投资经验能有效降低羊群效应吗？——以开放式基金的个体为例

(南开大学金融学院，天津 300350)

引言

在金融学领域，羊群行为是指投资者受到其他投资者的影响，模仿他人的决策，或者过度依赖于舆论，而忽略自己的有价值的私有信息，进而跟从市场中其他人的行为。一般而言，行为金融学家们将其产生原因归为三类：Scharfstein and Stein(1990)[1]提出的基于声誉的羊群效应1；Maug and Naik(1995)[2]提出的基于薪酬条款的羊群效应2以及Banerjee(1992)[3]提出的信息不对称(或信息流模型)羊群效应3。但越来越多的研究发现羊群效应的产生难以完全用上述三种类型进行解释。Falkenstein(1996)[4]即指出当投资人并非基于委托代理原因、也不受声誉效应和相应的薪酬激励政策的影响、且信息也相对透明时，羊群效应仍然存在于资本市场，他认为还有一些未知的因素在影响着羊群效应的产生。

自Lakonishok et al.(1992)[5]的经典性研究面世以来，目前理论界所形成的一个共识是，缺乏经验的个人投资者往往容易放弃自己的私人信息而模仿或追随经验丰富的投资者，从而产生羊群效应。然而迄今为止的文献大多直接或隐含地假定投资者的投资经验与其羊群效应之间的关系大致呈负向的线性关系，即投资经验的缺乏会导致更高的羊群效应，而投资经验的丰富会使得羊群效应下降。这显然忽视了投资经验与羊群效应之间可能存在的非线性关系。进一步，已有研究基本是对某类投资者整体羊群效应与其投资经验关系的考察，而忽视了对投资者个体羊群效应与其投资经验的分析。此外，已有的文献都相对忽视了羊群效应的“路径依赖”特征，而且对于投资者个体羊群效应的衡量方法以及投资者经验指标的选取上也都存在不同程度的缺陷。本文以我国开放式基金为例，对投资者经验与羊群效应的关系进行实证研究。本文的贡献主要体现在：第一，已有的研究大多认为投资经验与羊群效应是线性关系，投资经验越多，羊群效应越小，但我们受到Gervais and Odean(2001)[6]所证明的非线性倒U型曲线关系的启发4，在本文的研究中提出了投资经验与羊群效应可能呈倒U型、U型、N型或倒N型的非线性关系三个假设，并分别给以了详细的实证检验，从而更为科学、严谨地揭示了投资经验与羊群效应之间的内在关系。第二，本文首次从基金个体(而不是现有研究中某类投资者整体)的角度对投资经验与羊群效应的关系进行了实证研究，从而更为精确地描述出投资经验的变化对羊群效应的影响过程。第三，本文的研究考虑了行为人与组织的惯性特征，较好地捕捉了羊群行为“路径依赖”的特征，这是以往研究所忽视的。此外，在具体的投资者经验指标的选取5和个体羊群行为指标的计算上本研究都给出了一定程度的丰富和改进，从实证角度深化了行为金融的相关研究。

文献综述

学界在投资者经验对投资者行为偏差修正方面的研究已经取得了丰富的成果。Smith(1998)[7]以可犯错误、有学习能力的行为人取代以往“理性经济人”的假说，认为经济人可以从过去经验中学习，更正原有非理性行为的错误。沿着这种思路，国内外学者就过往经验对处置效应(Feng and Seasholes, 2005; Costa et al., 2013)[8][9]和过度自信(Menkhoff et al., 2010)[10]等非理性行为的影响分别做了理论与实证上的研究。

而对于本文所关注的投资者经验与羊群效应的关系这一视角，目前学界主要有以下代表性的研究。Gloede and Menkhoff(2014)[11]发现投资经验不仅能有效降低处置效应与过度自信水平，还能抑制投资者的羊群行为。Chevalier and Ellison(1999)[12]通过理论推导得到了基金经理越缺乏经验，羊群行为越严重；Menkhoff et al.(2004)[13]则发现，随着投资者投资经验的增长，投资者的羊群效应会显著降低；Venezia et al.(2011)[14]更进一步发现，富有经验的投资者羊群效应往往较低，缺少经验的业余投资人则羊群效应较高，而且这种现象是持续性存在的。国内学者这方面的研究起步较晚，且多为定性描述(如蔡庆丰等人，2011；饶育蕾等人，2012)[24][29]，缺乏实证上的证据。

