A股市场投资者情绪、异质信念与市场超额收益研究

复旦大学经济学院 付 萱 中央财经大学金融学院 陆加徐

一、引言

2014年下半年，中国A股市场终于告别长达近七年的深度熊市。据统计，上证综合指数全年上涨52.87%列全球第二，深圳成分股指以35.62%的涨幅列全球第四，走出了一幅令人振奋的牛市行情图。回顾2014年7月以来的中国A股市场，行情走强起先得益于上半年宏观经济数据好于预期以及蓝筹板块在资金推动下的复苏，11月下旬央行两年来的首度降息更是推高了市场情绪，资金不断涌入，融资融券的杠杆效应将涌入的资金量进一步放大，使得投资者对市场的信心大为提振。可以说市场心理和投资者行为方面的因素是中国A股市场本轮牛市行情的重要支撑点。因此，对于市场心理以及投资者行为特征的研究对于人们更深入地认识股市的运行规律和把握投资机会具有很强的现实意义。在传统现代金融理论的框架下，投资者被假定为完全理性，金融资产价格的影响因素完全来自于基本面。然而随着越来越多的无法用传统现代金融理论解释的“异象”的出现，学者们尝试使用新的理论来解释这些所谓的“金融异象”，行为金融学的研究随之兴起。与传统金融理论不同的是，行为金融学打破了理性人的假设，认为影响金融资产价格的因素不仅来自基本面，也来自于投资者情绪（Investor Sentiment）、异质信念（Heterogeneous Beliefs）等诸多心理和行为因素。投资者情绪是投资者的投资意愿或预期的集中反映（张丹和廖士光，2009）。投资者情绪高涨时，容易造成市场的普遍乐观，导致股价高估；投资者情绪低落时，市场则趋于悲观，导致股价低估。所谓异质信念，是指不同投资者对相同股票相同持有期下收益分布估计的差异性，其产生的主要原因在于投资者所拥有私人信息的差异以及信息处理能力上的差异(陆静等，2011)。投资者情绪和异质信念均表明投资者存在某种程度上的认知、情绪或行为偏差，从而导致股价的高估或低估。不同的是，前者强调了偏好、情感等情绪因素的影响，后者则强调投资者的异质性及其看法的异质性程度的影响。以往的研究通常是针对这两者各自的单独讨论，并未明确考虑到二者之间的相互作用关系，即市场整体投资者情绪的高低本身会对投资者的异质信念作用于金融资产价格的这一过程产生影响。本文的研究旨在探讨投资者情绪和投资者的异质信念之间的相互作用关系，及其对未来中国A股市场整体超额收益的影响，并通过实证检验来对其进行精确刻画。

二、文献综述

（一）国外文献 越来越多的研究发现投资者情绪是影响股票市场收益的重要因素（Kamstra et al.，2000；Hirshleifer和Shumway，2003；Dowling和Lucey，2005；Edmans et al.，2007；Bradley et al.，2009；Palomino et al.，2009；Kaplanski和Levy，2010；Chen et al.，2013）。上述学者普遍认为市场情绪和投资者行为偏差是影响资产价格的重要因素。当市场情绪高涨的时候，一方面会有大量噪声交易者涌入市场，另一方面投资者的过度自信程度将整体上升并且相应地更加偏好风险，从而倾向于给未来的资产价格赋予一个更为乐观的估计；当市场情绪低落时，投资者的风险态度也会相应发生改变，变得更加风险厌恶，因此对于未来价格走势的看法也趋于悲观。将投资者的异质信念引入资产定价的研究始于Miller（1977），他指出由于卖空限制（short-sale constraints）的存在，相较于乐观投资者的信念而言，悲观投资者的信念更加难以在资产价格中反映。后续的大量实证研究也印证了Miller（1977）的这一观点，发现异质信念的存在会在一定程度上导致股票价格的高估（Chen et al.，2002；Diether et al.，2002；Park，2005；Yu，2011；Hong和Sraer，2012）。上述研究结果带来一个直接推论：现阶段投资者信念的异质性越强，预示着下一阶段市场价格走低的可能性越大。然而异质预期能够作用于股价的前提则是卖空限制的存在。西方许多学者就国外市场上为何会存在卖空限制进行了大量研究，这些研究通过卖空限制将投资者情绪和异质预期联系在了一起。D’Avolio（2002）的研究表明，投资者卖空所需的资金通常需要从机构投资者处获得，而股价往往在市场投资者情绪高涨时被高估，机构投资者往往能够察觉到这种高估而不愿向卖空者提供资金，导致卖空无法顺利进行。Yu和Yuan（2011），Stambaugh等（2012）进一步发现这种卖空限制在投资者情绪高涨的时期的影响更加明显。主要原因在于在市场上投资者情绪普遍高涨的时期会有更多的散户投资者进入股票市场，导致其对股价的影响更大，由于散户投资者在投资知识和经验上的欠缺，从而使得理性投资者更难预测短期内的价格走势，从而面临更高的卖空风险和更强的资金约束。

