林忠國， 于仰志， 魏瑀含

（天津大學(xué)管理與經(jīng)濟學(xué)部， 天津 300072）

傳統(tǒng)資產(chǎn)定價理論認為非系統(tǒng)風險可以通過分散化投資予以抵消，股票的收益主要與系統(tǒng)性風險相關(guān)，投資者不能因承擔非系統(tǒng)性風險而獲得補償，即特質(zhì)波動率（Idiosyncratic Volatility，IVOL）對資產(chǎn)定價不起作用[1-3]。由于傳統(tǒng)的資產(chǎn)定價模型建立在一系列嚴格假設(shè)基礎(chǔ)之上，例如有效市場，而現(xiàn)實中的所有金融市場均達不到完全有效[4]，所以IVOL在資產(chǎn)定價方面可能起作用（特質(zhì)波動率定價在本文指的是IVOL與預(yù)期收益率的關(guān)系）。Ang等[5-6]對美國和G30市場進行實證研究發(fā)現(xiàn)，在控制公司規(guī)模、賬面市值比、動量、流動性和交易摩擦等因素后，IVOL與預(yù)期收益率的負相關(guān)關(guān)系仍存在，由于至今尚無完美的解釋，被稱為“特質(zhì)波動率之謎”。

針對IVOL與預(yù)期收益率的關(guān)系，國內(nèi)外學(xué)者開展了大量研究，得出了二者之間正相關(guān)、負相關(guān)或不相關(guān)的結(jié)論，從流動性、異質(zhì)信念、收益反轉(zhuǎn)、投資者關(guān)注度、噪音交易等角度嘗試對二者的關(guān)系進行解釋。在影響特質(zhì)波動率定價的眾多因素中，信息是非常重要的因素。Black[7]認為股價包含信息和噪音：當投資者以所持有的私有信息進行交易，信息進入到股價，此時高IVOL為信息功能效率的體現(xiàn)[8]，高IVOL意味著股價中含有更多的信息[9]，表現(xiàn)為IVOL與預(yù)期收益率負相關(guān)；當投資者誤將所持有的噪音作為信息進行交易，噪音進入到股價，此時高IVOL意味著高風險和社會福利的損失[4]，表現(xiàn)為IVOL與預(yù)期收益率正相關(guān)[10]。

隨著計算機技術(shù)和信息技術(shù)的飛速發(fā)展，投資者的信息獲取與交換方式也在發(fā)生變化?；ヂ?lián)網(wǎng)帶來的復(fù)雜且豐富的渠道深刻改變了傳統(tǒng)新聞媒體的新聞生產(chǎn)與新聞生態(tài)[11]?；ヂ?lián)網(wǎng)媒體其新聞數(shù)量可能要高于傳統(tǒng)媒體，但是傳統(tǒng)媒體存在的時間長，信息的可信度要高于互聯(lián)網(wǎng)媒體。依據(jù)獲取到的信息，投資者進行交易進而影響資產(chǎn)價格。已有研究發(fā)現(xiàn)，傳統(tǒng)報刊報道的數(shù)量和情感傾向會影響股票交易量和價格[12-18]。此外，社交媒體也蘊含著豐富的信息，可以預(yù)測股票價格、提供股價中未反映的信息[19-20]。

由以上分析可知，信息在資產(chǎn)定價中的作用不可忽視。以往文獻[12-21]多集中于信息作為定價因子的作用，較少關(guān)注信息對特質(zhì)波動率定價的影響。IVOL包含除傳統(tǒng)定價因子之外的其他所有因子，同時也是信息或噪音的反映[7]，因而研究特質(zhì)波動率定價以及信息所起的作用，對認識資產(chǎn)價格的形成規(guī)律具有重要的意義。此外，不同信息源的信息發(fā)布速度和頻率、信息傳遞方式和權(quán)威性等方面不同，導(dǎo)致其受眾和信息解讀方式不同，其對特質(zhì)波動率定價的影響也可能不同，因此有必要探討異質(zhì)信息源對特質(zhì)波動率定價的影響。

