHEFRIN H，STATMAN M.Behavioral capital asset pricing theory[J].Journal of financial and quantitative analysis，1994，29（3）：323.

[15] 李曉渝，茍宇.行為資產(chǎn)定價(jià)實(shí)證研究：中國(guó)股票市場(chǎng)噪聲交易者風(fēng)險(xiǎn)測(cè)度[J].南開(kāi)經(jīng)濟(jì)研究，2006（3）：54.

[16] RARIAH V，DAVIDSON S.Noise trader and a behavioural asset pricing model： australian evidence[J]. Working Papers of RMIT University，2003：574.

[17] BROWN G W.Volatility， sentiment， and noise traders[J].Financial Analysts Journal，1999，55（2）：82.

[18] ODEAN T.Are investors reluctant to realize their losses？[J].The Journal of finance，1998，53（5）：1775.

[19] LAKONISHOK J，SHLEIFER A，VISHNY R W.The impact of institutional trading on stock prices[J].Journal of financial economics，1992，32（1）：23.

[編輯：厲艷飛]