2019级股票错误定价的行为金融学分析及交易策略应用-清华五道口MBA

2019级股票错误定价的行为金融学分析及交易策略应用

2020年09月08日

信息来源：

浏览次数：

打印

从左至右依次为：田宇、杨小忱、张亦弛、胡治东

本文为清华－康奈尔双学位金融MBA2019级“数据分析与创业决策”课程报告，作者是第二十一小组：田宇（组长）、杨小忱、张亦弛、胡治东。授课教师：余剑峰。余教授现为清华大学五道口金融学院建树金融学讲席教授、清华大学金融科技研究院副院长、清华大学国家金融研究院资产管理研究中心主任。2014-2015年期间为清华大学五道口金融学院的访问教授。2011年起是美国联邦储蓄银行（达拉斯）的研究员。他主要从事行为金融和宏观金融的理论和实证研究，研究成果已经发表在多份学术刊物，例如，美国经济评论、金融期刊、金融经济期刊、货币经济期刊、管理科学和动态经济评论等。余教授获得中国科技大学概率统计学学士，耶鲁大学统计学硕士和宾夕法尼亚大学沃顿商学院的金融学博士。他的研究成果曾获得多项奖项，其中包括 Smith-Breeden一等奖。

股票错误定价的行为金融学分析及交易策略应用

摘要：在过去数十年中，学者们对于股票定价模型、股票价格波动理论等方面的研究层出不穷。本报告先以股票市场存在的股票错误定价现象作为切入点，结合近期相关实证研究简要总结了学界关于股票错误定价的研究观点，并系统地整理了A股市场股票错误定价的相应案例，以证明研究股票错误定价现象的重要性和必要性。在第二部分中，本报告结合传统金融理论和行为金融理论对股票错误定价现象进行了阐述；特别地，本报告重点结合行为金融理论中的市场情绪理论，对股票错误定价的深层次机理进行了论证，并辅以完整的实证研究成果作为论证支持。在第三部分中，本报告结合市场情绪理论的研究成果观点，设计了应用市场情绪理论后的优化交易策略，分步展开了详细介绍。综上，本报告得出的结论为：在对市场情绪和股票分类有充分的回归分析后，可采取如下套利交易策略：在市场情绪高的时候减少持有或停止购买高投机性的股票，而在市场情绪低的时候增加或保持高投机性股票的配置，以赚取超额收益。

关键词：股票错误定价；行为金融学；市场情绪

第一章股票错误定价现象分析

1.1 股票错误定价现象简述

根据有效市场理论，因为公开透明的市场信息，市场及参与者都是“理性人”，价格异动会被套利者及时对冲消除，不会出现股票市场价格严重高估或低估的现象。但在实际股票市场中，供需不匹配、参与者不理性等复杂的行为因素，会导致股价出现异常波动，甚至股票会在相当长的间内被市场错误定价。

1.2 相关实证研究

关于股票市场价格偏离内在价值的问题，近年行为金融学界在市场情绪理论、处置效应、锚定效应、过度自信、预期股票收益理论等方面均有较多代表性的研究。例如，Jang、Kang[1]的研究表明，通过分析股价闪崩概率和未来股票预期收益率的横截面数据，得出结论：闪崩概率较大的高风险股票，往往未来的预期收益率也更低，且参与这类股票套利的机构投资者、个人投资者也会因为套利成本高、风险大而不去进行套利操作。且股票价格闪崩前的泡沫也是由于机构投资者、个人投资者共同的不理性行为共同形成的。Ma、Whidbee[2]等人的研究表明,收购方对于被收购方提出的股票参考价格存在着锚定效应，尤其是对于初创型私有公司；且收购人越不了解被收购单位内部情况时，最终成交股价会距离参考价格很近，却往往偏离实际股票内在价值。

1.3 A股股票错误定价案例——限售解禁日股价较定增价偏差明显

考虑到A股中上市公司控股股东参与定向增发项目通常具有相较普通投资者更多的信息资源优势，此外，其他的定增投资者通常也具有较少的信息不对称，并且具有较强的专业能力。我们选取了在2013年1月1日至2016年4月1日的控股股东参与的A股纯定向增发项目（不含发行股份购买资产的配套融资项目）的股价波动情况作为研究对象。按照上述标准，我们筛选出了316家上市公司的增发项目。考虑到A股的控股股东参与定向增发的锁定期限为三年，我们将锁定期期满当日的股价与非公开发行当日定增价格进行了对比。