以上从处置效应、过度自信和羊群效应等不同角度进行研究的文献，其研究结果都表明投资经验的增长能有效地降低投资者的行为偏差，换言之投资经验与非理性行为之间是一种负向的线性关系。但也有学者对两者的关系提出了不同的看法。Gervais and Odean(2001)[6]的模型表明随着经验的增多，投资者的过度自信水平会呈现先上升后下降的趋势；Locke and Mann(2001)[15]进一步通过实证检验支持了Gervais and Odeans的理论。谭松涛(2013)[32]发现在控制了历史投资表现之后，股民的投资经验对其过度交易的影响并不显著，过度交易或者过度自信并没有随着股民投资经验的积累而得到减弱。

总结以上文献，一方面，国外现有的文献虽然在投资经验对过度自信、处置效应或某类投资者整体羊群效应影响的研究上较为丰富，但对投资者个体羊群效应的影响因素进行实证检验的研究较为缺乏，这导致在研究中缺少了对个体研究对象的分析，其研究结果是欠缺完整性的；另一方面，现有文献对于投资经验与非理性行为之间的关系实际上是存在分歧的，其原因可能就在于我们是以线性视角还是以非线性视角看待投资经验对非理性行为的影响——至今为止的大多数研究都采取了简单的线性视角，这无疑限制了研究结论的准确性。进一步来看，目前国内相关研究还处于起步阶段，缺乏实证考察我国机构投资者投资经验与羊群效应的关系的研究，制约了对我国市场中羊群效应产生原因的进一步认识，从而导致当前我国仍然缺乏具有针对性的治理对策。

受到Gervais and Odean(2001)[6]投资经验与非理性行为(过度自信)存在非线性关系研究以及李学峰和李佳明(2011)[26]对个体羊群效应衡量方法的启示6，本文以我国开放式基金为例，利用2010年第一季度至2015年第四季度偏股型开放式基金的季度数据对投资者经验与羊群效应的非线性关系进行实证研究，以期拓展和深化对羊群行为产生的原因与机制的讨论。

研究设计

基于已有的对个人和机构投资者投资经验的研究，本文参考了Chen et al.(2007)[16]，Nicolosi et al.(2009)[17]以及Greenwood and Nagel(2009)[18]对投资者经验的研究成果，改进和发展了一些新的衡量机构投资者投资经验的指标。在衡量羊群效应时参考了Lakonishok et al.(1992)[5]的LSV模型对羊群效应程度衡量的思路，并结合李学峰和李佳明(2011)[26]对个体羊群效应的衡量方法，建立了机构投资者投资经验与羊群效应之间的计量模型。

一、投资经验的定义和测度

综合已有的文献，我们认为所谓投资经验，是指投资者亲自参与，从多次的投资实践中不断学习和积累所得的投资知识或者技能。一般而言投资者投资股票种类越丰富，交易次数越多，获得的经验则越多；同时投资者从事投资研究与实践的时间越长，其投资经验也会越丰富。据此本文提出如下与投资经验相关的指标：

1.股票种类累计(SS)

股票种类即为投资者购买股票的种类数目累计。Nicolosi et al.(2009)[17]认为投资者投资股票种类越丰富，在其他条件不变的情况下其在股票市场获得经验越多。本文结合机构投资者的特征，以机构投资者持有过的前十大重仓股的累计值7来作为股票种类的衡量指标。

2.交易次数累计(TT)

Chen et al.(2007)[16]认为一个投资者交易越频繁，交易次数越多，其他条件不变的情况下获得的经验则越多。本文以前十大重仓股的交易次数累计作为代表。

3.基金成立时间(FT)

机构投资者在资本市场的投资实践中会形成自己的文化、管理制度以及数据积累等，这些将对投资经验的形成产生重要的作用。本文以基金的成立时间代表。

4.基金经理的从业时间8(MT)

基金经理经验将融入于整个机构的投资经验，对机构的投资行为具有重要的意义。本文使用Resset数据库的基金经理从业时间作为其经验的一个衡量指标。对于有多个基金经理的季度，本文采用了加权算术平均数。

