股市羊群行为：文献综述和实证检验框架

黄咏诗 上海财经大学金融学院

一、前言

羊群行为是大多数金融从业者的流行术语，通常与金融危机有关。早在1990年代以来金融市场的羊群行为开始受到学术界的广泛关注之前，许多人就将其归咎于1637年的郁金香泡沫，随后是1720年的南海泡沫和1720年的密西西比泡沫，以及随后的其他一些与羊群行为有关的金融危机，这是根据Kallinterakis和Gregoriou(2017)引用了JosephdelaVega的Confusion of Confusions(1688)和Galbraith的A Short History of Financial Euphoria(1994)。随后，1997年亚洲金融危机和2000年互联网泡沫破灭、2007—2008年全球金融危机以及2021年由Reddit为某些美国股票造成短期大幅波动，更引起学术界、监管者和金融从业者对羊群行为的关注。

根据Scharfstein和Stein(1990)的观点，“投资者通过模仿他人的行为，而不是考虑他们自己的信息，这羊群行为将倾向于放大外源性的股票价格冲击”。他们的定义也暗示了金融危机与羊群行为之间的关系。大量文献记载羊群行为的实证研究。然而，Kallinterakis和Gregoriou(2017)与Bikhchandani和Sharma(2000)分别进行的文献综述。他们均发现，大多数关于羊群行为的实证研究似乎与羊群行为理论没有直接关系，而这些实证研究主要建立在羊群行为的定义，或是从资本资产定价模型的预测基础上(并假设投资者是理性的信息交易者)。

我们针对股市羊群行为实证研究这个方面，进行文献综述与评论。第二章是关于实证研究中主要采用的两种数据(包括微观数据和汇总数据)的文献综述，而第三章则集中分析和讨论汇总数据方面相关文献，从而建议实证研究的框架。在第四章中，我们将总结并提议股市羊群行为实证研究的未来可能研究方向。最后，我们按引用的先后顺序列出参考文献。

二、股市羊群行为实证研究的文献综述

实证研究的相关文献，主要检视羊群行为是否趋向于市场共识，尤其是在股市中，研究通常依赖于两种类型的数据，包括(i)微观数据，例如,投资者账户、投资组合的专有交易数据[较新的文章如Cai等人(2018)和Garg等人(2016)]和(ii)汇总数据，例如价格和数量[(较新的文章如黄(2020)和Shah等人(2017)]。

(一)微观数据与“机构羊群行为”

大多数利用微观数据检视羊群行为的实证研究通常采用Lakonishok、Shleifer和Vishny(1992)(以下简称LSV)的方法。该方法检验机构投资者是否存在羊群行为，俗称“机构羊群行为”。它量度一组基金经理购买或出售特定资产的平均趋势，相对于如果基金经理独立交易的预期。然而，LSV羊群度量未能区分机构羊群是由买方还是卖方所驱动的。因此，Wermers(1999)为LSV羊群度量作出延伸，并定义买卖羊群度量。

Sias(2004)提出了另一种利用微观数据检视羊群行为的度量，该度量量化了投资者在连续时期内跟踪其他投资者(同一组中)的交易程度，即分离买家与所有交易者(共同基金需求)比率之间的横截面相关性，并分为两组，一组属于习惯投资(基金跟随过去交易)，另一组反映羊群行为(基金跟随其他基金交易)。根据Sias的说法，LSV和Sias度量之间的主要区别在于，前者间接检验了一段时间内的横截面时间依赖性，即如果机构投资者在一段时间内跟随对方进入(或退出)相同的股票，机构投资者在这段时期将主要是该证券的购买者(或卖方)。后者是检验相邻季度机构需求的横截面时间依赖性，即量度交易者在相邻季度相互跟随的程度。

学术界对该领域的兴趣仍然存在，尤其是研究发展更复杂的统计模型。例如，Andreu等人(2014)建议将动态贝叶斯滚动窗口估计程序应用于Fama和French的三因子模型，以分析不同投资风格的共同基金的羊群行为。他们实证检验了西班牙2001年1月至2009年12月期间的股票开放式共同基金，证实了机构羊群行为的存在。