经过研究，我们发现上述316个增发项目当中，控股股东的认购比例平均数为44.80%，中位值为33.86%。由于A股定向增发可以直接采取董事会锁定价格并给予折扣的定价模式，上述增发项目的增发价格较其发行当日股价基本均有一个的折扣，折扣的平均值为26%，中位值为22%，显示出定增投资者相较二级市场散户的入股价格具有一定的“安全垫”。仍而，在限售股解禁后（即三年的限售期期满后），上述定增上市公司的股价较定增价格涨幅平均值为0%，中位值为-14%，其中，上涨的为124家，占比39%，下跌的为192家，占比61%。

下图的横轴为控股股东参与认购的比例，纵轴为在限售股解禁日股价相较定增价格的变动幅度。我们不难看出，即便是控股股东和机构投资者参与的定增，在其具有明显的资源和信息优势的情况下，其定增价格往往并不能反映其股票的真实价格，显现出较大的股票定价偏差。虽然这只是股票定价偏差诸多现象的冰山一角，也在一定程度上反映出了股票定价偏差现象十分普遍。

图1 2013年1月1日至2016年4月1日控股股东参与的A股纯定向增发项目限售解禁日股价较定增价涨幅图

第二章金融学理论对股票错误定价现象的解释

本部分结合传统金融理论和行为金融理论，对股价错误定价的现象进行了相应的解释和论述。结合分析，传统金融理论难以有效地解释股价错误定价的市场现象。

2.1 传统金融学理论解释——有效市场理论和资本资产定价模型

根据传统金融理论中股票的自由现金流折现或者股利折现模型，股票的价值取决于未来期间现金流折现求和的价值。且根据有效市场假说[3]，影响市场有效性的因素包括：（1）交易的障碍；（2）信息成本和交易成本；（3）信息的可获得性；（4）市场参与者的数量。具体来讲，交易障碍越低、信息可得性越高、交易成本和信息成本越低、市场参与者越多，市场的有效性就会越强，股票价格市场价格就会等于其内在的真实价格。Fama在有效市场理论指出，如果在股票市场中价格完全反映了所有可获得的信息，那么这种市场就是所谓的有效市场，并将市场类型细分为以下三类：（1）弱式有效市场，市场价格充分反映了历史交易信息；（2）半强式有效市场，股价反映了历史交易信息和所有的公开信息，仅有内幕人员可以获得超额收益；（3）强式有效市场，股价反映了历史交易信息、公开信息和内幕信息，没有投资者可以获得超额收益。基于上述理论，在强式有效市场中，无论市场需求变动还是市场情绪变动，当股票现值与内在价值不符时，市场上都会有套利者入场交易，使得股票价格不会偏离其内在价值，且传统金融理论认为市场参与者的行为认知错误不会对整个市场造成系统性的影响。因此，在市场有效的假设前提下，基于投资组合理论[4]和资本资产定价模型[5][6][7]理论，不同类型的股票预期收益仅和对应股票的系统性风险相关，投资人选股建仓改善收益的方法仍是基于股票间的相关系数、股票收益标准差，与心理因素没有关系。另外，从风险溢价补偿理论来看，传统金融理论认为投机型股票的高风险会被高的预期收益所补偿，所以投机性型股票往往是被投资者低估，不存在高估的情况。综上，基于传统金融理论，难以解释为什么会存股票市场价格长期偏离内在价值的现象。

2.2 行为金融学理论解释——市场情绪理论

本报告重点选取了行为金融学中的市场情绪理论对股票价格定价偏差现象进行解释。市场情绪的主旨在于自上而下的、结合宏观经济的行为金融分析。其理论基础为：1、市场情绪的客观存在；2、真实市场中套利交易存在的诸多限制。该理论放弃了微观投资者层面的各类偏见（代表性偏差、锚定效应），而是研究市场宏观层面的市场者情绪，及其对股票市场、单个股票收益的影响。详述如下：

基于Shleifer[8]等人的研究，认为市场的投资者都会受到情绪的影响，且投资者的情绪并非与眼前的、过往的数据相关。基于Shleifer和Vishny[9]的研究，认为市场套利者参与套利是存在限制的，因为其套利交易的对手方往往是易受情绪影响的投资者，付出的套利风险和交易成本让他们不能像传统金融理论描述的那样进行无摩擦地套利行为。例如2000年的互联网泡沫前夕，市场情绪高涨，大部分散户投资者都很看好IT产业相关的股票，而不少市场套利者因为无法预测这类股票是否存在套利空间，在互联网泡沫前夕破产。

