投资者情绪、卖空限制与规模溢价效应研究

朱红兵 张兵 陈慰

(1.南京大学商学院，江苏 南京 210093；2.中通服咨询设计研究院有限公司，江苏 南京 210019)

引言

2016年以来中国证监会将“严监管”、“禁炒作”定为工作的主基调，然而中国A股市场长期存在的规模溢价现象并未因此消失1，相反市场对小市值股票的追捧炒作现象屡见不鲜，小市值股票深受投资者偏好2。Banz(1981)[5]最早关注到此现象，但直到Fama and French(1992)[12]将规模纳入到资产定价框架内提出著名的三因子模型，规模因子才逐渐被应用于主流的资产定价研究中，用以解释规模溢价效应。然而，Daniel and Titman(1997)[11]对美国股市的研究发现控制公司基本面特征后，规模因子对股票横截面收益率不再具有解释力度。阳建伟和蒋馥(2004)[33]也指出无论是单因子分析还是多因子分析，规模因子对中国A股市场的股票横截面收益率的变动均缺乏显著性影响。Asness et al.(2018)[3]则发现在同时考虑企业质量因子与规模因子的情况下，样本企业的规模溢价现象仍然显著，规模因子失效。这些研究都对规模因子在规模溢价效应解释中的适用性提出了挑战。

在传统金融学的资产定价框架下，规模因子主要用以捕捉与规模相关的股票风险和收益间的差异，而这类差异本质上源自不同规模上市企业的基本面差异(Liu et al.，2018)[20]。但中国股票市场与国际主要股票市场，尤其是成熟发达的美国股市存在着天然差异，具有中国特性(Song and Xiong,2017)[25]。朱伟骅和张宗新(2008)[40]便指出中国股市存在浓厚的博彩性投机行为，投资者情绪的变化在很大程度上驱动着股价的变化。Gu et al.(2018)[15]则发现中国股市交易制度上的特殊性使得投资者面临的卖空限制要显著高于欧美成熟股市，卖空限制制约了理性投资者的套利行为，使得被错误定价的股票在一个较长的时间范围内持续高估或低估，强化了市场异象。更具体来看，投资者在乐观情绪下会低估小规模企业的经营风险而高估其未来的成长性，因此对小规模企业的股票更加偏好。然而短期内这类企业的股票供给有限，在超额需求的作用下便会造成不同规模企业股价的差异化，促成规模溢价效应的产生。在此情形下，市场中卖空限制约束越强的股票，受套利限制约束其价格中的高估成分无法消除，规模溢价效应会长期持续甚至得以强化，而卖空限制约束越低的股票，其价格会在投资者长期动态博弈中趋近于内在价值，规模溢价效应也会得以缓解。

据此，本文将从投资者情绪、卖空限制等因素出发，对中国A股市场中的规模溢价现象展开深入的分析与系统的验证，并对FF3 模型中规模因子的适用性做出分析，通过构造投资者情绪因子改善和提高三因子模型在中国资本市场的解释力度。区别与已有的研究，本文的贡献在于：第一，现有文献对规模溢价现象的解释往往从风险补偿，税收规避等理性角度出发，而忽视了市场参与主体的非理性行为的影响。本文则从投资者情绪角度出发考察了中国A股市场的规模溢价现象，提供了全新的研究视角。第二，结合中国式融资融券制度的特征，本文证实了融资融券制度的实施提升了中高市值股票的交易效率，有效降低了的卖空限制所导致的股价泡沫，提升了市场效率。这一结论为我国融资融券制度的实施效果提供了新的证据，也为后期融资融券扩容提供了理论支撑。第三，本文将投资者情绪规范化为定价因子，进一步拓展完善了FF3三因子模型，为中国A股市场的规模溢价效应解释提供了更具适应性的实证模型，也为其它规模类异象的研究提供了新的思路。