（二）国内文献 迄今为止，国内学者针对投资者异质信念和股票收益之间的关系开展了一些理论和实证研究，也针对投资者情绪和股票收益之间的关系进行了一系列研究。其中具有代表性的研究为陈国进等（2009）以及张宗新和王海亮（2013）。前者发现在中国股票市场上投资者异质信念与股票未来收益之间存在显著负相关关系；后者主要着眼于市场新信息出现时投资者主观信念如何调整以影响到投资者情绪水平进而导致市场波动这一冲击过程，研究结果表明投资者的主观信念对情绪存在正向冲击，投资者情绪对市场波动率及收益率均有着显著的正影响。然而目前尚未有文献就投资者情绪、异质信念和股票未来超额收益这三者之间的互动关系进行实证研究。本文的研究能够填补这一空白，并对已有的文献形成拓展和支撑。本文探讨的关键问题是在中国A股市场上，投资者异质信念对股票未来超额收益的影响程度与当时市场上投资者情绪高低之间有着怎样的关系。

三、研究设计

（一）研究假设 倘若卖空限制存在，相较于市场上的乐观预期而言，悲观预期更难在市场价格中得到反映。由此所引发的直接后果是，投资者信念的异质性程度越高，当期股票价格就越容易被高估，而未来的股票价格将在价值回归的作用下进行调整，导致股票的未来超额收益降低。并且上文已提及，当市场情绪高涨时，由于噪声交易者增加以及资金约束增大等因素的影响，卖空限制将会更加凸 显（Shleifer和Vishny，1997；D’Avolio，2002；Yu和Yuan，2011；Stambaugh et al.，2012）。根据这一判断，我们提出本文的核心假设。

假设：在中国A股市场上，当投资者情绪高涨时，投资者的异质信念与股票市场的未来超额收益之间存在显著负相关关系；而在投资者情绪低落的时期，投资者的异质信念与股票未来超额回报之间的关系并不显著

（二）样本选取与数据来源

由于上文构建了SENTI和NEW SENTI两个投资者情绪指数，本文将分别使用这两个指数进行后续实证研究，因此本文设置两个样本区间：2003年3月至2014年10月，以及2010年5月至2014年10月。此外，本文采用沪深300指数收益率作为市场收益率，采用中债10年期国债到期收益率代表无风险收益率。

（三）变量定义

（1）投资者情绪的度量。

第一，指标选取。目前用来度量投资者情绪的指标分为两类，一类称为主观指标，另一类称为客观指标（易志高和茅宁，2009）。Baker和Wurgler（2007）基于主成分分析方法，使用封闭式基金折价、NYSE股票成交量、IPO数量及平均上市首日收益、股票发行占证券发行的比例和股利溢价这6个单项情绪指标，同时控制一系列相关宏观经济周期变量，构建了度量美国市场上投资者情绪的复合指数。与前述两类单一指标相比，该复合指数能够更全面准确地反映投资者情绪的变动。易志高和茅宁（2009）、张宗新和王海亮（2013）使用主成分分析的方法，各自构建了能够反映中国股票市场投资者情绪的综合月度指数。本文参照上述研究，采用主成分分析法构建复合指数（SENTI）来刻画中国A股市场的投资者情绪。选取的六个投资者情绪指标包括：（1）封闭式基金折价率。该指标作为投资者情绪的传统代理变量之一，通常与市场情绪呈负相关关系。此处采用封闭式基金折价率的加权平均月度值。（2）换手率。该指标能够反映市场交易的活跃程度，通常与投资者情绪呈正相关关系。此处采用沪深两市的月成交量除以两市的月流通市值的结果。（3）当月IPO数量。该指标能够从侧面反映股市的景气程度，通常与市场情绪变动方向一致。此处采用沪深两市每月的IPO数量。（4）IPO首日收益率。该指标能反映市场投资者对于新股的追捧程度，一般来说该指标越高说明市场情绪越高涨。此处采用沪深两市每月所发新股首日收益率的加权平均值。（5）投资者新增开户数。该指标较好地反映了新投资者进入市场的意愿是否强烈，当情绪高涨时，该指标也将相应升高。此处采用沪深两市月度新增开户数量的自然对数值。（6）消费者信心指数。由于目前中国的投资者信心指数编制尚不完善，且许多学者的研究表明消费者信心指数也能较好衡量投资者的心理变化（易志高和茅宁，2009），因此本文采用国家统计局编制的月度消费者信心指数作为投资者主观感受的代理指标。同时，考虑到宏观经济周期性因素的潜在影响，本文引入了居民消费价格指数、生产者物价指数、工业生产增加值以及宏观经济景气指数这四个指标作为控制变量。