总之，在机构羊群行为的实证研究中，Sias度量与LSV度量是广泛被采用的。虽然大多相关的实证研究集中于股市，但是类似的研究也涵盖了其他金融市场。例如Cai等人(2018)使用LSV度量和Wermer修正度量，针对在1998年第三季度至2014年第三季度期间由美国公司发行并由美国机构投资者持有的以美元计价的固定息票公司债券进行研究。他们发现以美元计价的固定息票公司债券市场存在高度的机构羊群行为，尤其是在评级较低的债券和卖方间。

(二)汇总数据与“市场羊群行为”

Christie和Huang(1995)是最早在汇总数据上研究股市羊群行为的人之一，这通常被称为“市场羊群行为”。他们认为，当股票价格出现异常大的波动或金融市场处于压力时期时，理性资产定价模型的预测将与羊群行为的预测最明显不同。理性资产定价模型预计，当市场处于压力时期时，股票收益率的分布特征会更明显，而在市场压力时期，羊群行为会在很大程度上忽略特殊的股票价值，从而导致股票收益率的分布特征差异减小。换句话说，在市场压力时期，羊群行为的存在表明个人投资者倾向于遵循市场共识，而不是自己的判断，因此，个股也倾向于更加紧密地聚集在市场周围，导致所有股票的表现类似。

Christie和Huang(1995)提出了一个检测市场羊群行为的方法，该方法采用线性回归设计，在极端市场条件下，股票收益率的横截面离散度(即横截面标准差，CSSD)对整体市场的极端收益率进行线性回归。由于理性资产定价模型暗示CSSD与整体市场的极端收益率呈正相关，所以负相关，即统计显着的负系数，可能表明投资者在极端市场条件下出现羊群行为。然而，这个方法可能排除了在极端市场条件下CSSD与整体市场的极端收益率之间存在非线性关系的可能性。

Richards(1999)研究了美国和欧洲债券以及美国和16个新兴市场的股票的特殊风险。他的其中一项实证研究结果与Christie和Huang(1995)的实证结果相符，即拒绝美国股市中羊群行为的存在。尽管如此，Richards(1999)也提出，因为Christie和Huang(1995)的检验只寻找与股票收益率相关的“一种非常强的羊群行为”，所以即使其检验结果显示这种羊群行为不存在，但并不能否定其他形式的羊群行为存在的可能性。

Chang、Cheng和Khorana(2000)认为，在极端市场条件下，股票收益率的横截面离散度与整体市场的极端收益率之间存在非线性关系的可能性。他们认为Christie和Huang(1995)的方法过于严格，并对其方法作出了修改。基于Black(1972)的资本资产定价模型(CAPM)的条件版本，Chang、Cheng和Khorana(2000)先定义股票收益率的预期横截面绝对偏差(ECSAD)和横截面绝对偏差(CSAD)，而CSAD是每只股票相对于同等权重市场投资组合回报的平均绝对偏差(AVD)，用作ECSAD的估计。他们针对CSAD与整体市场的收益率之间存在非线性关系的可能性，将整体市场的收益率的平方也考虑在内，并采用多元线性回归设计。Christie和Huang(1995)以及Chang、Cheng和Khorana(2000)的模型随后被Hwang和Salmon(2004)伸延至对资产基本面因素敏感度(即是市场的股票贝塔系数)的横截面离散度。他们使用卡尔曼滤波器根据市场股票贝塔系数的横截面离差，研究了美国、英国和韩国股市的羊群行为。然而，这种方法不太常用。

Chiang和Zheng(2010)提 出 在Chang、Cheng和Khorana(2000)的非线性关系模型上多加一个解释变量，即市场股票收益率。然而，由于这个模型可能产生多重共线性，Yao等人(2014)修改了模型的一个解释变量，以市场股票收益率与其算术平均值的差来取代市场股票收益率，并声称能大大减低解释变量见的多重共线性。这模型或许有助解决统计上的问题，不过它同时减弱了Chang、Cheng和Khorana(2000)以Black(1972)资本资产定价(CAPM)模型的有条件版本推广出来的羊群行为定义。