本文構(gòu)建代表信息的知情交易概率指標（Volumesynchronized Probability of Informed Trading，VPIN），研究其對特質(zhì)波動率定價的影響，同時選取有代表性的股吧論壇、網(wǎng)絡(luò)財經(jīng)新聞和傳統(tǒng)報刊財經(jīng)新聞這三種信息源，研究其在特質(zhì)波動率定價中的作用。本文的貢獻主要有以下三個方面。一是引入股吧帖子、網(wǎng)絡(luò)新聞和傳統(tǒng)報刊這三種異質(zhì)信息源，分析和比較了其對特質(zhì)波動率定價的影響，豐富了資產(chǎn)定價方面的理論和實證。本文研究表明，股吧信息源在解釋特質(zhì)波動率定價方面起作用，其他兩種信息源的解釋作用不明顯。二是通過本研究，可以為投資者構(gòu)建組合策略進行盈利，投資者可以持有低IVOL的股票，賣出高IVOL的股票實現(xiàn)無風險套利。三是為監(jiān)管者制定相應(yīng)的策略以建設(shè)健康、透明、有效的資本市場提供科學(xué)依據(jù)，監(jiān)管者應(yīng)加強在社交媒體、網(wǎng)絡(luò)媒體等方面的信息監(jiān)管，防止不實信息與虛假信息的傳播。

一、 研究假設(shè)與研究設(shè)計

（一） 研究假設(shè)

1. 特質(zhì)波動率與預(yù)期收益率的關(guān)系

關(guān)于IVOL與預(yù)期收益率的關(guān)系，主要存在三種觀點。第一種觀點認為兩者負相關(guān)，此類觀點始于Ang等[5-6]的工作，隨后大量研究嘗試從公司基本面和宏觀經(jīng)濟等角度探索特質(zhì)波動率之謎。例如，有學(xué)者認為IVOL是對異質(zhì)信息的度量，高IVOL的股票價格被高估，在未來價格回歸正常，因而兩者呈負相關(guān)關(guān)系[22-24]；Fu[25]認為負相關(guān)是由高IVOL股票的收益反轉(zhuǎn)所致；Malagon等[26]認為IVOL是投資性和盈利性指標的度量，在考慮投資性和盈利性指標后，負相關(guān)關(guān)系減弱；Qadan 等[27]認為IVOL代表投資者的風險厭惡水平和經(jīng)濟不確定性，發(fā)現(xiàn)高風險厭惡水平和經(jīng)濟不確定性會削弱負相關(guān)關(guān)系；Hur 等[28]發(fā)現(xiàn)投資者關(guān)注度低的股票，負相關(guān)關(guān)系更顯著。

第二種觀點認為IVOL與預(yù)期收益率正相關(guān)。理論模型和實證研究表明，當投資者的投資組合無法充分分散化時，IVOL是風險的度量，表現(xiàn)為IVOL與預(yù)期收益率正相關(guān)[25，29-32]。部分學(xué)者認為高IVOL意味著高噪音，高噪音增加了不確定性，因而投資者要求高收益[33-34]。

第三種觀點認為IVOL與預(yù)期收益率存在協(xié)調(diào)關(guān)系。例如，有學(xué)者認為負相關(guān)是因為錯誤定價，正相關(guān)是因為無法分散的風險[35-36]。Liu[37]將IVOL分解為短期和長期兩部分，發(fā)現(xiàn)短期IVOL與預(yù)期收益率正相關(guān)，長期IVOL與預(yù)期收益率負相關(guān)，正相關(guān)是因為投資者因為承擔無法分散化的特質(zhì)風險而要求補償，負相關(guān)則是因為長期IVOL隱含較低的系統(tǒng)性風險。

根據(jù)上文綜述，如果IVOL在一定程度上代表著信息，其會與預(yù)期收益率負相關(guān)；如果IVOL在一定程度上代表著無法分散的特質(zhì)風險，其會與預(yù)期收益率正相關(guān)。鑒于國內(nèi)外主流文獻大多支持第一種和第二種觀點，加之我國資本市場個人投資者占比較高，因此IVOL與預(yù)期收益率相關(guān)性可能較強，本文提出如下競爭性假設(shè)。

H1a：IVOL與預(yù)期收益率負相關(guān)；

H1b：IVOL與預(yù)期收益率正相關(guān)。

2. 信息對特質(zhì)波動率定價的影響

如上文所述，以有效市場理論為基點，可以從信息的角度認識IVOL與預(yù)期收益率的關(guān)系。投資者擁有的不完全信息可以在很大程度上解釋IVOL與預(yù)期收益率的關(guān)系[38]。Yang等[39]構(gòu)建了異常IVOL指標以衡量信息風險，發(fā)現(xiàn)信息風險參與資產(chǎn)定價。Chen等[40]認為IVOL包含噪音，雖然噪音不是特質(zhì)波動率之謎的成因，但其能夠削弱IVOL與預(yù)期收益率的負相關(guān)關(guān)系。