第二，传统投资者情绪指数的构建。构建该投资者情绪指数所使用的数据均为2003年3月至2014年10月的月度数据，原始数据均来源于Wind金融数据库。由于不同指标对投资者情绪的反映可能存在着时间上的提前与滞后关系。因此需要首先确定上述6项指标的提前与滞后关系。为此，我们构建了包含上述6个指标及其滞后一期变量的共12个变量的投资者情绪指数（senti）。然后分别对senti与这12个变量进相关性分析，选出其中相关系数最大的6个变量作为进一步构造最终的投资者情绪指数（SENTI）的源指标。统计结果见表1。

表1 senti与12变量的相关性

从表1可以看到，各指标均通过相关的显著性检验。我们选取上市首日收益率、上市首日收益率（滞后项）、IPO数量、IPO数量（滞后项）、封闭式基金折价率、封闭式基金折价率（滞后项）这6个变量进一步构造指数SENTI。首先对这6个指标进行标准化处理，随后还将这6个变量分别与居民消费价格指数、生产者物价指数、工业生产增加值以及宏观经济景气指数这4个同样经过标准化的宏观经济变量进行回归，得到各自回归后的残差序列，再对这6个残差变量进行主成分分析。由于前4个主成分的累计方差解释率达到95.37%，能够囊括大部分信息，故选取前4个主成分。按照各自的解释百分比进行加权平均来构建投资者情绪指数SENTI。主成分分析的结果见表2。

表2 SENTI构建的主成分分析

第三，新型投资者情绪指数的构建。由于2010年我国推出了融资融券业务，这使得我国A股市场的市场环境发生了较大改变，并且融资融券业务的影响力，尤其是融资业务的影响力随着时间的增长而日益凸显，其在2014年下半年以来的股市行情中所起到的推动作用就是很好的例证。鉴于此，本文尝试在投资者情绪指数中加入第7个指标，即融资融券规模。该指标与市场情绪呈正相关关系，当市场上投资者情绪高涨时，该指标也将相应扩张。此处采用融资融券余额的月度值。此外，2014年下半年以来，在中国股市大涨的背景下，分级基金的杠杆份额出现了异常火爆的行情，并且近年来分级基金在整个基金市场的份额呈快速上升趋势，与此相对应的则是封闭式基金的逐渐萎缩。因此在构建新型投资者情绪指数时，我们使用分级基金整体折溢价率这一指标替换封闭式基金折价率指标。该指标的计算方法为：整体折溢价率=（(优先级收盘价*优先级份额占比+普通级收盘价*普通级份额占比)/母基金净值-1）*100%，先求出日整体折溢价率再将其月度化。其余5个指标不变，分别为换手率、当月IPO数量、IPO首日收益率、投资者新增开户数以及消费者信心指数。构建新型指数所使用的数据均为2010年5月至2014年10月的月度数据，原始数据均来源于Wind金融数据库。依照上述传统投资者情绪指数构建的步骤，首先构建包含7个指标及每个指标滞后一期变量的投资者情绪指数（new senti）。再分别对new senti与这14个变量进相关性分析，选出其中相关系数最大的6个变量作为进一步构造最终投资者情绪指数（NEW SENTI）的源指标。这6个变量分别为融资融券规模（滞后项）、融资融券规模、换手率、换手率（滞后项）、分级基金整体折溢价率（滞后项）、分级基金整体折溢价率。具体相关性分析结果见表3。