进一步的，本文综合上述股票种类累计、交易次数累计、基金成立时间以及基金经理从业时间等因素，采用因子分析构造表示机构投资者投资经验的综合指标EX。因子分析是变量降维的一种方法，主要用于从具有大量数据的多个原始变量中提取综合处较少的新变量，本文使用因子分析的目的在于将四类经验指标合并浓缩为单个具有解释力度的综合指标。具体步骤如下。

第一，变量标准化。由于交易次数、基金成立时间等指标值均是客观数值，因此为避免量纲造成的不利影响，在进行因子分析前，我们先将四类经验指标进行标准化(采取正态分布标准化法)，将其转为标准变量。

第二，提取公共因子。利用Stata，我们将四个指标进行主成分分析来判断所需提取的公共因子的数量。从Stata报告的结果来看(见表1)，前两个因子的特征值均大于1，且其累计方差贡献率达到了87.35%，表明前两个公共因子反映了87.35%的原始信息，具有较强的解释力度。因此综合来看，两个公共因子是较为合适的选择，假设分别为F1与F2。

第三，确定因子载荷矩阵与因子得分。在上述基础上，我们再利用方差极大正交法对因子进行旋转，从而得到了因子载荷矩阵(表2)。从因子载荷矩阵来看，F1在交易次数(TT)、股票累计值(SS)、基金成立时间(FT)上具有较高的载荷，而F2仅在基金经理从业时间(MT)上有较高的载荷。前一个因子主要反映的是从基金主体出发显示的投资经验，后一个因子则反映的是从基金经理个体出发显示的投资经验。依据表2所示的因子载荷矩阵，可得两大公共因子F1及F2与四个经验指标之间的关系，具体可表达为：

表1 累计方差贡献率与特征值

表2 因子载荷矩阵

二、羊群效应指标(HM)

目前对羊群效应的衡量主要有两种方式。一种是基于LSV模型，该模型由Lakonishok et al.(1992)[5]提出，以某只股票的买家占交易总数的比值为计算对象；另一种是基于Christie and Huang(1995)[19]使用的CH模型，该模型运用股票收益的横截面离散度(CSSD)来计算羊群效应值。国内学者在此基础上对羊群效应的存在性以及羊群效应的计算方法进行改进完善，取得了诸多成果(如孙培源和施东晖，2002；董志勇和韩旭，2007；田存志和赵萌，2011)[31][25][33]。但上述研究和方法都无法精确的描述交易者个体的羊群效应，导致无法计算出每一阶段羊群效应的变换值。李学峰和李佳明(2011)[26]利用分割聚类的矩阵化方法对羊群效应进行测算，使衡量投资者的个体羊群效应成为了可能。本文借鉴LSV模型衡量羊群效应的思路，参考李学峰和李佳明(2011)[26]分割聚类的矩阵化方法9，设计出如下的计算方法：

1.建立持仓矩阵HSt

投资者j第t期持有股票i的数量作为持仓矩阵的基础，持仓矩阵HSt构造如下：

其中，m为投资者个数，n为股票只数，bj,t,i为投资者j第t期持有股票i的股数。

2.在(3)式基础上进一步构建动态矩阵

即第t期和t-1期持仓矩阵的差作为变动矩阵：

为了进一步衡量投资者买入方向的羊群行为(以下简称“买入羊群”)和卖出方向的羊群行为(以下简称“卖出羊群”)的情况，构建增仓矩阵和减仓矩阵：

如此便形成了增仓矩阵和减仓矩阵的线性可加等式，即DHSt=BDHSt+SDHTt。

3.构建衡量羊群效应的矩阵

其中Mt=(bmj,t,i)，SMt=(smj,t,i)，分别表示买入羊群效应和卖出羊群效应，从而羊群行为以集中交易的方式得到衡量，越集中羊群效应值越大。

4.个体羊群效应的衡量

假设个体羊群效应的表达式为HMt,j，则个体羊群效应的值为当期具有买入与卖出羊群行为倾向的股票数与当期总交易股票数，表达公式如下：

其中，numt,j表示投资者j在第t期持有的具有羊群行为倾向的股票数量，numt,j表示投资者j第t期的总交易股票数。

三、控制变量的选择

参考潘越，戴亦一和陈梅婷(2011)[28]、蔡庆丰、杨侃和林剑波(2011)[24]、胡赫男和吴世农(2006)[27]等人的研究，本文控制变量的选择如表3所示。

