基于BAPM模型的噪声交易者风险的测度——以受处罚的上市公司为例研究

基于BAPM模型的噪声交易者风险的测度——以受处罚的上
市公司为例研究
王苏生;李为
【摘要】Excessive noise transactions, especially those listed noise traders subject to administrative penalties in China' s securities market is very common. Selecting listed company Regulatory Commission administrative penalties , from 2007 to December 2009 the yield of samples for analysis at the same time whichever is the corresponding line of the same industry matched firm to conduct empirical studies have concluded that noise traders Risk ( NTR) and stock excess returns are significantly negatively correlated, significantly higher, then the investors to invest in such stocks are the greater the likelihood of loss. Finally, this paper proposes to solve the noise problem of Chinas stock market to improve market efficiency policy recommendations.%过度的噪音交易,尤其是受到行政处罚的上市的噪声交易,在我国证券市场是非常普遍的.选用2007～2009年内受到中国证监会行政处罚的上市公司,从2006年1月到2009年12月的收益率作为分析的样本,同时取其对应的同行业的配对公司进行实证研究得出结论,噪声交易者风险( NTR)与股票超额收益是显著负相关的,显著性越高,那么投资者投资此类股票受到损失的可能性越大.最后,本文提出了治理我国股市噪声问题、提高市场有效性的政策建议.
【期刊名称】《运筹与管理》
【年(卷),期】2012(021)001
【总页数】8页(P167-174)
【关键词】行为金融;噪声交易;BAPM模型;噪声交易者风险
【作者】王苏生;李为
【作者单位】哈尔滨工业大学深圳研究生院,广东深圳518055;哈尔滨工业大学深
圳研究生院,广东深圳518055
【正文语种】中文
【中图分类】F830.91
0 噪声交易者风险测度研究的理论背景
由于在传统的金融学理论中并没有考虑交易者行为的问题，所以没有衡量噪声交易者风险，那么传统的资产定价理论对市场的解释可能会被弱化，这已达成共识。

行为金融学在引入噪声交易者后较好的解释了噪声交易产生的原因，国内学者还探讨了我国噪声交易的一些特点，比如，王苏生、李为［1］已证明股权分置是造成我国股市噪音的一个主要原因，随着股市的全流通，我国股市的噪音会减少。

国外学者对噪声交易者风险的测度做了奠基工作。

噪声交易的研究大多采用Lee Shleifer和Thaler［2］噪声交易者风险的投资者情绪模型(DDSW模型)，该模型对封闭式基金折价问题做出了解答，还为度量噪声交易者风险提供了一种新的方法。

De Long［3］等通过DSSW模型来刻画市场上理性投资者和噪音交易者之间的
关系。

Bhushan等进一步发展了DSSW模型，得到了更一般化的结果，指出投资者之间会产生模仿行为，若噪音交易者的回报率明显高于理性投资者，就会有更多的理性投资者愿意转变为噪音交易者并采取噪音交易策略，此时股价将会严重偏离基本价值。

但是，这些研究都未能介绍采用何种方法去衡量噪声交易者的风险的大
小，而是从定性上去解释噪声交易者承担的风险，只能得到噪声交易者进行噪声交易的风险的模拟值。

Shefrin和Statman建立了BAPM(behavioral asset pricing model)可以得到噪声交易者的风险大小的度量的具体结果。

国内学者对噪声交易者风险的测度研究也做了一些尝试。

王擎(2004)［4］认为封闭式基金的折价既包含噪声成分，也包含理性预期成分，但更主要体现噪声交易，但未能提出如何去测度这种噪声交易的风险。

董超，百重恩［5］发现折价率还受基金换手率和基金规模影响。

以上针对噪声交易早期的研究具有很强的局限性。

首先，国外主流学者运用的DDSW模型存在着局限性:(1)投资者群体为混合群体，同时假定投资者都是风险厌恶的来确定两类投资者的效用函数，而我国的投资者新股民偏多，且大都喜欢短线操作和追涨杀跌。

(2)DSSW模型通过设定参数来进行模拟研究，由于信息传播的
延迟和套利成本的存在，理性交易者的套利延迟会导致泡沫的持续，而且这种延迟泡沫会与噪音交易者泡沫叠加，水平上抬高风险资产的泡沫。