基于市场情绪理论相关学者的研究，初创期、盈利水平较差、波动性大、不分配股利的成长型股票或者财务压力较大的股票（以下简称为“投机型股票”），更容易受到市场情绪的影响。因为这类股票交易成本高（包括付现成本和心理成本）而难以被套利，因难以被准确估值而导致错误定价的情形普遍存在。在市场情绪高涨的时候，广大市场的行为更具有投机性，也就会更多的买入此类股票，造成这类股票错误定价的可能性被进一步放大。相反的是，那些成熟期、稳定、股利分配稳定的股票价格不易受到市场情绪的影响，股价波动性相对较小（以下简称为“债券型股票”）。直观来看，根据 Baker和Wurgler的研究[10]，市场情绪的高、低，对于不同类型的股票价值的影响也存在着类似“跷跷板”的效应：债券型股票估值受到市场情绪影响较小，而投机型股票估值受市场情绪的影响显著较大，如下图所示。

图2 市场情绪波动对不同类型股票估值的影响 [10]

综上，基于市场情绪理论分析和实证研究，可以得出哪类股票更容易受到市场情绪的影响，解释了某类股票会存在定价偏高或偏低的原因，填补了传统金融理论的空白。

2.3 市场情绪理论的实证研究

承接2.2市场情绪理论研究概述，本部分对市场情绪的代表性研究进行了详细论述，以引出套利交易策略的设计。结合Baker和Wurgler[11]的实证分析研究，他们对1963-2001年的数据做了各个维度的整理汇总，包括历史各期回报率、动量、成立年限、标准差、每股盈利、股票市场公允价值、股票账面价值股利、固定资产、外部融资，详见下图。

图3 1963-2001股票相关维度交易数据汇总图[11]

基于上述数据汇总，我们可以从多个维度的数据中识别出股票的特征，判断其属于投机型股票或债券型股票。比如，外部融资指标（EF/At-1）计量了市场在短期内驱动外部融资的能力，可以作为股票被错误定价的指示指标；而BE/ME（股票账面价值/市场价值）则也可以显示股票是否存在错误定价：如果BE/ME趋近于1,则说明基本上具备“债券型股票”的特性；而如果BE/ME不趋近于1，则可能说明具备“投机型股票”的特性。

在找到了区分两类股票的指标和充足的计量数据后，学者们对于市场情绪进行了计量建模，并进行了回归分析。例如 Baker和Wurgler在本研究中对市场情绪设置了六个代理变量: （1）CEFD：封闭式股票基金净资产和市场价值的平均差值；（2）TURN:即美股的股票换仓周转率；（3）NIPO:当年IPO数量；（4）RIPO:IPO当天的平均收益；（5）所有者权益/总资产，衡量公司资产结构特征的指标；（6）股利溢价PD-ND,即支付股利的股票和不支付股利股票的估值溢价。他们结合考虑时间滞后的回归分析，得出了市场情绪的回归方程如下：SENTIMENTt=-0.241CEFDt+0.242TURNt-1+0.253NIPOt+ 0.257RIPOt-1 + 0.112St - 0.283PD-ND(t-1)。且六个代理变量回归出的符号方向与其在金融学直觉中相一致，这也为我们更深入地了解市场情绪的量化指标构成创造了基础。回归分析结果如下图所示：

图4 1963-2000市场情绪时间序列回归分析表[11]

基于上述的识别不同股票类型的指标、建立的市场情绪回归模型，他们进一步将市场情绪分为正、负两种情况，研究了市场内不同类型股票在两种情况下的收益率对比。具体来讲，他们将每只股票分解至10个特性指标，包括：股票市场价值ME、成立年限Age、总风险Total risk、每股盈余Earnings、股利Dividends、固定资产/总资产PPE/A、研发费用/总资产RD/A、股票账面价值/股票市场价值 BE/ME、外部融资/总资产EF/A、销售额增长率GS；每个特性指标下，学者将该特性指标下的市场所有股票进行了1-10自小到大的分位点分组排序。基于分析得出的结论是，在市场情绪发生正负变化时，不同类型的股票的预期收益也会随之发生变化，且投机型股票估值和收益对市场情绪的变化更为敏感。例如股票市场价值ME指标，市场情绪的变化对于第一分位点内股票（市场估值最低，即投机型股票）预期收益影响很大：市场乐观时，投机型股票收益较低，甚至低于第十分位点的债券型股票。而市场悲观时，投机型股票的收益要显著变高，即投机型股票的估值及预期收益更容易受到市场情绪的影响。然而，债券型股票无论市场乐观或者悲观，预期收益和估值变化并不显著。同理，对于其他九个指标，也存在投机型股票的估值和收益对市场情绪更为敏感的情形，具体如下图所示。