在我國市場上，投資者獲取信息的渠道主要有社交媒體、網(wǎng)絡(luò)和報刊等。作為社交媒體的一種形式，股吧為投資者提供交流場所，其帖子的發(fā)出者為投資者本身，因而蘊含了豐富的信息和情緒。常青青[41]基于東方財富股吧帖子分析用戶的互動數(shù)量與股票流動性的關(guān)系，王愛群等[42]從股吧情緒和股吧意見一致性兩方面實證檢驗了社交媒體對分析師行為的影響。當然，股吧帖子也可能充斥著虛假信息和小道消息，所以從信息質(zhì)量和權(quán)威性比可能不如網(wǎng)絡(luò)財經(jīng)新聞與傳統(tǒng)報刊財經(jīng)新聞信息源。

互聯(lián)網(wǎng)帶來的復(fù)雜且豐富的渠道深刻改變了傳統(tǒng)新聞媒體的新聞生產(chǎn)與新聞生態(tài)[11]。網(wǎng)絡(luò)財經(jīng)新聞是眾多財經(jīng)媒體在互聯(lián)網(wǎng)上發(fā)布的，其既保持了客觀性的同時，也利于信息的快速傳播，但由于其信息發(fā)布的頻率較高，在權(quán)威性方面可能低于傳統(tǒng)報刊新聞，受到投資者的關(guān)注有限。王曉丹等[43]也認為互聯(lián)網(wǎng)新聞媒體的關(guān)注度和情感指標對我國股票市場的運行均有一定的影響。而報刊作為傳統(tǒng)的信息源，雖然數(shù)量和信息發(fā)布頻率不如網(wǎng)絡(luò)新聞，但更具權(quán)威性，更易受投資者關(guān)注。Huang等[44]發(fā)現(xiàn)報紙中含有足夠的信息來衡量宏觀經(jīng)濟政策的不確定性。來自不同渠道的信息具有不同的特點，因此在檢驗IVOL與預(yù)期收益率的關(guān)系時，需要考慮異質(zhì)信息源的影響。

由于上市公司可以在股吧發(fā)布公司公告并且直接與投資者進行交流，而且投資者也可以在股吧中分享報刊新聞或網(wǎng)絡(luò)新聞中的信息，因此股吧信息源中的信息豐富程度要高于報刊信息源與網(wǎng)絡(luò)新聞信息源。此外，考慮我國市場以個人投資者為主，相對于機構(gòu)投資者和分析師，個人投資者更關(guān)注股吧論壇，故提出以下兩個假設(shè)。

H2：信息可以減弱IVOL對股票預(yù)期收益率的影響。

H3：相對于網(wǎng)絡(luò)財經(jīng)新聞與傳統(tǒng)報刊財經(jīng)新聞，股吧帖子對IVOL與預(yù)期收益率的關(guān)系影響更大。

（二） 研究設(shè)計

1. 樣本選擇

本文選取2011—2020年我國A股市場制造業(yè)所有股票作為研究對象，剔除退市和停牌的股票，且要求每月至少有17個交易日，總計獲得2 339支股票147 238條月度觀測。研究所需數(shù)據(jù)，如股吧貼子、網(wǎng)絡(luò)新聞與報刊財經(jīng)新聞等數(shù)據(jù)來自CNRDS數(shù)據(jù)庫，其余數(shù)據(jù)來自于CSMAR數(shù)據(jù)庫。

由前文可知，主要的信息源有三種：傳統(tǒng)報刊信息源、網(wǎng)絡(luò)財經(jīng)媒體信息源以及社交媒體信息源。傳統(tǒng)報刊信息源包括《中國證券報》《上海證券報》《證券日報》等主流新聞媒體，是最早的新聞傳播途徑，其新聞形式更為正式，內(nèi)容也更具權(quán)威性。網(wǎng)絡(luò)信息源則包括和訊網(wǎng)、新浪財經(jīng)、FT中文網(wǎng)、財新網(wǎng)等主流網(wǎng)絡(luò)財經(jīng)媒體，這些都是隨著互聯(lián)網(wǎng)發(fā)展逐漸興起的網(wǎng)絡(luò)新聞平臺，對信息的傳播起著重要的作用。社交媒體信息源有微博、股吧等社交媒體平臺。微博上有關(guān)上市公司的信息較少，只有少量上市公司開通官方賬號，代表性不夠高。東方財富股吧的信息，無論在用戶數(shù)量還是在活躍度方面都要優(yōu)于微博，更具有代表性。此外，東方財富股吧論壇既是信息發(fā)布者又是投資者交流的平臺，因此選擇東方財富股吧作為社交媒體信息源的代表。

