A股市场投资者处置效应分析

洪明顺

洪明顺

（福建师范大学经济学院，福建福州，350007）

[摘要]处置效应是一种投资者认知偏差所引起的非理性行为，投资者倾向于提前卖出获利的有价证券，而保留已亏损的有价证券。前景理论的“S”型的认知函数从效用函数方面有利地解释了投资者的处置效应行为。为了论证中国股票市场的处置效应，选取A股周价格指数来衡量股票价格的波动，每周A股持仓账户数来描述投资者的处置效应，得出结论：A股市场投资者存在处置效应。

[关键词]处置效应前景理论A股指数VAR模型

[作者简介]洪明顺（1987—），男，汉族，福建石狮人，福建师范大学经济学院世界经济学2011级硕士研究生，研究方向：国别经济比较研究。

[中图分类号]F064.2[文献标识码]A[文章编号]0439-8041（2013）09-00５９-0４

一、问题的提出

传统的金融学认为，投资者出于完全理性进行投资，投资者不因主观因素左右投资行为，投资行为是追求个人预期效用最大的过程。但实际情况并非如此，投资者存在系统性、经常性的理性偏离。处置效应（dispositioneffect）是一种投资者认知偏差引起的投资者非理性行为，表现为投资者在处置有价证券时，当投资者面临盈利时，倾向于卖出获利的有价证券，表现出一种风险厌恶者的心理特征；当投资者面临亏损时，倾向于保留已亏损的有价证券，表现出一种风险爱好者的心理特征。

本文根据前景理论（prospecttheory）分析投资者买卖有价证券时存在的处置效应，采用价值函数分析投资者面临盈利和亏损时的不同处置策略。再者，本文选取A股周收盘指数和每周A股期末持仓账户数进行计量分析，以致分析中国A股市场投资者的投资行为。

二、模型论证

行为金融学在传统金融学的基础上融入心理学、社会学等领域的理论知识，并运用于投资者实际决策行为中，从而解释金融学中某些非理性的投资行为。1979年Kahneman和Tversky提出前景理论，其中一个重要的应用在于其“S”型的价值函数有利的解释了投资者买卖有价证券时的处置效应。

（一）效用函数及投资者风险偏好

我们可以进一步用价值函数图解释风险厌恶者和风险偏好者的投资行为。经分析可知风险厌恶者的效用函数为凹函数，而风险偏好者的效用函数为凸函数。如图：

图1表示风险厌恶者的效用函数，其中W0+H0表示无风险投资收益，W0+H1和W0+H2表示风险投资的两种可能收益，其期望收益与无风险投资收益相等，风险厌恶者的效用函数为凹函数，期望收益为W0+H0的效用点为C1点，位于无风险效用点D1点的下方。

图2表示风险偏好者的效用函数，其中W0+H0表示无风险投资收益，W0+H1和W0+H2表示风险投资的两种可能收益，其期望收益与无风险投资收益相等，风险偏好者的效用函数为凸函数，期望收益为W0+H0的效用点为C2点，位于无风险效用点D2点的上方。

（二）“S”型价值函数下处置效应的产生

前景理论作为行为金融学的重要基石，其认为价值函数是“S”型，采用参考点（referencepoint）来作为投资盈利和亏损的判断标准：当投资价格高于参考点价格时（账面盈利），价值函数为凹函数，即投资者的效用函数为凹函数，此时投资者为风险厌恶者；当投资价格低于参考点价格时（账面亏损），价值函数为凸函数，即投资者的效用函数为凸函数，此时投资者为风险偏好者。

以下我们采用前景理论中“S”型价值函数分析投资者面对盈利和亏损时的不同处置措施，如图3：

图3表示前景理论中“S”型价值函数，其中原点W0表示投资者期初的财富值，当投资价格高于参考价格W0时，投资者账面盈利，此时假定风险投资的期望收益为W0+H0，则图中位于无风险效用点R1下方的I1点表示为该投资的风险效用u1，过I1点作一条与I1等效用的水平线交效用函数于S1点，则S1点与I1点对于风险厌恶型投资者的效用均为u1，所以当投资价格高于参考点W0时到达W1点时，此时风险厌恶型投资者主观上期望效用已经达到，交易心理上表现为卖出持有的有价证券。可见，在投资者账面盈利时，凹效用函数使得投资者提前卖出有价证券。

当投资价格低于参考价格W0时，投资者账面亏损，此时假定风险投资的期望收益为W0-h0，则图中位于无风险效用点R2上方的I2点表示为该投资的风险效用u2，此时投资者为风险偏好者，其效用未达到无风险效用点u2’，过R2点作一条与R2等效用的水平线，则当投资价格继续下降至W2时，风险偏好者的风险期望点为I2’，此时风险效用与R2点无风险效用u2’相等。可见，在投资者账面亏损时，凸效用函数使得投资者继续保留原亏损的有价证券。