图5 市场情绪乐观、悲观下不同类型股票的预期收益率对比图[11]

同时，结合对冲基金中long-short交易策略的数据实证研究和回归分析，也证实了类似的结论：当市场乐观时，投机型的股票预期收益率相对更低，市场情绪对于投机型股票估值的影响更为显著。

综上，基于历史数据，学者进一步利用数据建模和回归分析，对传统金融学中的Fama-French[12][13]模型进行了修正，增加了上一期市场情绪作为解释变量（SENTt-1）；并对CAPM模型进行了修正，引入了考虑市场情绪后的条件系统性风险概念（Conditional β），且回归结果证明了增加市场情绪解释变量对于传统模型的修正是显著的。详见下图。

图6 修正的 FAMA-French模型组合收益时间序列分析[11]

2.4行为金融学理论解释——其他相关理论

市场情绪理论仅是行为金融学解释股票错误定价的一个理论分支，行为金融学界还有许多可以解释股票错误定价的理论，本报告选取有代表性的理论分述如下：

1、信息不确定性理论：根据Jiang和Lee[14]的研究，传统的CAPM模型普遍认为信息不确定与收益预期不相关，体现了投资者对高度信息不确定公司的信任普遍偏高，而投资者的过度自信又与实际中的诸多限制空产生了摩擦。结合他们的研究证实，股票的信息不确定程度越高，未来价格偏离内在价值的概率也越大，股票收益率与信息不确定的程度呈现负相关。即对于高度信息不确定的公司（对应“投机型股票”）而言，其股价被错误定价的概率要高于信息不确定程度低的公司（对应“债券型股票”）、股票收益率也低于信息不确定程度低的公司，同时高度信息不确定公司在价格和收益上的动量效应会更明显一些。

2、媒体披露效应理论：根据Fang和Peress[15]的研究成果，与经常被媒体报道的股票相比较，未经媒体报道的股票有更加显著的回报溢价，平均每月收益高出0.2%。此外，对于小规模股票和个人持股比列高、分析师追随率低、波动性高的股票，这种收益率溢价会更加明显。他们的研究表明，大众媒体对于资产预期收益的影响是源于媒体报道广泛传播信息的能力，而不是对于个股的意见或市场的共识本身。

3、散户的投资情绪和协同效应理论：根据Kumar和Lee[16]的研究成果，散户的投资情绪会产生协同效应，对市场产生不可忽视的影响，与传统金融学中个体的非理性行为不会导致大群体投资者之间的系统定向行为相悖。他们证实了散户在同期的交易活动包含共同的趋势，进而会改变股票定价的准确性。同时，投资者的情绪与股票收益率相关性的强弱也受到散户的投资习惯和套利成本差异的影响，即股票定价的准确性实际上也会受到散户投资情绪和协同效应的影响。

第三章应用行为金融学理论的交易策略设计

承接第二章2.2、2.3中对市场情绪模型及不同类型股票特性所述，我们得出的核心结论是：当市场情绪低的时候，投机型股票的收益要高于债券型股票，也即投机型股票市场价值被低估。本章将重点根据市场情绪理论来设计优化的交易策略，以获取超额收益，详述如下。

3.1 结合拟投资市场特点，建立市场情绪回归模型

我们可参考2.3中场情绪的计量回归分析方法，结合拟投资股票市场的特性，为市场情绪设置合适的代理变量（如IPO数量、IPO当日股票收益率、股票换仓率等），结合历史数据建立好市场情绪和相关代理变量的回归方程。在建立好市场情绪的回归模型后，我们可以结合近期的数据计算最近一期的市场情绪，判断整体市场情绪是乐观还是悲观。

3.2 设置股票特征分类维度，对市场内股票准确分类

另一方面，我们需要结合拟投资的股票市场，按照不同维度对所有股票进行分位点的划分，可参考的维度包括：股票市场价值ME、成立年限Age、总风险Total risk、每股盈余Earnings、股利Dividends、固定资产/总资产PPE/A、研发费用/总资产RD/A、股票账面价值/股票市场价值 BE/ME、外部融资/总资产EF/A、销售额增长率GS。在每个特性指标下，我们可以将拟投资市中的所有股票设置1-10自小到大的分位点排序，以充分地识别出哪些股票是不易准确估值、套利成本高的投机型股票，哪些是估值稳定准确、套利成本低的债券型股票。

3.3 根据市场情绪和股票分类，设置差异化交易策略

在上述3.1、3.2工作完成的基础上，我们就可以清楚地知道当前的市场情绪是悲观还是乐观、目前市场内股票的分类归属情况。我们就可以有针对性地设置分类的交易策略，以提升收益率：