文献梳理与研究假设

一、文献梳理

Banz(1981)[5]最早对规模溢价现象进行研究，发现1926～1975年间纽约证券交易所的小市值股票收益明显高于大市值股票，他指出小公司信息缺失使投资者面临更大的风险，所以投资者要求获得高收益。随后越来越多的学者加入该议题的研究，Chan and Chen(1991)[9]认为规模溢价是一种前景效应，规模小的企业大多是一些边际企业，这类企业的盈利前景对经济形势的变化更为敏感。在经济恶化时，小企业更易面临现金流枯竭，违约风险上升等问题，因此只有收益更高时投资者才愿意持有这类股票。Beck and Demirguc-Kunt(2006)[7]认为小公司资本和流动性的缺失使得它们对宏观经济风险更为敏感，较高的利率期限结构风险和违约风险共同造成小市值股票溢价。Switzer(2010)[27]发现规模溢价只出现在经济衰退阶段，但是经济周期本身并不能解释规模溢价，他们认为在经济衰退期间，小公司的违约风险显著提高，所以是违约风险的差异造成了小公司的溢价。也有部分研究从投资者避税动机入手，在美国，投资盈利需要缴纳资本增值税，而亏损则可抵税。为了合理避税，年末投资者会将亏损股票卖出，翌年一月再重新投资。因此股市在一月表现异常好，其中小市值股票的涨势尤为可观。Keim(1983)[17]发现一月效应可解释近50%的规模溢价现象。Blume and Stambaugh(1983)[8]更是认为规模溢价完全是由一月效应造成的。

国内，汪炜和周宇(2002)[32]较早关注到规模溢价现象，统计发现在考虑风险因素之后，小公司在全年大部分月份都有较好的表现，他们将此解释为对高额隐性成本的补偿。佘坚和陈晓红(2005)[31]用GARCH类模型从收益波动角度解释规模溢价，指出中国股票市场散户多、波动大、信息不对称严重等特点催生了小市值股票交易中的投机行为，导致小市值股票股价波动更为剧烈，因而需要高收益进行补偿。张剑等(2012)[38]提出了基于马尔可夫的市场异象持续性检验模型，发现中国A股市场的规模溢价持续性较弱，且显著受统计区间的影响。

然而无论是基于风险补偿还是税收规避的解释都忽视了市场参与主体情绪的影响。行为金融研究表明，投资者在不同的情绪状态下会呈现出不同的风险偏好特征，情绪对投资者的风险偏好有着显著的调节作用，并最终影响投资者的交易决策行为(Nofsinger，2005)[23]。Kuhnen and Knutson(2011)[18]发现积极的情绪会降低投资者的风险厌恶水平，当投资者情绪高涨时，其对事物发生的可能性会给予更高的估计。Bassi et al.(2013)[6]的研究进一步指出投资者在乐观情绪下更愿意承受较大的风险，做出更加激进的决策行为。Qadan and Aharon(2019)[24]更是发现在美国股市中投资者情绪能显著的预测规模溢价效应。虽然国内的研究并未直接考察投资者情绪对规模溢价的影响，但大量的文献表明投资者情绪是影响股票资产定价的重要因素(易志高和茅宁，2009；于琴等，2017)[34][35]。特别地，在散户众多的中国股票市场，考察投资者情绪对规模溢价的影响有着更加现实的意义。

此外，现有的研究也忽视了中国股票市场卖空限制约束对不同规模上市公司的股价影响。根据Miller(1977)[21]的卖空限制理论，卖空限制的差异将导致股价走势分化，投资者面临不同程度的卖空限制约束，则会要求不同水平的风险溢价补偿。而中国A股市场特有的融资融券制度为这一研究提供了天然的试验场。再者，国内对A股上市企业规模溢价的研究缺乏严谨细致的证明，也未考虑多种重要的定价因素，致使研究结论缺乏说服力。鉴于此，本文将从投资者情绪入手并结合融资融券制度所降低的卖空限制对我国股市中的规模溢价现象展开系统性的证明和解释，以期为相关的研究做出补充和完善。