由于模型的诸多限制，因此在做实证结果时准确性大大降低。

(3)学者大多将DDSW模型运用于封闭式基金折价的研究，对封闭式基金折价问题做出了解答，还为度量噪声交易者风险提供了一种新的方法，并且发现不同市值规模的股票拥有的噪声交易者风险有显著差异，但是并未将其运用噪音交易更为完整或更为典型的样本。

其次，以前的学者只是把股票交易者分为理性交易者和噪声交易者。

但是我们认为可以把噪声交易者分为两类，一类是合法的噪声交易(如正反馈交易)，另一类是非法的噪声交易(如内幕交易、操纵股价等)。

因此，我们不能笼统去衡量噪声交易者的行为和测度噪声交易
者的风险。

因为噪声交易者是长期存在的，区分合法的噪声交易者和非法的噪声交易者有助于管理层采用正确的方法治理股市噪音。

合法的噪声交易者采用正确的噪声交易策略也可以获利，孔东民［6］构建了一个由2类交易者共同作用的价格决定模型，并对噪声交易者进行均衡分析。

但是过度的噪声交易减少了市场的有效性，
不利于股市向良性方向发展、不利于中小投资者的利益保护、不利于投资者的资产配置等。

对合法的噪声交易者只能进行教育和引导，而对非法的噪声交易者就必须进行监管和打击。

而我国非法的噪声交易者非常严重。

因此研究非法的噪声交易者，对打击投机、保护中小投资者有更大的现实意义。

本文首次将BAPM模型引入中国噪声交易风险的测度研究，首次选取我国沪深股
票市场上2007～2009年被处罚的上市公司作为样本进行实证研究。

1 模型构建
1.1 NTR的定义
噪声交易者风险(NTR)，是非理性行为产生的额外风险，是噪声交易者额外施加给市场的风险7。

在BAPM模型中，噪声交易者风险的计量是通过传统贝塔减去行
为贝塔。

我们通过构建NTR来度量这种风险，这是一种新的衡量噪声交易者的新指数，从新的角度去衡量噪声交易者的风险。

1.2 构造动量指数DVI
在传统的资本资产定价模型中最为关键的市场组合的构建，一般情况下，采用整个市场中的所有股票组成市场组合，用市场的收益率或者美国市场的标准普尔代表市场的收益率。

我们采用Vikash Bora Ramiah和Sinclair Davidson［8］提出动
量指数的方法，选择交易量来度量投资者的情绪，交易量的大小反应投资者对未来的是否乐观的态度。

我们采用以下方法进行调整和处理。

首先，将市场的交易量进行趋势过滤
Vt表示交易量，a，β1，β2代表拟合系数，t和t2分布表示线性和非线性时间趋势，εt是剔除时间趋势后的交易量序列，亦残差，记为Vt。

其次，通过自相关性对交易量进行调整:通过ARIMA模型的拟合去除vt的序列自
相关性，可以得到整个模型的残差(噪声交易量)。

预期交易量就是模型的拟合值()。

残差的期望值为0(E()=0)。

如果＞0，那么可以认定此股票为比较活跃的股票，列入我们的市场组合中。

1.3 DIV指数的计算
DVIt、Sit、Si0分别表示动量指数和t、0时刻的选人的交易量，Pit与Pi0是两个时刻的收盘价，I0是一个调整乘子。

用经典的资本资产定价模型来计算传统贝塔，而利用收益率来计算行为贝塔，下面是我们的整个计算过程。

经典的CAPM模型
传统的β
传统的β用CAPM模型拟合出，市场组合收益就用指数代替噪声交易者风险
验证噪声交易者风险NTR与证券收益的关系
2 数据来源
2.1 数据选取
首先，我们通过中国证监会网站选取2007～2009年这三年间内受到中国证监会
行政处罚的上市公司从2006年1月～2009年12月的收益率作为分析的样本。