通过前景理论的“S”型价值函数分析，可以发现证券投资者存在处置效应，即当证券价格高于参考点时，投资者账面盈利，倾向于提前卖出有价证券；当证券价格低于参考点时，投资者账面亏损，倾向于保留亏损的有价证券。

三、实证分析

（一）样本数据的选取和整理

为了分析行为金融学中关于投资者的处置效应，本文选取A股周价格指数来反应股票市场价格的波动，该指数由国泰君安股票交易软件得到。选取期末A股持仓账户数作为衡量A股指数波动投资者心理的影响。该数据来源于中国证券登记结算有限公司（http://www.chinaclear.cn/main/03/0303/030305/030305_9.html）。本文数据选取自2010年1月8日至2013年7月5日每周期末A股持仓账户数及A股周价格指数，共计183组数据，一般情况下每周交易由5个交易日组成，但由于节假日等原因，本文剔除周交易日不足5日的数据26组，得到157组有效数据。所得数据整理后得出A股周价格指数时间序列为PT，每周期末A股持仓账户数时间序列为CC。

（二）研究方法及思路

为了减小舍入误差，在模型分析前对数据进行自然对数处理。将A股周价格指数PT和每周期末A股持仓账户数CC分别作对数处理，处理后得到序列LNPT和序列LNCC。

首先，采用ADF检验分别检验LNPT与LNCC这对时间序列的平稳性。若LNPT与LNCC这对时间序列不平稳，对其差分，检验其平稳性。

其次，对LNPT与LNCC建立VAR模型，并对VAR模型进行平稳性检验。检验LNPT与LNCC是否具有协整关系。

最后，对LNPT与LNCC的Granger因果关系进行检验，采用脉冲响应函数，分析LNPT和LNCC的脉冲响应关系。

（三）计量分析

1.数据平稳性分析

在进行时间序列数据分析时，各时间序列数据理论上须达到平稳状态，才符合回归的基本假设，故本文在实证前对数据作平稳性检验，进行必要的差分，以确保时间序列的平稳性。对样本数据进行ADF检验后，结果如下：

表1ADF检验

从表1可以看到，在5％的显著性水平下，A股周价格指数LNPT序列和每周期末A股持仓账户数LNCC都存在单位根，均是不平稳序列。而LNPT一阶差分序列和LNCC一阶差分序列都拒绝“存在单位根”的原假设，均是平稳序列。

2.VAR模型的建立

由ADF检验可知，LNPT和LNCC均为一阶平稳序列，可对二者建立VAR模型，要建立VAR模型，首先要确定滞后期P值。依据AIC、SC信息准则，当滞后期为2时AIC=-13.5342为最小，当滞后期为2时，SC=-13.3927为最小，因此VAR模型中选择滞后期为2期。建立如下VAR模型：

LNCC=0.9488*LNCC(-1)+0.0375*LNCC(-2)-0.00813*LNPT(-1)+0.0181*LNPT(-2)+0.0403

R2=0.9916Adj.R2=0.9914F-Statistic=4430.38

LNPT=-1.8484*LNCC(-1)+1.7986*LNCC(-2)+0.9113*LNPT(-1)+0.0734*LNPT(-2)+0.5474

R2=0.9491Adj.R2=0.9477F-Statistic=698.75

从VAR模型的结果中可以看出第一个方程整体的R2=0.9916，F-Statistic=4430.38，第二个方程的R2=0.9490，F-Statistic=698.75，表明整体方程VAR估计结果显著，各个解释变量联合起来对被解释变量有显著的影响。

3.VAR模型稳定性检验

对于建立好的VAR模型应检验该模型是否稳定，我们采取AR根指标法则，若所建立的VAR模型的所有根的模均小于1，则该VAR模型是稳定的，反之则该VAR模型是无效的。

对该VAR模型进行AR根法则检验，得出模型AR根如下：

表2VAR模型的AR根指标

从表2可以看出，所有AR根的模均小于1，即所有模型的根均落于单位圆内，因而VAR模型满足稳定性条件。

4.协整检验

由前面的检验可知，LNPT和LNCC均是原序列不平稳，一阶差分序列d(LNPT)和d(LNCC)是平稳序列，说明序列LNPT和LNCC均为一阶单整，需要进一步检验序列之间是否存在协整关系。我们采用JohansenCointegrationTest对LNPT和LNCC序列进行协整检验，结果如下：

表3LNPT和LNCC的协整检验结果

表3表明，在5%的显著水平下，LNPT和LNCC拒绝“不存在协整关系”的原假设，不能拒绝“至少存在一个协整关系”的原假设。于是表明LNPT和LNCC仅存在一个协整向量。说明A股周价格指数LNPT和每周期末A股持仓账户数LNCC之间存在长期稳定的均衡关系。

5.Granger因果检验

这里分析A股周价格指数LNPT与每周期末A股持仓账户数LNCC的Granger因果关系。检验时，为了考虑不同滞后阶数对Granger因果检验结果的影响，本文分别对不同的滞后期进行检验。检验结果整理如下：