二、研究假设

传统金融理论认为，股票的价格仅取决于公司的基本面，而与投资者情绪无关。然而越来越多的行为金融研究表明，投资者情绪是驱动资产价格变化的重要因素(Sun et al.，2016)[26]。投资者在不同的情绪状态下会呈现出不同的风险偏好，并做出相应的交易决策，最终影响股价变化(Qadan and Aharon，2019)[24]。Bassi et al.(2013)[6]便指出投资者在乐观情绪下更愿意承受较大的风险，做出更加激进的决策行为。尽管规模较小的上市企业有着较大的经营风险和流动性风险，但情绪高涨的投资者依然会乐观的估计企业未来的经营状况，表现出风险偏好而买入小市值股票。更为一般意义下，当市场中大多数投资者被乐观情绪充斥的时候，市场参与者对以小规模企业为代表的风险资产便有着超额的需求，而短期内这类企业的股票供给有限，最终便会造成不同规模企业股价的差异化，促成规模溢价效应的产生。特别地，相较于美国市场，中国股票市场的有效性更低，散户投资者高占比和过度投机是其最为突出的特点。散户投资者易受情绪影响，更易促成规模溢价效应的产生。基于此，本文提出第一个研究假设：

H1：投资者情绪是促成中国A股市场规模溢价效应产生的重要原因。投资者情绪低迷时规模溢价效应不显著，投资者情绪高涨时规模溢价效应越显著。

不同于国际主要成熟股票市场，中国股票市场有着较为严格的卖空限制约束。在Miller(1977)[21]的研究中，投资者会因为预期信念的差异做出不同的交易决策进而影响股价变化，例如对未来判断更加乐观的投资者会买入并持有股票资产，而悲观的投资者更希望卖出股票资产规避风险，但市场中的卖空限制约束使得悲观投资者无法进行卖空交易，最终参与市场交易的都是乐观的投资者，最终导致股价不断高估形成价格泡沫。而前述分析中，投资者情绪的变化改变了其投资决策中的风险偏好，大量乐观情绪的投资者对以小规模企业为代表风险资产的超额需求会使得小规模企业的股价高于内在价值，形成泡沫。在此情形下，市场中卖空限制约束越强的股票，其价格中的高估成分便会一直持续下去，相反卖空限制约束越低的股票，其价格会在投资者长期动态博弈中趋近于内在价值。为了尽可能降低卖空约束限制对股市造成的不利影响，中国证券市场于2010年3月份推出了融资融券制度，试图通过“先试点，后推广”的办法逐渐降低不同属性特征股票的卖空限制。Chang et al.(2014)[10]研究发现，中国A股市场中的股票一旦被纳入融资融券标的，股价都会出现一定程度的下降，股价会更加接近于内在价值。李志生等(2015)[28]、朱宏泉等(2016)[39]的研究也都肯定了融资融券的积极意义，他们指出融资融券有助于矫正卖空限制导致的股价高估，提高市场效率。从图1中我们也可以看出，融资融券制度推出后，小市值股票与大市值股票的走势出现明显的分化。因此，我们提出本文的第二个假设：

H2：卖空限制约束对中国A股市场规模溢价效应有着强化作用，卖空限制约束越强的股票其规模溢价效应越强，反之卖空限制约束越小的股票规模溢价效应越弱。

投资者的经验以及能力决定了他们能否对市场信息做出理性的反应，进而弱化(增强)资产价格中的泡沫程度。相较于散户投资者，机构投资者拥有信息和技术优势，能更准确地评估股票价值，一旦市场过度反应便会进行反向操作，使价格快速回归理性。、Nagel(2005)[22]研究发现机构投资者比个人投资者更理性，不易受市场噪音和情绪的影响，因此理性的机构投资者能够抑制市场的狂热情绪，降低股价泡沫。国内相关的研究也表明，机构投资者在理性决策、推动股价向内在价值发展过程中扮演者重要角色(岳衡和赵龙凯，2007；罗进辉等，2017)[29][36]。在投资者情绪作用下产生的规模溢价效应促成了小规模上市企业股价的非理性偏离，产生了一定程度的价格泡沫，而机构投资者的持股可有效降抑制小市值股票中的泡沫成分。基于此分析，我们提出本文的第三个研究假设：

H3：机构投资者持股对中国A股市场规模溢价效应有弱化抑制作用，机构投资者持股比例越大的股票其规模溢价效应越弱，反之机构投资者持股比例越低的股票其规模溢价效应越强。