表3 new senti与14变量的相关性

接下来对这6个指标进行标准化处理，并将其与宏观经济变量进行回归，得到各自回归后的残差序列，再对这6个残差变量进行主成分分析。同样取前4个主成分，其累计方差解释率达到91.66%。进而按照各自的解释百分比进行加权平均来构建投资者情绪指数NEW SENTI。主成分分析的结果见表4。

表4 NEW SENTI构建的主成分分析

（2）投资者异质信念的度量。本文采用信息交易量的相对变化率（△IV）作为异质信念Disgt的代理变量来刻画投资者异质信念的程度。所谓信息交易量（IV），是指总交易量（V）减去流动性交易量（LV）之差。即IVt=Vt-LVt。Andersen（1996）提出可以将市场交易量区分为基于流动性需求的交易量和基于新信息的交易量。根据市场微观结构理论的分析，由于信息不对称的存在，当新信息出现时，会导致市场交易发生，其所产生的交易量即为基于新信息的交易量。由于基于流动性需求的交易量是投资者为保持风险资产和现金之间的平衡而进行的交易，并不涉及投资者对资产价值的预期是否发生变化，因此基于流动性需求的交易量只是总交易中的一小部分并且通常较稳定，因此可以用总交易量的T日均值作为流动性需求交易量的代理变量。根据上述分析，结合我国A股市场特点，本文使用样本区间内交易量的月度均值代表流动性交易量，用月度市场总交易量减去该值即可得到信息交易量的月度值。为了便于后续的实证检验，我们进一步计算出月度信息交易量的相对变化率△IV，即。计算异质信念Disgt的代理变量△IV的原始数据来自Wind金融数据库。

（四）模型构建 中国A股市场上，投资者情绪的高涨或低落是否会对投资者的异质信念与股票市场的未来收益之间的关系产生显著影响。由于投资者的异质信念与股票市场的未来收益是否显著相关取决于卖空限制。而在投资者情绪高涨的时期，这种情绪会通过不同的渠道使得卖空限制更为凸显。我们据此推测，异质信念和股市未来收益之间的关系在市场情绪高涨的时期将会比市场情绪低落的时期更加显著。

为了证实这一推断，本文参照Kim等（2014）构建了如下检验方程：

其中，Rt+1是月度市场超额收益率，Disgt是异质信念的大小，Var（Rt+1）是市场超额收益率的月度方差（其中市场超额收益率是用沪深300指数月度收益率减去无风险收益率算得的）。Dt是投资者情绪的虚拟变量，在整个样本期内，当投资者情绪高涨时Dt的取值为1，反之则取值为0。

如何判断某个月份t是否为投资者情绪高涨的月份从而决定Dt的取值呢？基于我们已经构建的投资者情绪指数SENTI和NEWSENTI，我们采用t月的前后各一个月共三个月为一个观察期，以该期中位数为基准，倘若t月的投资者情绪指数高于该中位数，即被判定为高情绪月份，其Dt为1；倘若低于该中位数，则被判定为低情绪月份，其Dt取0。

通过观察投资者情绪虚拟变量Dt和异质信念Disgt的交互项系数是否显著，我们便可判断本文的研究假设是否成立。倘若二者的交互项系数显著，便可说明在投资者情绪高涨的时期，投资者当期的异质信念与下一期的股票市场超额回报之间的关系显著。值得注意的是，检验方程中还包含了市场超额收益率的月度方差Var（Rt+1）以及投资者情绪虚拟变量Dt与Var（Rt+1）的交互项。Var（Rt+1）是市场风险的代理变量，加入这两项的目的是为了控制股票超额收益中风险因子所解释的部分，从而更好地反映在高情绪时期异质信念对市场超额收益的解释力。

四、实证分析

（一）描述性统计 在分别基于SENTI和NEWSENTI求得投资者情绪的虚拟变量Dt后，我们进而以Dt为分组变量进行分组，对检验方程的三个关键变量进行描述性统计见表5、表6。从表5、6中可以看出，当投资者情绪高涨时，月度超额收益率的标准差明显大于投资者情绪低落的时期以及整个样本，同时投资者的异质信念程度也明显高于低情绪时期。这从直观上粗略地印证了我们的猜想。