1、市场乐观（经3.1的市场情绪回归模型计算，市场情绪>0时）：尽量不买入、持有高风险的投机型股票，将主要持仓调整为低风险的债券型股票。

2、市场悲观（经3.1的市场情绪回归模型计算，市场情绪<0 时）适度买入持有高风险的投机型股票，将主要持仓调整为高风险的投机型股票。

综上，我们应用行为金融学市场情绪理论提升收益率的关键为：对于识别出的投机型股票，“市场贪婪时我谨慎，市场谨慎时我贪婪”。但前提是，我们必须要对拟投资市场的市场情绪回归模型、股票所述类别计量准确。

第四章结论

综上，我们首先结合学界前沿的研究和A股市场的案例介绍了股票错误定价现象的普遍性。随后，我们结合不同理论框架对股票错误定价现象进行解释：（1）利用传统金融学的市场定价理论试图对上述现象进行解释，在强式有效市场中，由于交易无障碍、信息和交易成本低、信息易得、参与市场的交易者众多，根据传统的金融学定价理论无法对股价错误定价现象做出完整解释。（2）基于行为金融学市场情绪的理论，发现市场情绪研究成果可以解释股票错误定价的现象，即不同类型股票的价格波动对于市场情绪的敏感性不同，并结合研究成果中的数据建模、回归分析过程进行了详细阐述；并进一步结合其他行为金融学理论，说明了解释股票错误定价现象的复杂性。最后，我们基于市场情绪理论的研究成果，设计出了结合行为金融学的优化交易策略：在对市场情绪和股票分类回归分析、计量准确的前提下，在市场情绪高的时候减少持有或停止购买高投机性的股票，而在市场情绪低的时候增加或保持高投机性股票的配置，以赚取超额收益。

参考文献
1. Jeewon Jang, Jangkoo Kang.Probability of price crashes, rational speculative bubbles, and the cross-section of stock returns[J]. Journal of Financial Economics, 2019.
2. Qingzhong Ma, David A. Whidbee, Wei Zhang. Acquirer reference prices and acquisition performance[J]. Journal of Financial Economics, 2019.
3. Malkiel B G , Fama E F. EFFICIENT CAPITAL MARKETS: A REVIEW OF THEORY AND EMPIRICAL WORK[J]. Journal of Finance, 1970, 25(2).
4. Markowitz H M . Portfolio Selection: Efficient Diversification of Investment[J]. The Journal of Finance, 1959, 15(3).
5. Mossin, Jan (1966) "Equilibrium in a capital asset market" [J].Econometrica 34, 768-783
6. Ross, S.A.: The Capital Asset Pricing Model (CAPM), Short-sale Restrictions and Related Issues[J]. Journal of Finance 32 (1977) 16.
7. Sharpe, William F . CAPITAL ASSET PRICES: A THEORY OF MARKET EQUILIBRIUM UNDER CONDITIONS OF RISK[J]. The Journal of Finance, 1964, 19(3):425-442.
8. DeLong, J. Bradford, Andrei Shleifer, Lawrence H. Summers, and Robert J. Waldmann.1990. Noise Trader Risk in Financial Markets[J].Journal of Political Economy, 98(4): 703–38.
9. Shleifer, Andrei, and Robert Vishny. 1997. The Limits of Arbitrage [J].Journal of Finance, 52(1): 35–55.
10. Baker, M., & Wurgler, J. (2007). Investor sentiment in the stock market[J].The Journal of Economic Perspectives, 21(2), 129–152. Journal, 2007. Electronic Publishing.
11. Wurgler J A , Baker M P . Investor Sentiment and the Cross-Section of Stock Returns[J]. The Journal of Finance, 2006, 61(4):1645-1680.
12. Fama, Eugene F., and Kenneth R. French, 1992, The cross-section of expected stock returns[J].Journal of Finance 47, 427–465.
13. Fama, Eugene F., and Kenneth R. French, 1993, Common risk factors in the returns on stocks and bonds[J].Journal of Financial Economics 33, 3–56.
14. Jiang G , Lee C M C , Zhang Y . Information Uncertainty and Expected Returns[J]. Review of Accounting Studies, 2005, 10(2-3):185-221.
15. Fang, L., & Peress, J. (2009). Media coverage and the cross-section of stock returns[J]. The Journal of Finance, 64(5), 2023–2052.
16. Kumar, A., & Lee, C. (2006). Retail investor sentiment and return co-movements[J]. The Journal of Finance, 61(5), 2451–2486.