数据来源与研究设计

一、数据来源

为尽可能的涵盖历史样本，避免数据挖掘式的样本选择。本文以1995～2018年全部的沪深A股上市公司为研究样本。上市公司的收益率、流通市值等交易数据来源于万德数据库(WIND)，投资者情绪、融资融券情况与市场因子等数据来源于国泰安数据库(CSMAR)。本文数据频率为月度，在剔除ST(PT)类企业、样本数据缺失严重的企业后得到有效样本观测共计437762行观测。

二、变量定义

1.被解释变量

本文考察的是公司规模对股票收益的影响，因而因变量是个股月度收益率。然而考虑到中国A股市场“T+1”交易制度对投资者股票买卖的影响，投资者无法在当日同时进行同一股票资产的买卖，而采用简单算术收益率作为股票收益的代表实质上默认了投资者每日连续结算，产生的是账面收益，而非实际收益。因此，我们采用了对数收益率作为因变量的代表，具体如下：

2.解释变量

本文的解释变量包括公司规模、投资者情绪、卖空限制、机构投资者持股比例等因素。其中：(1)公司规模用公司流通市值的自然对数衡量；(2)投资者情绪参考易志高和茅宁(2009)[34]的研究，用投资者情绪综合指数(CICSI)代表；(3)卖空限制用是否融资融券标的近似代表，若股票当月为融资融券标的股则记为1，否则为0；(4)机构投资者持股比例等于所有类型的机构投资者持股的总和除以总流通股数。

3.控制变量

表1 变量的定义与测度

借鉴Fama and Fench(1992)[12]、Jegadeesh and Titman(1993)[16]、Ang et al.(2010)[2]、Bali et al.(2011)[4]关于资产定价的研究，本文纳入了股票换手率、账面市值比、风险系数、动量效应指标、偏度、特质波动率、流动性和类彩票性质作为控制变量。为剔除极端值的影响，对所有连续变量进行首尾1%的缩尾处理。上述变量及符号定义见表1。

表2展示了主要变量描述性统计的结果，样本期间，股票平均月收益率为0.30%，最大值为39.01%，最小值为-38.39%，收益率之间的极值差异表明中国股市在样本区间内经历了暴涨和暴跌的现象。此外，样本企业的平均对数规模维持在21.5418左右，与中位数21.5020较为一致。融资融券标的股占总样本的22.83%，平均机构持股比例为31.6230%。其他控制类因素的数值大小与A股市场的特征也较为吻合(于琴等，2017)[35]。

三、模型设定

1.风险因子定价模型

本文在排序分组检验中，用以计算超额 收益率的因子模型主要包括资本资产定价模型(CAPM)、Fama和French三因子模型，具体如下：

表2 主要变量的描述性统计

其中Ri,t代表的是投资组合i在t时期的组合收益率，代表t时期的无风险利率，代表全部A股流通市值加权的市场收益率，代表市场因子，SMBt代表规模因子，HMLt代表价值因子，εi,t代表随机扰动项。

2.横截面收益率模型

为了检验核心解释变量企业规模对个股规模溢价的影响，在参考资产定价研究一般化做法下，本文控制诸多影响个股横截面收益率表现的风险特征因素后将横截面收益率实证模型设定如下：

更进一步检验卖空限制、机构持股对规模溢价的调节作用，本文将实证模型设定如下：

上述等式中，εi,t代表随机扰动项，MVi,t-1代表调节变量，包括投卖空限制和机构投资者持股比例等因素。根据本文的设计，当γ1显著为负的时候说明个股t-1月流通市值对t月的收益率具有显著的预测作用，而当γ3显著的时候则说明MVi,t-1对上述预测关系具有统计意义上的调节作用。为保证回归结果的稳健性，减小横截面层面上的自相关和异方差影响，本文采用了Fama-Macbeth方法对上述模型进行了估计(Fama和Macbeth，1973)[14]。