（二）回归分析 本文基于投资者情绪指数SENTI构建虚拟变量Dt的2003年至2014年的面板数据进行了多元线性回归，表7中展示了本次回归结果的分析汇总。从表7的回归式（3）中可以看出，投资者情绪虚拟变量和异质信念变量交互项Dt*Disgt的系数为-0.03113，对应的t值为-4.34，在1%的显著性水平下显著。这一结果很好地印证了我们之前的猜想，即在投资者情绪高涨的时期，投资者当期的异质信念与下一期的股票市场超额回报之间的关系极为显著。并且Dt*Disgt的系数总体为负，这也与我们的经济学直觉一致：即当期的异质信念与下一期股市超额收益率之间呈负相关关系，当期信念的异质性程度越高，则意味着下一期股市的超额回报率越低。虽然各回归式的调整可决系数仅为1.53%、2.79%和5.25%，但相较于Kim等（2014）的研究成果中不到3.00%的调整可决系数，本文模型的整体解释力度则明显更高。类似地，本文也针对基于投资者情绪指数NEW SENTI构建虚拟变量Dt的2010年-2014年的面板数据进行了回归，表8中展示了本次回归结果的分析汇总。从表8中可以看出，在采用新的投资者情绪指数NEW SENTI作为情绪指标的替代变量之后，投资者情绪虚拟变量和异质信念变量交互项Dt*Disgt的系数仍然在10%的显著性水平下显著。这一结果与表7回归结果也完全一致，更加证实了本文的研究假设是成立的。并且此处Dt*Disgt的系数也总体为负，与直觉相一致。另外，从回归的调整可决系数来看，模型整体的解释力度较使用传统情绪指标时有较大幅度的提升。这从一定程度上说明了加入了融资融券规模和分级基金整体折溢价率的情绪指标更能准确捕捉投资者情绪的波动，进而与投资者异质信念等指标结合对未来股指走势进行有效的预测和判断。

表5 基于SENTI的Dt分组描述性统计

表6 基于NEW SENTI的Dt分组描述性统计

表7 2003-2014回归结果汇总

表8 2010-2014回归结果汇总

五、结论

本文着眼于市场心理及投资者行为特征，将投资者情绪与投资者的异质信念相结合，构建了两个基于不同指标和样本区间的投资者情绪指数，进而分别使用这两个指数建立区分高低情绪的标准，最终通过对检验方程的滚动窗口回归来判断投资者情绪的高低是否会对投资者的异质信念与未来股票市场的超额回报之间的关系产生显著影响。本文的实证研究结果表明，在市场上投资者情绪高涨的时期，当期投资者的异质信念与未来股票市场的超额回报之间呈显著负相关关系；而在投资者情绪低落的时期，投资者信念的异质性程度则不会对未来股票市场的超额收益率产生显著影响。这一结果背后的原因在于投资者情绪的高低会影响卖空限制的强弱，而卖空限制则是投资者的异质信念能够对市场收益产生作用的前提和关键。在理论层面，本文是近年来行为金融学领域关于投资者情绪研究的补充和拓展。而在应用层面，上述结论对于中国A股市场上的投资有重要的意义和启示，即在市场情绪高涨的时期，投资者可以通过观察市场整体信息交易量的变化来对未来的股市回报进行大致的判断，市场上信息交易量的剧烈变化可能预示着近期内股市将整体走弱。需要说明的是，尽管本文的实证研究有效地整体上我们的分析和结论，但是在新型投资者情绪指数NEW SENTI的构建上，受制于数据的时间跨度较短，样本量较少的问题，导致本文在这方面的研究还有一定局限性。因此后续研究可以持续跟踪这些数据，在投资者情绪指数构建的指标选取方面做文章。此外，许多国外研究采用分析师预测的异质程度作为异质预期的代理变量，而在中国，目前尚未有数据库对该项数据进行专门的系统统计，这也造成了本文在异质信念指标选取上的制约。因此未来我们的研究方向还将包括通过何种方法来度量中国市场上分析师预测的异质程度，进而将其作为异质信念的代理变量。