2007年初到2009年末，共受到证监会处罚的上市公司有40家，见表2(其中剔
除了未上市的公司和对高管个人的处罚的公司)。

根据受处罚的原因分为以下几个
大类，见表1。

表1 我国上市公司受处罚的原因分类统计注:其中某些上市公司受到两项及其以上
的处罚，如果只涉及未履行报告、披露信息义务和未及时披露报告业务或未按规定
披露信息的上市公司归为第二类，如果既涉及未及时披露报告业务或未按规定披露信息又涉及虚假陈述或重大遗漏等两项以上的上市公司归为第一类。

家数第一类处罚原因信息披露违规、报表虚假陈述、报表虚假记载、存在重大遗漏20家原因类别受处罚原因第二类处罚原因未履行报告、披露信息义务、未及时披露报告业务、未按规定披露信息16家第三类处罚原因内幕交易、关联交易4家
其次，我们对每一个受处罚的上市公司选择一个配对公司进行比较，见表2。

由于，受处罚的上市公司比一般的蓝筹或龙头股的噪声交易显然严重。

因此，选择目标公司在同行业内资产相当、业绩相当、行业地位相当、经营情况类似且未受到证监会处罚的公司为配对公司来比较才有更准确的分析非法的噪声交易和合法的噪声交易的区别。

我们选择配对公司的步骤是:第一步，找同一行业并未受到处罚的上市公司。

第二步，按总股本、实际流通股本、总资产、主营收入、净利润、每股收益、净利润增长率、每股收益增长率8个指标进行排序。

第三步，选择每个指标跟目
标公司排名最为靠近的公司为配对公司。

数据来自权威证券交易数据库WIND资讯。

实证工具为计量经济软件Eviews和Matlab。

我们采用补值和插值的方法来解决每个股票不一定填满所有交易日的情况，以上证指数的年内交易日为参考交易天数。

表22007 ～2009年受到证监会行政处罚的上市公司及配对公司一览表*:为了不影响上市公司形象，公司名称用A1，A2，….A40代替受处罚的股票*处罚时间受到
中国证监会行政处罚的原因配对公司股票*A12009.12.14未及时披露有关信息科
学城靖远煤电A22009.12.14未履行披露有关业务绵世股份A32009.11.23未履行报告、披露信息义务嘉应制药A42009.11.20未履行定期报告、未履行披露信息义务劲嘉股份A52009.11.20未履行报告、披露信息义务九芝堂A62009.11.06未履行报告、披露信息义务四川长虹A72009.11.05未履行报告、披露信息义务红阳能源A82009.10.30未履行报告、披露信息义务。

鼎盛天工A92009.9.10信息披露
违规哈高科A102009.7.17关联交易、重大事项未披露中西药业A112009.6.3中
期报告、年报虚假陈述华芳纺织A122009.5.22内幕交易S佳通A132009.5.5年
报虚假陈述，未及时披露信息中科合臣A142009.3.30中期报告、年度报告虚假陈述、重大遗漏上海普天A152009.3.24未如实披露重大事项、定期报告虚假陈述古井贡酒A162009.2.1未按规定披露信息吉林制药A172009.2.1内幕交易中科合臣A182009.1.15未按规定披露信息航民股份A192008.11.19中期报告、年度报告
虚增利润，未按规定披露信息生意宝A202008.7.24财务报告虚假记载、重大信息未按规定披露鹏博士A212008.7.2未按规定披露事项万力达A222008.6.24未履
行临时报告义务，中期报告、年报虚假记载京山轻机A232008.5.7年报虚增利润、存在重大遗漏中天科技A242008.4.23年报虚假记载绿景地产A252008.4.8年报
虚假陈述中华企业A262008.4.8未按规定进行临时公告，年报遗漏重大事项通程
控股A272008.3.20未按规定进行临时公告*ST欣龙A282008.1.2未按关规定进
行临时公告、定期报告重大遗漏包钢稀土A292007.9.24未按规定披露信息三峡水利A302007.8.30定期报告虚假记载及重大遗漏、未按规定进行临时公告金宇车城A312007.6.18定期报告重大遗漏通策医疗A322007.6.23未及时履行报告义务、所披露信息存在重大遗漏丰原生化A332007.6.13未及时履行报告义务、所披露信息存在重大遗漏华泰证券A342007.5.25披露的信息有误导性陈述新疆城建
A352007.4.24未按规定披露信息、所披露信息有虚假记载中航广电
A362007.4.18未按规定披露信息、所披露信息有虚假记载中核科技
A372007.4.10未按期披露年报大湖股份A382007.3.6未按规定履行信息披露义
务大扬创世A392007.2.26未按期披露年报通宝能源A402007.3.21未按期披露年报
根据2007年～2009年各类处罚原因做出的饼状图，如下图。