实证结果与分析

一、规模溢价效应的检验

为了直观地展示公司规模对收益的影响，本文采用动态调整投资组合的方法。每年根据上一年年末的流通市值将企业由小到大分为十组，并计算接下来12个月的收益，组合每年调整一次。特别地，为了消除经营异常企业的影响，分组时剔除市净率为负的企业。表3报告了分组结果，第一列到第十列依次展示了规模从小到大十个组合的收益，第十一列为规模最小和最大组的收益之差，最后一列是收益差异的t值。可以看出，最小规模组的平均月度收益为1.07%，而随着个股流通市值的增大，收益单调下降至-0.02%，下降幅度高达98.13%。在多空策略组合下投资者每月可分别获得1.09%的收益率，年化收益率高达13.08%。经过风险因子调整后这一组合的月度超额收益率仍然有1.01%和0.28%，上述数值结果初步证明中国股票市场存在显著的规模溢价现象。但值得注意的是，FF3因子模型并未能完全解释规模溢价带来的超额收益，这反映出FF3因子模型在中国A股市场的规模溢价解释中存在不足。阳建伟和蒋馥(2004)[33]的研究也指出在中国A股市场，FF3中的规模因子缺乏解释力，完全失效。

表3 投资组合的分组检验

表4 规模溢价的回归分析

由于已有的研究表明，股票的流动性、账面市值比、特质波动率、类彩票性特征以及系统性风险等因素会显著影响个股的回报率，因此，我们利用Fama-Macbeth回归进一步控制上述因素检验了规模溢价效应，表4给出了估计结果：在解释变量滞后一期的情景下，个股的规模系数估计值分别为-0.0139和-0.0084，均在1%的水平下显著，揭示出规模与收益率之间的显著性负向关系。在更进一步的滞后分析中，个股的规模对收益率仍然表现出了显著性的预测作用，说明规模溢价在中长期较为稳健，这一结论与上述的分组检验结果完全一致。

二、投资者情绪促成了规模溢价效应的产生吗？

以检验投资者情绪是否促成样本企业规模溢价效应的产生，本文对投资者情绪指标进行从小到大的排序，按20%、40%、60%以及80%分位数将样本等分为5组，分别标记为1(情绪数值最小组)、2、3、4、5(情绪数值最大组)，逐一考察了不同情绪样本下上市企业的规模因素与收益率之间的关系，表5报告了检验结果：在控制各类影响股票收益率的风险因子后，上市企业规模因素的系数估计值仅在投资者情绪第4、5分位组样本下显著，分别为-0.0150(p＜0.01)和-0.0094(p＜0.05)，而在低情绪分位组中上市企业规模因素的系数估计值在统计意义上与零没有差异，就数值特征来看投资者情绪第5分位组下的规模因素估计值要远高出投资者情绪第1分位组下估计值8.55倍。这一突出的数值差异表明，在投资者情绪高涨时期，投资小规模企业的股票大多能获得较高的超额回报，而在情绪低迷期这一策略将不再生效，市场中投资者情绪的高低直接左右了小规模企业的溢价程度。这也意味着中国A股市场上市企业的规模溢价效应由投资者情绪驱动，投资情绪变化引起的投资者风险偏好的改变是小规模企业溢价的主要原因。Qadan and Aharon(2019)[24]对美国股市中规模溢价效应的研究也间接突出了投资者情绪在规模溢价效应产生中的重要作用。总而言之，表5中的回归结果佐证了本文的假设一，揭示出投资者情绪是促成中国A股市场规模溢价效应产生的重要原因，投资者情绪低迷时规模溢价效应不显著，投资者情绪高涨时规模溢价效应越显著。