2. 變量構(gòu)建

（1） 特質(zhì)波動率。根據(jù)以往文獻[33，36]，采用 Fama-French三因子模型構(gòu)建月度IVOL。在任一j月內(nèi)的交易日t，用個股i的超額收益(Rjit-Rjft)對市場組合因子(Rjmt-Rjft)、市值因子SMBjt和賬面市值比因子HMLjt做時間序列回歸，模型基本形式為

由模型得到的殘差標準差與交易天數(shù)平方根的乘積作為股票i在j月的特質(zhì)波動率IVOLji，具體公式為

（2） 知情交易概率。本文以同步交易量的知情交易概率衡量信息[45]，該指標不需要對參數(shù)進行估計，只需要買入與賣出的交易量即可計算，且可以調(diào)整計算的時間區(qū)間。按如下方法構(gòu)建VPIN，先將任意一天總交易量平均分為n份，每份為一個交易籃子，具體表達式為

式中：t（τ）為第τ交易籃子中最后的時間限制；i為最小的時間間隔；Vi為i時刻的交易量；Pi為i時刻的價格；σΔP為每個籃子中股票價格變動量的標準差；Z為標準正態(tài)分布的累積分布函數(shù)。式（3）與式（4）表明，如果在相同的時間內(nèi)價格從起點到終點都沒有發(fā)生變化，那么就把這個時間限制內(nèi)的交易量分為相等的買賣交易量，如果價格上漲，就賦更多的權(quán)重于買量。V為每個籃子內(nèi)的等交易量；n為區(qū)間內(nèi)（如1天）的交易籃子數(shù)，本文n取8。

（3） 信息數(shù)量和情感傾向。本文將股吧（SF）、網(wǎng)絡(luò)財經(jīng)媒體（NET）和傳統(tǒng)報刊 （NEWS）每月新增的信息數(shù)量作為信息因子，SF為股吧帖子總數(shù)，NET為網(wǎng)絡(luò)新聞總數(shù)，NEWS為傳統(tǒng)報刊財經(jīng)新聞總數(shù)。同時考慮情感傾向占比，以H、M和L分別代表正面、中性和負面三種情感傾向，例如SFH代表每月正面傾向的帖子數(shù)占所有帖子數(shù)的比例。

（4） 控制變量。根據(jù)文獻[36，46-47]，選取公司規(guī)模、賬面市值比、動量因子與非流動性因子作為控制變量，其定義如下。

公司規(guī)模（SIZE）。包括公司總資產(chǎn)的自然對數(shù)、賬面市值比（BM）（公司股票的市值與賬面價值的比值）、動量因子（MOM）（以t—9到t—1月內(nèi)股票累積收益率作為t月的動量因子）、非流動性因子（ILLIQ），參考Amihud[48]構(gòu)建方式構(gòu)建，具體方法如下

式中：i代表第i支股票，j代表j月。Dji為第i只股票在j月內(nèi)的交易天數(shù)；Rjit為第i只股票在j月內(nèi)第t個交易日的考慮現(xiàn)金紅利再投資的收益率；VOLjit為交易金額（元）。