随后，越来越多在汇总数据上研究股市羊群行为的不同方法相继提出。最近的一个例子包括Clements等人(2017)在对美国股市的羊群行为进行格兰杰因果检验的基础上，使用向量自回归框架来对美国股市的羊群行为进行实证研究。他们的研究使用了2003年1月28日至2016年9月16日期间的每日数据，他们发现美国股市在市场动荡时期存在羊群行为，跨越4次金融危机，包括2007—2009年的次贷危机，2010年欧债危机，2011年美国债务上限危机，以及2015年中国大陆股市崩盘。

其他一些新方法不仅用于研究总体层面的静态羊群行为，还用于研究动态羊群行为，即随时间变化市场在某段时期可能出现羊群行为。Chiang等人(2013)针对Chang、Cheng和Khorana(2000)的模型作出修改，使用卡尔曼滤波(Kalman filter)①检查所有10个太平洋盆地市场(包括澳大利亚、中国内地、香港、印度尼西亚、日本、马来西亚、新加坡、韩国、台湾和泰国)，在1997年7月2日至2009年3月23日期间，并发现所有市场都存在动态羊群行为，美国股市是唯一的例外。Arjoon和Bhatnagar(2017)采用了Chiang等人(2013)的相同模型，并发现特立尼达和多巴哥股市在2001年1月1日至2014年12月31日期间存在动态羊群行为。

Bohl、Branger和 Trede(2017)挑 战 Christie和Huang(1995)以及Chang、Cheng和Khorana(2000)的模型。他们认为，在“不存在羊群行为”作为原假设的假设检验中，真实系数应该是正数的，而不是Christie和Huang(1995)以及Chang、Cheng和Khorana(2000)假设的零。因此，Bohl、Branger和Trede(2017)认为金融市可能存在更多羊群行为的实证证据。

三、汇总数据文献的分析及研究框架建议

根据我们第二章中(2.2)的讨论，汇总数据上研究股市羊群行为的学术文章确实为数不少。然而，实证研究的结论并不一致。经过分析及归纳文献的实证研究结论，我们将讨论这些结论不一致的原因，并提出研究框架建议。

(一)羊群行为的定义不一

正如Kallinterakis和Gregoriou(2017)跟Bikhchandani和Sharma(2000)所发现的一样，羊群行为的实证研究与其理论没太大的直接关系。因此，羊群行为的定义影响了实证研究结果。在汇总数据的股市羊群行为实证研究中，大部分模型寻找的是在市场压力时期，股票收益率的分布特征差异是否减少。若股票收益率的分布特征差异减少，这是“市场羊群行为”的实证证据。研究集中于分析市场压力时期的特征，例如，股市收益率是否异常高或低、交易量是否异常高或低、股票价格的波动是否异常高或地等。这些特征的狭义定义，叠加时间序列采样的差异，影响了实证研究结论，也有助解释实证研究结论的不一致性。

在汇总数据的股市羊群行为实证研究的延伸中，研究针对不同行业的股票作出羊群行为的检验〔如Zheng等人(2017)、Demirer和Kutan(2006)等〕。模型寻找的是在市场压力时期，以行业作分类的股票收益率的分布特征差异是否减少。若某一或某些行业的股票收益率分布特征差异减少，这是“行业羊群行为”的实证证据。在“行业羊群行为”的实证研究中，行业分类往往并不统一，加上时间序列采样不同，比较实证研究结果的难度大大增加。

除了“行业羊群行为”的实证研究外，其他类似的延伸研究主要根据某些股票的基本面条件所组成的投资组合进行羊群行为的检验。例如，Arjoon等人(2019)利用新加坡证券交易所的数据，对市场整体水平和根据公司规模组成的投资组合进行羊群行为检验。他们发现在市场层面和实证中的5个根据公司规模组成的投资组合均得出羊群行为的实证证据。

我们建议将上述两类型延伸研究归纳为“专题羊群行为”检验，因为这些研究都是根据某些条件(如行业、股票基本面等等)从而组成投资组合，再进行羊群行为的检验。相对“市场羊群行为”的研究，这些“专题羊群行为”研究检验的是投资者会否受当前热门专题所影响，人云亦云地买卖专题相关的股票，导致“专题组合”股票收益率的分布特征差异减少。倘若“专题羊群行为”引发股票投资热潮，这则可能导致“市场羊群行为”，甚至金融危机。反过来，随热门专题冷却，股票收益率的分布特征差异可能回归正常。因此，某些“专题羊群行为”可能只在某些市场出现一段时间。