表5 投资者情绪与规模溢价的Fama-Macbeth回归估计

三、卖空限制的调节效应估计

表6 卖空限制与规模溢价的Fama-Macbeth回归估计

同理，根据样本企业在给定时点是否被纳入到融资融券试点中，本文将样本划分成了融资融券标的和非融资融券标的，针对不同标的样本分别估计了规模对收益率的影响以及以融资融券为代表的卖空因素对规模溢价的调节效应。表6给出了检验的Fama-Macbeth回归估计结果，可以看出：由于无法通过融券进行卖空降低股价中的非理性泡沫成分，非融资融券标的股样本的规模因素与收益率在1%的水平下呈现出了较大数值的负向关联系，为-0.0139，而被纳入融资融券标的的样本企业中，这一数值仅为-0.0027且在10%的水平下显著，前者是后者的5.15倍。此外，对于融资融券标的企业而言，其被纳入融资融券标的后显著的抑制了规模溢价效应，其调节程度达到了0.0110(p＜0.01)。而引入融券卖空量的模型(4)也同样显示卖空数量越多，SZIE对个股收益的负向影响越小，卖空程度显著抑制了规模溢价效应。在全样本的估计结果(5)中上述结论依然成立，卖空限制与规模的交互项也在1%的水平下显著为0.0106。整体而言，上述不同样本、变量下的检验均表明卖空限制对规模溢价效应有着显著的强化作用，卖空限制越强的股票规模溢价效应越强，而卖空限制越小的股票规模溢价效应越弱，验证了本文的假设二。

四、机构持股的调节效应估计

尽管前述实证表明投资者情绪是促成中国A股市场规模溢价效应产生的原因，但不同类型投资者受情绪影响的程度存在差异。机构投资者作为专业的市场参与者不易受市场噪音和情绪的影响，在资产配置中能够较为准确的评估股票的价值并作出交易决策，而这在很大程度上可以抑制股价中的非理性泡沫成分。为了检验这一假设，本文首先将机构投资者持股比例从小到大排序，根据50%分位数(中位数)的大小将样本分成两组，分别为机构投资者持股比例小于等于中位数的样本、机构投资者持股比例大于中位数的样本。基于此这一分组，本文分别采用分组回归和引入交互项的连续调节效应回归考察了机构投资者对规模溢价效应的影响，结果显示(表7)：以机构投资者持股比例中位数为临界点，上市企业规模因素与收益率之间的负向关系在中位数上下两组样本中呈现出了显著性的差异，其中机构持股比例小于中位数的样本中这一负向关系系数为-0.0114(p＜0.01)，而在中位数以上的样本中则仅为-0.0025(p＜0.10)，前者是后者的4.56倍，经1000次的Bootstrap检验两者的差值-0.0089也在1%的水平下显著。更进一步，引入机构投资者持股与规模因素交互项，本文也发现在连续调节效应中，机构投资者持股比例也在5%的水平下抑制了上市企业规模因素与收益率之间的负向关联性，强度为0.0003。上述数值结果表明，机构投资者作为专业的投资人，拥有丰富的投资经验和专业素养，能有效抑制市场情绪所导致的规模溢价效应，验证了本文的假设3。

五、考虑情绪因素修正的因子模型

前文的分组检验结果显示，在利用FF3三因子模型控制规模因子风险后，中国A股市场仍然存在显著的规模溢价效应，这与阳建伟和蒋馥(2004)[33]的研究结论较为一致，FF3三因子模型在国际新兴股票市场存在着适用性问题。为了使得因子模型能够更好的解释国际各国股市中的异象，尤其是强化规模因子的作用，Asness et al.(2018)[3]在FF3模型中加入了反应上市企业质量风险的因子QMJ，基于修正的模型他们发现在控制上市企业质量以后，规模因子仍然有效。Liu et al.(2018)[20]也针对中国A股市场，也构建了有中国特色的三因子模型。但本文认为，中国A股市场自诞生便形成了以散户投资者为主的投资者结构，由散户群体带来的非理性情绪因素在资产价格的形成中扮演了重要的作用，因此在控制反应规模效应的基本面因子以外，还应当考虑投资者情绪在规模溢价中的解释作用。结合实证分析部分的结论，并参考Fama and French(2015)[13]建议的因子构造方法，本文将投资者情绪规范化为定价因子UMO 。基于这一因子，我们进一步拓展了FF3模型，建立了具有中国A股市场特色的四因子定价模型(CH4)。更进一步，本文根据个股流通市值的大小进行分组构造投资组合，利用高、低流通规模资产组合的收益率差作为被解释变量，进行了CH4模型的回归估计，结果显示(表8)在控制反应投资者情绪的因子UMO后，规模因子仍然显著，但因子模型的超额收益率α项(0.0081)不再显著，且估计值远低于FF3模型中的0.0193，这说明中国A股市场的规模溢价不能仅通过规模因子进行定价解释，也应当考虑投资者情绪因素在溢价过程中的重要作用。