表4LNPT和LNCC的Granger因果检验

由表4可知，在5%的显著水平下，滞后期为1-4期的情况下，“LNPT不是LNCC的Granger原因”的原假设均被拒绝，即LNPT是LNCC的Granger原因；“LNCC不是LNPT的Granger原因”的原假设不能被拒绝，即LNCC不是LNPT的Granger原因。所以，仅存在从A股周价格指数LNPT到每周期末A股持仓账户数LNCC的单向因果关系。

6.脉冲响应函数

脉冲响应函数分析方法是用来描述一个时间序列对由误差项所带来的一个标准差大小的冲击后各时间序列的反应，即当某个内生变量受到的一个标准差大小的外部冲击，对其当期值和未来值所产生的影响程度。

为了进一步分析A股周价格指数LNPT与每周期末A股持仓账户数LNCC之间的动态关系。需要在已建立的VAR模型基础上利用脉冲响应函数来分析LNPT与LNCC在受到冲击后的反应形态。

由Granger因果检验得知，仅存在LNPT是LNCC的Granger原因，因此我们仅分析当A股周价格指数LNPT受到一标准差大小的冲击时，每周期末A股持仓账户数LNCC的脉冲响应曲线。图4中曲线是对VAR（2）模型的脉冲响应函数曲线，横轴表示滞后期数，纵轴表示内生变量对冲击的响应程度。

图4LNCC对一个标准差LNPT冲击的脉冲响应曲线

从图4可以看出，当本期给A股周价格指数LNPT一标准差大小的正冲击后，每周A股持仓账户数LNCC随着时间逐渐减少，并在第2周时达到最小值，然后开始逐步增大，在第5周时，为正数，并逐渐增大。这说明了A股周价格指数的上涨会使得每周期末A股持仓账户数逐渐减少，表现为投资者卖掉手中持有的股票，即当股票价格高于投资者参考点价格时，投资者倾向于提前卖掉手中的股票，符合处置效应预期。

四、结论及启示

第一，根据前景理论的“S”型价值函数分析得出处置效应，当证券价格高于参考点价格时，投资者账面盈利，此时投资者的效用函数为凹函数，交易心理表现为风险厌恶者，于是投资者将会提前卖出有价证券；当证券价格低于参考价格时，投资者账面亏损，此时投资者的效用函数为凸函数，交易心理表现为风险偏好者，于是投资者将会保留亏损的有价证券。

第二，通过对A股周价格指数和每周期末A股持仓账户数的分析，发现二者之间存在长期稳定的均衡关系，仅存在A股周价格指数是每周期末A股持仓账户数的Granger原因，根据脉冲响应图像分析得出，当给A股周价格指数一个标准差的正冲击，即当A股周价格指数上涨时，每周期末A股持仓账户数逐渐减少，而后逐渐增加。这说明了，当A股周价格指数上涨时，投资者提前卖掉手中持有的股票，表明A股市场存在行为金融学中的处置效应。

第三，处置效应在投资市场中普遍存在，因此对于投资者应调整自己的心理，在亏损时候及时止损，避免出现“风险偏好”的心理，以致套牢而造成更多的损失；在盈利时应调整自身投资心理，防止出现提前出手盈利有价证券的不理性行为。作为投资者加强证券投资方面知识的学习，改正错误的投资习惯，降低由认知偏差引起的处置效应对投资决策的影响。

主要参考文献：

[1]罗勃·席勒(RobertJ.Shiller).非理性繁荣.译者:廖理等[M].北京：中国人民大学出版社，2004

[2]赵学军，王永宏.中国股市“处置效应”的实证分析[J].金融研究，2001，7：92-97

[3]王美今.我国证券投资者的处置效应[J].中山大学学报,2005,6：55-63

[4]钱贤，冯芸.基于处置效应的股票价格波动模型和仿真[J].安徽工业大学学报,2006，3：341-345

[5]杨青.证券市场投资者处置效应理论与实证研究综述[J].山西大学学报(哲学社会科学版),2007，2：115-118

[6]陈磊，曾勇.基于股市下跌背景的处置效应研究[J].管理科学,2005，3

（责任编辑：张曦）

AnAnalysisonDispositionEffectofA-shareMarketInvestors

HONG-Mingshun

Abstract:Dispositioneffectisairrationalbehaviorcausedbyinvestorscognitivebias，Investorstendtosellprofitablesecuritiesahead，butRetainsecuritieslosses.ProspectTheory"S"typeofcognitivefunctionisadvantageousfromautilityfunctiontoexplainthebehaviorofinvestorsDispositionEffect.InordertodemonstrateChinesestockmarketdispositioneffect,weselectA-sharesweekclosingindextomeasurethevolatilityofstockprices,A-shareaccountsweeklynumberofpositionstodescribetheinvestor'sdispositioneffect,anddrawaconclusion:A-sharemarketinvestorsexistdispositioneffect.

Keywords:DispositionEffect；ProspectTheory；A-shareIndex;VARmodel