“专题羊群行为”引申出另一个研究问题：羊群行为是一个静态现象，还是动态现象？就先前第二章中(2.2)的讨论，尽管这个问题的实证研究出乎意料地少，他们的结论(如Chiang等人 (2013)和Arjoon和Bhatnagar(2017))基本上一致的，即股市大都存在动态羊群行为。

(二)汇总数据羊群行为实证研究的框架建议

根据第三章中(一)的讨论，我们建议进行汇总数据的羊群行为实证研究时，可参考以下羊群行为的三个狭义延伸及检验框架，使实证结果在以后得以作出更有系统的比较：

1.“强式羊群行为”(strong form herd behaviour)

“强式羊群行为”定义为静态式的“市场羊群行为”。在一段不小于十年的时间中，当股市处于压力时期，股票收益率的分布特征差异减小，这是股市出现“强式羊群行为”的实证证据。

2.“半强式羊群行为”(semi-strong form herd behaviour)

“半强式羊群行为”定义为静态式的“专题羊群行为”。在一段不小于五年的时间中，投资者受当前热门市场话题或某些投资策略所影响，使相关投资组合中的股票收益率分布特征差异减少。这是股市出现“半强式羊群行为”的实证证据。专题可以与行业(如科技、医疗等)、政策(如资本市场自由化的一些新举措等)和市场话题(如新经济股、中概股等)相关的，也可以是根据某些股票的特征(如公司规模、基本面等)的投资策略。相对于“市场羊群行为”的研究，这些“专题羊群行为”研究检验的是投资者会否受当前热门专题所影响，人云亦云地买卖专题相关的股票，导致“专题组合”股票收益率的分布特征差异减少。倘若“专题羊群行为”引发股票投资热潮，这则可能导致“市场羊群行为”，甚至金融危机。反过来，随着热门专题冷却，股票收益率的分布特征差异可能回归正常。因此，某些“专题羊群行为”可能只在某些市场出现一段时间。

3.“弱式羊群行为”(weak form herd behaviour)

“弱式羊群行为”定义为“动态羊群行为”。市场在某段短时间内出现羊群行为。

根据上述定义，当实证结果表示股市出现“强式羊群行为”，该股市也存在“弱式羊群行为”及“半强式羊群行为”。同样，当实证结果表示股市出现“半强式羊群行为”，该股市也存在“弱式羊群行为”。然而，当实证结果表示股市存在“弱式羊群行为”，该股市不一定也存在“半强式羊群行为”或“强式羊群行为”。在这个情况下，我们需要进一步研究才知道该股市是否也存在“半强式羊群行为”或“强式羊群行为”。

值得注意的是由于“半强式羊群行为”检验只限于所选的专题，若实证结果支持股市存在“半强式羊群行为”的假设，结论是有意义的。然而，若实证结果并不支持股市存在“半强式羊群行为”的假设，我们也不能完全否定股市存在“半强式羊群行为”的可能性。我们可以进行进一步测试以验证结果，因为检验的专题越多，且专题的相关性越低，有助提高实证结果的可信性。例如，我们可以为3个或以上的相关性低的专题进行检验。同时，我们也建议“半强式羊群行为”的实证研究应该包含“强式羊群行为”的检验，从而得出更全面的实证结论。

四、结语

尽管大量文献记载以汇总数据进行羊群行为检验的实证研究结果，但实证结论并不一致，也难以进行比较。加上，Kallinterakis和Gregoriou(2017)等文献综述亦指出羊群行为的实证研究与其理论没太大的直接关系。因此，我们整合了这些文献，并根据羊群行为的动态和静态特性，提出了羊群行为的三个狭义延伸，包括“强式羊群行为”“半强式羊群行为”和“弱式羊群行为”。我们也为这三个羊群行为的狭义延伸建立了检验框架，以便对实证结果进行更系统性的比较，有利于这个研究领域的发展。

然而，我们提出来的羊群行为的三个狭义延伸局限在于以汇总数据进行羊群行为检验这方面。这三个狭义延伸能否适用于以微观数据进行羊群行为检验，还需要进一步研究。

注释：

①Chiang,等.(2013)引用Harvey(1990)、Hamilton(1994)和Tsay(2005)详细描述如何用卡尔曼滤波进行估计。