表7 机构持股与规模溢价的Fama-Macbeth回归估计

六、稳健性检验

1.考虑公司层面的投资者情绪对规模溢价的影响

易志高和茅宁(2009)[34]提出的CICSI指标反应了市场层面投资者情绪，是当前应用比较多的指标之一。更为稳妥起见本文也进一步采用了Aboody et al.(2018)[1]提出的公司层面的情绪指标——隔夜收益率进行了检验，在T+1交易机制下的中国A股市场这一指标更能有效捕捉投资的情绪，当投资者情绪过度悲观时翌日开盘时的卖压会更大，因此隔夜收益率负的程度越大，反之亦然。并且，相较于市场层面的情绪指标而言，公司层面的投资者情绪能够更加敏感的捕捉到个股层面上的情绪变化。同理，采用前文对投资者情绪相同的分组标准，我们对样本企业的隔夜收益率情绪指标进行了5等分的分位数分组，数字1～5代表了投资者情绪的高低，其中1最低，5最高。表9给出了不同投资者情绪分组样本下的SIZE的系数估计值，结果显示：随着公司层面的投资者情绪的上升，SIZE的系数估计值负的程度越来越大，其均通过了1%水平下的显著性检验，表明即使在更换投资者情绪指标后，中国A股市场的规模溢价效应仍然由投资情绪左右，会随着投资者情绪的增强而得以强化。

表8 因子模型的回归估计

本文也根据Aboody et al.(2018)[1]提出的公司层面的情绪指标按照相同的方式构造了UMO因子，并进行了因子模型的回归估计，结果显示：在控制公司层面的投资者情绪因子后，因子模型的超额收益率α项(0.0038)不再显著，说明不论是利用市场层面的投资者情绪指标、还是公司层面的投资者情绪指标构造的投资者情绪因子均具有较强的解释力，投资者情绪能够显著的解释中国A股市场的规模溢价效应。

2.考虑价格、情绪、卖空限制对规模溢价的交互影响

表9 投资者情绪与规模溢价的Fama-Macbeth回归估计

孟庆斌和黄清华(2018)[30]指出价格、情绪以及卖空限制三因素往往存在较强的相关关系。在前文的分析基础上，我们进一步考察了价格、投资者情绪以及卖空限制三者的交互影响关系以验证多重因素交互影响下结论的稳健性。由表10中的PANEL A可以看出不论是低价格样本、还是高价格样本，“两融”制度的实施均在一定程度上抑制了股价的规模溢价效应，但从数值上来看“两融”制度对中等及以上规模市值企业的溢价抑制作用较强，而对小规模市值企业溢价的抑制作用较低。值得注意的是，“两融”制度的实施完全消除了股价较低的中等及以上规模市值企业的规模溢价，“两融”制度前的影响程度为-0.1293(p＜0.01，中等规模)和-0.0251(p＜0.01，大规模)，而之后则下降到-0.0865(p＞0.10，中等规模)和-0.0026(p＞0.10，大规模)。同理，PANEL B显示出投资者情绪因素对卖空限制与规模溢价之间的关系也存在显著性的调节作用，尽管“两融”制度的实施未能完全消除高低情绪组下的规模溢价效应，但整体来看“两融”制度所代表的卖空限制在市场情绪低迷时，对中等及以上市值规模企业的溢价效应的抑制作用更加明显，平均抑制程度达到了65.13%。而在市场情绪高涨时，卖空限制对相同规模大小企业的平均抑制作用仅为49.42%。这些数值证据均显示出“两融”制度的实施有效减小了A股市场的卖空限制，减轻了异象所带来的影响，尤其是弱化了市场情绪低迷、低价股等行情和标的中存在的异象。

表10 多因素交互影响下的规模溢价

表11 考虑一月效应的分组检验结果

3.考虑一月效应对规模溢价的影响

Keim(1983)[17]指出上市企业的规模溢价与一月效应有密切关系。这里，我们将样本划分为一月和非一月，并利用分组检验法再次检验了个股的规模溢价效应。表11的结果表明中国A股市场确实存在一月效应，但从溢价程度来看一月的投资组合仅能获得1.39%的月均收益率，而非一月样本下的投资者组合则能获得4.92%的月均收益率，后者远高出前者，这说明即使在考虑一月效应以后，中国A股市场仍然存在显著的规模溢价效应。