四、研究假设与检验模型

以往的研究表明，投资经验越丰富，羊群效应越低，但是根据Gervais and Odean(2001)[6]的理论研究与Locke and Mann(2001)[15]的实证检验，投资经验与投资者过度自信程度呈现倒U型的关系。那么同样作为投资者行为偏差的羊群效应，机构投资者投资经验与羊群效应之间是否也呈现倒U型关系呢？换言之，机构投资者的羊群效应是否也会如过度自信这一非理性行为一样随着经验的积累而先升后降呢？进一步来看，如果上述倒U型关系不成立，又是否意味着机构投资者的羊群效应与其投资经验之间是正U型关系——随着投资经验的积累其羊群效应先下降后上升呢？为解答以上的疑问，我们提出如下待检验假设。

表3 控制变量

假设1：机构投资者投资经验与羊群效应呈倒U型曲线关系；

假设2：机构投资者投资经验与羊群效应呈U型曲线关系。

为验证以上假设，我们设计了以下模型来检验两者之间的非线性关系。

其中，HMt,j为机构投资者个体羊群效应的表达式，EXt,j表示投资者投资经验，Sizet,j表示基金的规模，Ratet,j表示基金的绩效水平，Sext,j表示基金经理的性别，Stylet,j表示基金的投资风格，Edut,j为基金经理的学历水平，Modet,j表示基金的管理模式。在模型(7)式中，若系数β2与β1显著不为零，则依据β2的符号可以对投资者经验与羊群效应之间的关系做如下判断：(1)β2＜0，则说明投资经验与羊群效应之间呈现倒U型关系，即在投资经验小于某一拐点时，投资经验会助长机构投资者的羊群行为，但随着经验的进一步提高超过门阀值后，投资经验会有效的降低羊群效应；(2)β2＞0，则说明投资经验与羊群效应之间呈现正U型关系，即投资经验会在拐点前抑制投资者的羊群行为，超过拐点后，投资经验会提高羊群效应。

在模型(7)式中，机构投资者的投资经验与羊群效应值使用的均是当期值，这意味着机构投资者的羊群行为会受到当期投资经验的瞬时影响，不存在滞后效应。但是现实情况并非如此理想。一方面人的行为具有行为惯性，人在一段时间内的行为具有稳定性与一致性；另一方面组织也存在行为惯性，在面对市场环境的剧烈变化时，组织往往不能及时的改变传统的行为以适应市场的变化。即无论是从基金经理还是基金管理公司的角度，他们的投资行为均会表现出“路径依赖”特征，前几期的羊群行为会对当前的行为产生影响。因此，我们有必要对羊群效应变化的滞后效应进行考察。具体方法上，本文计划利用局部调整模型的思想对上述滞后效应进行阐述。

考虑如下的局部调整模型10：

其中，HM*t,j表示羊群效应的期望水平，即我们所预期投资经验对羊群效应所达到的作用水平，θ是常数项，Xt,j为(8)式各解释变量所组成的向量，s是其系数向量，δ为扰动项。(8)式表明各变量的当期水平影响着机构投资者羊群效应的期望水平。由于投资者存在行为惯性，我们所预期的羊群效应值不会在短期内实现，而是需要一定时间让投资者逐步调整，使当期水平向期望水平靠拢。这正是局部调整模型的假设：因变量的实际变化只是预期变化的一部分。用公式表达如下：

其中，λ1与λ2为调整系数，表示实际羊群效应向期望羊群效应调整的速度。本文采用了二阶局部调整模型，即当期羊群效应的实际值是期望羊群效应与前两期羊群效应的加权和。与传统的一阶局部调整相比，该模型能更好地捕捉机构投资者羊群行为的惯性，消除扰动项的序列相关问题，保证后面动态面板模型的设定准确。

结合(8)式和(9)式可得：

其中θ*=λ1θ，s*=λ1s，δt,j*=λ1δt,j。s*为短期乘数，反映解释变量对羊群效应的短期影响，s为长期乘数，反映解释变量对羊群效应的长期影响，λ2与(1-λ1-λ2)为滞后乘数，反映前两期羊群效应对当期的影响，即表示滞后效应的大小。(10)式所表示的动态面板模型即本文进行实证检验将要采用的基本模型形式，具体表述为：