充分说明，我国证
券市场中第一类和第二类的处罚原因，即信息披露违规、报表虚假陈述、报表虚假
记载重大事项未披露、未及时披露、未履行报告业务、未按规定披露的现象比较严重。

图1 2007年～2009年受到中国证监会处罚的上市公司
2.2 数据处理
选择受处罚的上市公司股票及其配对上市公司从2006年1月到2009年12月的日收益的时间序列数据。

P表示每日的收盘价，收益率按以下公式进行调整。

个股传统贝塔系数计算
个股行为贝塔系数计算
噪声交易者的风险为
3 实证结果和显著性检验
3.1 实证结果
根据每日股价的指数调整得到收益率，然后根据计算NTR的公式得到个股的传统的贝塔和个股的行为贝塔，最后根据公式得到噪声交易者的风险的绝对大小。

然后以同样的方式个股的配对公司进行处理，最终得到的参数值如表3所示。

表3 被处罚的上市公司及其配对公司NTR值比较表股票βC βB NTR
A10.48720.02810.4591靖远煤电0.3812－0.01160.3928
A20.65910.03710.622绵世股份0.92200.07630.8457 A30.68430.05280.6315嘉应制药－0.10190.0579－0.1598 A40.61180.02030.5915劲嘉股份－
0.02680.0558－0.0826 A50.79910.02830.7708九芝堂0.64950.03080.6187
A60.62210.02920.5929四川长虹0.65190.04300.6089 A70.47550.05230.4232 0.85820.04640.8118 A80.42000.02800.392鼎盛天工0.90150.04880.8527
A90.57680.05220.5246哈高科0.77760.04720.7304 A100.89480.01930.8755中西药业0.57150.02570.5458 A110.63210.03410.598华芳纺织
0.74700.03450.7125 A120.8230.0510.772 S佳通0.7230.0120.711
A130.94930.02230.927黔轮胎A0.87630.03120.8451
A140.92320.032700.8905*ST合臣0.72620.01720.709
A150.81200.05670.7553上海普天0.54810.06130.4868
A160.70400.04210.6619古井贡酒0.64750.04670.6008
A170.58880.02670.5621吉林制药0.48770.02060.4671
A180.53410.05340.4807航民股份0.67450.03390.6406
A190.63120.06450.5667生意宝0.43210.04230.3898 A200.87210.07310.799鹏博士0.80130.08230.719 A210.63120.04320.588万力达－0.02520.0928－0.118 A220.84320.03230.8109京山轻机0.73780.03040.7074
A230.52360.03200.4916中天科技0.63110.01810.613
A240.62390.03920.5847绿景地产0.80930.04620.7631
A250.13940.01110.1283中华企业0.77590.03920.7367
A260.49790.03330.4646通程控股0.75610.03200.7241
A270.46030.02380.4365*ST欣龙0.64040.06980.5706
A280.69920.03310.6661包钢稀土0.89050.08170.8088红阳能源
A290.64710.03030.6168
注:数据以每两只股票为一组进行比较，加粗黑体为配对股票，如出现贝塔值为负的股票，表明该股票与市场走势相反。

三峡水利0.71800.04750.6705
0.70470.03850.6662 A300.42260.04140.3812金宇车城0.77640.03130.7451
A310.54230.06410.4782通策医疗0.75930.04150.7178
A320.48770.02050.4672丰原生化0.78260.03610.7465
A330.76530.05310.7122华泰证券0.65320.06410.5891
A340.81930.04280.7765新疆城建0.83570.04930.7864
A350.81200.05670.7553中航光电0.87310.08410.789
A360.84340.04200.8014中核科技0.77760.04950.7281
A370.56310.32130.2418大湖股份0.72530.05930.666
A380.83840.01690.8215大扬创世0.71110.03530.6758
A390.65130.02740.6239通宝能源0.75480.03760.7172
A400.46460.02770.4369科学城
3.2 噪声交易者的显著性检验
噪声交易者风险的显著性检验:
表4 噪声交易者的显著性检验(T检验)对受到处罚的40家上市公司进行T检验:T-statistic 0000340 Obs*R-squared0.102876Probability0.0065700对配对的40家上市公司进行T检验:T-statistic 2.124937α0.000236 Obs*R-
squared0.0999882Probability0.5.326739Probability0.000764
从回归的结果看，NTR与股票超额收益是显著负相关的，而越高的NTR，噪声交易者风险对股票价格的影响越大，表现为α的绝对值越大，显著性越高，越容易使投资者遭受损失。