结论与启示

本文利用沪深A股上市公司数据，从投资者情绪、卖空限制等因素出发，对中国A股市场中的规模溢价现象展开了深入的分析与系统的验证。研究发现样本期间内中国A股市场存在显著的规模溢价现象，通过多空策略组合可实现年化13.08%的收益率。考虑规模因子后策略组合收益率有所下降，但仍然有3.36%的超额收益率无法被解释，反应出FF3的规模因子在规模溢价效应解释上仍存在不足。

在规模溢价形成机制原因的探讨中，本文发现投资者情绪是促成上市企业规模溢价的重要原因，而中国式融资融券制度安排所降低的卖空限制、机构投资者持股比例的上升则显著抑制了规模溢价效应。这主要是由于投资者在不同情绪下会呈现出不同的风险偏好，在亢奋的情绪状态下投资者会低估股票资产的风险而高估收益，呈现出典型的非理性决策心理特征，对高风险资产有着超额需求，Lemmon and Portniaguina(2006)[19]在研究中便指出了这一点。而在中国股票市场，作为高风险资产的小市值股票在这一非理性决策下便成为投资者竞相配置的股票标的，最终产生了较高的溢价。此外，融资融券制度推出以后，国内A股市场的卖空渠道得到了拓展，大公司股票的卖空限制得以缓解，投资者的意见分歧可以通过融券业务向市场表达，从而减少了价格中的泡沫。但由于标的选择的限制，小市值股票无法进行卖空使得价格泡沫仍在累积，最终进一步强化了A股市场的规模溢价效应。另外，机构投资者作为上市企业的外部监管者，在一定程度上抑制了上市企业股价中因情绪面所导致的非理性交易行为，机构持股比例的上升可有效抑制上市企业的规模溢价效应。在更进一步的研究中，本文还发现上述研究结论对更换投资者情绪测度指标、价格效应以及一月效应均有较强的稳健性。并且本文构造的中国式因子模型对中国A股市场的规模溢价效应具有显著的解释力。

本文结果表明，投资者情绪对A股市场规模溢价的产生有着不可忽视的作用。投资者情绪高涨阶段市场上充斥着非理性的投机行为，而小市值股票是投机的重灾区，价格严重偏离基本面，影响市场资源配置效率。因此，监管部门要重视并合理引导投资者的情绪，在高投资者情绪阶段，密切监管对小市值股票的恶意炒作。其次，本文的结果肯定了融资融券制度对降低卖空限制约束、提高定价效率、抑制价格泡沫的积极作用。在小公司估值过高的背景下，有序地对融资融券标的股进行扩容，逐渐纳入中小盘和创业板是提升市场效率的有效手段。最后，监管层应进一步创新监管方式，提高机构投资者参与市场的积极性，支持和引导机构投资者在稳定市场、降低市场非理性情绪等方面发挥重要作用。

注释

1.与此形成鲜明对比的是，2013以来美国股市中的规模溢价现象在逐渐消失。据alphaArchitect统计显示，按市值大小划分，过去5年美股市场大、中、小股票组合的平均年化收益率分别为14.11%、11.21%和10.02%，大小市值组合收益率差高达4.10%，买入小市值股票并卖出大市值股票的策略组合不再能获得高额收益率。数据来源：http://alphaarchitect.com/2018/11/15/factor-investing-factcheck-are-value-and-momentum-dead。

2.据wind数据库统计显示，2013年至则2018年间，40亿市值以下的上市公司平均年换手率高达637.84，而40亿市值以上上市公司的平均年换手率仅为481.71，前者是后者的1.32倍。

3.不做特殊说明情况下，FF3均指代Fama and French(1992)[12]提出的三因子模型。

4.中国上市企业会在每年的12月底披露年报的发布日期，遵循张兵和陈晓莹(2017)[37]的做法，本文以t年12月底综合指标的分位点来分组用以确定t+1年股票资产组合所包含的个股情况。

5.受篇幅所限此处略去了表格，相关表格数据读者可邮件索取。