3. 研究方法

（1） 投資組合分析方法。本文采用投資組合分析方法對IVOL與預(yù)期收益率（R）的關(guān)系以及異質(zhì)信息源對特質(zhì)波動率定價的影響進行分析。單因素投資組合分析：在j月，按照IVOL大小分為5組，組內(nèi)按流通市值加權(quán)構(gòu)建投資組合，考察j+1月時投資組合收益率，檢驗最高與最低組收益率的差值是否顯著為0，如果顯著小于0，則說明二者呈負向關(guān)系，也就驗證了假設(shè)H1a；如果顯著大于0，則說明二者呈正向關(guān)系，也就驗證了假設(shè)H1b。雙因素投資組合分析：在j月，首先按照IVOL大小將股票平均分為5組，在每組內(nèi)再根據(jù)信息特征（數(shù)量或情感傾向）平均分為5組，共產(chǎn)生25組投資組合，在j+1月考察投資組合的收益率。在每個IVOL分組中，檢驗最高與最低信息源特征組合收益率的差值是否顯著為0；在每個信息源特征分組中，檢驗最高與最低IVOL組合收益率的差值是否顯著為0，若IVOL組合的收益率差值（絕對值）隨著信息比率的增加而逐漸增加，則說明信息能在一定程度上解釋IVOL定價，也就驗證了假設(shè)H2，否則拒絕假設(shè)H2。之后對比三種信息源對IVOL與預(yù)期收益率關(guān)系的影響程度，如果SF的影響程度高于NET與NEWS，則驗證了假設(shè)H3，否則拒絕假設(shè)H3。

在報告投資組合分析法的結(jié)果時，用Dif表示最高組與最低組收益率的差值。IVOLL表示IVOL最低的分組，IVOLH表示IVOL最高的分組。對應(yīng)信息變量的上標L表示該種信息變量最低，H則表示該種信息變量最高，如VPINL表示VPIN最低的分組，VPINH表示VPIN最高的分組?？紤]到如果報告全部二維分組結(jié)果，文章表格數(shù)量將太過冗余，因此只報告IVOL與異質(zhì)信息源數(shù)量的二維分組結(jié)果。

（2） Fama-Macbeth兩步回歸法。投資組合分析雖然可以檢驗IVOL與R的關(guān)系以及異質(zhì)信息的作用，但無法控制其他因素（例如公司規(guī)模、賬面市值比和流動性）的影響，導(dǎo)致結(jié)果可能存在偏差，因而采用Fama-Macbeth回歸方法以控制其他因素的影響，其包括以下兩步回歸。

在任意j月，用當月所有股票的IVOL以及其他控制變量對j+1月的收益率進行截面回歸，研究IVOL對R的影響，回歸方程的基本形式為

式中：Xj,,i為控制變量的集合，包括SIZE、BM、MOM和ILLIQ。

在所有月份，對式（7）中的系數(shù)βj（時間序列）進行雙尾t檢驗，若為負，IVOL與R負相關(guān)，則假設(shè)H1a成立；若為正，IVOL與R正相關(guān)，則假設(shè)H1b成立。為排除異方差和序列自相關(guān)性對參數(shù)估計的影響，使用Newey-West統(tǒng)計量進行檢驗[49]。

為檢驗異質(zhì)信息源對特質(zhì)波動率定價的影響，在式（7）中加入信息數(shù)量（情感傾向）變量，以及其與IVOL的交乘項，模型基本形式為

式中：IF為異質(zhì)信息源的數(shù)量（情感傾向），代表VPIN、SF、SFH等變量。如信息影響特質(zhì)波動率定價，則系數(shù)β2顯著不為0，假設(shè)H2成立；如果信息不影響特質(zhì)波動率定價，則系數(shù)β2為0，假設(shè)H2不成立。如果回歸結(jié)果中，僅SF參與回歸時的β2顯著不為0，NET與NEWS參與回歸時β2為0，則H3成立，否則假設(shè)H3不成立。

二、 描述性統(tǒng)計結(jié)果

為避免極端值的影響，對數(shù)據(jù)進行1%與99%的縮尾處理。表1為主要變量的描述性統(tǒng)計結(jié)果。R代表收益率，均值為0.01，標準差為0.12，表明公司間的月度收益率存在較大差異。IVOL均值為0.08，標準差為0.04。VPIN的平均數(shù)與中位數(shù)相同，且標準差很小，說明知情交易在個股間差異較小。三種異質(zhì)信息源中，股吧信息數(shù)量明顯高于網(wǎng)絡(luò)新聞和傳統(tǒng)報刊新聞數(shù)量。觀察三種信息源的情感傾向占比，股吧帖子的負面傾向占比最高，而網(wǎng)絡(luò)新聞與傳統(tǒng)報刊新聞?wù)鎯A向占比最高。控制變量方面，公司規(guī)模經(jīng)自然對數(shù)調(diào)整后平均值為15.68，標準差為1.01，最大值與最小值之間差距較大；賬面市值比平均值為0.43，標準差為0.29；動量因子均值為0.03，標準差為0.32，具有較大的波動；非流動性指標均值為0.05，標準差為0.06，說明多數(shù)股票流動性良好。