4 结论和建议
根据表3的计算结果可以得出以下结论:
(1)从每组的NTR值的大小来看，受到处罚的上市公司的股票的噪声交易者风险(NTR)比相应的没有受到处罚的配对上市公司的NTR的绝对值要大，越高的噪声
交易者风险对股票价格的影响越大，且是负向的，持有受到处罚的公司的股票越容易遭受损失。

因此，管理层应该加强对资本市场和上市公司的监管，严厉打击操作市场、内幕交易等违法行为。

但是，无法事先判断一个上市公司是否存在着噪声交易，因此教育投资者会选择同行业里业绩优良、未受到行政处罚的上市公司作为投资目标。

(2)从都受到行政处罚的上市公司的NTR值的明细来看，受到不同程度的行政处罚的上市公司的NTR值大小不同。

如果行政处罚较为严重，NTR值通常较大，从各类原因的总体NTR均值结果来看，第三类处罚原因的NTR平均值大于第一类，
而第一类NTR均值大于第二类处罚原因。

涉及内幕交易的股票，其噪声交易较为严重，同时受到证监会的处罚也较为严重，NTR的值是最大的。

投资此类上市公
司的风险相对较大。

因此监管部门应当严厉打击内幕交易、操纵市场等行为，以保护投资者利益。

(3)从噪声交易者的显著性检验的结果来看，NTR与股票超额收益是显著负相关的，而越高的噪声交易者风险，噪声交易对股票价格的影响越大，表现为的绝对值越大，显著性越高，那么投资者投资此类股票受到损失的可能性越大。

(4)根据实证的结果，如果在噪声交易较为严重的受到处罚的上市公司中采用传统
的CAPM模型无法对股票进行有效定价。

因此，在为此类股票进行定价时，要考
虑采用BAPM模型，采用行为贝塔来计算必要收益率更为准确。

(5)我国股票市场比国外成熟市场的噪声交易现象严重。

本文所选取的被处罚的上
市公司并不能囊括全部的存在非法噪声交易的上市公司。

治理我国股市的噪声除了加强打击非法交易，还要采取其他配套措施。

比如进一步加强投资者风险教育，大力发展机构投资者，创新发展适合理性投资的指数型基金，提高上市公司质量，完善信息披露。

参考文献:
［1］王苏生，李为.股改前后中国股市噪声比较分析［J］.广东金融学院学报，2010，25(01):113-119.
［2］ Lee C，Shleifer A，Thaler T.Sentiment and the closed-end fund puzzle:out-of-sample evidence［J］.Journal of Finance，1991，46:75-109. ［3］ Bradford De Long J，Andrei Shleifer.Noise trader risk in financial markets［J］.Journal of Political Economy，1990，98(4):703-738.
［4］王擎.再析中国封闭式基金折价之谜［J］.金融研究，2004，(5):28-36. ［5］董超.白重恩.中国封闭式基金价格折扣问题研究［J］.金融研究，2006，(10):36-48.
［6］孔东明.中国股市投资者的策略研究:基于一个噪音交易模型［J］.管理学报，2008，5(4):542-549.
［7］ Froot Kenneth A，Scharftstein David S，Stein Jeremy C.Herd on the street:informational inefficiencies in a market with shortterm speculation ［J］.Journal of Finance，American Finance Association，1992，
47(4):1461-1484.
［8］ Vikash Ramiah，Sinclair Davidson.Noise trader and a behavioural asset pricing model:australian evidence［J］.Working Papers of RMIT University，2003.563-574.。