另外，尽管我们依据前人的文献提出倒U型与U型假设，但如果这两种假设都不能通过检验，也不意味着投资经验与羊群效应必然呈线性关系，因为机构投资者经验与羊群效应之间仍然有可能存在“N”型11或倒“N”型12的三次曲线关系。为保证本文前两个假设的稳健性与严谨性，就需要通过多种计量分析方法与检验方法对其他曲线关系存在的可能性进行验证。为此，我们提出第三个待检验假设。

假设3：机构投资者投资经验与羊群效应呈现三次曲线关系。

为对假设3进行检验，我们在(11)式中加入三次项形成(12)式：

在(12)式中，若β4显著不为0，则说明投资经验与羊群效应确实存在三次曲线关系，然后我们可以再根据β2、β3与β4的具体情况来做进一步的判断。

实证结果与分析

一、样本选取与数据介绍

本文样本选取时间为2010年1季度到2015年4季度，按季度划分为24个子观察期13。期间，我国股市经历过完整的熊市和牛市阶段，为我们研究羊群效应提供了绝佳的市场背景。数据选取了这段时期我国A股市场所有的偏股型开放式基金为研究样本，剔除了每期累计交易次数为0的样本，另外还剔除了部分缺失数据样本。在投资组合的股票样本选取中以机构投资者的前十大重仓股为研究对象。最后共获得了166只基金24个季度共3984个研究样本。本文所有的数据均来自Resset和Wind数据库。

表4 相关变量的描述性统计

表4给出了本文实证模型所涉及变量的描述性统计。

二、机构投资者投资经验与羊群效应的统计性分析

为直观的展现机构投资者羊群效应与投资经验之间的关系，表明基金个体羊群效应与投资经验之间的U型曲线关系，我们先对其进行统计性分析。考虑到单只基金不具有典型性与代表性，我们在每个季度对166只基金的羊群效应及投资经验取均值，得到一组共24个季度的羊群效应与投资经验组合值，我们可以把其看作市场中偏股型基金的典型代表。然后我们将羊群效应与机构投资者投资经验置于同一张图中(图1)，纵轴代表羊群效应，横轴代表机构投资者投资经验。

从图1看，投资者的羊群效应与其投资经验呈现较为明显的U型关系。羊群效应在投资经验较为缺乏时处于高位，随着投资经验的积累，羊群效应逐步降低，并曾一度低于0.1，但当投资者投资经验进一步增强时，羊群效应开始逐渐回升，但低于缺乏投资经验时的羊群效应值。这说明投资经验对羊群效应的影响是有限且复杂的，尤其是在U型曲线的后半段，羊群效应逐渐回升至低于缺乏投资经验的水平，很有可能是因为投资经验对羊群效应的边际效果在逐步递减，使得其他增强羊群效应的因素在与投资经验的博弈中占了上风。

三、机构投资者投资经验与羊群效应的回归分析

在(11)式与(12)式中，解释变量中含有被解释变量的滞后项，而被解释变量的滞后项与残差项有可能存在相关性，采用传统的最小二乘法进行估计时，容易产生内生性问题，因此，我们主要采用Windmeijer(2015)[20]所提出的改进后的两步系统GMM14对各模型进行估计，此外，为保证检验的稳健性与严谨性，我们需要采用多种不同的计量方法对可能出现的曲线关系进行检验。因此，除了采用能控制内生性问题的系统GMM外，我们还利用静态15非线性最小二乘法(NLS)、混合最小二乘法(POLS)、固定效应(FE)、随机效应(RE)等方法进行稳健性检验，力求从多种实证角度对机构投资者投资经验与羊群效应之间的关系进行刻画分析。表5是各实证检验方法回归结果。

图1 机构投资者投资经验与羊群效应U型关系图

针对表5所示的实证结果我们做如下分析。首先我们对假设3进行检验。在模型1中，我们采用基于动态面板模型并能有效控制内生性问题的系统GMM16，对引入投资经验三次项的(12)式进行参数估计，结果显示，投资经验的三次项系数并不显著，而一次项与二次项系数均显著为正。因此我们排除了机构投资者投资经验与羊群效应呈现“N”型或倒“N”型关系的假设3。因此，在下面的分析中，我们将专注于对“U型”与“倒U型”关系进行多种计量角度的检验。