表1 變量描述性統(tǒng)計

表2報告了主要變量之間的Pearson相關(guān)系數(shù)。IVOL與R之間呈負相關(guān)，表明我國股市可能存在特質(zhì)波動率之謎。VPIN與R正相關(guān)，可能因為VPIN是私有信息的度量，私有信息的獲取是有成本的，所以投資者要求相應(yīng)的補償。SF、NET與R呈負相關(guān)關(guān)系，而NEWS與R呈正相關(guān)關(guān)系，說明不同信息源對收益率的影響是不同的。此外，由IVOL和VPIN負相關(guān)，以及IVOL和SF、NET、NEWS可以推斷：IVOL一定程度上包含了公開信息而非私有信息。

表2 主要變量Pearson相關(guān)系數(shù)

續(xù)表2

三、 研究結(jié)果

（一） 投資組合分析結(jié)果

1. 單變量分組結(jié)果

表3報告了按照特質(zhì)波動率分組的投資組合的R。隨著IVOL的增加，投資組合的R降低，高IVOL組合與低IVOL組合的收益率之差為-1.58%，在1%水平上顯著。本文結(jié)果與Ang等[5]一致，初步驗證了假設(shè)H1a中IVOL和R的負相關(guān)關(guān)系。

表3 IVOL分組的一維投資組合的月度平均收益率

2. 雙變量分組結(jié)果

（1）IVOL與VPIN分組結(jié)果。表4報告了按VPIN和IVOL共同分組的R。在每個VPIN分組中，高IVOL組合比低IVOL組合的R低，其差值（絕對值）隨VPIN增加而增大，說明私有信息可能是導(dǎo)致特質(zhì)波動率之謎的原因，同時VPIN包含更多的利空信息交易。在每個IVOL分組下，高VPIN組比低VPIN組的收益高，這與相關(guān)性分析的觀點一致：私有信息的獲取是有成本的，因而投資者要求相應(yīng)的補償，雙變量分組結(jié)果初步肯定了假設(shè)H2中信息能減弱IVOL對R的影響的假設(shè)。

（2）IVOL和股吧信息源分組結(jié)果。表5報告了按股吧帖子信息源和IVOL共同分組的預(yù)期收益率。表5顯示，在每個SF分組中，高IVOL組比低IVOL組的預(yù)期收益率低，其差值（絕對值）隨SF增加而增大，說明SF可能是導(dǎo)致特質(zhì)波動率之謎的原因；在每個IVOL分組中，高SF組比低SF組預(yù)期收益率低，表明風險隨信息（SF）增加而降低，投資者要求的補償減少。

表5 IVOL與SF二維分組

關(guān)于情感傾向，由于空間有限，相應(yīng)的結(jié)果未制表報告，二維分組結(jié)果顯示，隨SFH增加，高IVOL組與低IVOL組預(yù)期收益的差值整體上呈增加趨勢，表明利好消息的釋放有助于投資者從中獲利；隨SFM增加，整體上高IVOL組與低IVOL組的預(yù)期收益的差值（絕對值）增加，中性消息并非好消息，其可能被投資者視為利空消息，導(dǎo)致收益下降；隨SFM增加，整體上高IVOL組與低IVOL組預(yù)期收益（絕對值）的增加，表明利空消息的傳播和擴散使得投資者減少相應(yīng)公司股票的持有數(shù)量，導(dǎo)致收益下降。根據(jù)表1，由于SFM和SFL的占比將近70%，高IVOL組與低IVOL組預(yù)期收益率的差值隨著SF增加而減少。

（3）IVOL與NET分組結(jié)果。表6報告了按NET和IVOL共同分組的預(yù)期收益率。控制IVOL，網(wǎng)絡(luò)新聞數(shù)量對預(yù)期收益率并無顯著影響（最后一列）；控制網(wǎng)絡(luò)新聞數(shù)量，高IVOL組比低IVOL組預(yù)期收益率低。整體上，隨網(wǎng)絡(luò)新聞數(shù)量增加，高IVOL組與低IVOL組預(yù)期收益率的差值沒有明顯的單向遞增或遞減關(guān)系。IVOL與網(wǎng)絡(luò)新聞情感傾向的二維分組結(jié)果與同網(wǎng)絡(luò)新聞數(shù)量二維分組的結(jié)果一致，此處不再贅述。與SF不同，NET并沒有提供額外的信息，進而影響特質(zhì)波動率定價。原因可能有以下幾點：相比于SF這種投資者自發(fā)性的話題討論形式，NET可能無法引起投資者的注意和興趣，因而沒有傳達有效的信息；NET的數(shù)量遠遠低于SF帖子數(shù)量，提供的信息有限；網(wǎng)絡(luò)新聞中，正面情感傾向占比將近50%，向市場傳遞了更多的利好消息，掩蓋了利空消息的釋放。