［1］陈国进、胡超凡、王景：《异质信念与股票收益——基于我国股票市场的实证研究》，《财贸经济》2009年第3期。

［2］刘煜辉、熊鹏：《资产流动性,投资者情绪与中国封闭式基金之谜》，《管理世界》2004年第3期。

［3］陆静：《投资者异质信念与上市公司盈余信息的甄别》，《中国管理科学》2011年第5期。

［4］陆静、曹国华、唐小我：《基于异质信念和卖空限制的分割市场股票定价》，《管理科学学报》2011年第1期。

［5］韩立岩、伍燕然：《投资者情绪与IPOs之谜——抑价或者溢价》，《管理世界》2007年第3期。

［6］王美今、孙建军：《中国股市收益,收益波动与投资者情绪》，《经济研究》2004年第10期。

［7］易志高、茅宁：《中国股市投资者情绪测量研究：CICSI的构建》，《金融研究》2009年第11期。

［8］张丹、廖士光：《中国证券市场投资者情绪研究》，《证券市场导报》2009年第10期。

［9］张俊喜、张华：《解析我国封闭式基金折价之谜》，《金融研究》2002年第12期。

［10］张维、张永杰：《异质信念,卖空限制与风险资产价格》，《管理科学学报》2006年第4期。

［11］张宗新、王海亮：《投资者情绪,主观信念调整与市场波动》，《金融研究》2013年第4期。

［12］Andersen,T.G.Return Volatility and Trading Volume:An Information Flow Interpretation of Stochastic Volatility.The Journal of Finance,1996.

［13］Bia？kowski,J.,Etebari,A.,Wisniewski,T.P.Fast profits:Investor Sentiment and Stock Returns During Ramadan.Journal of Banking Finance,2012.

［14］Bradley,D.J.,Gonas,J.S.,Highfield,M.J.,Roskelley,K.D.An Examination of IPO Secondary Market Returns.Journal of Corporate Finance,2009.

［15］Chen,J.,Hong,H.,Stein,J.C.Breadth of Ownership and Stock Returns.Journal of Financial Economics,2002.

［16］Chen,M.P.,Chen,P.F.,Lee,C.C.Asymmetric Effects of Investor Sentiment on Industry Stock Returns:Panel Data Evidence.Emerging Markets Review,2013.

［17］D’avolio,G.The Market for Borrowing Stock.Journal of financial economics,2002.

［18］Diether,K.B.,Malloy,C.J.,Scherbina,A.Differences of Opinion and the Cross Section of Stock Returns.The Journal of Finance,2002.

［19］Dowling,M.,Lucey,B.M.Weather,Biorhythms,Beliefs and Stock Returns—some Preliminary Irish Evidence.International Review of Financial Analysis,2005.

［20］Edmans,A.,Garcia,D.,Norli,O.Sports Sentiment and Stock Returns.The Journal of Finance,2007.

［21］Hirshleifer,D.,Shumway,T.Good Day Sunshine:Stock Returns and the Weather.The Journal of Finance,2003.

［22］Hong,H.,Sraer,D.Speculative betas(No.w18548).National Bureau of Economic Research,2012.

［23］Kamstra,M.J.,Kramer,L.A.,Levi,M.D.Losing Sleep at the Market:The Daylight Saving Anomaly.American Economic Review,2000.

［24］Kaplanski,G.,Levy,H.Sentiment and Stock Prices:The Case of Aviation Disasters.Journal of Financial Economics,2010.

［25］Kim,J.S.,Ryu,D.,&Seo,S.W.Investor Sentiment and Return Predictability of Disagreement.Journal of Banking&Finance,2014.

［26］Miller,E.M.Risk,Uncertainty,and Divergence of Opinion.The Journal of Finance,1977.

［27］Palomino,F.,Renneboog,L.,Zhang,C.Information Salience,Investor Sentiment,and Stock Returns:The Case of British Soccer Betting.Journal of Corporate Finance,2009.

［28］Park,C.Stock Return Predictability and the Dispersion in Earnings Forecasts.The Journal of Business,2005.

［29］Stambaugh,R.F.,Yu,J.,Yuan,Y.The short of it:Investor sentiment and anomalies.Journal of Financial Economics,2012.

［30］Yu,J.Disagreement and Return Predictability of Stock Portfolios.Journal of Financial Economics,2011.

［31］Yu,J.,Yuan,Y.Investor Sentiment and the Mean–Variance relation.Journal of Financial Economics,2011.