与检验假设3相似，我们首先也分别利用静态NLS与系统GMM对假设1与2进行验证。模型2的回归结果表明，投资经验一次项与二次项的系数均显著为正，机构投资者投资经验与羊群效应表现出正U型曲线关系。而在模型3中，我们报告了能考虑变量动量效应且能控制内生性问题的系统GMM法的参数估计结果17。从参数估计结果来看，投资经验一次项与二次项的系数同样均显著为正，正U型曲线关系仍然存在。以上分析结果清楚地表明，机构投资者投资经验与羊群效应之间确实存在U型曲线关系，且估计结果十分稳健，很好地验证了假设2，即随着机构投资者的投资经验的增长，羊群效应会逐渐降低，当投资经验增长至某一阀值时，羊群效应达到最低，此后经验的继续增长并不能减轻羊群行为，反而会助长羊群行为。

表5 羊群效应对机构投资者投资经验回归估计结果

其次，为进一步检验内生性问题在羊群效应研究中的重要性，我们还分别报告了静态POLS，静态FE，静态RE三种被各类文献广泛使用的估计方法，将估计结果与系统GMM估计结果进行对比，从而对内生性问题的影响程度以及GMM估计方法的稳健性程度进行考察18。通过比较分析可知，除模型4外，模型5与模型6的有更多的控制变量呈不显著状态，特别是最为重要的投资检验的二次项系数，模型4与模型5中仅在5%的显著水平上显著，t值也小于模型3所报告的2.78，而与模型3相比，模型6中投资经验的二次项系数虽也在1%的显著水平上显著，但其t值要略小于模型3，且有部分变量系数符号与模型3、4、5也存在差异，说明采用系统GMM能在一定程度上控制内生性问题，获得最优最有效的参数估计结果。

最后，我们再看羊群效应与各控制变量之间的关系。从表5可以看出，在6个模型中，基金的规模与羊群效应成负相关关系，基金规模越大，羊群效应越低。一方面是因为规模更大的基金一般具有更强的投研能力，往往能在市场中发现小规模基金所不能挖掘的新的优质股票，另一方面是因为较大的规模给基金经理提供了更多的配置资金，使资产更为分散化。而基金的业绩与羊群效应成正相关关系，基金业绩越好，羊群效应越高。这可能是由于基金以往较高的业绩使基金经理在进行资产配置时产生了“路径依赖”，将资金集中于某些股票。从6个模型综合来看，基金经理的性别、以及基金的管理模式并不能对羊群效应造成影响，多个基金经理共同管理一支基金并不能减轻基金的羊群行为。

四、稳健性检验

为保证结果的稳健，本文使用多种检验进行辅助19，其基本结果均表明机构投资者投资经验与羊群效应之间存在显著的正U型曲线关系，即羊群效应会先随着投资经验的增长而降低，然后在机构投资者投资经验达到某一临界值后，羊群效应会随着投资经验的增长而提高。之所以会产生这种曲线关系，我们认为存在以下原因：

在临界值前，投资经验的增长抑制了机构投资者的羊群行为。这是因为一方面，机构投资者在投资过程中，伴随着投资经验的不断增长，对资本市场的了解也会更加深入。通过对过去投资经验的学习不断吸取教训和积累经验，投资者可能会对自身拥有的有价值的私有信息更为重视而不容易被他人的决策或者舆论所左右，从而减少了非理性的羊群行为，这也从本文的角度验证或支持了Gervais and Odean(2001)[6]的结论：投资者的投资经验与其过度自信程度之间是倒U型的关系——正是由于在经验不断积累的初期投资者过度自信程度不断上升，才使得投资者越来越相信自己所拥有的信息和能力，从而追随他人的羊群效应逐渐降低。另一方面，交易经验的累积伴随着投资者的预测能力的提升(Hartzmark,1991)[23]，或选股能力和择机能力的提升(Nicolosi and Peng, 2009)[17]，或三者同时得到提升，这些投资能力的提升也会使得羊群效应出现下降，从而使具备上述能力的投资者可以战胜其他投资者获得更好的投资表现。