表6 IVOL與NET二維分組

（4）IVOL與NEWS分組結(jié)果。對傳統(tǒng)報刊新聞進行分析，得到的結(jié)果與NET相似（見表7），不再贅述。需要注意的是，NEWS的數(shù)量遠遠低于SF和NET的數(shù)量，表明隨著互聯(lián)網(wǎng)的高速發(fā)展，信息的獲取方式正在由傳統(tǒng)媒體向新媒體轉(zhuǎn)變。

表7 IVOL與NEWS二維分組

綜上，針對假設(shè)H3，本文初步認為SF會影響IVOL與R的關(guān)系，而NET和NEWS對IVOL與R的關(guān)系沒有影響。

（二） Fama-Macbeth截面回歸結(jié)果

為進一步量化信息在特質(zhì)波動率定價中的作用，采用IVOL等變量對R進行Fama-Macbeth截面回歸。

1. 不考慮異質(zhì)信息源回歸結(jié)果

表8報告了在不考慮SF、NET和NEWS等異質(zhì)信息源條件下，IVOL與R的關(guān)系。模型1和2中的IVOL系數(shù)為負，即IVOL高的股票在未來有更低的收益，表明我國股票市場存在特質(zhì)波動率之謎，驗證了假設(shè)H1a。對于控制變量，SIZE和BM效應(yīng)不顯著；ILLIQ的系數(shù)顯著為正，表明流動性越高的股票，有更多的信息融入至股價，導(dǎo)致價格的提高和收益的降低；MOM的系數(shù)顯著為負，表明我國股市存在一定的反轉(zhuǎn)效應(yīng)。

表8 IVOL定價檢驗

表9報告了VPIN特質(zhì)波動率定價的影響。模型1和2考慮了VPIN及其與IVOL的交乘項，發(fā)現(xiàn)IVOL的系數(shù)不再顯著，模型1中交乘項的系數(shù)顯著為負，但在加入控制變量后，模型2中交乘項的系數(shù)不再顯著。VPIN的增加對特質(zhì)波動率之謎有減弱作用，驗證了假設(shè)H2，結(jié)論與前文投資組合分析一致。

表9 VPIN下IVOL與R的關(guān)系

2. 考慮異質(zhì)信息源后回歸結(jié)果

表10報告了在式（8）中納入異質(zhì)信息源后的回歸結(jié)果。由模型1可知，當加入SF及其與IVOL的交乘項后，IVOL的系數(shù)變得不顯著，且交乘項系數(shù)為負，表明股吧帖子數(shù)量可以解釋IVOL與R的負相關(guān)關(guān)系；考察情感傾向?qū)μ刭|(zhì)波動率定價的影響，由模型2可知，當納入SFH之后，IVOL的系數(shù)仍然顯著為負，表明在對特質(zhì)波動率定價的影響方面，股吧帖子數(shù)量比情感傾向的作用更大。模型3和模型4報告了考慮NET的情況下，IVOL與R的關(guān)系。無論是加入NET還是NETH，IVOL的系數(shù)仍顯著為負，表明網(wǎng)絡(luò)新聞提供的信息沒有影響特質(zhì)波動率定價，具體原因見上文，不再贅述。模型5和模型6報告了考慮NEWS的情況下，IVOL與R的關(guān)系。在兩個模型中，無論是加入報刊新聞數(shù)量還是情感傾向，IVOL的系數(shù)均顯著為負，表明傳統(tǒng)報刊新聞也無法解釋特質(zhì)波動率之謎。