然而学习效应所带来的好处并不能持续。随着投资经验的进一步积累，投资者的羊群效应程度开始上升，投资者由最初的“初生牛犊不怕虎”和逐渐的过度自信，而变得日益谦和甚至“自卑”——不再相信自己的能力、信息和经验转而去追随他人的投资行为。究其原因，行为金融给出的产生羊群行为的三大经典原因——声誉效应、薪酬效应和信息不对称效应，恐怕是在此阶段之后才开始发挥作用。

结论与启示

随着行为金融学的发展，解释羊群效应成因的传统的三种模型越来越难以令人们完全信服，特别是有关文献所揭示的投资者经验与非理性行为之间会呈现非线性关系的结论，让我们有理由猜想：羊群行为会受到投资者经验的影响，且这一影响可能也并非是已有研究所(隐含)假设的线性关系。正是在这一背景下，本文从机构投资者投资经验与羊群效应的关系这一视角出发，对我国资本市场进行了一次实证检验。我们发现：投资者的羊群效应确实受到投资经验的非线性影响，即：随着机构投资者投资经验的增加，机构投资者的羊群效应会先降低后提高，羊群效应与投资经验两者呈现出正U型曲线关系。

本文的研究和结论带给了我们如下的理论启示。第一，支持了已有文献关于经验会影响投资者羊群行为的结论，特别是以实证证据拓展了Gervais and Odean(2001)[6]的理论结论——投资经验不仅仅如Gervais and Odean(2001)[6]所证明的对过度自信产生倒U型的非线性影响，也会如本文所揭示的对羊群效应产生U型的非线性影响。第二，已有研究发现投资经验的增加会导致羊群效应的下降是有条件正确的，该条件即是当投资经验的积累还没有超过阀值之前，而一旦投资经验的积累超越了阀值，经典的三大效应对投资者采取羊群行为的激励可能更大。换言之，经典的三大效应对投资者羊群行为具有一定的解释力度，而诸如投资者经验或学习效应的因素也并不完全。因此，任何非理性行为可能都是各种因素综合或先后发生作用而导致的，要想更为全面地揭示这些因素，就需要我们更多地采取非线性的视角而对线性思维更为谨慎。

此外，基于本文所得结论，我们应该意识到，不同的机构投资者具有不同程度上的羊群行为，他们羊群效应的大小既与投资经验、基金规模、基金业绩等因素息息相关，也与委托-代理关系、声誉、信息流等三大效应有紧密关系。我们不能简单地将我国资本市场羊群效应偏高这一事实归咎于市场投资者投资经验的缺乏，任何一个市场都随时有新的即欠缺经验的投资者入市，这就导致即便在一个较为成熟的市场(如美国)中，羊群效应等非理性行为也会一定程度地存在(Lakonishok et al., 1992)[5]。并且即使市场中富有经验的投资者占大多数，羊群效应仍可能处于较高的水平。因此，一方面我们永远不要奢望在一个市场中完全地消除非理性行为——羊群效应恐怕就如投机因素一样，是与一个正常运转的市场相伴而生的；另一方面我们既要不断提高投资者的投资经验，如加强对基金经理的在职培训、改善机构投资者的结构与质量(如培育一大批有着自己独立的投资风格、定位长期投资、立足长远发展的机构投资者)等，又要加强制度建设。特别是考虑到本文所发现的投资经验到达某一临界值后反而会助长羊群行为这一现象，更需要我们着力于制度建设，如通过约束-激励机制改善委托-代理问题、通过强化机构投资者监管降低信息不对称，以及改革目前的契约型基金使其转变为公司型基金，以便通过引入股权、期权完善基金经理的薪酬制度等。

最后，考虑到中国资本市场优质的投资对象依然过于稀缺这一现实，投资者不得不采取“扎堆取暖”的策略。因此，完善证券公开发行制度与退市制度，提高发行人信息披露质量，培育更多优质的上市企业，以供投资者进行真正意义上的多样化投资，无疑将对中国证券市场羊群效应的减少会有事半功倍的效果。

注释

1.市场上存在聪明的基金经理与平庸的基金经理，聪明的基金经理比平庸的基金经理有更强的能力与更好的业绩，平庸的基金经理为维持其声誉，会选择模仿聪明的基金经理的投资行为，从而产生羊群效应。

2.Maug and Naik(1995)[2]的模型假设一个风险厌恶的基金经理，他的报酬与基准经理人的业绩表现有关，若他的业绩表现低于基准经理人的业绩表现，则薪酬水平较低，反之则高，所以与声誉模型类似，基金经理有动力去模仿基准经理人的投资行为，从而产生羊群效应。

3.Banerjee建立了一个序贯决策模型，在模型中，先验看法相同且风险中性的投资者按照一定的顺序进行投资，在投资前，所有投资者都获得了关于资产的信息。若前几个投资者投资选择相同时，后面的投资者会忽略自己收到的信息，而选择跟随前面的投资者，因为前面几个投资者收到相同错误信息的概率是非常小的，如此便产生了羊群效应。

4.Gervais and Odean(2001)[6]研究了学习偏差对过度自信的影响，并从理论上证明了过度自信与投资经验之间大致呈现一种倒U型曲线的关系的，即初期经验少时投资者过度自信的程度较高，之后随着经验的增加其过度自信的程度逐渐降低。

5.已有文献大都只采用了一个或两个经验指标，而本文基于全面性考虑，对各文献所用指标进行了总结，选出了四个主要指标，并利用因子分析构造出一个综合指标来衡量投资经验。

6.李学峰和李佳明(2011)[26]较早提出了基于分割聚类的矩阵化方法研究投资者个体的羊群效应，但在其具体的指标设计和计算方法上还存在缺陷，详见本文第三部分的分析。

7.首先，基金季报只公布前十大重仓股的数据；其次，前十大重仓股在基金占有很大比重，具有代表性，我国基金持仓数量平均约为80只，但前十大重仓股的市值就占了41.56%。

8.Greenwood and Nagel(2009)[18]以及潘越，戴亦一和陈梅婷(2011)[28]在衡量基金经理的投资经验时采用基金经理的年龄这样一个指标，但当前我国对基金经理年龄的披露很不完整，因此本文的指标更为精确。

9.但对具体计算方式进行了较大改进。第一，本文使用持仓股数代替原文使用的持仓比率，因为持仓股数的变化方向就能说明投资者的买入或者卖出行为了，与后文使用的聚点值对应；第二，李学峰和李佳明(2011) [26]在均值聚类的时候，采用矩阵每一行的增减仓数据，这样计算不尽合理，因为既然是增减仓了，已经反映该只股票的交易分类方向了，本文采用了聚点均值分类，详细介绍见正文。

10.以往的研究并未考虑到行为人与组织的惯性特征，本文的局部调整模型能较好地捕捉这种行为惯性。

11.即投资者的羊群效应随着其经验的累积出现先上升后下降再上升的情况。

12.即投资者的羊群效应随着其经验的累积出现先下降后上升再下降的情况。

13.由于本文的投资经验指标涉及到累计求和，因此本文的累计购买次数和累计购买股票种类均从2002年1月1日开始计算。2001年9月我国第一支开放式基金华安创新成功发行。

14.根据权重矩阵的不同，系统GMM可分为一步和两步估计。Blundell and Bond(1998)[21]指出，相对于一步估计，两步估计是渐进有效的，但存在估计量标准误向下偏误的缺点。而Windmeijer(2015)[20]所提出的改进后的有限样本标准差估计能有效地对两步法估计误差进行纠正，使得两步法比一步估计更为有效。

15.按是否包含被解释变量滞后项，可分为静态、动态估计。

16.我们也采取了非线性最小二乘法对含三次项的模型进行了回归，结果与模型1一致，三次项系数并不显著，一次项与二次项显著不为零，在此受限于篇幅，实证结果略。

17.采用动态固定效应(FE)进行估计的参数估计结果与模型3一致，进一步证实了U型曲线关系的存在，受限于篇幅，实证结果略。

18.类似的比较分析思路也被一些文献所采用(邵帅，2013；Bjorvatn et al., 2012)[30] [22]。

19.上文分析中我们使用了系统GMM、非线性最小二乘法与混合最小二乘法等多种回归方法进行了检验。