表10 異質(zhì)信息源下IVOL與R的關(guān)系

續(xù)表10

3.穩(wěn)健性檢驗

表11報告了穩(wěn)健性檢驗的結(jié)果，模型1到模型3對SF進行了穩(wěn)健性檢驗，模型1與模型2分別用SFM和SFL替換SFH，結(jié)果表明當納入SFM占比后，IVOL的系數(shù)仍然顯著為負；納入SFL后，IVOL的系數(shù)不顯著。模型3同時考慮了股吧帖子數(shù)量和情感傾向，發(fā)現(xiàn)SF與IVOL交乘項系數(shù)顯著為負，并且IVOL的系數(shù)不顯著，再次表明股吧帖子數(shù)量對特質(zhì)波動率定價的影響更大。結(jié)合投資組合分析的結(jié)果，可以認為特質(zhì)波動率定價之謎某種程度上是由其所包含的信息所致，股吧作為投資者交流的論壇，有利于信息的傳播，所以股吧帖子數(shù)量削弱了IVOL與R的負相關(guān)關(guān)系。

表11 異質(zhì)信息源下IVOL與R的關(guān)系穩(wěn)健性檢驗

模型4到模型6對NET進行了穩(wěn)健性檢驗。在所有模型中，無論是替換網(wǎng)絡(luò)新聞情感傾向因子還是將新聞數(shù)量和情感傾向同時考慮，IVOL的系數(shù)顯著為負，再次表明網(wǎng)絡(luò)新聞提供的信息沒有影響特質(zhì)波動率定價。

模型7到模型9對NEWS進行了穩(wěn)健性檢驗。在所有模型中，無論是替換報刊新聞情感傾向因子還是將報刊新聞數(shù)量和情感傾向同時考慮，IVOL的系數(shù)顯著為負。雖然相對于股吧帖子和網(wǎng)絡(luò)新聞，傳統(tǒng)報刊權(quán)威性更強，但因為我國股市以個人投資者為主以及報刊新聞的時效性較低，所以投資者關(guān)注度較低。較低的關(guān)注度導(dǎo)致報刊新聞提供的信息沒有通過交易反映在股價中，進而不影響特質(zhì)波動率定價。

綜上，本研究發(fā)現(xiàn)IVOL與R存在負相關(guān)關(guān)系，反映私有信息交易的VPIN因子可以削弱這種負相關(guān)關(guān)系。針對假設(shè)H3，SF可以在一定程度上解釋特質(zhì)波動率之謎，而NET與NEWS則不能解釋特質(zhì)波動率之謎。投資者的注意力是有限的，特別是對個人投資者而言，其只能依靠自己收集市場中的信息，因此異質(zhì)信息源對特質(zhì)波動率定價的影響存在差異。

四、 結(jié) 論

本文以2011—2020年我國A股上市公司作為研究對象，對我國股票市場是否存在特質(zhì)波動率之謎進行了檢驗，并構(gòu)建VPIN，分析了其對特質(zhì)波動率之謎的影響，同時檢驗了SF、NET和NEWS這三種異質(zhì)信息源在特質(zhì)波動率定價中的作用。

通過投資組合分析法和Fama-Macbeth截面回歸法研究發(fā)現(xiàn)：我國股票市場存在特質(zhì)波動率之謎；VPIN對特質(zhì)波動率定價具有一定的削弱作用，表明信息可以降低IVOL對R的影響；SF、NET和NEWS這三種異質(zhì)信息對特質(zhì)波動率定價的影響存在差異，SF削弱了特質(zhì)波動率定價的現(xiàn)象，而NET和NEWS對特質(zhì)波動率定價沒有影響。

基于我國股市存在特質(zhì)波動率之謎的結(jié)論，投資者可以通過賣空低IVOL組合、買入高IVOL組合獲利?；ヂ?lián)網(wǎng)技術(shù)的發(fā)展、網(wǎng)絡(luò)媒體和社交媒體平臺的出現(xiàn)，豐富了信息傳播和擴散的渠道，考慮到不同渠道的信息含量及被重視程度存在差異，投資者在構(gòu)建交易策略時應(yīng)考慮異質(zhì)信息源的影響，特別要重視股吧等社交媒體的信息。此外，監(jiān)管者應(yīng)重視社交媒體平臺的輿情管理工作，加強對虛假信息和不實信息的監(jiān)管，理性引導(dǎo)投資者情緒，建設(shè)公開、透明、健康發(fā)展的資本市場。

由于數(shù)據(jù)限制，本文沒有考慮異質(zhì)信息源中的信息交叉問題，而交叉信息可能更加受投資者關(guān)注，進而對特質(zhì)波動率定價的影響更大，后續(xù)研究將考慮信息交叉問題。